Eine Familie von GIS‑Methoden, die kontinuierliche Oberflächenwerte an nicht beprobten Standorten aus diskreten Stichprobenpunkten schätzen und dabei deterministische oder stochastische Ansätze nutzen, um räumliche Muster zu erschließen.

Prinzip

Annahme räumlicher Autokorrelation (nahe Punkte ähnlicher) und Anwendung von Regeln/Modellen — nächster Nachbar, inverse Distanzgewichtung, Spline oder Variogramm‑basierte Modelle — zur Vorhersage von Werten und ggf. Quantifizierung der Unsicherheit.

Demonstration

Interpolieren von Niederschlagsmengen über ein Einzugsgebiet aus verstreuten Messstellen mittels inverse distance weighting, um ein kontinuierliches Raster der Niederschlagsintensität für hydrologische Modellierung zu erzeugen.

Fehlanwendung

Weit über die konvexe Hülle der Proben hinaus extrapolieren oder eine Interpolationsmethode ohne Prüfung der Probendichte und räumlichen Struktur anwenden, was irreführende Flächen mit überschätzter Sicherheit erzeugt.

Konsequenz

Erzeugt kontinuierliche Flächen (Raster), die Konturierungen, räumliche Modellierung und Prozessmodelle ermöglichen; wenn Methode und Annahmen zum Phänomen passen, verbessern Interpolationen die räumliche Inferenz und unterstützen Entscheidungen mit bekannten Grenzen.

Umkehrung

Aggregation interpolierter Flächen zu diskreten Zonenkennwerten oder Verwendung stichprobenbasierter Punkstatistiken ersetzt die kontinuierliche Schätzung durch grobe kategoriale Zusammenfassungen und kehrt das Ziel um, Lücken zwischen Proben zu füllen.

Abgrenzung

Gültigkeit hängt von Stichprobendesign, Dichte, räumlicher Struktur, Anisotropie und gewähltem Algorithmus ab; Interpolation schafft keine neue Information jenseits der daten‑ und modellgestützten Trends und ist in dünn beprobten Regionen schwach.

Semantische Spannung

Wird oft dem Kriging gegenübergestellt: deterministische Methoden (IDW, Spline) liefern glatte Schätzungen ohne explizite Fehler‑Modellierung, Kriging hingegen ist geostatistisch und liefert formale Schätzungen und Vorhersagevarianzen unter Stationaritätsannahmen.

Synthese

Interpolation wandelt Punktmessungen in kontinuierliche Flächen um, indem sie räumliche Abhängigkeit nutzt; angemessener Einsatz erfordert Methodenwahl nach Datenstruktur, Vermeidung von Überextrapolation und transparente Darstellung der Unsicherheit in dünn besetzten Bereichen.