需要 Geostatistical Analyst 许可。
有两种类型的方向组成部分可影响输出表面中的预测：全局趋势和半变异函数/协方差（称为各向异性）中的方向影响。全局趋势是一种覆盖过程，用于以确定性方式影响所有测量值。全局趋势可通过数学公式（例如多项式）表示，且可以从测量点的分析中移除（但可在进行预测之前添加回来）。该过程称为去除趋势。
趋势
全局趋势的示例可在工厂烟囱上的盛行风的影响中看出。图中，较高的污染浓度用暖色（红色和黄色）表示，而较低的浓度则用冷色（绿色和蓝色）表示。请注意，污染物的值在东西方向上比在南北方向上变化慢。这是因为东西方向与风向一致，而南北方向与风向垂直。
移除全局趋势后或不存在趋势时，半变异函数/协方差曲线的形状也可能因方向（各向异性）而变化。各向异性与上述全局趋势不同，因为全局趋势可通过物理过程（盛行风）描述且可通过数学公式建模。通常不知道半变异函数中各向异性（方向影响）的原因，因此将它建模为随机误差。即使不知道原因，各向异性影响也可量化并加以考虑。
各向异性
各向异性通常不是可通过单个数学公式描述的确定性过程。它不具有单个源或影响（可预见地影响所有测量点）。各向异性是随机过程的一个特征，显示一个方向的自相关性高于另一个方向。下图概念性地示出了该过程的表现形式。较高的污染浓度仍然用暖色（红色和黄色）表示，而较低的浓度则用冷色（绿色和蓝色）表示。随机过程用于显示一个方向上比另一个方向上短的波动。这些波动可能是因某些未知或不可测量的物理过程产生的，但被建模为具有方向自相关的随机过程。
使用克里金方法并选择考虑各向异性时，经验半变异函数将显示每个方向的不同空间关系。在本例中，半变异函数的形状会在达到稳定之前在南北方向上（这是浓度变化更快速的方向）更快速地增加。将使用根据方向更改形状的半变异函数模型拟合经验半变异函数点，并且克里金权重也将相应进行调整。
即使确定性方法不提供其强度或方向的经验测度，也可以考虑各向异性。要在使用这些方法时考虑各向异性，必须根据探索性空间数据分析及对现象的了解判断各向异性的级别。将根据设置搜索邻域椭圆的方式调整插值权重（在距预测位置距离相似的情况下，沿长半轴放置的数据点将获得的权重比沿短半轴放置的数据点更高）。