QQPlot命令，生成如下结果（图7、8）。由图上可知，数据分布符合正态分布的假设，不需 要进行数据变换。
8、点击Geostatistical Analyst模块的下拉箭头选择Explore Data并点击 Trend Analysis命令，查看数据是否存在趋势，如图9所示。由图可看出，南北 方向（较粗的黑线）不存在趋势，而东西方向上（较细的黑线）有明显的东高西 低的趋势出现， 因此需要用一次曲面拟合，在后续剔出趋势的操作中选择First。
9、单击Geostatistical Analyst模块的下拉箭头点击Geostatistical Wizard命令。 10、在弹出的对话框中，在Dataset1选择训练数据jyg_training及其属性STATION，在 Validation中选择检验数据jyg_test及其属性STATION， 在Methods中选择Kriging内插方法， 最后点击Next按钮.
11、在弹出的对话框中，展开泛克里格（Universal Kriging），在下面的选项中点击预测 图
（Prediction Map） ， 在DataSet1选项卡中的Transformation里选择None变换方式， 在Order of Trend里选择First，点击Next按钮.
12、在弹出的Detrending对话框中，点击Next按钮。
13、在弹出的Semivariogram/Covariance Modeling对话框中（图13），先按照默认参 数进行操作，在得到对模型精度评定的结果后，发现结果误差太大，返回更改该对话框中的 参数，经比较发现，将分组数Number of设为10得到的结果较好。需注意的是，在设置分组 数时，尽量保证每组中的样点对数大于10。最后点击Next按钮。
14、在弹出的Searching Neighborhood对话框中，点击Next按钮(图14)。
15、在弹出的Cross Validation对话框中，显示了对模型的精度的评价，如图15所示。 在对不同参数得到模型的比较中，可参考Prediction Error中的几个指标。符合以下标准的 模型是最优的：标准平均值（Mean Standardized）最接近于0，均方根预测误差（RootMean-Square）最小，平均标准误差（Average Mean Error）最接近于均方根预测误差 （Root-Mean-Square），标准均方根预测误差（Root-Mean-Square Standardized）最接近 于1。最后点击Next按钮。