خیار دارای آفات و بیماری‌های متعددی است که یکی از آفات مهم آن، سفید بالک پنبه (Hem.:Aleyrodidae) Bemisia tabaci Gennadius می‌باشد که علاوه‌بر خیار به محصول زراعی و صیفی در اکثر مناطق جهان به‌ویژه در نواحی گرم، معتدل و خشک خسارت وارد می‌کند. حشرات بالغ و پوره‌های این آفت با تغذیه از شیره گیاهی سبب کاهش عملکرد محصول می‌گردند سفیدبالک پنبه ناقل بیماری‌های ویروسی متعددی مانند موزاییک خیار است که خسارت جبران‌ناپذیری به گیاه وارد می‌کند . برای تدوین برنامه‌های مدیریت تلفیقی این آفت مهم کشورمان، آگاهی از تغییرات جمعیت آن در مزرعه در طی زمان ضروری است. یکی از روش های بررسی تغییرات روش های زمین‌آماری است که بر پایه نظریه متغیر مکانی استوار است. یک متغیر مکانی عبارت است از هر خصوصیت محیطی یا زیستی که در فضای دو بعدی یا سه بعدی توزیع شده باشد.تغییرات این دسته از متغیر‌ها از نقطه‌ای به نقطه‌ی دیگر مشخص و دارای پیوستگی آشکاری می‌باشند. شدت خسارت و تراکم، نمونه‌هایی از متغیر‌های مکانی هستند. اصولاً کریجینگ یک نام تعمیم یافته برای کلیه روش‌های آماری تخمین و برآورد متغیر‌های مکانی بوده که در این روش‌ها مقادیر برآوردی از مجموع حاصل‌ضرب یک ضریب‌وزنی در مقادیر نقاط مشاهده‌ای به دست می‌آید به این صورت که هرچه متغیر به مبدا نزدیک‌تر باشد وزن آن بیشتر و هرچه فاصله نقاط دورتر وزن آن کمتر خواهد بود. لذا به منظور انجام این پژوهش دو مزرعه خیار به ابعاد یک هکتار در اطراف شهرستان بهبهان در محدوده جغرافیایی بین ۴۷ درجه و ۴۱ دقیقه تا ۵۰ درجه و ۳۹ دقیقه طول شرقی از نصف‌النهار گرینویچ و ۲۹ درجه و ۵۸ دقیقه تا ۳۳ درجه و ۴ دقیقه عرض شمالی از خط استوا، انتخاب شد. هر دو مزرعه به شبکه‌های 10 متری تقسیم، و در مجموع 200 نقطه برای هر دو زمین مشخص شد. در تمامی نقاط نمونه‌برداری یک بلوک 2×2 متر مربع انتخاب و درون آن تعداد 4 بوته به صورت تصادفی به عنوان واحد نمونه‌برداری انتخاب، و تعداد حشرات بالغ موجود در پشت برگ گیاه شمارش و ثبت شد. پس از رسم منحنی واریوگرام، نقشه‌های کریجینگ برای پراکندگی سفیدبالک پنبه ترسیم شد. نتایج نشان داد که به صورت کلی از مجموع هشت مرحله نمونه‌برداری، هفت مورد با مدل کروی و یک مورد با مدل نمایی تطابق داشتند که بر اساس این نتیجه با اطمینان می‌توان استنباط نمود که پراکندگی سفیدبالک پنبه به صورت تجمعی است. با توجه به نتایج، ضریب تبیین در تمامی موارد بالای 80/0 است و درجه وابستگی مکانی در همه موارد، بیش از نصف آستانه واریوگرام و بین 60/0 و 70/0 بود که مقدار درجه وابستگی مکانی مناسبی است. این موضوع بیان کننده این حقیقت است که 70/0 درصد از واریانس بین داده‌ها دارای ساختار مکانی هستند.
