图3-5:三角形、方格和六角形划分 基于栅格的空间模型把空间看作像元(Piⅸel)的划分( Tessellation),每个像元都与分 类或者标识所包含的现象的一个记录有关。像元与“栅格”两者都是来自图像处理的内容, 其中单个的图像可以通过扫描每个栅格产生。GIS中栅格数据经常是来自人工和卫星遥感扫 描设备中,以及用于数字化文件的设备中。采用栅格模型的信息系统,通常应用了前面所述 的分层的方法。在每个图层中栅格像元记录了特殊的现象的存在。每个像元的值表明了在已 知类中现象的分类情况(图3-6) 图3-6:栅格数据模型 由于像元具有固定的尺寸和位置,所以栅格趋向于表现在一个“栅格块”中的自然及人 工现象。因此分类之间的界限被迫采用沿着栅格像元的边界线。一个栅格图层中每个像元通 常被分为一个单一的类型。这可能造成对现象的分布的误解,其程度则取决与所研究的相关 的像元的大小。如果像元针对特征而言是非常小的,栅格可以是一个来表现自然现象的边界 随机分布的特别有效的方式,该现象趋于逐渐地彼此结合,而不是简单地划分。如果每个像 元限定为一个类,栅格模型就不能充分地表现一些自然现象的转换属性。除非抽样被降低到 个微观的水平,否则许多数据类事实上都是混合类。模糊的特征通过混合像元,在一个栅 格内可以被有效地表达,其中组成分类通过像元所有组成度量的或者预测的百分比来表示 尽管如此,也应该强调一个栅格的像元仅仅被赋予一个单一的值。 为了GIS数据处理,栅格模型的一个重要的特征就是每个栅格中的像元的位置被预先确 ,所以很容易进行重叠运算以比较不同图层中所存储的特征。由于像元位置是预先确定的, 且是相同的,在一个具体的应用的不同的图层中,每个属性可以从逻辑上或者从算法上与其 它图层中的像元的属性相结合以便产生相应的重叠中一个的属性值。其不同于基于图层的矢 量模型之处,在于图层中的面单元彼此是独立的,直接地比较图层必须作进一步处理以识别图 3-5：三角形、方格和六角形划分 基于栅格的空间模型把空间看作像元（Pixel）的划分（Tessellation），每个像元都与分 类或者标识所包含的现象的一个记录有关。像元与“栅格”两者都是来自图像处理的内容， 其中单个的图像可以通过扫描每个栅格产生。GIS 中栅格数据经常是来自人工和卫星遥感扫 描设备中，以及用于数字化文件的设备中。采用栅格模型的信息系统，通常应用了前面所述 的分层的方法。在每个图层中栅格像元记录了特殊的现象的存在。每个像元的值表明了在已 知类中现象的分类情况（图 3-6）。 图 3-6：栅格数据模型 由于像元具有固定的尺寸和位置，所以栅格趋向于表现在一个“栅格块”中的自然及人 工现象。因此分类之间的界限被迫采用沿着栅格像元的边界线。一个栅格图层中每个像元通 常被分为一个单一的类型。这可能造成对现象的分布的误解，其程度则取决与所研究的相关 的像元的大小。如果像元针对特征而言是非常小的，栅格可以是一个来表现自然现象的边界 随机分布的特别有效的方式，该现象趋于逐渐地彼此结合，而不是简单地划分。如果每个像 元限定为一个类，栅格模型就不能充分地表现一些自然现象的转换属性。除非抽样被降低到 一个微观的水平，否则许多数据类事实上都是混合类。模糊的特征通过混合像元，在一个栅 格内可以被有效地表达，其中组成分类通过像元所有组成度量的或者预测的百分比来表示。 尽管如此，也应该强调一个栅格的像元仅仅被赋予一个单一的值。 为了 GIS 数据处理，栅格模型的一个重要的特征就是每个栅格中的像元的位置被预先确 定，所以很容易进行重叠运算以比较不同图层中所存储的特征。由于像元位置是预先确定的， 且是相同的，在一个具体的应用的不同的图层中，每个属性可以从逻辑上或者从算法上与其 它图层中的像元的属性相结合以便产生相应的重叠中一个的属性值。其不同于基于图层的矢 量模型之处，在于图层中的面单元彼此是独立的，直接地比较图层必须作进一步处理以识别