Geostatistical Analyst 满足多种不同应用的需求。
下面是 Geostatistical Analyst 的一小部分应用演示样例。
探索性空间数据分析
Geostatistical Analyst 用于使用研究区中已測量的採样点为同一区域内其它未測量位置创建准确预測。Geostatistical Analyst 中包含的探索性空间数据分析工具用于评估数据的统计属性，比方空间数据变异性、空间数据相关性和全局趋势。
下面演示样例中使用了多个探索性空间数据分析工具来研究喀尔巴阡山中监測站处获取的臭氧測量值的属性。
半变异函数建模
数据的地统计分析分下面两个阶段进行：
建立半变异函数或协方差函数的模型来分析表面属性;
克里金法;
在 Geostatistical Analyst 中，存在多个可用于表面创建的克里金方法，包含普通克里金法、简单克里金法、泛克里金法、指示克里金法、概率克里金法和析取克里金法。
下面说明了对数据进行地统计分析的两个阶段。首先，使用半变异/协方差向导拟合美国冬季温度数据的模型。然后使用此模型创建温度分布图。
表面预測和误差建模
使用 Geostatistical Analyst 可生成各种类型的地图图层，包含预測图、分位图、概率图、预測标准误差图。
下图显示了切尔诺贝利核电站发生泄露事故后。使用 Geostatistical Analyst 生成白俄罗斯放射铯土壤污染级别的预測图。
阈值制图
可生成概率图来预測值超过临界阈值的位置。
在下面演示样例中。以暗橙色和红色显示的位置表示概率大于 62.5%，此处放射性铯污染超过森林浆果中最大同意级别(临界阈值)。
模型验证和诊断
可将输入数据拆分成两个子集。可用数据的第一个子集可用于开发预測的模型。然后使用“验证”工具。比較预測值和其余位置的已知值。
以下示出了使用“验证”向导对模型进行评估，开发此模型是为了预測伊利诺斯州农场的有机物。
使用协同克里金法的表面预測
协同克里金法(Geostatistical Analyst 中包含的一种高级表面建模方法)可用于通过考虑二级变量改进主变量的表面预測(假定主变量和二级变量空间相关)。
在下面演示样例中，使用了探索性空间数据分析工具来探索加利福尼亚州臭氧(主变量)和二氧化氮(二级变量)之间的空间相关性。
由于变量是在空间上相关的，在绘制臭氧地图时，协同克里金法可使用二氧化氮数据改进预測。
