Geostatistical Analyst のライセンスで利用可能。
普遍クリギングは以下のモデルを仮定します。
Z(s) = µ(s) + ε(s)ここで、µ(s) は何らかの決定論的関数です。 たとえば、以下の図では、通常クリギングの説明と同じデータが使用され、塗りつぶしの円によって観測データが示されています。
トレンド µ(s) が 2 次多項式 (長破線) によって示されています。 元のデータから 2 次多項式を引いた値が誤差 ε(s) であり、これはランダムであると仮定されます。 すべての ε(s) の平均は 0 です。 概念上、自己相関はランダム誤差 ε(s) からモデル化されます。 もちろん、線形トレンド、3 次多項式、またはその他の任意の数の関数を適合することもできます。 上の図は、基礎統計学コースで学ぶ多項式回帰と同じように見えます。 これがまさに普遍クリギングです。 空間座標を説明変数として回帰を行っています。 ただし、誤差 ε(s) が独立していると仮定する代わりに、これらを自己相関するものとしてモデル化します。 通常クリギングと同じアドバイスとして、データだけに基づいて適切な分解であるかどうかを判断する手段はありません。
普遍クリギングでは、セミバリオグラムまたは共分散 (自己相関を表す数学形式) のいずれかと変換を使用することができ、測定誤差が許容されます。