Descrição

Processo de estimar valores desconhecidos em locais não amostrados com base nos valores de pontos de amostra conhecidos e vizinhos. O resultado é geralmente uma superfície raster contínua (ou um conjunto de valores em novas localizações) que representa a distribuição espacial estimada da variável de interesse. É fundamental para criar mapas contínuos a partir de dados pontuais discretos.

Funções Principais / Métodos Comuns

• Objetivo: Prever valores Z (elevação, temperatura, concentração química, etc.) em todas as células de um raster de saída, usando um conjunto limitado de pontos de entrada onde o valor Z é conhecido.
• Métodos Determinísticos: Usam fórmulas matemáticas baseadas na distância ou suavidade para calcular os valores interpolados. Não fornecem estimativa do erro de predição.
  • Inverse Distance Weighted (IDW): Estima o valor de uma célula como uma média ponderada dos valores dos pontos de amostra vizinhos. O peso de cada ponto de amostra é inversamente proporcional à sua distância da célula sendo estimada (pontos mais próximos têm mais peso). O usuário controla o expoente da distância (Power) e a vizinhança (número de pontos ou raio).
  • Spline: Ajusta uma superfície matematicamente suave (como uma lâmina flexível) que passa exatamente através dos pontos de amostra. Tende a produzir superfícies visualmente agradáveis, mas pode gerar valores fora do intervalo dos dados originais (overshoots) e é sensível a outliers. Existem diferentes tipos (Regularized, Tension).
  • Trend Surface Analysis: Ajusta uma superfície polinomial (linear, quadrática, cúbica) aos pontos de amostra usando regressão. Captura tendências globais, mas não variações locais finas.
  • Natural Neighbor: Baseado em polígonos de Voronoi, encontra os vizinhos mais próximos de uma célula e atribui pesos com base na área de sobreposição "roubada" desses vizinhos. Adapta-se bem à distribuição irregular dos pontos.
• Métodos Geoestatísticos (Ver Kriging - KR): Usam a teoria estatística da autocorrelação espacial (medida pelo semivariograma) para estimar os valores e fornecer medidas da incerteza (erro padrão) da predição.
• Parâmetros de Vizinhança: A maioria dos métodos permite definir como os pontos de amostra vizinhos são selecionados para a interpolação (número fixo de pontos, raio de busca fixo ou variável).
• Validação Cruzada (Cross-validation): Técnica para avaliar a performance do modelo de interpolação, removendo temporariamente um ponto de amostra, prevendo seu valor usando os demais, e comparando o valor previsto com o real.

Exemplos Comuns

Criar um Modelo Digital de Elevação (DEM) a partir de pontos de cotas altimétricas. Gerar um mapa de distribuição de temperatura a partir de dados de estações meteorológicas. Estimar a concentração de um poluente no solo entre pontos de amostragem. Criar um mapa de níveis de ruído em uma cidade a partir de medições pontuais. Interpolar dados de batimetria para criar um modelo do fundo de um lago ou oceano. Gerar uma superfície de precipitação a partir de dados de pluviômetros.