Kriging é mais complexa do Interpolação por vizinho natural. Requer um modelo da continuidade espacial ou dependência (na forma de uma covariância ou semivariograma) e uma amostra de dados de superfície para determinar a tendência de estatística no qual basear pontos interpolados / extrapolados.
A predição espacial usando Kriging envolve duas etapas:
Você deve selecionar as localizações de saída pontos de interpolação. É importante para garantir que os dados de amostra são adequados para localizações de ponto interpolado (a saída). Por exemplo, não selecione pontos no lado oposto da superfície para determinar uma tendência para localizações de pontos extrapolados, já que esta tendência pode não ser apropriada para estas localizações.
Para obter um melhor desempenho, é recomendado manter o conjunto de dados de amostra pequeno. O motivo é que o tempo para fazer a interpolação e a quantidade de memória usada pelo algoritmo crescem muito rapidamente com o tamanho do conjunto de amostra. O algoritmo utiliza uma matriz com uma entrada para cada par de pontos (N**2 entradas, onde N é o número da pontos de amostra). Mais tarde, o algoritmo inverte esta matriz (N**3 operações). Assim, para um bom desempenho é importante manter N pequeno. Sugerimos no máximo 200 exemplos de pontos.
Semivariância é uma medida do grau de dependência espacial entre amostras. A magnitude da semivariância entre pontos depende da distância entre eles. Uma distância menor produz uma menor semivariância e uma distância maior resulta em uma maior semivariância. A plotagem da semivariância como uma função de distância a partir de um ponto é referida como um semivariograma.
Kriging fornece cinco modelos de semivariograma:
A semivariância aumenta conforme a distância aumenta, até que, a uma determinada distância para fora de um ponto, a semivariância será igual à variação em torno do valor médio, e portanto não irá aumentar mais, provocando uma região plana no semivariograma, denominado um parapeito. A distância a partir do ponto de interesse para onde começa a região plana é chamada faixa ou vão da variável regionalizada. Nesta faixa, localizações são relacionados umas às outras, e todas as amostras conhecidas contidas nesta região, também referida como vizinhança, devem ser consideradas ao estimar o ponto de interesse desconhecido.
O centro da vizinhança é normalmente o valor desconhecido. Para determinar a este valor, a todos os valores desconhecidos na vizinhança são atribuídas espessuras usando o semivariograma. Estas espessuras e valores conhecidos são utilizados para calcular o valor desconhecido.