Disponible con una licencia de Geostatistical Analyst.
Como se indicó previamente, el semivariograma muestra la autocorrelación espacial de los puntos de muestra medidos. Una vez que se ha trazado cada par de ubicaciones, se ajusta un modelo a través de ellas. Existen ciertas características que se utilizan comúnmente para describir estos modelos.
Rango y meseta
Al examinar el modelo de un semivariograma, notará que, a una determinada distancia, el modelo se nivela. La distancia a la que el modelo comienza a aplanarse se conoce como rango. Las ubicaciones de muestra separadas por distancias más cortas que el rango están autocorrelacionadas espacialmente, mientras que las ubicaciones que están más alejadas que el rango, no lo están.
El valor en el cual el modelo de semivariograma alcanza el rango (el valor en el eje Y) se denomina meseta. Una meseta parcial es la meseta menos el nugget.
Nugget
Teóricamente, a una distancia de separación de cero (por ejemplo, intervalo = 0), el valor del semivariograma es 0. Sin embargo, a una distancia de separación infinitamente pequeña, el semivariograma muestra con frecuencia un efecto nugget, que es un valor mayor que 0. Por ejemplo, si el modelo de semivariograma intercepta el eje y en el valor 2, el nugget es de 2.
El efecto nugget puede atribuirse a errores de medición o a fuentes espaciales de variación a distancias que son menores que el intervalo de muestreo (o a ambas cosas). Los errores de medición ocurren debido al error inherente a los dispositivos de medición. Los fenómenos naturales pueden variar espacialmente en un rango de escalas. La variación a microescalas más pequeñas que las distancias de muestreo aparecerán como parte del efecto nugget. Antes de recopilar datos, es importante comprender bien las escalas de variación espacial en las que está interesado.