La geoestadística de cadenas de Markov utiliza modelos espaciales de cadenas de Markov , algoritmos de simulación y medidas de correlación espacial asociadas (por ejemplo, transiograma) basados en la teoría de campos aleatorios de cadenas de Markov, que extiende una sola cadena de Markov en un campo aleatorio multidimensional para el modelado geoestadístico . Un campo aleatorio de cadena de Markov sigue siendo una sola cadena de Markov espacial. La cadena de Markov espacial se mueve o salta en un espacio y decide su estado en cualquier ubicación no observada a través de interacciones con sus vecinos conocidos más cercanos en diferentes direcciones. El proceso de interacción de datos se puede explicar bien como un proceso de actualización bayesiano secuencial local dentro de un vecindario. Debido a que las matrices de probabilidad de transición de un solo paso son difíciles de estimar a partir de datos de muestra dispersos y son poco prácticas para representar la heterogeneidad espacial compleja de los estados, el transiograma , que se define como una función de probabilidad de transición sobre el desfase de distancia, se propone como la medida espacial que acompaña a los campos aleatorios de cadenas de Markov.