需要 Geostatistical Analyst 许可。
两种类型的方向分量会影响输出表面中的预测：全球趋势以及对半变异函数或协方差的方向影响（称为各向异性）。 全球趋势是以确定的方式影响所有测量的首要过程。 可以使用数学公式（例如多项式）表示全球趋势，并从测量点的分析中将其移除，但在进行预测之前，可以再将其添加回来。 此过程称为去除趋势。
趋势面法
一个全球趋势的示例是盛行风对工厂烟囱的影响。 在下图中，暖色（红色和黄色）表示污染浓度较高，冷色（绿色和蓝色）表示污染浓度较低。 污染物值在东西方向的变化比在南北方向的变化更慢。 这是因为东西方向与风向一致，而南北方向与风向垂直。
移除全球趋势后或者不存在任何趋势时，半变异函数或协方差曲线的形状也可能会随方向而变化（各向异性）。 各向异性不同于以上讨论的全球趋势，因为可以使用物理过程（盛行风）来描述全球趋势，也可以使用数学公式来建模全球趋势。 半变异函数中各向异性（方向影响）的原因通常未知，因此可将其建模为随机误差。 即使原因未知，也可以对各向异性影响进行量化和解释。
各向异性
各向异性通常不是一个能够使用单个数学公式描述的确定性过程。 它没有单一的来源或影响，此类来源或影响会预测地影响所有测量点。 各向异性是随机过程的一个特性，它在一个方向上的自相关性高于另一个方向。 下图从概念上展示了该过程的外观。 同样，暖色（红色和黄色）表示污染浓度较高，冷色（绿色和蓝色）表示污染浓度较低。 随机过程显示一个方向上的波动比另一个方向上的波动更短。 这些波动可能是某些未知或不可测量的物理过程的结果，但可将其建模为具有方向自相关的随机过程。
当使用克里金法并考虑各向异性时，经验半变异函数将针对每个方向显示不同的空间关系。 在本示例中，半变异函数的形状将在南北方向上更快地增大，然后趋于平稳（即浓度变化更快的方向）。 将使用相应半变异函数模型（此类模型会根据其方向更改形状）对经验半变异函数点进行拟合，并且将进行相应调整克里金法权重。
确定性方法也可以解释各向异性，即使未提供其强度或方向的经验测量也是如此。 要在使用这些方法时考虑各向异性，您必须根据探索性空间数据分析以及对现象的认知来判断各向异性的程度。 将根据设置搜索邻域椭圆的方式来调整插值权重（对于与预测位置距离相近的数据点，沿长半轴的数据点将比沿短半轴的数据点获得更高的权重）。