برای پیشگویی بیزی یک مدل فضایی – زمانی گاوسی، پارامترهای نامعلوم مدل بعنوان متغییر متغییرهای تصادفی با توزیعهای پیشین معلوم در نظر گرفته می شود و با گسسته سازی فضای پارامتر، توزیعهای پیسین و پیشگوی بیزی تقریبی تعیین می شوند. در این مقاله با فرض پارامتری بودن توزیع های پیشین و اتخاذ رهیافت بیز تجری توزیع پیشین را برآورد نموده و با جایگذاری آن در توزیع پیشگوی بیزی، پیشگوی فضایی – زمانی بیز تجربی و واریانس پیشگویی محاسبه می شوند. سپس در یک مثال کاربردی نحوه محاسبه این پیشگو و واریانسی پیشگویی ارایه می شود. به علاوه بر اساس معیار اعتبارسنجی متقابل دقت این پیشگو مورد ارزیابی قرار می گیرد.

تعیین بهترین پیشگوی فضایی برای مقادیر گمشده یکی از مسائل مهم در آمار فضایی به‌شمار می‌رود. در این راستا روش‌های مختلفی مطرح شده است که هر کدام از آن‌ها دارای مزیت و محدودیت‌هایی در کاربرد هستند. بر اساس روش کریگیدن بهترین پیشگوی خطی به‌دست می‌آید، اما این روش  برای میدان تصادفی گاوسی مناسب است. نامشخص بودن توزیع میدان تصادفی، محققین را ملزم به استفاده از روش‌هایی می‌کند که بر اساس آن‌ها امکان پیشگویی ناگاوسی میسر شود. در این مقاله با استفاده از قضیه تصویر یک روش ناپارامتری برای پیشگویی میدان تصادفی ارایه می‌شود  و بر مبنای آن  پیشگوی میدان‌ ناگاوسی بر اساس نزدیکترین همسایه‌ها معرفی  می‌شود. در ادامه در یک مطالعه شبیه‌سازی میزان دقت  این روش مورد ارزیابی قرار می‌گیرد. در پایان نیز نحوه کاربست روش‌ معرفی شده در پیشگویی داده‌های بارندگی در استان خوزستان نشان داده می‌شود.