Comprender la ponderación inversa de la distancia ¿Efecto ojo de buey?

Question

¿El efecto "ojo de buey" se debe generalmente a que un punto de muestra con un valor elevado está demasiado alejado de otros puntos de muestra?

¿O más bien un punto de muestra con un valor más alto que otros cercanos?

¿Cuál es la causa exacta?

Answer 1

El efecto ojo de buey describe áreas concéntricas del mismo valor alrededor de puntos de datos conocidos. Es simplemente un desafortunado artefacto de la interpolación IDW. El efecto empeora cuanto más aislados estén los puntos de datos.

IDW sufre este problema más que otros métodos de interpolación (por ejemplo, Kriging), pero en gran medida casi cualquier método de interpolación dará resultados poco fiables si los puntos son escasos y están agrupados. Por el contrario, obtendrá buenos resultados con una serie de métodos si los puntos son densos y están uniformemente espaciados.

Answer 2

Si la potencia es grande, en el rango de 10 y más, el IDW se aproxima a un método de interpolación poligonal. Es decir, el valor del punto más cercano domina las sumas de los cálculos. Cuando la distancia cruza la mitad de la distancia al siguiente punto más cercano, los valores de las celdas cambian al punto ahora más cercano. Esta es la forma más fácil que conozco de imprimir un método de estimación poligonal en una superficie cuadriculada.

Del mismo modo, si la potencia es de 1/10, los puntos más lejanos tienen una mayor influencia que el punto más cercano. ¡(No se me ocurre un uso práctico para esto)!