مقادیر درون‌یابی شده برای هر موقعیت نمونه‌برداری نشده از طریق داده‌های قابل دسترس، با دقت و اطمینان بالایی قابل انجام است. واریانس تخمین به نیم‌تغییرنما و شکل داده‌ها در ارتباط با نقاط کریجینگ شده بستگی دارد و به خود مقادیر مشاهده شده بستگی ندارد. اغلب روش‌های درون‌یابی، تخمین‌هایی برای یک ویژگی در منطقه مورد نظر با یک میانگین وزن‌دار شده از داده‌های نزدیک به آن استفاده می‌کند. تعدادی از فاکتورها مانند تغییرات خاک، شدت نمونه برداری و روش درون‌یابی بر روی کیفیت نقشه اثر می‌گذارد.
براساس نظر فرانزن و پک (۱۹۹۵)، کریجینگ و روش وزن‌دهی عکس فاصله، روش‌های معمول مورد استفاده در کشاورزی هستند. کریجینگ در ابتدا به مدل‌سازی ارتباط بین واریانس و فاصله نیازمند است، اما روش IDW به این مرحله نیاز ندارد و خیلی سریع‌تر و ساده‌تر است. هر دو روش مقادیر را در نقاط نمونه‌برداری نشده براساس مقادیر اندازه‌گیری شده نقاط اطراف نقطه مورد نظر با دادن یک وزن به هر اندازه‌گیری تخمین می‌زنند (یثربی و همکاران، ۲۰۰۹).
ارزیابی اعتبار[۸۳] روش‌های درون‌یابی
معیارهای متفاوتی به منظور مقایسه دقت روش‌های درون‌یابی مورد استفاده قرار می‌گیرند. آماره‌های متفاوتی چون میانگین خطا[۸۴] (ME)، میانگین مربعات خطا[۸۵] (MSE)، ریشه میانگین مربعات خطا[۸۶] (RMSE)، واریانس تعدیل شده[۸۷] (RV) برای انتخاب بهترین و دقیق‌ترین روش درون‌یابی مورد ارزیابی قرار می‌گیرد.
میانگین خطا
میانگین خطا یکی از شاخص‌های ارزیابی نتایج حاصل از تخمین‌گرهای مختلف است که به این صورت محاسبه می‌شود:
: مقدار مشاهده شده
: مقدار پیش‌بینی شده
یک تخمین‌گر خوب بایستی منجر به خطای تخمین صفر یا نزدیک به صفر گردد. در این حالت اریب سیستماتیک وجود ندارد و یا حداقل است.
میانگین مربعات خطای تخمین
میانگین مربعات خطای تخمین بایستی حداقل مقدار عددی را داشته باشد. این شاخص جهت ارزیابی دقت تخمین‌گرها به کار گرفته می‌شود.
ریشه میانگین مربعات خطا
