داده های برداشت شده در ژئوفیزیک مجموع برهم نهی مولفه های مختلف در مقیاس های متفاوت می-باشند. لذا برای جدایش این ساختارها بایستی هر کدام از مولفه ها اعم از مولفه ناحیه ای، مولفه محلی و مولفه نویز داده ها شناسایی شود. این واقعیت (ساختارهای فضایی تودرتو) بطور مستقیم در فیلترهای معمول ژئوفیزیکی مورد توجه قرار نمی گیرد. هدف از این پایان معرفی و بکارگیری ابزاری است که با تشخیص این ساختارها بتواند مولفه های مختلف را از هم تفکیک نماید. آنالیز کریجینگ فاکتوری (fka) اساساً یک روش فیلترینگ می باشد. این روش تلفیقی از آنالیز فاکتوری کلاسیک و زمین آمار است. با استفاده از این روش می توان ساختار فضایی داده ها را که هر کدام مربوط به یک مقیاس فضایی ویژه می باشد تشخیص داد و یک سری فاکتورهای ناحیه ای ایجاد نمود که سیمای اصلی داده ها را در مقیاس فضایی مربوطه ترسیم می کند. در ابتدا از این روش برای تفسیر داده های مصنوعی استفاده گردید و مشاهده شد که، این روش در تشخیص ساختارهای فضایی روشی قدرتمند می باشد. همچنین آنالیز حساسیت این روش نسبت به پارامترهای اصلی تاثیرگذار در تخمین مانند فاصله نمونه برداری، شعاع جستجو و دامنه واریوگرام ساختارهای تودرتو بررسی شد. این مطالعات نشان می دهد که، با افزایش فاصله نمونه برداری، همبستگی بین مولفه های اصلی و مولفه های فیلترشده کاهش می یابد. همچنین با بررسی تغییرات شعاع جستجو و دامنه واریوگرام ساختارهای فضایی مشخص گردید که شعاع جستجو به علت اثر زمینه سیستم کریجینگ نمی تواند پارامتری حساس در نتایج تخمین بوده در حالیکه با افزایش دامنه واریوگرام همبستگی بین مولفه ها کاهش نشان می دهد. کاربرد این روش در تفسیر داده های واقعی میدان پتانسیل برداشتی از منطقه فاریاب و حوضه های نفتی جنوب شرق ویتنام بررسی گردید. براساس آنالیز واریوگرافی داده ها، سه ساختار فضایی مستقل از همدیگر تشخیص داده است. تفسیرهای ژئوفیزیکی نیز برای هر سه سری داده معرفی شده انجام و با نتایج حاصل از روشfka مقایسه شده است. ملاحظه می شود که در قیاس با فیلترهای معمول ژئوفیزیکی، fka روشی مناسب در تفکیک آنومالی های ناحیه ای از آنومالی های محلی و یا در واقع تفکیک نویز از سیگنال در داده های میدان پتانسیل می باشد.