漫谈栅格分辨率.docx

漫谈栅格最优分辨率栅格，就是用规则的栅格阵列表示空间对象的数据结构，在这个阵列中每个栅格单元上的数值表示空间对象的属性特性，即用栅格中每个单元的行列号来确定位置。属性值表示空间对象的类型、等级等特征。栅格单元通常是矩形或者正方形，同时每个栅格单元只能存在一个值，它可能是分类值，例如土地使用情况，可能是连续的值，或是降雨量，或是当数据不是可用时记录的一个空值。栅格的分辨率可以看作栅格单元的大小，也就是栅格单元的尺寸。栅格单元的分辨率决定了它对显示世界的描述的精细程度。栅格单元的合理尺寸应该能够有效地逼近空间对象的分布特征，以此来保证空间数据的精度。但是栅格毕竟是一个一个的小方格，它有自己的形状、大小，不能够完全地描述出显示物体的实际状态情况。当我们用栅格来逼近空间实体的时候，要不断地缩小栅格的大小，以此来提高表述的精度。但是无论我们采用多么细小的栅格，与原实体比起来都是会有误差的。那么在这个时候，我们都会以保证最小图斑不会丢失为原则来确定合理的栅格尺寸。有如下公式：L=1/2*S½（其中L为栅格的边长，即最优的栅格分辨率，S为最小图斑的面积）在这个公式中，就可以看出，第一种情况是当S无限小的时候，L也就无限小，这时候的栅格分辨率就越小，描述精度也就越高，也就是说与实体的逼近程度就越高。第二种情况就是当S固定不变的时候,想要缩小分辨率,那么就可以增加栅格单元的总数,也就是行数、列数相应地增加，即缩小栅格单元的面积，同时也是缩小栅格单元的长度。这样，每个栅格单元就可以代表更加精细的地面矩形单元，混合单元也就减少了。混合类别和混合的面积都大大地减小了，这时候就可以大大提高量算的精度；接近真实的形态，表现更为细小的地物类型。然而增加栅格个数、提高数据精度的同时也带来了一个严重的问题，那就是数据量的大幅度增加，数据冗余严重。尤其是按某种规则在象元所覆盖的面积范围内提取的值，例如长度、面积等的度量，主成分值、均值的求算等，其精度由象元的大小直接决定。我觉得简单地说，栅格的分辨率就直接与栅格的大小有关系。当栅格单元的边长较大的时候，这时候来表示实体，我们就会用比较大的一个个的或矩形或正方形去拼接起来，那样子就会导致有些细小方面的实物会被忽略掉。就比如看一张图片的时候，用鼠标不断放大图片，那么图片中的一部分会变大，同时也变的越来越模糊，这是因为一个一个的栅格大小在不断地变大。如果一个眼睛本来是用200万个栅格来表示，那么在放大之后就会栅格单元大小改变，栅格的数量就减小了，同样的眼睛但是用了更少的栅格来表示出实物，那么必然的就会有一些地方会不清楚。这就有点像地图学中，比例尺越大，描述的范围越大，而详细程度越低一样了。最优分辨率也就是在看一个图像时既不会有马赛克出现，也没有不会有多余的称为图像噪声的事物出现。这就是我所理解栅格分辨率。