需要 Geostatistical Analyst 许可。
反距离权重 (IDW) 插值显式假设：彼此距离较近的事物要比彼此距离较远的事物更相似。 要预测任何未测量位置的值，IDW 将使用预测位置周围的测量值。 距离预测位置最近的测量值对预测值的影响比距离较远的测量值更大。 IDW 假设每个测量点都具有局部影响力，并且该影响力会随着距离的增大而减小。 它将为最接近预测位置的点分配较大的权重，并且权重随着距离的增大而减小，因此被称为反距离加权。 在以下示例中对分配给数据点的权重进行了说明：
“权重”窗口包含分配给各数据点的权重的列表，其中各数据点用于生成通过十字光标进行标记的位置处的预测值。
了解有关 Geostatistical Analyst 中提供的插值方法的详细信息
幂函数
如上所述，权重与反距离（数据点与预测位置之间）的 p 次幂成正比。因此，随着距离的增加，权重将迅速降低。 权重下降的速度取决于 p 值。如果 p = 0，则表示权重不随距离减小，且因每个权重 λi 的值均相同，预测值将是搜索邻域内的所有数据值的平均值。 随着 p 值的增大，较远数据点的权重将迅速减小。 如果 p 值极大，则仅最邻近的数据点会对预测产生影响。
Geostatistical Analyst 使用大于或等于 1 的幂值。 当 p = 2，此方法称为反距离平方权重插值。 默认值为 p = 2，但没有理论依据证明该值优于其他值，因此应通过预览输出和检验交叉验证统计信息来调查更改 p 值时产生的影响。
搜索邻域
由此空间邻近的事物比彼此远离的事物具有更高相似性，因此随着位置距离的增大，测量值与预测位置的值的关联性将逐渐减弱。 为了加快计算速度，可以排除对预测影响较小的较远的点。 因此，通常的做法是通过指定搜索邻域来限制测量值的数量。 邻域的形状将限制寻找要在预测中使用的测量值的距离和位置。 其他邻域参数限制了将在该形状内使用的位置。 在下图中，在为没有测量值的位置（黄色点）预测值时，将使用五个测量点（相邻点）。
邻域的形状受到输入数据以及您尝试创建的表面的影响。 如果数据中不存在方向影响，则需要平等地考虑所有方向上的点。 为此，需要将搜索邻域定义为圆形。 但是，如果数据中存在方向影响（如盛行风），则可能需要通过将搜索邻域的形状更改为长轴与风向平行的椭圆来对其进行调整。 此方向影响的调整是合理的，因为众所周知，对比于与风向垂直但距离预测位置较近的位置，与预测位置风向相逆的位置在远距离位置处会更加相似。
指定邻域形状后，可以限制该形状内应使用的数据位置。 可以定义要使用的最大和最小位置数量，并且可以将邻域划分为多个扇区。 如果将邻域划分为多个扇区，则最大和最小约束将适用于每个扇区。
在数据视图中高亮显示的点显示了在预测椭圆中心位置（十字光标的位置）时将使用的位置和权重。 搜索邻域仅限于椭圆的内部。 在以下示例中，将为两个红色点分配超过 10% 的权重。 在东部分区内，将为一个点（褐色）分配介于 5% 和 10% 之间的权重。 将为搜索邻域中的其他点分配较小的权重。
何时使用反距离权重法
使用反距离权重法计算出的表面取决于幂值 (p) 的选择和搜索邻域的策略。 反距离权重法是一个精确插值器，其中插值表面内的最大值和最小值（参见下图）只能出现在采样点处。
输出表面对聚类和异常值的出现十分敏感。 反距离权重法假定建模的现象是受局部差异驱动的，而局部差异可以通过定义合适的搜索邻域进行捕获（建模）。 由于反距离权重法不提供预测标准误差，因此证明使用此模型是否合理可能存在困难。