Uma empresa agroindustrial decidiu investir em um sistema avançado de monitoramento agrícola para suas áreas de cultivo de milho e algodão. 0 projeto envolveu a instalação de sensores no solo, uso de drones com câmeras multiespectrais e integração com softwares de análise geoespacial. Os dados coletados incluíam temperatura, umidade, NDVI e condutividade elétrica do solo. Durante a análise, os técnicos perceberam que os dados brutos apresentavam lacunas em áreas onde os sensores não captaram informações. Para resolver esse problema, foi aplicado 0 método de interpolação IDW (Inverse Distance Weighting), que estimou os valores ausentes com base na proximidade dos pontos medidos. Em seguida, os mapas gerados foram utilizados para ajustar a irrigação e a aplicação de fertilizantes. A escolha do método IDW foi considerada adequada porque A utiliza pesos proporcionais à distância entre os pontos conhecidos. B permite estimar valores desconhecidos com base em médias regionais. C ignora a estrutura espacial dos dados, focando apenas na variância. D exige grande volume de dados e análise de semivariância espacial.