Una clase de técnicas de interpolación geoestadística que predicen valores en ubicaciones no muestreadas usando un modelo de covarianza espacial (variograma) para producir estimaciones lineales insesgadas de mínima varianza y varianzas de predicción asociadas.

Principio

Modelar la dependencia espacial con un variograma o función de covarianza y calcular pesos que minimicen la varianza de estimación bajo la restricción de insesgadez (kriging ordinario, simple, universal reflejan distintas suposiciones sobre la media y la tendencia).

Demostración

Usar kriging ordinario con un variograma ajustado empíricamente para estimar concentraciones de contaminantes del suelo en un sitio de remediación, generando mapas de predicción y varianza de kriging que orientan muestreos adicionales y la evaluación de riesgos.

Aplicación incorrecta

Ajustar variogramas con datos insuficientes o muy agrupados sin testar estacionariedad o anisotropía, o aplicar kriging cuando las suposiciones subyacentes (estacionariedad de segundo orden o estacionariedad intrínseca) se violan, produciendo predicciones sesgadas y estimaciones de varianza excesivamente confiadas.

Consecuencia

Proporciona predicciones con fundamento estadístico y incertidumbre cuantificada, permitiendo evaluaciones de riesgo más rigurosas, optimización de muestreo y estimación de recursos cuando el modelado del variograma y los diagnósticos se realizan correctamente.

Inversión

Sustituir kriging por interpoladores deterministas (p. ej. IDW, spline) elimina el modelo formal de error y la optimalidad bajo la covarianza escogida, intercambiando incertidumbre cuantificada por estimaciones más simples y a menudo ad hoc.

Límite

Requiere suficientes datos espaciales para estimar un variograma fiable y examinar las suposiciones sobre estacionariedad y tendencia; no es apropiado cuando no puede estimarse la estructura de covarianza o cuando domina variabilidad no estacionaria impulsada por procesos sin transformación o detrending.

Tensión semántica

Contrastado con métodos deterministas: kriging enfatiza la cuantificación de incertidumbre basada en modelo y la predicción lineal óptima bajo un modelo de covarianza, mientras que métodos deterministas priorizan sencillez o suavidad sin varianzas formales de predicción.

Síntesis

Kriging es un marco geoestadístico que utiliza modelado empírico de covarianza para producir predicciones lineales de mínima varianza y medidas explícitas de incertidumbre; es más potente cuando los datos permiten estimar el variograma y las pruebas diagnósticas confirman las suposiciones del modelo.