INTRODUÇÃOSegundo a definição clássica de T. N. Thiele: "a interpolação é a arte de ler entre os valores de uma tabela" (Sadosky, 1980). Stark (1979) esclarece que interpolação é o processo matemático de se achar valores intermediários entre os valores discretos de uma função. A interpolação, muito utilizada através dos sé-culos, tem seu surgimento registrado historicamente na região da Mesopotâmia. Na Babilônia e em Uruk, havia a construção de tábuas astronômicas, chamadas efemérides, que previam a posição dos planetas, do Sol, da Lua e das estrelas e eram utilizadas para escolha das melhores épocas para as colheitas e também para o plantio. Confeccionadas a partir de observações astronômicas as efemérides, muitas vezes, possuíam falhas em seu preenchimento, pois nem sempre os corpos celestes estavam em posições cuja visualização era possível ou, até mesmo, devido às más condições meteorológicas durante as medições. Frente à grande importância e necessidade da utilização das efemérides, criou-se a interpolação linear e também outros métodos mais complexos de interpolação, para poder assim completar os espaços não amostrados (Meijering, 2002). Atualmente a interpolação tem sido utilizada em muitos campos, tais como na medicina, ecologia, geologia, geografia, oceanografia, engenharia, computação, geofísica, meteorologia, agronomia, hidrologia, sistemas de informações geográficas.O resultado do processo de interpolação espacial pode ser representado através de isolinhas, que são linhas de mesmo valor numérico (Watson, 1992). Davis (1986) explica que o termo "linhas de contorno" ampla- The objective of this work relies on the evaluation of interpolation techniques applied to 28 sampling sites of radial distribution, located at the Itajaí-açu river plume. The data used was salinity at 0.5 meter depth collected by CTD. The methods tested were: (1) inverse distance to a power, (2) kriging, (3) minimum curvature, (4) modified shepard's method, (5) natural neighbor, (6) nearest neighbor, (7) polynomial regression, (8) radial basis function, (9) triangulation with linear interpolation, (10) moving average and (11) local polynomial, and the software used was Surfer version 8 (Golden Software Inc.). For each method, were created isoline maps of distinct grid resolutions (lines x columns): 5x4, 10x7, 20x14, 30x21, 40x28, 50x34, 100x69 and 1000x682, using data from the high river discharge, when the salinity gradient is maximum and better for comparisons. Were checked the residuals from interpolations, and estimated their means, variances and visual evaluation of the maps. Results showed that grid resolution must be coherent with sample spatial distribution, and it was observed that the higher the grid resolutions, the lower the means and variances, however it ended up generating interpolation problems. The best method was local polynomial, with very smooth curves represented perfectly the river plume. The gain on resolution tends to honor data, but it ends up generating bull's eyes, and to represent isolines from geophysic...