scikit-gstat（导入名 skgstat）是面向地统计分析的 Python 库，提供 scikit-learn 风格的接口，用于变差函数拟合与克里金插值。主要能力：核心类包括 Variogram（经验与理论变差函数）、OrdinaryKriging（基于空间相关性的插值）、DirectionalVariogram（各向异性变差函数）和 SpaceTimeVariogram（时空分析）。支持 spherical、exponential、gaussian、matern、stable 等模型，可读取 range、sill、nugget 参数与 RMSE，并提供 matheron、cressie、dowd、genton 等估计器，其中 cressie 等稳健估计器适合噪声数据。
使用方式：以 numpy 数组传入坐标与观测值创建变差函数，例如： V = skg.Variogram(coordinates=coords, values=values, n_lags=15)。设置 V.model = 'spherical' 后可通过 V.parameters 获取参数。随后创建 ok = skg.OrdinaryKriging(V)，用 ok.transform(grid_coords) 在网格上预测；将 ok.return_variance 设为 True 可同时返回克里金方差。DirectionalVariogram 通过 azimuth、tolerance、bandwidth 控制方向与带宽。可结合 sklearn 的 cross_val_score 做交叉验证评估预测质量。
适用场景：探索性地统计分析、变差函数拟合、克里金插值、各向异性检查、时空变差函数分析，以及需要与机器学习管线集成（fit/transform 接口）的任务。
限制：资料中未提供安装命令、许可、价格、版本或性能基准等事实，需自行查证。使用建议（来自资料）：maxlag 约为研究区对角线的 50%，噪声数据可尝试稳健估计器，拟合前用方向变差函数检查各向异性；克里金过慢可减少条件点或降低网格分辨率。