به‌منظور مدل سازی فضایی یک متغیر ناحیه‌ای در یک منطقه یا سایت، ابزار‌های درون‌یابی و برآورد‌گرهای متفاوتی مورد استفاده قرار می‌گیرد. در این پژوهش، روش درون‌یابی نوینی با استفاده از تعمیم شبکه تابع پایه شعاعی و با در نظر گرفتن مختصات و ساختار فضایی داده‌ها ارایه شده است. در این روش، به‌منظور درون‌یابی، ابتدا ساختار فضایی و ناهمسانگردی داده‌ها مورد بررسی قرار می‌گیرد و با رسم واریوگرام‌های جهتی، شعاع‌ها و زاویای چرخش بیضوی ناهمسانگردی تعیین می‌شود. با استفاده از بیضوی ناهمسانگردی، فضای همسایگی پیرامون هر نقطه و نقاط قرار گرفته در شعاع همسایگی گره‌های واحد پنهان مشخص می‌شود و بر پایه میانگین فاصله بین نقاط قرار گرفته در این شعاع، ماتریس کوواریانس و عامل شکل توابع انتقال به دست می‌آید. ماتریس تعمیم یافته توابع انتقال متشکل از توابع انتقال تصحیح، مختصات گره‌های واحد پنهان، برای حل ماتریس ضرایب اوزان استفاده و در پایان درون‌یابی در هر نقطه از شبکه منظم (نقاط نمونه‎برداری نشده) انجام می‌شود. به‌منظور سنجش کارایی این روش، مجموعه داده مصنوعی عیاری به‌صورت نامنظم در یک فضای سه‌بعدی مورد مطالعه قرار گرفت و پس از انجام همه مراحل فرایند، درون‌یابی در این فضا صورت گرفت. اعتبارسنجی متقابل میان مقادیر واقعی و درون‌یابی شده، بیانگر ضریب همبستگی 87/0 و خط برازش شده میان این مقادیر نزدیک به‌خط 45 درجه است.