由于测量过程的不完善而产生的测量误差，将导致测得值的分散入不确定。因此，在测量过程中，正确分析测量误差的性质及其产生的原因，对测得值进行必要的数据处理，获得满足一定要求的置信水平的测量结果，是十分重要的。 测量误差定义:被测量的测得值x与其真值x 0之差，即:△= x -x 0 由于真值是不可能确切获得的，因而上述善于测量误差的定义也是理想要概念。在实际工作中往往将比被测量值的可信度(精度)更高的值，作为其当前测量值的"真值"。

测量误差主要由测量器具、测量方法、测量环境和测量人员等方面因素产生。

(1)测量器具:测量器具设计中存在的原理误差，如杠杆机构、阿贝误差等。制造和装配过程中的误差也会引起其示值误差的产生。例如刻线尺的制造误差、量块制造与检定误差、表盘的刻制与装配偏心、光学系统的放大倍数误差、齿轮分度误差等。其中最重要的是基准件的误差，如刻线尺和量块的误差，它是测量器具误差的主要来源。

(2)测量方法:间接测量法中因采用近似的函数关系原理而产生的误差或多个数据经过计算后的误差累积。

(3)测量环境:测量环境主要包括温度、气压、湿度、振动、空气质量等因素。在一般测量过程中，温度是最重要的因素。测量温度对标准温度(+20℃)的偏离、测量过程中温度的变化以及测量器具与被测件的温差等都将产生测量误差。

(4)测量人员:测量人员引起的误差主要有视差、估读误差、调整误差等引起，它的大小取决于测量人员的操作技术和其它主观因素。

测量误差按其产生的原因、出现的规律、及其对测量结果的影响，可以分为系统误差、随机误差和粗大误差。

(1)系统误差:

在规定条件下，绝对值和符号保持不变或按某一确定规律变化的误差，称为系统误差。其中绝对值和符号不变的系统误差为定值系统误差，按一定规律变化的系统误差为变值系统误差。如量块的误差、刻线尺的误差、度盘偏心的误差。系统误差大部分能通过修正值或找出其变化规律后加以消除。

(2)随机误差:

在规定条件下，绝对值和符号以不可预知的方式变化的误差，称为随机误差。就某一次测量而言，随机误差的出现无规律可循，因而无法消除。但若进行多次等精度重复测量，则与其它随机事件一样具有统计规律的基本特性，可以通过分析，估算出随机误差值的范围。随机误差主要由温度波动、测量力变化、测量器具传动机构不稳、视差等各种随机因素造成，虽然无法消除，但只要认真、仔细地分析产生的原因，还是能减少其对测量结果的影响。

(3)粗大误差:

明显超出规定条件下预期的误差，称为粗大误差。粗大误差是由某种非正常的原因造成的。

克里金方法有三种形式 - 普通克里金法、简单克里金法和泛克里金法 - 使用测量误差模型。当同一位置可能具有多个不同的观测值时会出现测量误差。例如，有时需要从地面或空中提取样本，然后将该样本拆分为多个要测量的子样本。如果测量样本的仪器存在差异，则可能需要执行此操作。再比如，可能会将土壤样本的子样本送往不同的实验室进行分析。有时，仪器准确性方面的变化可能已被证实。此时，可能要向模型中输入已知的测量变化。

测量误差模型

测量误差模型是:Z(s) = µ(s) + ε(s) + δ(s),

其中，δ(s) 为测量误差，µ(s) 和 ε(s) 为平均变化和随机变化。在此模型中，块金效应等于方差 ε(s)(称作微刻度变化)加上方差 δ(s)(称作测量误差)。在 Geostatistical Analyst 中，可将部分被估计块金效应指定为微刻度变化和测量变化，如果每个位置都具有多个测量值，则可使用 Geostatistical Analyst 来估计测量误差，或者输入一个值作为测量变化。当不存在测量误差时，克里金法是一个精确插值器，这意味着如果在某个已采集数据的位置进行预测，那么预测值将与测量值相同。但是，如果存在测量误差，您可能希望预测过滤值 µ(s0) +ε(s0)，该值不具有测量误差项。在已采集数据的位置，过滤值与测量值不同。

在先前版本的ArcGIS中，默认的测量变化为 0%，因此克里金法默认为精确的插值器。在 ArcGIS 10 中，默认的测量变化被设置为 100%，因此将基于附近位置处数据和测量值的空间相关性对测量位置进行默认预测。很多因素都会造成测量误差，包括测量仪器、位置和数据集成的不确定性。实际上，绝对精确的数据是极其罕见的。