克里格法比自然邻近内插法更复杂。它需要使用空间连续性或相关性的模式（以协方差或半方差图的形式）以及曲面数据的采样（用于确定内插/外插点所根据的统计趋势）。
使用克里格法进行空间预测包括两个步骤：
您必须选择内插点的输出位置。确保采样数据适合于内插点位置（输出）非常重要。例如，请勿选择曲面背面的点来确定内插/外插点位置的趋势，因为该趋势对内插/外插点位置来说可能不正确。
为了获得最佳性能，建议采样数据集保持较小。这是因为，随着采样集的增大，算法执行插值的时间和使用的内存量会迅速增加。该算法所用矩阵使用一个项目表示一对点（共有 N**2 个项目，其中 N 是采样点的数量）。以后将反转此矩阵（N**3 操作）。因此，为了获得卓越性能，请务必保持 N 值较小。建议最多使用 200 个采样点。
半方差是采样之间空间相关程度的测量结果。点之间的半方差的大小取决于点之间的距离。距离越小，产生的半方差越小，距离越大，产生的半方差越大。将半方差作为距点的距离函数绘制的图形称为半方差图。
克里格法提供了五种半方差图模式：
半方差将随着距离的增大而增加，直到与点相距某一距离为止，在该位置处半方差等于平均值的方差，因此半方差将不再增加，这样平半方差图中将出现名为“sill”的平坦区域。从兴趣点到平坦区域开始处的距离称为区域化变量的范围或跨度。在此变程范围内，位置之间存在相关性，在估计未知兴趣点时必须考虑此区域（也称为邻近区域）中包含的所有已知采样。
邻近区域的中心通常是未知值。要确定该值，需使用半方差图为该邻近区域中的所有已知值指定权重。然后将使用这些权重和已知值来计算未知值。