轉自：https://blog.csdn.net/peckerzeng/article/details/78297159

什么是柵格數據？

對于地理空間數據而言，GIS有兩大基本存儲模型，一種是矢量數據模型，一種是柵格數據模型。柵格數據模型與矢量數據模型是地理信息系統中空間數據組織的兩種最基本的方式。

同樣信息的表達，在矢量數據模型中，我們看到的是清晰的點、線、面的實體，來表達河流、湖泊、地塊這樣的信息。

而在柵格數據模型中，我們看到的則是一個個的格子，相同的像元值在地圖上展示出相同的顏色，從而也呈現出河流、湖泊、地塊的形態。

雖然都能表達出一樣的信息，但是這兩種存儲模型是完全不同，矢量是以對象為單位，我們可以把一個湖泊的面積等屬性都存儲在該對象中；而用柵格表達的話，湖泊是由一組像元組成的，我們不可能將整個湖泊的面積分別賦予每個像元。

另外，柵格數據是以二維矩陣（行和列或格網）的形式來表示空間地物或現象分布的數據組織方式，每個矩陣單位稱為一個柵格單元（cell）, 每個像元都包含一個信息值（例如溫度）。

柵格的每個數據表示地物或現象的屬性數據．因此柵格數據有屬性明顯，定位隱含的特點。而矢量數據結構是利用點，線，面的形式來表達現實世界，具有定位明顯，屬性隱含的特點。

經過上面的解釋之后，相信大家已經對矢量和柵格有了很清晰的了解。那么現實世界的哪些現象是可以用柵格數據模型來管理呢？概況起來，主要是以下三類：

專題數據（也稱為離散數據）表示土地利用或土壤數據等要素。

連續數據表示溫度、高程或光譜數據（例如，衛星影像或航空像片）等現象。

圖片則包括掃描的地圖或繪圖，以及建筑物照片
看到這里，你也許恍然大悟，**原來影像數據不等同于柵格數據！！！**這個坑對于剛剛接觸GIS的從業人來說，經常會困擾，從業這么多年，發現其實有很多的老GISer也是很困擾，但也都裝著"深沉"！

盡管柵格數據的結構很簡單，但它在各種應用中都極為重要。在 GIS 中，柵格數據一般在以下四種情況下使用：

在 GIS的應用中，將影像作為基礎底圖是常見的使用方式，在影像基礎底圖上疊加專題圖層，可以讓我們更加準確的知道專題數據的位置是不是正確的(準確來說應該是：數據在空間上跟影像所表述的地物是不是對齊了)。

我們可以把正射航空攝影、正射衛星影像和正射掃描地圖用柵格數據模型來存儲，簡稱為柵格底圖。

柵格非常適合用來表達那些沿地表連續變化的數據。譬如說高程數據是表面地圖常見的使用方式，當然我們也可以將降雨量、溫度、密度和人口密度等連續變化的數據，用柵格來表達。上面的柵格圖是一份DEM數據，其中使用綠色的區域表示地勢比較低的地區，紅色、粉紅色和白色像元則地勢比較高的地區。

備注：數字高程模型（Digital Elevation Model)，簡稱DEM，屬于連續表面的柵格制圖表達，要將真實的地球表面進行數字化，最常見的是采用DEM模型。

隨著你接入越來越多的GIS項目，特別是涉及到國土、測繪、規劃等部門的業務系統的時候，土地利用現狀圖是繞不過去的專業名詞。像上面的這張土地利用現狀分類圖包含了農田、草地、水域等地物，也就是說這塊地是干什么用的，是種樹、種田還是搞了水利設施，又或者是蓋了房子，調查這些地塊的用途所做出來的專題地圖就叫土地利用現狀圖。它要表達的是土地資源的利用現狀、地域差異和分類。

像這類的專題圖，可以用柵格來表達。一般來說，要獲取這種表達主題數據的柵格，我們可以通過分析其他數據來獲得，譬如可以把多光譜數據進行數據解譯后，劃分成各個類別的數據（植被、水系、道路等等），這些數據就可以用柵格來組織管理。

看到【將柵格用作要素的屬性】這個標題，你可以會一頭霧水。確實也很少這么總結過，但其實或多或少我們都這么干過。簡單來說就是，我們可以數字照片、掃描的文檔或掃描的繪圖作為地理對象的屬性。譬如上面這張古樹圖片，我們就可以把它作為古樹圖層的一個要素屬性，也就是說，這個位置有一顆古樹，這個古樹長的什么樣，那就看這張照片。這張圖片我們就可以用柵格來存儲管理

柵格數據模型的優勢

其實除了影像數據必須要以柵格進行管理之外，其他的要素（例如點要素）和測量值（例如降雨量）既可以存儲為柵格數據類型也可以存儲為矢量數據類型。那為什么還需要把數據存儲為柵格呢？這就要說到柵格數據的優勢了：

柵格數據結構更加簡單，即由像元組成矩陣結構，其中的像元值表示坐標，有時與屬性表相關聯

可進行高級的空間和統計分析，ArcGIS提供了一個空間分析擴展模塊專門針對柵格數進行地理處理和分析

可以表示連續表面以及執行表面分析

點、線、面和表面都可同樣存儲

對復雜數據集也可執行快速疊置
但是有時選擇基于矢量的存儲方法反而會更合適，譬如：

由于柵格數據集的像元尺寸具有局限性，所以可能會帶來空間誤差。

柵格數據集可能會非常大。雖然分辨率會隨著柵格像元大小的減小而提高，但這會占用更多的磁盤空間，而且會拖慢處理速度。對于給定區域，將柵格像元大小更改為現有大小的一半時，所需的存儲空間會增大為原來的四倍，具體情況取決于所使用的數據類型和存儲技術。

將數據重建到固定間距的柵格像元邊界時也會損失一定的精度。

如果要做地物的空間定位，矢量數據模型更加適合

柵格數據的一般特征

在柵格數據集中，每個像元都有一個值，用來表達是所描繪的現象，如類別、高度、量級或光譜等等。其中的類別則可以是草地、森林或道路等土地利用類；高度（距離）則可表示平均海平面以上的表面高程，可以用來派生出坡度、坡向和流域屬性；量級可以表示重力、噪聲污染或降雨百分比；光譜可在衛星影像和航空攝影中表示光反射系數和顏色。

每個像元值可正可負，可以是整型也可以是浮點型。整型適合表達類別（離散）數據；浮點型則適合表達連續表面。另外，在像元值中，還可以使用 NoData 值來表示數據缺失。

同時，每個像元所表示的區域（或表面）的高和寬都相等。例如，表示高程的一個柵格（即，數字高程模型）可能會覆蓋 100 平方千米的區域，如果這份柵格數據包含了 100 個像元，那么每個像元的高和寬都是1 方千米，也就是還說每個像元覆蓋的面積是1 平方千米（即，1 km x 1 km）。

當然，像元的尺寸可大可小，具體可根據柵格數據集所描述的表面的精細度來確定。像元的大小可以是平方千米、平方英尺，甚至是平方厘米，它的大小決定了柵格中要素呈現的粗細程度。像元越小，那么柵格所表達的數據就越平滑或越詳細。相應的，像元越小，數量也就越多，所需的處理時間會越長，占據的存儲空間也越大。但是，如果像元過大，也可能會出現信息丟失或圖樣模糊的情況。舉個栗子：如果像元大小超過道路的寬度，那么柵格數據集中就很難辨別出道路。

下圖顯示如何使用不同像元大小的柵格數據集來表示簡單的面要素。

各像元的位置由其所在的柵格矩陣中的行和列來定義。矩陣實質上是使用直角坐標系來表示的，矩陣的行與笛卡爾平面的 x 軸平行，列與 y 軸平行。行和列的值均從 0 開始。在下面的示例中，如果柵格在通用橫軸墨卡托 (UTM) 投影坐標系中，而且像元大小為 100，那么 (5,1) 處的像元在東和北方向上的坐標分別為 300,500 和 5,900,600

另外，通常我們在管理柵格數據時，都需要指定柵格范圍。定義范圍的時候，應指定柵格覆蓋的矩形區域的頂部、底部、左側和右側的坐標，如下圖所示:

這個范圍的定義，一般來說軟件都已經幫我們完成了，譬如ArcGIS里就自動的讀取了柵格的范圍：

總結

以上是生活随笔為你收集整理的什么是栅格数据的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。