Geostatistical Analyst のライセンスで利用可能。
現象によっては、複数のプロセスによってその空間分布が決まるものがあります。 たとえば、植生量 (バイオマス) は標高と土壌の水分に関連付けられます。 この関連が既知である場合、コクリギングを使用してバイオマスを推定することができます。 バイオマスの測定値をデータセット 1、標高をデータセット 2、土壌の水分をデータセット 3 として使用できます。 各データセットの空間構造はそれぞれ異なるため、各データセットに異なるセミバリオグラム モデルを適合させる必要があります。 つまり、標高に最も適合するのは球モデルであり、土壌の水分に最も適合するのは指数モデルであり、バイオマスに最も適合するのはこれらのモデルを結合したものです。 データの構造に最も適合するようにこれらのモデルを組み合わせることができますが、
現象によっては、空間構造を規定する要因の因果関係がわからないことがあります。 前述のバイオマスと同じ例を使用した場合、バイオマスの測定値のサンプル ポイントしか得られません。 セミバリオグラムでは、明確な変曲点があります。
直線状に上昇した後、シルに達すると再び曲がって平坦になります。 データに 2 つの異なる構造があり、1 つのモデルではこれを捕捉できないとします。 2 つの異なるモデル (球モデルと指数モデルなど) を使用してセミバリオグラムをモデル化してから、これらのモデルを 1 つのモデルに結合することができます。 必要に応じて、3 つのモデルを結合することもできます。
1 つのセミバリオグラムによって複数の異なるランダム プロセスを表すことはお勧めしません。できる限り空間プロセスを分離することをお勧めします。 ただし、因果関係が必ずしも明らかになっているわけではありません。 複数のモデルを選択すると推定対象のパラメーターの数が増えます。モデルの選択は目見当での主観に基づく作業であり、交差検証の統計情報によって定量化するようにします。