空间数据无处不在. 对于某些领域，测量和建模非常重要，其中包括：气候（温度、降雨、风速 ...）、能源（太阳辐照度、平均风速、碳氢化物）、矿物（稀土金属、黄金 ...）、污染（臭氧、一氧化碳 ...）、农业（土壤营养水平、地下水位 ...）. 而随着获取空间数据的成本迅速下降，将有更多的空间数据可用. Wolfram 语言提供了填补空间数据缺失值的工具，用户可以使用完全自动化的工作流程，也可以自己控制空间估计的各种元素.

场值的空间估计

SpatialEstimate — 给出可用来估计数值的函数

VariogramFunction  ▪  SpatialTrendFunction  ▪  SpatialNoiseLevel  ▪  SpatialEstimatorFunction

详细的空间依赖性测量

VariogramModel — 变差函数的符号模型

EstimatedVariogramModel — 基于模型的变差函数估计

BinnedVariogramList — 分组变差函数估计

策管空间数据

GeoElevationData — 不同点的海拔高度

WindSpeedData  ▪  AirTemperatureData  ▪  AirPressureData  ▪  WindDirectionData  ▪  WeatherData  ▪  GeomagneticModelData  ▪  GeogravityModelData

已收集的空间数据

"Meuse River" — 默兹河附近的土壤成分水平

"US Ozone 2021" — 美国本土的臭氧水平

"Swiss Rainfall" — 瑞士的降雨量