IDW는 "Inverse Distance Weighting"의 약자로, 공간 보간 방법 중 하나이다. 이 방법은 주어진 데이터 포인트의 값이 거리에 따라 감소하는 특성을 이용하여 새로이 추정하고자 하는 위치의 값을 결정한다. IDW는 주로 지리정보 시스템(GIS) 및 환경 과학 분야에서 활용되며, 공간적으로 분포된 데이터를 기반으로 위치 간의 값을 예측하는 데 유용하다.

IDW의 기본 원리는 주변 데이터 포인트의 거리와 가중치를 결합하여 추정값을 도출하는 것이다. 일반적으로 가까운 포인트에는 더 큰 가중치를 부여하고, 멀리 있는 포인트에는 낮은 가중치를 설정한다. 이 가중치는 보통 거리의 역수 형태로 계산되며, 사용자는 가중치의 감소율을 조정하는 매개변수(일반적으로 'p'라고 표기)를 설정할 수 있다. p의 값이 클수록 가까운 데이터 포인트의 영향력이 더욱 강해지며, 값이 작을수록 먼 포인트의 영향도 증가하게 된다.

IDW는 간단하고 직관적인 방법이지만, 일부 단점도 존재한다. 데이터 포인트가 고르게 분포되어 있지 않은 경우, 예측의 정확성이 떨어질 수 있으며, 노이즈에 민감한 경향이 있다. 또한, IDW는 측정값이 정확히 의미 있는 공간적 관계를 반영해야 하므로, 적용 시에는 데이터의 특성을 충분히 고려해야 한다. 이러한 이유로, 다른 보간 기법과 함께 사용되거나 특정 조건에서만 적합하다고 간주되기도 한다.