空间统计不仅仅在应用统计学中具有重要的研究意义,并且在地质学、测控学、气象学以及城市规划学等等诸多领域发挥着不可小觑的作用。而空间插值作为空间统计学中最为重要的环节之一,更是具有研究的实用价值。自从20世纪60年代,空间结构的数据越来越引起人们的关注。根据数据之间的空间相关性,这些样本可以反映整个观测区域的全部特征或信息,即利用空间插值的方法可以预测未知的地理空间的数据信息。而从地质统计学发展而来具有坚实理论基础的kriging方法在误差分析上体现了极大的优越性。本文的主要内容如下所示:第一章:研究的背景与意义。本章节主要介绍了空间统计kriging方法的发展以及在国内外实际中的应用。简单讨论了地统计空间插值方法的优异性。第二章:空间数据的性质。空间数据的特点是在空间范围内具有自相关性,本章节主要介绍了在分析空间数据的空间自相关性时的几个指标;同时还介绍了kriging方法变异函数的基本定义,以及最为基本的几种经验半变异函数的模型。第三章:kriging方法的介绍。较为详细的介绍了四种kriging方法:普通kriging、泛kriging、中位数抛光kriging以及协同kriging。第四章:实例分析。考虑到高程信息,对辽宁省7月降水均值进行协同kriging法插值,对几种半变异函数模型分别进行模拟,在经过交叉验证比较之后,得出最为理想的插值模型,最后进行辽宁省的可视化降水插值。