全国高分辨率土地利用数据服务 土地利用数据服务 土地覆盖数据服务 坡度数据服务 土壤侵蚀数据服务 全国各省市DEM数据服务 耕地资源空间分布数据服务 草地资源空间分布数据服务 林地资源空间分布数据服务 水域资源空间分布数据服务 建设用地空间分布数据服务 地形、地貌、土壤数据服务 分坡度耕地数据服务 全国大宗农作物种植范围空间分布数据服务
多种卫星遥感数据反演植被覆盖度数据服务 地表反照率数据服务 比辐射率数据服务 地表温度数据服务 地表蒸腾与蒸散数据服务 归一化植被指数数据服务 叶面积指数数据服务 净初级生产力数据服务 净生态系统生产力数据服务 生态系统总初级生产力数据服务 生态系统类型分布数据服务 土壤类型质地养分数据服务 生态系统空间分布数据服务 增强型植被指数数据服务
多年平均气温空间分布数据服务 多年平均降水量空间分布数据服务 湿润指数数据服务 大于0℃积温空间分布数据服务 光合有效辐射分量数据服务 显热/潜热信息数据服务 波文比信息数据服务 地表净辐射通量数据服务 光合有效辐射数据服务 温度带分区数据服务 山区小气候因子精细数据服务
全国夜间灯光指数数据服务 全国GDP公里格网数据服务 全国建筑物总面积公里格网数据服务 全国人口密度数据服务 全国县级医院分布数据服务 人口调查空间分布数据服务 收入统计空间分布数据服务 矿山面积统计及分布数据服务 载畜量及空间分布数据服务 农作物种植面积统计数据服务 农田分类面积统计数据服务 农作物长势遥感监测数据服务 医疗资源统计数据服务 教育资源统计数据服务 行政辖区信息数据服务
Landsat 8 高分二号 高分一号 SPOT-6卫星影像 法国Pleiades高分卫星 资源三号卫星 风云3号 中巴资源卫星 NOAA/AVHRR MODIS Landsat TM 环境小卫星 Landsat MSS 天绘一号卫星影像
为研究区域选择的栅格像元大小取决于执行最详细的分析所需的栅格像元的大小。像元必须足够小,这样才可以捕获到所需的详细信息;而像元又必须足够大,这样才可以提高计算机存储和分析的效率。关键变量,例如地形和土地利用,区域越均匀,分析精度越不容易受到像元大小增大的影响。
指定栅格像元大小之前,应考虑到以下几方面因素:
如果输入数据的分辨率较低,则即使为栅格像元指定了更精细的分辨率,生成的数据也不会更加精确。普遍认为结果栅格数据集的精度应与输入数据的精度相同或小于输入数据的精度。
如果您希望在 ArcGlobe 或 ArcScene 中对栅格数据进行近距离导航,则可能需要提高栅格数据的分辨率,以避免出现斑驳图像。将矢量要素转换为栅格数据时,此种现象尤为明显。
启用 ArcGIS 3D Analyst 扩展模块之后,可在同一数据库中存储和分析不同分辨率的栅格数据集。由于 3D Analyst 具有此功能,可在数据库中针对每个数据集分别设置分辨率,而不要同时为所有栅格数据设置所有分辨率。
对不同类型信息的栅格数据集可采用不同的分辨率进行存储,以满足数据及利用此栅格数据进行分析的需要。与表示濒危物种分布情况的栅格数据集相比,可以将表示州的流域边界的栅格数据集以较粗糙的像元分辨率进行存储。
对像元大小不同的多个栅格进行分析时,首先要将栅格数据重新采样为相同的分辨率(通常为最粗糙的分辨率,除非指定了其他分辨率),然后再执行分析操作。
地图数据的栅格像元表达的主要缺点是:将数据重构至固定的栅格像元边界时,分辨率会有所损失。分辨率会随着栅格像元大小的减小而增大,但这也会占用更多的磁盘空间,而且会影响处理速度。
对于给定区域,将栅格像元大小更改为现有大小的一半时,所需的存储空间会增大为四倍,具体情况取决于所使用的数据类型和存储技术。不过,对于大多数用户而言,执行基于像元的分析要比补偿分辨率损失的做法更加高效。
将尺度较为精细的数据重采样为尺度较为粗糙的数据时,较大的栅格像元可能会包含精细尺度数据中的多个数据值。在这种情况下,必须对输入数据进行聚合或优先处理,以使每个像元都被赋予单个值,这样便降低了数据分辨率。对于不同的研究,捕获适当详细信息所需的最佳栅格像元大小会有所不同。栅格像元越小,分辨率和精度就越高;但在编码、数据库存储以及分析操作的处理速度方面的代价也会更高。