需要 Geostatistical Analyst 许可。
半变异函数/协方差建模是空间描述和空间预测之间的关键步骤。地理统计的主要应用是预测未采样位置处的数据值。
经验半变异函数和协方差可提供有关数据集的空间自相关的信息。但是，不提供所有可能方向和距离的信息。因此，为确保克里金法预测的克里金法方差为正值，根据经验半变异函数/协方差拟合模型（即连续函数或曲线）是很有必要的。
经验半变异函数/协方差值的不同视图
地统计向导可提供经验半变异函数值的三种不同视图。可以使用任意数量（一个、两个或全部三个）的视图来帮助您根据数据拟合模型。默认视图显示了已丢弃和已平均化的经验半变异函数/协方差值。下列描述的可视化选项的控件可以通过选项按钮（图片右上角的三个垂直点处）找到。
已丢弃值显示为红色的点，是通过使用宽为一个步长的方形像元将经验半变异函数/协方差点组合（分组）在一起后生成的。平均点显示为蓝色的十字符号，是通过将处于圆周分区内的经验半变异函数/协方差点进行分组后生成的。丢弃点显示半变异函数/协方差值中的局部变化，而平均值显示半变异函数/协方差值的平滑变化。在很多情况下，根据平均值拟合模型会更容易一些，因为它们将为数据中的空间自相关提供相对简洁的视图，与丢弃点相比，平均值将显示的半变异函数值的变化更为平滑。
下列两个图片仅显示丢弃点（顶部）和平均点（底部）：
此外，可通过显示所有线选项将绿线添加到图中。这些线是根据已丢弃的经验半变异函数/协方差值进行拟合的局部多项式。下图显示了这些线的典型示例。
根据经验数据拟合的半变异函数/协方差模型应该：
- 穿过已丢弃值（红色的点）云的中心。
- 穿过尽可能接近平均值（蓝色的十字符号）的位置。
- 穿过尽可能接近线（绿色的线）的位置。
请记住，如果模型似乎没有完全拟合经验数据，您对现象的认识也可以决定模型的形状和块金以及变程值、偏基台值和各向异性值（回想一下，经验数据只是要构建的真实现象模型的样本，并不能完全代表真实现象的所有空间和统计方面）。
不同类型的半变异函数/协方差模型
Geostatistical Analyst 为构建经验半变异函数模型提供以下半变异函数/协方差函数：
- 圆
- 球面
- 四球
- 五球
- 指数函数
- 高斯函数
- 有理二次方程式
- 孔洞效应
- K-Bessel
- J-Bessel
- 稳定
所选模型会影响未知值的预测，尤其是当接近原点的曲线形状明显不同时。接近原点处的曲线越陡，最接近的相邻元素对预测的影响就越大。
这样，输出曲面将更不平滑。每个模型都用于更准确地拟合不同种类的现象。
下图显示了两个常用模型并确定了函数的不同之处。第一幅图显示的是指数半变异函数，第二幅图显示的是高斯变半变异函数：
