我会做出一个信念的飞跃，并假设您指的是球形空间相关结构。

球形空间相关结构有两个参数：，“金块”效应，用于减少相距超过 0 的两个观测值之间的所有相关性，以及，相关性将为非零的范围（距离）。稍微改写 R 的 nlme 包中的文档：$n$$d$

如果块金效应为零，则的两个观测值之间的相关性为。如果 相关性为零。如果存在块金效应的所有观测值，相关性仅为。$r < d$$1 - 1.5(r/d) + 0.5(r/d)^3$$r\ge d$$n$$(1-n)(1 - 1.5(r/d) + 0.5(r/d)^3)$$r > 0$

“球形”指的是它关于方向的对称性，就像一个关于原点的球体，而不是指收集数据的表面的形状，尽管令人困惑的是，它也是结构的名称。但是，在我看来，如果您的观察结果之间存在与它们之间的距离相关的相关性，而与它们之间的距离无关，那么球形空间相关结构将是一个合理的第一次尝试。但是，还有其他空间相关结构，例如，高斯或指数（它们也是关于方向对称的。）

参考资料是“空间数据统计”，NAC Cressie，1993 年。