El método Kriging es más complejo que Natural Neighbor Interpolation. Requiere tanto un modelo de dependencia o continuidad espacial (en forma de covariación o semivariograma), como una muestra de los datos de superficie para determinar la tendencia estadística en la que basar los puntos interpolados/extrapolados.
La predicción espacial mediante Kriging consta de dos pasos:
Se deben seleccionar las ubicaciones de salida de los puntos interpolados. Es importante asegurarse de que los datos de muestreo son adecuados para las ubicaciones de puntos interpolados (la salida). Por ejemplo, no se deben seleccionar puntos del lado opuesto de la superficie para determinar la tendencia de las ubicaciones de puntos interpolados o extrapolados, ya que es posible que esa tendencia no sea adecuada para dichas ubicaciones.
Para obtener un rendimiento óptimo, se recomienda conservar un conjunto pequeño de datos de ejemplo. La razón es que tanto el tiempo para realizar la interpolación como la cantidad de memoria utilizada por el algoritmo aumentan de forma muy rápida con el tamaño del conjunto de ejemplo. El algoritmo utiliza una matriz con una entrada para cada par de puntos (N**2 entradas, donde n es el número de puntos de muestra). Más adelante se invierte esta matriz (N * * 3 operaciones). Para un buen rendimiento, es importante que N sea pequeño. Se recomienda en la mayoría de los 200 puntos de muestra.
La semivariación es la medida del grado de dependencia espacial entre muestras. La magnitud de la semivariación entre puntos depende de la distancia entre ellos. Una distancia menor produce una semivariación menor, mientras que una distancia mayor da como resultado una semivariación mayor. El trazado de las semivariaciones como una función de distancia desde un punto se denomina semivariograma.
Kriging proporciona cinco modelos de semivariograma:
La semivariación aumenta a medida que aumenta la distancia hasta que, a una cierta distancia del punto, se iguala con la variación en torno al valor medio; en ese momento, deja de aumentar, produciendo una región plana en el semivariograma conocida como fondo. La distancia entre el punto de interés y el lugar donde comienza la región plana se conoce como intervalo o alcance de la variable regional. Dentro de este intervalo, las ubicaciones están relacionadas entre sí y todas las muestras conocidas contenidas en esta región, también conocida como entorno, deben tenerse en cuenta al calcular el punto de interés desconocido.
El centro del entorno suele ser el valor desconocido. Para determinar este valor, se asignan pesos a todos los valores conocidos del entorno mediante el semivariograma. Dichos pesos y los valores conocidos se utilizan posteriormente para calcular el valor desconocido.