Metoda krigování je složitější než metoda Přirozené interpolace sousedů. Vyžaduje jak model prostorové kontinuity nebo závislosti (ve formě kovariance nebo semivariogramu), tak i vzorek dat popisujících povrch pro určení statistické tendence, na které je založena interpolace/extrapolace bodů.
Prostorová prognóza s použitím metody krigování zahrnuje dva kroky:
Musíte zvolit umístění výstupu interpolovaných bodů. Je důležité se ujistit, že vzorová data odpovídají umístění interpolovaných bodů (výstup). Nevybírejte například body protilehlých stran povrchu pro určení tendence pro interpolované/extrapolované umístění bodů, protože tato tendence nemusí být vhodná pro umístění interpolovaných/extrapolovaných bodů.
Pro dosažení nejlepšího výkonu je doporučeno ponechat sadu vzorových dat malou. Důvodem je, že jak čas k provedení interpolace tak i množství paměti použité v algoritmu roste velmi rychle s velikostí vzorové sady. Algoritmus používá matice s jedním záznamem u každého páru bodů (N * * 2 položky, kde n je počet vzorových bodů). Později invertuje tuto matici (N * * 3 operace). Takže chcete-li dobrý výkon, je nutné udržovat N malé. Doporučujeme nejvíce 200 vzorkových bodů.
Semivariance je míra stupně prostorové závislosti mezi vzorky. Velikost semivariance mezi body závisí na vzdálenosti mezi body. Menší vzdálenost způsobuje menší semivarianci a větší vzdálenost větší semivarianci. Vykreslení semivariancí jako funkce vzdálenosti od bodu je nazývána semivariogram.
krigování obsahuje pět modelů semivariogramů:
Semivariance se zvyšuje v souladu s tím, jak se zvyšuje vzdálenost až do určité vzdálenosti od bodu, kdy bude semivariance shodná s variancí s přibližně průměrnou hodnotou a nebude se již více zvyšovat, což má za následek vznik rovné oblasti v semivariogramu, nazvaném podloží. Vzdálenost od bodu zájmu do místa, kde začíná rovná oblast, je označena rozsah nebo rozpětí regionální proměnné. V tomto rozsahu jsou umístění spojena mezi sebou a všechny známé vzorky obsažené v této oblasti, nazývané též sousedství, musí být brány v úvahu při odhadování neznámých bodů zájmu.
Střed sousedství je obvykle neznámá hodnota. Pro určení této hodnoty jsou všem známým hodnotám v sousedství použitím semivariogramu přiřazeny váhy. Tyto váhy a známé hodnoty jsou poté použity pro výpočet neznámé hodnoty.