В настоящей статье мы перейдем от задачи пространственной интерполяции, изложенной в выше, к проблеме стохастического моделирования многих пространственных переменных. Оно является наиболее современным методом пространственного анализа и имеет ряд преимуществ перед моделями интерполяции.

Обратимся собственно к проблеме оценивания значения непрерывной переменной V в произвольной точке х пространства S. Основанием для этого будет служить набор из и измерений, сделанных в точках х1,x2 ,...,хn пространства. Базовой моделью оценивания в геостатистике является кригинг. Термин кригинг был взят на вооружение для обозначения семейства алгоритмов пространственной регрессии. Само слово кригинг происходит от имени ученого Д. Крита (D. Krige). в честь которого Г. Матерон и назвал базовые геостатистические модели.

Детерминистические методы традиционно широко используются в различных областях прикладной и научной деятельности: метеорологические интерполяции, включая объективный анализ ветровых полей, анализ радиологического и химического загрязнения, топографические интерполяции и другие.

Одним из важнейших свойств всех природных явлений является пространственная непрерывность, то есть взаимная зависимость (корреляция) для значений в точках расположенных ближе друг к другу больше, чем для разделенных большим расстоянием. Пространственная непрерывность пространственно распределенных данных обычно описывается с помощью корреляционных функций, ковариационных функций, полу-вариограмм и других мер пространственной корреляции. В геостатистике традиционно используются полу-вариограммы. что связано с простотой ее использования в геостатистических интерполяционных моделях. Из-за широкого использования полу-вариограмм для описания пространственной корреляционной структуры данных этот этап анализа принято называть «вариография».

Проблема анализа пространственно-распределенной информации по окружающей среде является чрезвычайно важной в настоящее время. Глубокий анализ и моделирование пространственных данных требует применения комплексного подхода и различных методов, характеризующих ту или иную особенность явления. Сложность такого анализа обусловлена несколькими факторами: наличием большого количества количественной и качественной информации по исследуемому явлению, многомасштабностью и многопеременностью, наличием различных факторов влияния. Это прежде всего относится к задачам анализа загрязнения окружающей среды.