{
  "id": "geospatial-raster-data",
  "title": "地理空间栅格数据",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "地理空间栅格数据以具有地理参考的网格表示信息，用于存储、分析和显示影像、环境观测及模型表面。",
  "category": "geography",
  "subcategory": "",
  "type": "concept",
  "aliases": [
    "地理栅格数据",
    "空间栅格数据"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/geospatial-raster-data/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/geospatial-raster-data/",
      "json": "https://aiwiki.page/en/geospatial-raster-data.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "地理空间栅格数据是具有地理参考的数据集，通过有序的像元网格表示信息，通常按行和列排列。每个像元包含一个或多个与地球上某个位置或区域相关的值。这类数据将栅格数据的数组结构与说明网格位置及其数值含义的信息结合起来。常见实例包括卫星影像、高程网格、土地覆盖分类和网格化气象观测数据。栅格数据集与用点、线和多边形表示地理要素的矢量地理数据一样，都是地理信息系统（GIS）的重要组成部分。"
    },
    {
      "heading": "结构与地理参考",
      "text": "基本的栅格由行数和列数确定的矩形数组构成。其中的单元通常称为像元，在影像中尤其如此。单波段栅格的每个像元存储一个值；多波段栅格则存储多个相互对应的数组。在彩色影像中，三个波段可以分别表示红、绿、蓝的强度。在科学数据集中，波段或额外的维度可以表示波长、日期、深度或不同的变量。\n\n数组呈矩形，并不意味着实际的地理覆盖范围也是矩形。研究区边界以外、传感器有效覆盖范围之外或数据空缺区域内的像元，都可以标记为无效。\n\n网格定位\n\n地理配准用于建立数组位置与地理位置之间的关系。坐标参考系统（CRS）提供解释坐标的框架，其中包括相关的大地基准；对于投影坐标，还包括地图投影。\n\n对于等间距网格，通常使用仿射变换将列、行坐标与地图坐标联系起来：\n\n\\[x=x_0+ac+br, \\qquad y=y_0+dc+er,\\]\n\n其中，\\(c\\) 和 \\(r\\) 分别为列坐标和行坐标，\\(x_0\\) 和 \\(y_0\\) 确定网格原点的位置，其余系数描述像元间距、旋转和剪切。\n\n对于未经旋转、正北朝上的栅格，旋转项 \\(b\\) 和 \\(d\\) 为零。如果行号向下递增，而地图北向坐标向上递增，则纵向系数 \\(e\\) 为负值。\n\n一项关键约定是：整数数组坐标指向像元的角点，还是像元的中心。如果原点位于左上角，将 \\(c=0.5\\) 和 \\(r=0.5\\) 代入即可得到第一个像元的中心位置。混淆这些约定可能使整个数据集偏移半个像元。\n\n并非所有地理空间栅格都使用单一的仿射变换。原始卫星影像、航空照片以及某些科学网格，可能需要借助控制点、传感器模型或坐标数组来确定地理位置。\n\n像元大小、范围与对齐\n\n栅格的空间范围是其在地理空间中覆盖的区域。像元大小以坐标单位描述像元的间距或尺寸。即使两个栅格具有相同的坐标参考系统和像元大小，原点不同仍可能导致它们无法对齐。\n\n以经纬度表示的网格，其像元尺寸采用角度单位。角度尺寸相同的像元，其地面面积并不相同：像元的东西向地面尺寸通常越接近两极越小。投影网格也需要考虑空间变形；以地图单位表示的像元大小恒定，并不意味着各处对应的真实地面面积完全相同。"
    },
    {
      "heading": "像元值的含义",
      "text": "解释栅格值时，不能只看其存储所用的数值类型。一个值可能表示：\n\n- 类别，如森林、耕地或城市用地。\n- 连续量，如高程或温度。\n- 计数或总量，如某个像元内的估算人口。\n- 比例或密度，如林冠覆盖率或单位面积人口数。\n- 影像测量值，如记录的数字强度值或经过定标的反射率。\n- 概率或质量指标，如某种土地覆盖类别的概率或云标志。\n\n例如，数字高程模型表示高程，但其具体含义还取决于它描述的是地面，还是包含建筑物和植被的表面，以及采用了何种垂直参考。\n\n区分点采样值与基于面积的数值十分重要。像元值可能近似表示像元中心处的某个量、整个像元范围内的平均值，或该像元覆盖区域内的总量。这些含义会影响数值如何组合，以及如何转移到另一套网格上。\n\n现象的连续性与数值存储方式的连续性不是一回事。高程可以存储为整数，而类别代码也可以存储在浮点数组中。\n\n缺失值与掩膜\n\n没有有效观测的像元，通常使用特殊的 NoData 值、有效性掩膜或浮点 NaN 来标识。数据缺失不等于零。例如，零降雨量是有效观测，而降雨量缺失则表示没有可用数值。\n\n还可以使用额外的掩膜区分云、阴影、传感器饱和、水体或低质量反演结果。由于这些情况的含义各不相同，将其全部合并为同一种缺失数据类别，可能会丢失有用信息。"
    },
    {
      "heading": "分辨率与准确度",
      "text": "空间分辨率常用像元大小来描述，但仅凭像元间距，无法确定栅格包含多少独立的空间细节。传感器响应、预处理、插值和聚合也会影响有效分辨率。\n\n将像元大小为 1 千米的栅格重采样为 10 米后，像元数量虽然增加，却不会因此获得真正的 10 米尺度信息。同样，坐标保留位数多、数值增量细小，也不能证明位置或测量结果准确。\n\n其他相关维度包括：\n\n- **光谱分辨率：**影像波段所表示的波长范围及其宽度。\n- **时间分辨率：**观测之间的时间间隔，或某个数值所概括的时间段。\n- **辐射分辨率：**记录信号时可用的量化等级数。\n\n准确度关注位置或数值与适当参考之间的符合程度。测量不确定度可能来自传感器噪声、地理定位误差、反演假设、采样局限和模型误差。名义上分辨率很高的产品，仍可能具有较大的不确定度。"
    },
    {
      "heading": "起源与发展",
      "text": "栅格方法的发展源于几个相互交织的领域：数字图像处理、网格化数值模拟、地图扫描和计算机空间分析。早期栅格 GIS 方法展示了如何将地理图层表示为数组，并通过算术运算和邻域运算将其组合起来。\n\n包括自 20 世纪 70 年代开始运行的陆地卫星（Landsat）计划在内的对地观测卫星计划，大幅增加了可供使用的多时相数字影像。此后，计算能力的提升使更大规模的高程模型、大陆尺度的土地覆盖产品和全球环境数据集成为可能。\n\n近年来，可通过网络访问的数据档案和云计算，推动了在靠近数据存储位置的地方开展处理。分块存储、多分辨率表示和多维数据结构，使人们能够处理那些大到无法一次全部载入内存的数据集的局部内容。"
    },
    {
      "heading": "处理与空间分析",
      "text": "栅格结构支持高效的数组计算。许多操作都可以表述为对对应像元或移动邻域进行计算。\n\n局部、邻域与分区运算\n\n局部运算根据同一位置的数值计算输出，例如将两个日期的温度相减，或组合不同光谱波段。对栅格图层进行系统性组合，通常称为地图代数。\n\n邻域运算使用周围像元的值，例如平滑滤波、边缘检测、地形坡度计算和局部变异性计算。结果取决于邻域的大小、形状、权重，以及缺失像元的处理方式。\n\n分区运算汇总各区域内的数值，例如计算每个流域内的平均高程。分区可以来自另一幅栅格，也可以来自矢量多边形。如何处理被多边形边界穿过的像元，会影响结果。\n\n更广泛的空间分析包括距离计算、最小成本路径、视域分析，以及基于地形的水流路径推算。在水文学中，高程栅格可用于估算流向和汇流累积量，但结果取决于地形数据质量，以及洼地和平坦区域的处理方式。\n\n重采样与重投影\n\n栅格重采样用于估算新网格上的数值。改变像元大小、调整网格对齐方式，或将栅格转换到另一坐标参考系统时，都需要进行重采样。\n\n常见方法包括：\n\n方法 | 基本做法 | 主要注意事项\n最近邻法 | 选取距离最近的输入像元值 | 保留原有代码，常用于类别栅格\n双线性插值 | 按基于距离的权重组合四个相邻值 | 平滑连续数据，并改变原始数值\n三次插值 | 使用更大的邻域和三次函数 | 可以保留视觉细节，但结果可能超出输入值范围\n聚合 | 汇总参与计算的像元 | 应根据数值所代表的含义选择合适的统计量\n\n重投影会转换地理位置，通常需要进行重采样。它改变的是网格表示方式，不一定改变底层信息量。\n\n降采样时，对于表示区域平均值的量，可以采用平均法；对于总量，则需要采用能够保持相应总和的方法。类别数据可以使用多数法，或保留各类别的比例。对类别标识符简单求平均通常没有意义。反复重采样可能逐步改变数值、边界和空间格局。\n\n栅格与矢量之间的转换\n\n栅格化将矢量要素转换为网格值。结果取决于像元大小，以及判定某个要素是否占据像元的规则。如果狭窄要素的尺寸小于网格间距，它们可能消失。\n\n矢量化从栅格信息中提取点、线或多边形。它可能产生沿像元边缘呈阶梯状的边界、零碎的多边形，或规模非常庞大的数据集。这两种转换都不保证无损。"
    },
    {
      "heading": "存储、格式与分发",
      "text": "不同栅格格式对地理参考、压缩、元数据、多维数组和局部访问的支持各不相同。\n\n地理标记图像文件格式（GeoTIFF）在 TIFF 图像框架内存储地理参考信息，广泛用于影像和网格化表面数据。云优化 GeoTIFF 通过组织瓦片和低分辨率概览图，支持经由网络高效访问文件中的指定部分。\n\nNetCDF广泛用于包含时间、高度、纬度和经度等维度的科学数据集。其他存储系统也支持结构类似的多维数组。\n\n大型栅格通常采用：\n\n- 瓦片化，将数组划分为便于管理的块。\n- 压缩，减少存储需求。\n- 概览图，存储低分辨率表示，用于显示或较粗尺度的访问。\n- 分块，将多维数据组织为适合特定访问模式的数据块。\n\n无损压缩保留编码后的数值，有损压缩则会改变这些数值。这种改变是否可以接受，取决于预期开展的分析，而不只是视觉效果。\n\n开放地理空间联盟制定与地理数据访问和互操作性相关的标准。网络地图服务通常提供渲染后的地图图像；不应假定这些图像保留了源栅格中用于分析的原始数值。"
    },
    {
      "heading": "应用与局限",
      "text": "地理空间栅格尤其适合表示在空间上广泛分布的现象，如高程、植被、土壤性质、大气状况和海洋变量。它们支持土地覆盖制图、农业监测、数值天气预报、灾害评估和土地利用规划。按时间索引的栅格可用于研究季节变化和长期环境变化。\n\n规则结构也带来了局限。精细网格可能需要大量存储空间和计算资源，尤其是在涉及多个波段和多个日期时。网格边界只能近似表达不规则的地理要素，而且单个像元内可能包含多种土地覆盖类型。这种混合像元会使分类和解释更加复杂。\n\n网格大小和位置的变化可能改变分析结果，这是与可变空间单元问题有关的一种表现。空间相邻的数值往往存在相关性，因此不能直接将像元数量视为独立观测的数量。\n\n要对数据集进行有意义的比较，仅仅使文件的行列数相同还不够。坐标参考系统、网格对齐方式、时间范围、单位、垂直参考、有效数据掩膜，以及数值的空间含义，也必须相互兼容。描述这些属性的元数据，加上处理历史和质量信息，对于将栅格解读为地理证据而不只是图像，至关重要。"
    }
  ],
  "links": [
    "raster-data",
    "vector-geographic-data",
    "geographic-information-system",
    "georeferencing",
    "coordinate-reference-system",
    "map-projection",
    "latitude-and-longitude",
    "temperature",
    "digital-elevation-model",
    "measurement-uncertainty",
    "drainage-basin",
    "spatial-analysis",
    "hydrology",
    "geotiff",
    "open-geospatial-consortium",
    "web-map-service",
    "numerical-weather-prediction",
    "land-use-planning"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}