地统计(克里金法)模型包括多个组成部分：检查数据(分布、趋势、方向组成和异常值)，计算经验半变异函数或协方差值，根据经验值拟合模型，生成克里金方程矩阵以及对其进行求解以为输出表面中的每个位置获取预测值及其关联误差(不确定性)。
计算经验半变异函数
与大多数插值法一样，克里金法基于距离越近的事物就越相似这一基本原则(此处量化为空间自相关)。经验半变异函数是一种发掘这种关系的方法。在距离上彼此接近的点对应比互相远离的点对差异小。在经验半变异函数中可检查使这种假设成立的范围。
拟合模型
拟合通过用点定义可提供最佳拟合的模型(下图中的蓝线)来实现。也就是说需要找出一条线，使每个点和这条线之间的加权平方差尽可能小。这称为加权最小二乘拟合。此模型量化数据中的空间自相关。
创建矩阵
克里金方程包含在依赖于测量采样位置和预测位置的空间自相关的矩阵和矢量中。空间自相关值来自于半变异函数模型。矩阵和矢量确定分配给搜索邻域中的每个测量值的克里金权重。
进行预测
根据测量值的克里金权重，软件对包含未知值的位置计算预测值。
原文：http://blog.csdn.net/dsac1/article/details/42969355