{
  "id": "raster-data",
  "title": "栅格数据",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "栅格数据以单元格网格表示信息，广泛用于数字影像、地理制图、环境建模和空间分析。",
  "category": "geography",
  "subcategory": "",
  "type": "concept",
  "aliases": [
    "栅格型数据",
    "格网数据"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/raster-data/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/raster-data/",
      "json": "https://aiwiki.page/en/raster-data.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "栅格数据是按网格组织的数字信息，每个单元格存储一个或多个值。二维栅格在数学上可以表示为一个矩阵，其行和列用于确定单元格的位置。栅格结构用于数字图像和科学测量；在地理信息系统（GIS）中，栅格通常用于表示卫星影像、高程、土地覆盖以及其他具有空间分布的属性。地理空间栅格数据还将网格与地球表面或其附近的位置关联起来。"
    },
    {
      "heading": "结构与含义",
      "text": "基本的栅格具有指定的行数和列数。栅格的单元格在影像中常称为像元，可存储亮度、高程、温度或类别代码等值。网格本身隐含了空间排列关系：单元格的位置由其所在的行和列确定，无须为每个单元格单独存储坐标。\n\n栅格值可以具有多种含义：\n\n- 类别值用于标识森林、草地或建设用地等类别。其数字代码是标签，而非数量。\n- 连续值用于描述测量或建模得到的属性，如高程或温度。\n- 计数与总量用于描述分配给各单元格的数量，如人口数。\n- 影像值记录亮度或其他传感器测量值，有时需要经过校准才能解释为物理量。\n\n这些区别决定了哪些计算有意义。计算高程值的平均值可能有用，而计算土地覆盖类别代码的平均值通常没有意义。\n\n波段与维度\n\n栅格可以包含单个波段，也可以包含共用同一网格的多个波段。常规彩色图像通常采用红、绿、蓝三个波段。遥感影像还可能包含其他光谱波段，各自记录不同波长范围内的信息。\n\n栅格也可以表示时间、深度、高度或其他维度。例如，一系列逐日温度网格可以组织成具有空间和时间维度的多维数组。这类数据集将栅格模型扩展到了单幅二维图像之外。\n\n数据类型与缺失值\n\n单元格值可以存储为整数或浮点数。数据类型决定了可表示的数值范围、数值精度以及存储需求。元数据可以指定比例因子和偏移量，以便将存储值转换为物理量。\n\n单元格也可以标记为 NoData，表示其值缺失、无效、位于研究区域之外，或因其他原因不可用。NoData 不等于零：零降水量是有效的观测结果，而降水量缺失则不是。软件可以通过保留值、有效性掩膜或其他显式机制来识别缺失数据。"
    },
    {
      "heading": "地理定位",
      "text": "栅格本身并不必然描述地理信息。照片和高程网格都可以包含行和列，但只有后者必然与地理坐标具有明确的对应关系。\n\n地理配准用于建立这种关系。地理空间栅格通常需要：\n\n- 一个坐标参考系统。\n- 将网格位置与坐标联系起来的信息。\n- 明确的空间范围和单元格间距。\n\n对于规则且未旋转的网格，单元格中心坐标可表示为\n\n\\[x=x_0+\\left(c+\\frac12\\right)\\Delta x, \\qquad y=y_0-\\left(r+\\frac12\\right)\\Delta y,\\]\n\n其中，\\(c\\) 和 \\(r\\) 是从零开始的列索引和行索引，\\(x_0,y_0\\) 表示网格左上方外角点的位置，\\(\\Delta x,\\Delta y\\) 是取正值的单元格尺寸。更一般的仿射变换可以处理旋转或倾斜的网格。有些影像则需要使用地面控制点、传感器模型或其他变换方法。\n\n必须区分在某一点采样得到的值与对应某一区域的值。高程单元格可以解释为其中心点处的采样值，而人口单元格则可能包含其覆盖范围内的人口总数。仅凭网格的几何结构，无法确定应采用哪种解释。\n\n以经纬度表示的网格采用角度间距。角度尺寸相同的单元格，其地表面积通常并不相等。即使网格在投影坐标中的间距恒定，由于地图投影引入的变形，各单元格的地表面积仍可能不同。"
    },
    {
      "heading": "分辨率、覆盖范围与准确度",
      "text": "空间分辨率通常指单元格尺寸或采样间隔，而覆盖范围描述数据所覆盖的区域。两者相互独立：栅格既可以用较粗的单元格覆盖广阔区域，也可以用较细的单元格覆盖较小区域。\n\n单元格尺寸不等同于位置准确度、测量准确度，也不等同于能够可靠探测到的最小地物尺寸。由稀疏观测数据插值得到的精细网格，并不一定包含精细尺度的信息。同样，传感器的有效空间分辨率取决于其成像特性，而不仅仅取决于输出像元的间距。\n\n分辨率还包括其他维度：\n\n- **时间分辨率：**相邻观测之间的时间间隔。\n- **光谱分辨率：**区分不同波长范围的能力。\n- **辐射分辨率：**能够表示的信号级别数量。\n\n对于固定区域，若将单元格的两个边长均减半，单元格数量就会增加到原来的约四倍。因此，随着空间分辨率提高，未压缩数据的存储需求会迅速增长。对于包含 \\(R\\) 行、\\(C\\) 列、\\(B\\) 个波段，且每个值占 \\(b\\) 字节的栅格，基本数值存储量约为\n\n\\[S=RCBb,\\]\n\n其中不包括元数据、掩膜、索引及其他开销。"
    },
    {
      "heading": "栅格处理与分析",
      "text": "栅格数据的规则结构便于开展系统化计算和空间分析。常见运算可按其利用的空间关系进行分类。\n\n局部、邻域、分区与全局运算\n\n局部运算根据一个或多个输入栅格中对应的单元格计算输出单元格的值。例如，单位换算、阈值处理，以及对已对齐的环境图层进行组合。\n\n邻域运算利用周围的单元格进行计算，包括平滑滤波、边缘检测和地形派生量计算。例如，数字高程模型可利用邻近位置的高程值估算坡度和坡向。\n\n分区运算对指定区域内的单元格进行汇总，例如计算行政区内的平均温度，或某一流域内的降雨总量。\n\n全局运算依赖于跨越栅格大部分区域或整个栅格的关系，例如最小成本路径计算，以及某些距离或连通性计算。\n\n这些运算通常通过地图代数组合使用。地图代数将栅格图层作为数学表达式和逻辑表达式的输入。\n\n重采样与重投影\n\n重采样用于估算新网格上的值。在改变单元格尺寸、调整网格对齐位置，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- **最近邻法：**选取最近的输入单元格并保留其值，通常适用于类别数据。\n- **双线性插值：**对附近四个单元格中心的值按距离加权组合，常用于连续表面。\n- **三次插值法：**使用更大的邻域来生成更平滑的结果，有时会产生超出局部输入值范围的数值。\n- **聚合：**利用平均值、总和、众数、最小值或最大值等统计量合并输入单元格。\n\n所用方法必须与数值的含义相匹配。单元格总量和密度需要采用不同的处理方式，普通插值并不一定能保持总量不变。反复重采样还可能使边界模糊或改变测量值。\n\n从离散观测点进行空间插值与重采样有关，但两者并不相同：空间插值根据样本构建估算表面，而不是简单地将现有栅格转移到另一网格上。\n\n对齐与转换\n\n逐单元格分析要求各栅格的网格几何结构相容。如果网格原点、旋转角度或单元格边界不同，仅有相同的坐标系统和标称单元格尺寸还不够。\n\n栅格数据还可以与矢量地理数据相互转换。栅格化按照指定规则，将点、线或多边形分配到网格单元格中。矢量化则提取边界或等值线等要素。这两种转换都不一定无损：小型地物可能在栅格化过程中消失，而矢量化后的边界可能保留网格造成的阶梯状形态。"
    },
    {
      "heading": "存储与分发",
      "text": "栅格是一种数据模型，而不是某一种文件格式。不同格式适用于不同用途。\n\n地理标记图像文件格式（GeoTIFF）将栅格影像与地理空间元数据存储在一起。NetCDF 和 HDF5 广泛用于多维科学数据集。PNG 和 JPEG 可以存储栅格图像，但地理定位通常需要额外的元数据或配套文件。JPEG 通常采用的有损压缩会改变单元格值，因此不适用于要求精确保留数值的场合。\n\n大型栅格通常以瓦片或数据块的形式存储，使软件无需加载整个数据集即可读取其中的小片区域。称为概览或金字塔的低分辨率副本，可以加快较小比例尺下的显示。云优化 GeoTIFF 通过安排影像及辅助信息的存储布局，便于利用 HTTP 范围请求进行选择性访问。\n\n压缩效果取决于数据和压缩方法。取值均一的类别网格可能很容易压缩，而含噪声的浮点测量数据则可能较难压缩。无损压缩保留存储值不变；有损压缩则以牺牲数值的精确保留来换取更小的体积。"
    },
    {
      "heading": "发展与应用",
      "text": "栅格方法伴随着数字成像、计算机图形学、遥感和早期 GIS 的发展而形成。其规则结构适合图像处理系统和基于网格的环境模型。随着卫星观测、计算能力和数字存储的发展，栅格数据集逐渐成为地理分析的核心数据。\n\n主要应用包括：\n\n- **地球观测：**绘制土地覆盖、植被、火情、积雪和地表状况等专题图。\n- **地形分析：**表示高程，并推导排水格局、坡度或通视情况。\n- **天气与气候：**存储网格化观测数据、预报结果和模型输出。\n- **环境建模：**估算生境适宜性、暴露程度和资源分布。\n- **地图制图：**显示影像、地形晕渲及其他连续分布的地图背景。\n\n栅格数据也支持机器学习，尤其是图像分类和分割。在这些任务中，模型为整幅图像或单个像元赋予标签。"
    },
    {
      "heading": "优势与局限",
      "text": "栅格模型非常适合表示连续场、影像，以及在规则邻域上重复进行的计算。其数组结构有利于高效的数值处理和并行计算。\n\n栅格的局限部分源于离散化。边界只能以有限分辨率表示，狭窄地物可能被遗漏，而一个单元格内可能混合多种土地覆盖类型或物理状况。单元格尺寸和网格原点的选择，会影响面积、连通性和统计关系的计算结果。这些尺度与聚合效应与可变空间单元问题有关。\n\n栅格单元格之间还存在空间依赖性：相邻位置的值往往彼此相似。将它们视为相互独立的观测值，可能产生误导性的统计结果。此外，看似无缝的表面可能拼合了日期、质量或来源不同的测量数据。\n\n因此，要可靠地解释栅格数据，需要依靠元数据来说明单位、数值含义、坐标参考系统、采集时间、处理历史、缺失值约定以及测量不确定度。显示平滑的网格本身，并不能证明其中各值具有同等的准确度，也不能证明这些值均来自直接观测。"
    }
  ],
  "links": [
    "matrix",
    "geographic-information-system",
    "geospatial-raster-data",
    "temperature",
    "remote-sensing",
    "georeferencing",
    "coordinate-reference-system",
    "latitude-and-longitude",
    "map-projection",
    "spatial-analysis",
    "digital-elevation-model",
    "drainage-basin",
    "spatial-interpolation",
    "vector-geographic-data",
    "contour-line",
    "geotiff",
    "machine-learning",
    "parallel-computing",
    "measurement-uncertainty"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}