空间数据的发展在早期仅依赖于空间距离,由空间距离产生了一系列传统的空间数据分析方法,该类方法不仅满足人们对事物的主观认识,也符合地理学第一定律,并且这些方法广泛地应用于许多领域。但是在研究中发现,数据的空间自相关性也不容忽视,由此产生的空间半变差函数,可用来刻画空间自相关性。克里金方法就是基于半变异函数产生的一种方法。本文尝试将传统方法与克里金方法进行组合,扩大其适用范围,并使单个算法得到改善。随着对数据的深入理解,时间维度被纳入考虑范围,并且越来越多的时空数据进入我们的视野,使得分析探究时空数据成为研究热点,所以本文也概述了时空数据分析的克里金方法。本文的主要研究内容如下所示:1、本文探讨了传统空间数据分析方法中的反距离加权法、自适应反距离加权法、趋势面模拟法以及最小二乘支持向量机,并对这些方法进行总结,为后续的研究分析奠定一定的基础。针对传统方法对空间自相关性的欠缺,本文还介绍了考虑空间自相关性的空间数据分析方法—克里金方法,该方法是基于半变异函数提出来的;2、基于对克里金方法与传统方法的改进,可以提高预测精度,扩大实用范围。本文将这两类方法进行组合,产生新的组合方法,并通过实例验证,新的组合方法更优越、更实用;3、关于时空数据的分析,本文介绍了基于时空半变异函数的时空克里金方法,并将其应用于真实数据。通过实验,展示了引入时间维度的必要性,以及对于特定的数据,应该选择适合的半变异函数模型和协方差函数模型才能提高克里金方法预测的精度。