全国高分辨率土地利用数据服务 土地利用数据服务 土地覆盖数据服务 坡度数据服务 土壤侵蚀数据服务 全国各省市DEM数据服务 耕地资源空间分布数据服务 草地资源空间分布数据服务 林地资源空间分布数据服务 水域资源空间分布数据服务 建设用地空间分布数据服务 地形、地貌、土壤数据服务 分坡度耕地数据服务 全国大宗农作物种植范围空间分布数据服务
多种卫星遥感数据反演植被覆盖度数据服务 地表反照率数据服务 比辐射率数据服务 地表温度数据服务 地表蒸腾与蒸散数据服务 归一化植被指数数据服务 叶面积指数数据服务 净初级生产力数据服务 净生态系统生产力数据服务 生态系统总初级生产力数据服务 生态系统类型分布数据服务 土壤类型质地养分数据服务 生态系统空间分布数据服务 增强型植被指数数据服务
多年平均气温空间分布数据服务 多年平均降水量空间分布数据服务 湿润指数数据服务 大于0℃积温空间分布数据服务 光合有效辐射分量数据服务 显热/潜热信息数据服务 波文比信息数据服务 地表净辐射通量数据服务 光合有效辐射数据服务 温度带分区数据服务 山区小气候因子精细数据服务
全国夜间灯光指数数据服务 全国GDP公里格网数据服务 全国建筑物总面积公里格网数据服务 全国人口密度数据服务 全国县级医院分布数据服务 人口调查空间分布数据服务 收入统计空间分布数据服务 矿山面积统计及分布数据服务 载畜量及空间分布数据服务 农作物种植面积统计数据服务 农田分类面积统计数据服务 农作物长势遥感监测数据服务 医疗资源统计数据服务 教育资源统计数据服务 行政辖区信息数据服务
Landsat 8 高分二号 高分一号 SPOT-6卫星影像 法国Pleiades高分卫星 资源三号卫星 风云3号 中巴资源卫星 NOAA/AVHRR MODIS Landsat TM 环境小卫星 Landsat MSS 天绘一号卫星影像
测量误差模型是
Z(s) = µ(s) + ε(s) + δ(s),
其中，δ(s) 为测量误差，µ(s) 和 ε(s) 为平均变化和随机变化。在此模型中，块金效应等于方差 ε(s)（称作微刻度变化）加上方差 δ(s)（称作测量误差）。在 Geostatistical Analyst 中，可将部分被估计块金效应指定为微刻度变化和测量变化，如果每个位置都具有多个测量值，则可使用 Geostatistical Analyst 来估计测量误差，或者输入一个值作为测量变化。当不存在测量误差时，克里金法是一个精确插值器，这意味着如果在某个已采集数据的位置进行预测，那么预测值将与测量值相同。但是，如果存在测量误差，您可能希望预测过滤值 µ(s0) +ε(s0)，该值不具有测量误差项。在已采集数据的位置，过滤值与测量值不同。
在先前版本的 ArcGIS 中，默认的测量变化为 0%，因此克里金法默认为精确的插值器。在 ArcGIS 10 中，默认的测量变化被设置为 100%，因此将基于附近位置处数据和测量值的空间相关性对测量位置进行默认预测。很多因素都会造成测量误差，包括测量仪器、位置和数据集成的不确定性。实际上，绝对精确的数据是极其罕见的。
选择测量误差模型可使最终的地图更加平滑，并且与使用精确的克里金法获得的结果相比，标准误差更小。这可以用下图中的示例来说明，其中显示了精确的克里金法和平滑的克里金法，不包含测量变差的模型只有两个数据位置（在 1 和 2 处），一个值为 -1，一个值为 1，而另一幅图中块金效应就是全部的测量变差。
