EVALUATION OF SPATIAL INTERPOLATION METHODS FOR SOCIOECONOMIC VARIABLES
Abstract
In Cartography, interpolation methods are used to identify the spatial arrangement of a variable by estimating unknown values based on sample points. Although they are increasingly used in social and human sciences, in general, in these fields of knowledge, there is no concern regarding the use of the ideal interpolator. Considering this research question, this paper presents an evaluation of the three most used methods for the spatial interpolation of socioeconomic variables: Inverse Distance Weighting (IDW), Thin Plate Spline (TPS) and Kriging. The performances of the three methods for interpolating a real socioeconomic variable (average land prices per square meter in a Brazilian city) are compared to the respective results for a physical variable (hypsometry by quoted points). The evaluation of the interpolators was performed based on visual analysis of the spatialization, and with cross-validation statistics using two error metrics (Mean Absolute Error and Root Mean Squared Error). In general, the results indicate that the socioeconomic variable was interpolated more efficiently by the Kriging method, while the IDW and Spline interpolators performed better for the physical variable.
References
AKIMA, H. A new method of interpolation and smooth curve fitting based on local procedures. Journal of the ACM (JACM), v. 17, n. 4, p. 589-602, 1970. https://doi.org/10.1145/321607.321609.
ANGELICO, J. C. Desempenho da co-krigagem na determinação da variabilidade de atributos do solo. Revista Brasileira de Ciência do Solo, v. 30, p. 931-936, 2006. https://doi.org/10.1590/S0100-06832006000600002.
BARBOSA, R. L.; MENEGUETTE JÚNIOR.; M.; SILVA, J. F. C.; GALLIS, R. B. A.; ITAME, O. I. Análise estatística da qualidade de um modelo digital do terreno gerado com Thin Plate Spline. Revista Brasileira de Cartografia, v. 60, n. 2, 127-132, 2008. https://doi.org/10.14393/rbcv60n2-44875.
BOHLING, G. Introduction to geostatistics and variogram analysis. Kansas Geological Survey, v. 1, n. 10, p. 1-20, 2005.
CAÑADA TORRECILLA, M. R. Técnicas de interpolación espacial deterministas y exactas: media ponderada por el inverso de la distancia y funciones de base radial. In: MORENO JIMÉNEZ, Antonio (ed.). Sistemas y análisis de la información geográfica. 2. ed. Madrid: Ra-Ma, 2007. p. 791-820.
CORÁ, J. E.; ARAUJO, A. V.; PEREIRA, G. T.; BERALDO, J. M. G. Variabilidade espacial de atributos do solo para adoção do sistema de agricultura de precisão na cultura de cana-de-açúcar. Revista Brasileira de Ciência do Solo, v. 28, n. 6, p. 1013-1021, 2024. https://doi.org/10.1590/S0100-06832004000600010.
FARIAS, O. G.; FRANCISCO, C. N.; ALVES, M. C. Avaliação de métodos de interpolação espacial aplicados à pluviosidade em região montanhosa no litoral sul do estado do Rio de Janeiro. Revista Brasileira de Climatologia, v. 13, p. 21, p. 172-185, 2017. https://doi.org/10.5380/abclima.v21i0.52065.
FERREIRA, I. O.; SANTOS, G.; RODRIGUES, D. D. Estudo sobre a utilização adequada da krigagem na representação computacional de superfícies batimétricas. Revista Brasileira de Cartografia, v. 65, n. 5, p. 831-842, 2013. https://doi.org/10.14393/rbcv65n5-43864.
FOLHARINI, S. O.; MELO, S. N.; RAMOS, R. G.; BROWN, J. C. Land use and green crime: Assessing the edge effect. Land Use Policy, v. 129, e106636, 2023. https://doi.org/10.1016/j.landusepol.2023.106636.
LIU, Z.; ZHANG, Z.; ZHOU, C.; MING, W.; DU, Z. An adaptive inverse-distance weighting interpolation method considering spatial differentiation in 3D geological modeling. Geosciences, v. 11, p. 2, p. 51, 2021. https://doi.org/10.3390/geosciences11020051.
LONGLEY, P.; GOODCHILD, M. F.; MAGUIRRE, D. J.; RHIND, D. W. Geographic Information Science & Systems. 5. ed. New York: Wiley, 2015.
NASCIMENTO, E.; TOMBINI, L. H. T.; RIPPLINGER, F. Espacialização da Covid-19 no Sul do Brasil: a interiorização da doença e o caso da mesorregião Grande Fronteira do Mercosul. Finisterra, n. 27, p. 115, p. 27-35, 2020. https://doi.org/10.18055/finis20367.
OLIVEIRA, J. P. B.; CECÍLIO, R. A.; PRUSKI, F. F.; ZANETTI, S. S. Espacialização da erosividade das chuvas no Brasil a partir de séries sintéticas de precipitação. Revista Brasileira de Ciências Agrárias, v. 10, n. 40, p. 558-563, 2015. https://doi.org/10.5039/agraria.v10i4a4998.
PANIGRAHI, N. Inverse Distance Weight. In: SAGAR, B. S. D.; CHENG, Q.; MCKINLEY, J.; AGTERBERG, F. (eds.). Encyclopedia of Mathematical Geosciences. New York: Springer International Publishing, 2023, p. 1-7.
RAMOS, M. D.; MERINO, E. R.; MONTES, C. R.; MELFI, A. J. Avaliação do uso integrado de imagens de nanossatélites e classificadores baseados em aprendizado de máquina para estudos da dinâmica hidrológica na região da Nhecolândia (Pantanal). Revista Brasileira de Cartografia, v. 75, n. 1, 2023. https://doi.org/10.14393/rbcv75n0a-67656.
RAMOS, R. G.; MELO, S. N. Income inequality and the geography of residential burglaries: A spatial model applied to Campinas, Brazil. Applied Geography, 147, e102787, 2022. https://doi.org/10.1016/j.apgeog.2022.102787.
SEKULIĆ, A.; KILIBARDA, M.; HEUVELINK, G. B. M.; NIKOLIĆ, M.; BAJAT, B. Random forest spatial interpolation. Remote Sensing, n. 12, p. 1687, 2020. https://doi.org/10.3390/rs12101687.
SILVA, A. F.; LIMA, J. S. S.; OLIVEIRA, R. B. Métodos de interpolação para estimar o pH em solo sob dois manejos de café arábica. Idesia (Arica), v. 28, n. 2, p. 61-66, 2010. http://dx.doi.org/10.4067/S0718-34292010000200007.
SILVA, C., MELO, S., SANTOS, A., ALMEIDA JÚNIOR, P., SATO, S., SANTIAGO, K., SÁ, L. Spatial modeling for homicide rates estimation in Pernambuco State - Brazil. International Journal of Geo-Information, v. 9, n. 12, p. 740, 2020. https://doi.org/10.3390/ijgi9120740.
STEIN, M. L. Interpolation of spatial data: some theory for kriging. New York: Springer Science & Business Media, 2012.
WANDERLEY, H. S.; AMORIM, R. F. C.; CARVALHO, F. O. Interpolação espacial de dados médios mensais pluviométricos com redes neurais artificiais. Revista Brasileira de Meteorologia, v. 29, n. 3, p. 389-396, 2014. https://doi.org/10.1590/0102-778620130639.
YAMAMOTO, J. K.; LANDIM, P. M. B. Geoestatística: conceitos e aplicações. São Paulo: Oficina de Textos, 2013.
ANGELICO, J. C. Desempenho da co-krigagem na determinação da variabilidade de atributos do solo. Revista Brasileira de Ciência do Solo, v. 30, p. 931-936, 2006. https://doi.org/10.1590/S0100-06832006000600002.
BARBOSA, R. L.; MENEGUETTE JÚNIOR.; M.; SILVA, J. F. C.; GALLIS, R. B. A.; ITAME, O. I. Análise estatística da qualidade de um modelo digital do terreno gerado com Thin Plate Spline. Revista Brasileira de Cartografia, v. 60, n. 2, 127-132, 2008. https://doi.org/10.14393/rbcv60n2-44875.
BOHLING, G. Introduction to geostatistics and variogram analysis. Kansas Geological Survey, v. 1, n. 10, p. 1-20, 2005.
CAÑADA TORRECILLA, M. R. Técnicas de interpolación espacial deterministas y exactas: media ponderada por el inverso de la distancia y funciones de base radial. In: MORENO JIMÉNEZ, Antonio (ed.). Sistemas y análisis de la información geográfica. 2. ed. Madrid: Ra-Ma, 2007. p. 791-820.
CORÁ, J. E.; ARAUJO, A. V.; PEREIRA, G. T.; BERALDO, J. M. G. Variabilidade espacial de atributos do solo para adoção do sistema de agricultura de precisão na cultura de cana-de-açúcar. Revista Brasileira de Ciência do Solo, v. 28, n. 6, p. 1013-1021, 2024. https://doi.org/10.1590/S0100-06832004000600010.
FARIAS, O. G.; FRANCISCO, C. N.; ALVES, M. C. Avaliação de métodos de interpolação espacial aplicados à pluviosidade em região montanhosa no litoral sul do estado do Rio de Janeiro. Revista Brasileira de Climatologia, v. 13, p. 21, p. 172-185, 2017. https://doi.org/10.5380/abclima.v21i0.52065.
FERREIRA, I. O.; SANTOS, G.; RODRIGUES, D. D. Estudo sobre a utilização adequada da krigagem na representação computacional de superfícies batimétricas. Revista Brasileira de Cartografia, v. 65, n. 5, p. 831-842, 2013. https://doi.org/10.14393/rbcv65n5-43864.
FOLHARINI, S. O.; MELO, S. N.; RAMOS, R. G.; BROWN, J. C. Land use and green crime: Assessing the edge effect. Land Use Policy, v. 129, e106636, 2023. https://doi.org/10.1016/j.landusepol.2023.106636.
LIU, Z.; ZHANG, Z.; ZHOU, C.; MING, W.; DU, Z. An adaptive inverse-distance weighting interpolation method considering spatial differentiation in 3D geological modeling. Geosciences, v. 11, p. 2, p. 51, 2021. https://doi.org/10.3390/geosciences11020051.
LONGLEY, P.; GOODCHILD, M. F.; MAGUIRRE, D. J.; RHIND, D. W. Geographic Information Science & Systems. 5. ed. New York: Wiley, 2015.
NASCIMENTO, E.; TOMBINI, L. H. T.; RIPPLINGER, F. Espacialização da Covid-19 no Sul do Brasil: a interiorização da doença e o caso da mesorregião Grande Fronteira do Mercosul. Finisterra, n. 27, p. 115, p. 27-35, 2020. https://doi.org/10.18055/finis20367.
OLIVEIRA, J. P. B.; CECÍLIO, R. A.; PRUSKI, F. F.; ZANETTI, S. S. Espacialização da erosividade das chuvas no Brasil a partir de séries sintéticas de precipitação. Revista Brasileira de Ciências Agrárias, v. 10, n. 40, p. 558-563, 2015. https://doi.org/10.5039/agraria.v10i4a4998.
PANIGRAHI, N. Inverse Distance Weight. In: SAGAR, B. S. D.; CHENG, Q.; MCKINLEY, J.; AGTERBERG, F. (eds.). Encyclopedia of Mathematical Geosciences. New York: Springer International Publishing, 2023, p. 1-7.
RAMOS, M. D.; MERINO, E. R.; MONTES, C. R.; MELFI, A. J. Avaliação do uso integrado de imagens de nanossatélites e classificadores baseados em aprendizado de máquina para estudos da dinâmica hidrológica na região da Nhecolândia (Pantanal). Revista Brasileira de Cartografia, v. 75, n. 1, 2023. https://doi.org/10.14393/rbcv75n0a-67656.
RAMOS, R. G.; MELO, S. N. Income inequality and the geography of residential burglaries: A spatial model applied to Campinas, Brazil. Applied Geography, 147, e102787, 2022. https://doi.org/10.1016/j.apgeog.2022.102787.
SEKULIĆ, A.; KILIBARDA, M.; HEUVELINK, G. B. M.; NIKOLIĆ, M.; BAJAT, B. Random forest spatial interpolation. Remote Sensing, n. 12, p. 1687, 2020. https://doi.org/10.3390/rs12101687.
SILVA, A. F.; LIMA, J. S. S.; OLIVEIRA, R. B. Métodos de interpolação para estimar o pH em solo sob dois manejos de café arábica. Idesia (Arica), v. 28, n. 2, p. 61-66, 2010. http://dx.doi.org/10.4067/S0718-34292010000200007.
SILVA, C., MELO, S., SANTOS, A., ALMEIDA JÚNIOR, P., SATO, S., SANTIAGO, K., SÁ, L. Spatial modeling for homicide rates estimation in Pernambuco State - Brazil. International Journal of Geo-Information, v. 9, n. 12, p. 740, 2020. https://doi.org/10.3390/ijgi9120740.
STEIN, M. L. Interpolation of spatial data: some theory for kriging. New York: Springer Science & Business Media, 2012.
WANDERLEY, H. S.; AMORIM, R. F. C.; CARVALHO, F. O. Interpolação espacial de dados médios mensais pluviométricos com redes neurais artificiais. Revista Brasileira de Meteorologia, v. 29, n. 3, p. 389-396, 2014. https://doi.org/10.1590/0102-778620130639.
YAMAMOTO, J. K.; LANDIM, P. M. B. Geoestatística: conceitos e aplicações. São Paulo: Oficina de Textos, 2013.
Published
11/04/2026
How to Cite
MELO, Silas Nogueira de; NASCIMENTO, Ederson.
EVALUATION OF SPATIAL INTERPOLATION METHODS FOR SOCIOECONOMIC VARIABLES.
Mercator, Fortaleza, v. 25, apr. 2026.
ISSN 1984-2201.
Available at: <http://www.mercator.ufc.br/mercator/article/view/3903>. Date accessed: 12 apr. 2026.
doi: https://doi.org/10.4215/rm2026.e25007.
Issue
Section
ARTICLES
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish in this journal agree to the following terms:
- Authors retain the copyright and grant MERCATOR the right of first publication, with the work simultaneously licensed under the Creative Commons Attribution License, which allows the sharing of the work with recognition of the authorship of the work and initial publication in this journal.
- Authors are authorized to sign additional contracts separately, for non-exclusive distribution of the version of the work published in this journal (e.g., publish in an institutional repository or as a book chapter), with acknowledgment of authorship and initial publication in this journal.
- Authors are allowed and encouraged to publish and distribute their work online (e.g., in institutional repositories or on their personal page) at any point before or during the editorial process, as this can generate productive changes as well as increase the impact and citation of the published work (see The Effect of Free Access).
- Authors are responsible for the content of the manuscript published in the journal.
