Mit der Geostatistical Analyst-Lizenz verfügbar.
Es gibt zwei Hauptgruppen von Interpolationsmethoden: deterministische und geostatistische. Mit deterministischen Interpolationsmethoden werden basierend auf dem Ausmaß der Ähnlichkeit (Inverse Distance Weighted) oder dem Grad der Glättung Oberflächen aus gemessenen Punkten erstellt (radiale Basisfunktionen). Geostatistische Interpolationsmethoden (Kriging) verwenden die statistischen Eigenschaften der gemessenen Punkte. Geostatistische Methoden quantifizieren die räumliche Autokorrelation der gemessenen Punkte und berücksichtigen die räumliche Konfiguration der Stichprobenpunkte um die vorhergesagte Position.
Deterministische Interpolationsmethoden können in zwei Gruppen unterteilt werden: globale und lokale Methoden. Globale Methoden berechnen Vorhersagen unter Verwendung des gesamten Datasets. Lokale Methoden berechnen Vorhersagen aus den gemessenen Punkten innerhalb von Nachbarschaften. Dabei handelt es sich um kleinere räumliche Gebiete innerhalb des größeren Untersuchungsgebiets. Als globale Methode steht in Geostatistical Analyst die globale Polynominterpolation zur Verfügung. Als lokale Methoden werden die IDW-Interpolation, die lokale Polynominterpolation, radiale Basisfunktionen, Kernelglättung und Diffusionskernel unterstützt.
Eine deterministische Interpolation kann die resultierende Oberfläche zwingen, durch die Datenwerte zu verlaufen. Ein Interpolationsmethoden, das einen Wert vorhersagt, der mit dem gemessenen Wert an einer Referenzposition übereinstimmt, ist ein sogenannter genauer Interpolator. Ein ungenauer Interpolator sagt einen Wert voraus, der vom gemessenen Wert abweicht. Letzterer kann zur Vermeidung extremer Höchst- und Tiefstwerte auf der Ausgabe-Oberfläche verwendet werden. Die IDW-Interpolation und radiale Basisfunktionen sind exakte Interpolatoren, während die globale Polynominterpolation, die lokale Polynominterpolation, die Kernelinterpolation mit Barrieren und die Diffusionsinterpolation mit Barrieren ungenau sind.