重采样技术
（1）重采样技术的作用：
①更改栅格分辨率
②用特定规则给每个像元赋予新值
注：像元大小改变，但数据集的范围不变
比如，当输入栅格数据集的分辨率为 100 米时，指定 50 米的像元大小将创建像元大小为 50 米的输出栅格，但精度仍仅为 100 米。 可改变像元大小，但栅格数据集的范围将保持不变。结果精度仅与最粗糙的输入精度相同。
（2）重采样有四个常用技术：
- Nearest – 执行最邻近分配法，是速度最快的插值方法。此选项主要用于离散数据（如土地利用分类），因为它不会更改像元的值。最大空间误差将是像元大小的一半。
- Majority – 执行众数算法，可根据过滤器窗口内的最常用值来确定像元的新值。与最邻近法一样，此选项主要用于离散数据；但与“最邻近”选项相比，“众数”选项通常可生成更平滑的结果。众数重采样方法将在与输出像元中心最接近的输入空间中查找相应的 4 x 4 像元，并使用 4 x 4 相邻点的众数。
- Bilinear – 执行双线性插值法并基于四个最邻近的输入像元中心的加权平均距离来确定像元的新值。此选项用于连续数据，并会生成平滑的数据。
- Cubic – 执行三次卷积插值法，可通过拟合穿过 16 个最邻近输入像元中心的平滑曲线确定像元的新值。此选项适用于连续数据，尽管所生成的输出栅格可能会包含输入栅格范围以外的值。与通过运行最邻近重采样算法获得的栅格相比，输出栅格的几何变形程度较小。“三次”选项的缺点是需要更多的处理时间。在某些情况下，此选项会使输出像元值位于输入像元值范围之外。如果无法接受此结果，请转而使用“双线性”选项。
注：“双线性”或“三次”选项不得用于分类数据，因为像元值可能被更改。 以下三种方法均可用于连续数据，最邻近法将生成块状输出，双线性插值法将生成更平滑的结果，三次卷积插值法将生成最清晰的数据。
一、最邻近分配法
- 最邻近分配法将确定输入栅格上最近的像元中心位置并将该像元的值分配给输出栅格上的像元；
- 适用于离散数据和连续数据;
- 不会更改输入栅格数据集中像元的任何值。输入栅格中的值 2 在输出栅格中仍将为 2，决不会为 2.2 或 2.3；
- 适用于名目数据或序数数据（每个数都代表一个类别），其中每个值都表示一个类、一个成员或一个分类（分类数据，如土地利用、土壤或森林类型）。
如下图所示
输入栅格创建的输出栅格会在操作中旋转 45°，图中绿色各子的是输出，灰色点是输入像元中心
输出栅格的像元值最终由离该像元格子中心点（也就是小正方形中心点）最近的输入像元中心点的像元值决定。黄色是正在处理的像元栅格，红点是黄色像元栅格的像元中心，橘色是离红色最近的输入像元栅格的像元中心，因此，黄色像元栅格的像元值等于输入栅格在橘色点的值。
更简单的理解，见图所示
输入栅格像元数量是6X6
输出栅格像元数量是2X2
二、双性插值法
- 适用于连续数据；
- 使用四个最邻近输入像元中心的值来确定输出栅格上的值。输出像元的新值是这四个值的加权平均值，将根据它们与输出像元中心的距离进行调整。与最邻近分配法相比，此插值法可生成更平滑的表面；
- 由某个已知点或现象的位置来决定分配像元值的数据（即连续表面），如机场的高程、坡度、噪音强度以及河口附近地下水的盐度都是表示为连续表面的现象。
如下图所示
三、三次卷积插值法
- 适用于连续数据；
- 三次卷积插值法与双线性插值法类似，它是通过 16 个最邻近输入像元中心及其值来计算加权平均值；
- 与双线性插值法相比，三次卷积插值法倾向于锐化数据的边缘，因为计算输出值时涉及的像元较多。
如下图所示
