Cuando "mejor" se interpreta como "mínima varianza del estimador imparcial", entonces la respuesta es cokriging. Esta técnica vistas de los tres conjuntos de datos como realizaciones de tres correlación espacial de los procesos estocásticos. Se caracteriza el proceso y sus correlaciones por medio de un análisis preliminar, "variografía." La variografía puede ser informados por otras consideraciones tales como la calidad relativa de los conjuntos de datos: esto haría que el analista que prefiere modelos de variograma que asignar mayores variaciones a la baja calidad de los conjuntos de datos. A continuación, el co-kriging propio algoritmo utiliza los datos y la variographic de salida (un conjunto de "pseudo co-variogramas") para predecir cualquier combinación lineal de los tres conjuntos de datos (tales como la media de los valores del conjunto de datos "A" dentro de lo especificado las celdas de la cuadrícula).
Un simple, la limitación de la versión de co-kriging , que supone en los tres conjuntos de datos no están correlacionados unos con otros. En este caso, cada uno de los conjuntos de datos se pueden kriged por separado. (Esto significa que un modelo de variograma se ajuste a cada conjunto de datos por separado y utilizar por separado para interpolar los valores de los datos en una cuadrícula de ubicaciones especificadas.) El kriging salida incluye una varianza de kriging. Suponiendo que cada conjunto de datos que representa la misma cantidad física, la pregunta es: ¿cómo combinar los tres valores estimados en cada punto de la cuadrícula en el "mejor" posible estimación de la cantidad. La respuesta es tomar un promedio ponderado de las tres estimaciones, el uso de los recíprocos de los kriging desviaciones como las pesas. El resultado sigue siendo imparcial, porque las tres entradas están sesgadas por la construcción; ponderación inversamente por la varianza asegura el resultado tiene la menor varianza, que es exactamente lo que "mejor" se supone que significa.
Kriging y co-kriging están disponibles en el Geostatistical Analyst add-on para ArcGIS (por un coste extra) y en software de libre acceso, tales como el gstat paquete de R. Estas no son las actividades a realizar, de manera casual: son sofisticados, un amplio análisis de los datos que son válidos sólo como resultado de una razonada, precisa caracterización estadística. Aunque el software de kriging y co-kriging siempre ha estado disponible en muchos entornos SIG, en mi humilde opinión kriging es no una actividad para ser realizada únicamente por un analista SIG, debido a que se requiere de una estrecha colaboración tanto con un experimentado estadístico y un experto en el campo de estudio. (De vez en cuando dos de estas tres funciones, o incluso los tres pueden ser debidamente llenadas por la misma persona, pero esto es raro.) Es uno de esos especialmente peligroso funciones de un SIG porque kriging de salida es fácilmente creados por cualquier persona que pueda empujar los botones de la derecha (una tarea que puede ser aprendido en 30 minutos con ESRI excelente tutorial sobre Geostatistical Analyst, por ejemplo) y a menudo look correcto, pero es sólo el "GO" parte de la proverbial GIGO.
