Inverso da distância ponderada (IDW)

O IDW estima o valor de cada ponto a estimar como uma média dos pontos amostrais vizinhos ponderada pela distância. A maioria dos usuários pode deixar isso com o apbase.Map: o pipeline automático compara o IDW com a krigagem ordinária e fica com o IDW quando ele tem o menor RMSE (raiz do erro quadrático médio) leave-one-out para o conjunto de dados atual.

from apbase.idw import IDW

idw = IDW(power=2.0, max_neighbors=40, min_neighbors=3).fit(x, y, z)
z_targets = idw.interpolate(targets)  # targets: array (n, 2)

use apbase::idw::{IDW, IDWOptions};

let mut idw = IDW::new(IDWOptions { power: 2.0, max_neighbors: 40, min_neighbors: 3, ..Default::default() })?;
idw.fit(&x, &y, &z)?;
let z_targets = idw.interpolate(&targets)?; // targets: array (n, 2) ou um Grid ajustado

Parâmetros

x, y : array_like : Coordenadas dos pontos amostrais passadas ao fit. O IDW não converte longitude/latitude: passe coordenadas projetadas, na mesma unidade de radius.

z : array_like : Valores amostrais. Precisa ter o mesmo tamanho de x e y.

targets : array_like ou Grid : Coordenadas dos pontos a estimar passadas ao interpolate: um array (n_targets, 2), um Grid ajustado ou geometrias de ponto (uma lista de pontos Shapely, ou um GeoSeries/GeoDataFrame).

radius : float, opcional : Raio de busca local. Se for omitido, é derivado de um semivariograma ajustado (veja Ajuste do semivariograma).

power : float, padrão 2.0 : Potência (expoente) da distância. Valores maiores dão mais peso aos pontos próximos.

max_neighbors : int, padrão 40 : Número máximo de pontos amostrais usados por ponto a estimar.

min_neighbors : int, padrão 3 : Número mínimo de pontos amostrais dentro de radius. Quando há menos, são usados os max_neighbors pontos mais próximos, qualquer que seja a distância.

Quando o IDW vence a krigagem

O IDW é uma média ponderada determinística. É rápido, não faz suposições sobre a distribuição dos dados e se comporta de forma previsível quando os dados são esparsos. A krigagem ordinária usa também a correlação espacial capturada pelo semivariograma. Ela pode ser mais precisa quando essa estrutura está bem ajustada, mas custa mais e é mais sensível a um ajuste ruim. O apbase.Map e o apbase.create_map comparam os dois métodos nos seus dados, então você não precisa escolher manualmente.

Veja Inverso da distância ponderada (IDW) para a fórmula de ponderação.