生成用於表達特定屬性的連續表面是大多數地理資訊系統 (GIS) 應用程式中應具備的一種重要功能。最常用的一種表面型別可能就是 terrain 數字高程模型。對於世界的各個部分來說，在小比例下，這些資料集都易於獲得。不過，只有從地表、地下或大氣中的位置採集的測量值才可用於生成連續表面。大多數 GIS 建模工具所面對的主要挑戰就是，基於現有樣本資料儘可能精確地生成表面以及表徵預測表面的誤差和變異性。新生成的表面用於進一步的 GIS 建模和分析以及 3D視覺化。瞭解該資料的質量可以極大地提高 GIS 建模的實用性和目的性。

　　Geostatistical Analyst 使用從地表上的不同位置採集的取樣點，建立(插值)連續表面。取樣點是一些現象的測量值，例如核電站的輻射洩漏、石油洩漏或者高程高度。Geostatistical Analyst 使用已測量位置的值生成表面進而預測地表上所有位置的值。

　　Geostatistical Analyst 提供了兩組插值方法：確定性插值方法和地統計插值方法。所有方法都依賴於鄰近取樣點的相似性來建立表面。確定性方法使用數學函式進行插值。地統計依賴於統計方法和數學方法，可用於建立表面和評估預測的不確定性。

　　除了提供各種插值方法，Geostatistical Analyst 還提供了多種支援工具。例如，在製圖之前，探索性空間資料分析(ESDA) 工具可用於評估資料的統計屬性。初步瞭解資料之後，可以使用多種克里金和協同克里金演算法(普通克里金法、簡單克里金法、泛克里金法、指示克里金法、概率克里金法、析取克里金法和經驗貝葉斯克裡金法)以及相關工具(例如資料變換、去聚和趨勢移除)建立各種輸出地圖型別(例如預測、預測誤差、概率和分位數)。如果資料是在面中採集到的，那麼在建立連續預測或標準誤差表面時，區域插值法會考慮面的形狀和大小。

　　瞭解地統計方法

　　地統計方法以包含自相關(測量點之間的統計關係)的統計模型為基礎。這類方法具有生成預測表面的能力，它們還可提供對這些預測的準確性的度量。

　　建立地統計模型所涉及的步驟主要包括：(1) 檢查資料(分佈、趨勢、方向組成和異常值)，(2) 計算經驗半變異函式或協方差值，(3) 根據經驗值擬合模型，(4) 生成克里金方程矩陣，(5) 對其進行求解來為輸出表面中的每個位置獲取預測值及其關聯誤差(不確定性)。