02-像元大小

在解释像元大小（Cell size of raster data）的概念的时候，我们有必要先引入另外一个名词叫做"像素"。像素顾名思义就是图像元素的简称，它通常用于描述影像，而像元则主要用于描述栅格数据，所以像素通常会作为像元的同义词使用，像元和像素都是栅格数据中的最小信息单位，所以，以后只要一提到像素我们就作为是像元。

那说到像元，它是有大小的，一个像元的大小可以是平方千米级别，也可以是平方米基本，甚至可以是平方厘米级别。譬如：我们经常在做GIS项目的时候听到说，客户目前手头上有的影像数据的分辨率是1米，这里的分辨率指的是空间分辨率，那这个空间分辨率和像元又是什么关系呢？这里再举个栗子：譬如一个像元的大小为 5 x 5 米，那么我们说它的分辨率就是5米。所以上面提到的1米分辨率的影像数据，它的像元大小是1x1米。那你说是1米的影像数据分辨率高呢，还是5米的影像数据分辨率高？当然是1米的高！所以，我们把空间分辨率定义为：是单个像元所代表的地面面积。通常来说，空间分辨率也称为像元大小。

到这里你可能已经意识到：空间分辨率越高意味数据的内容越详细，所以我们又得出了一个结论，那就是：栅格数据的内容详细程度通常取决于像元大小或者空间分辨率。

但如果仔细看上面的解释的话，你可能还是会有疑问，为什么1米的像元就比5米的像元所呈现的内容更详细呢？如果你有这个疑问，这说明你已经看到了问题的本质！我们先来看下面这张图：

图-像元的大小比对

    在这张图里面，我们要呈现一个71平方米的面要素。如果采用1米宽的像元，就需要16x16个像元或者说是16x16个格子，一个格子(像元/像素)它覆盖的是1平方米的区域，也就是说，我们把1平方米的地面信息塞到了这一个格子里面，这个格子在计算机的显示屏幕上就是一个像素点，这时候，我们是基本能够看得清这个面的轮廓；但如果我们采用2米宽的像元又或者是4米宽的像元，那我们连轮廓都看不清楚。实际的情况我们可以看下面这两张图的对比效果：

    两张图都是在1比两万的比例尺下显示，左侧的影像分辨率是15米，右侧的影像分辨率是0.15米，当然是右侧的看到的地物更加的清晰。

    所以，如果栅格数据需要记录的内容越详细就需要更多的像元来存储，存储空间也会更大，分析和处理的时间也会更长。具体的像元大小优劣，我们可以通过看下面这张表：

像元越小

像元越大

分辨率较高

分辨率较低

要素空间分辨率较高

要素空间分辨率较低

显示速度较慢

显示速度较宽

处理速度较慢

处理速度较快

存储文件较大

存储文件较小

所以，选择合适的像元大小是需要综合权衡的工作。我们必须权衡GIS应用的空间分辨率要求和显示速度、处理时间和储存空间等。譬如，我们可以通过对栅格数据进行重新采样来增大像元大小，从而提高分析处理的速度；但是我们不能通过对栅格重新采样来使像元大小减小，而获取更详细的内容。这是因为，数据的详细程度是由数据的空间分辨率决定的，这个空间分辨率在数据采集的时候就已经决定了，不能经过后期的加工来提高分辨率。通常来说，在指定像元大小时，应考虑以下几个因素：

• 输入数据的空间分辨率
• 要执行的应用程序和分析
• 数据存储空间
• 所需的响应时间

在考虑了上述几个因素，之后，我们就可以通过重采样对像元的大小进行调整。

最后做一个小结：像元和像素都是栅格数据中的最小信息单位，栅格数据的内容详细程度通常取决于像元大小或者空间分辨率，空间分辨率越高意味数据的内容越详细，一份影像数据在采集回来以后，它的最高空间分布率就已经决定了，后期我们可以通过对栅格数据进行重新采样来增大像元大小，从而提高分析处理的速度，但是我们不能通过对栅格重新采样来使像元大小减小，而获取更详细的内容。