SpatialEstimate 计算给定位置的稀疏值的连续函数：

计算某个位置处的估计值：

绘制估计的曲面：

创建一个连续的空间估计器函数来可视化密度：

创建趋势恒定的空间估计器函数：

可视化从位置推断出的观察区域中的空间估计器函数：

瑞士各地的降雨量：

创建具有线性趋势的空间估计器函数：

在观察区域的均匀随机位置上计算空间预测器函数：

为随机数据创建空间估计器：

定义要使用的变差函数模型：

使用变差函数模型和二次趋势创建空间估计器函数：

将 SpatialEstimate 与指定的变差函数一起使用：

创建具有线性趋势的空间估计器函数：

求使用的变差函数模型：

拟合另一个变差函数模型：

用拟合的变差函数模型计算估计器函数：

比较两个变差函数模型预测出的曲面：

空间数据通常在有缺失区域的规则网格上给出，例如，在卫星臭氧读数中：

创建连续的空间估计器：

求特定位置的估计臭氧值：

在观察区域的均匀随机位置上计算空间估计器函数：

可视化：

用 SpatialEstimate 根据稀疏的观测位置创建连续的估计：

可视化数据：

用特定模型计算估计值：

创建一组随机点并计算这些位置上的估计值：

可视化整个地区的降雨量：

SpatialEstimate 可以创建数据的更平滑的图像：

可视化数据的标准方法：

带有平滑效果的空间估计：

计算随机位置上的估计值：

计算整片田地产量的估计值：

大西洋扇贝样本的位置，标注了捕获的样本总数以及不可采 (pre-recruit) 扇贝和成年扇贝的数量：

提取空间点数据：

首先选择渔获数为正的位置：

计算相对于渔获量新生可采扇贝的占比 (rate of recruits):

用 SpatialEstimate 创建稀疏捕获位置的估计新生可采扇贝的占比：

创建一组随机点，计算这些位置上的估计值：

可视化整个观测区域的新生可采扇贝的占比：

对于较大的空间噪声水平，空间估计器收敛到趋势函数：

对于指定阶数的多项式趋势函数，增大噪声水平，计算 SpatialEstimate：

可视化：

只有在 SpatialNoiseLevel 为零时，SpatialEstimate 才是一个精确的插值器：

计算空间噪声水平取不同值时的空间估计：

可视化数据与估计曲线：

一些变差函数可能是病态的：

结果不能很好地代表数据：

允许正的 SpatialNoiseLevel 可起到正则化的作用：

自动计算噪声水平：

欧洲各国的人口数据：

用指数变差函数模型和两个不同的趋势模型求估计器曲面：