分析中的栅格单元大小和重采样
不同的栅格数据集不需要使用相同的单元分辨率进行存储。但在处理多个数据集时，最好像配准一样使用相同的单元分辨率。将多个不同分辨率的栅格数据集输入任意 ArcGIS 空间分析工具时，会自动将一个或多个输入数据集重采样为输入数据集的最粗糙分辨率。
在默认情况下，使用最邻近分配重采样技术。这是因为它同时适用于离散和连续值类型，而其他重采样类型（双线性插值和三次卷积插值）只适用于连续数据。使用重采样技术是很有必要的，因为输入单元的中心很少能与变换到所需分辨率的单元中心对齐。在合并不同分辨率的栅格之前，可以使用重采样工具应用双线性和三次卷积技术作为预处理步骤。
可以使用单元大小环境参数来控制默认重采样分辨率，在该参数中可指定工具是使用输入栅格的最小分辨率还是使用定义的特定单元大小。
注：指定一个比输入栅格数据集单元大小更精细的单元大小时，务必谨慎。不会创建任何新数据；将使用最邻近重采样法对单元进行插值。结果的精度仅与最粗糙的输入相同。当输入栅格数据集的分辨率为 100 米时，指定 50 米的单元大小将创建单元大小为 50 米的输出栅格，但精度仍仅为 100 米。
如下图所示，在分析环境中设置的单元大小比工具的输入栅格的单元大小粗糙。执行时，会首先将输入栅格重采样为较粗糙的分辨率，然后应用工具。
 |
执行分析时，请确保提出的单元大小问题适当。例如，当单元大小为 5 千米时，不太可能研究鼠标移动。五千米的单元可能更适用于研究全球变暖对地球的影响。
重采样
要找到重采样输出栅格上每个单元应采用的值，必须将输出栅格中每个单元的中心映射到原始输入坐标系。每个单元中心坐标都会反向变换，以确定该点在原始输入栅格上的位置。确定输入位置后，将根据输入栅格中邻近的单元为输出位置分配一个值。输出栅格单元中心很少能与输入栅格单元中心准确对齐。因此，多种技术已被开发出来，以根据点相对于输入栅格单元中心的位置以及与这些单元相关联的值来确定输出值。用于确定输出值的三种技术分别为最邻近分配法、双线性插值法和三次卷积插值法。每种技术分配输出值的方式都不同。因此，分配到输出栅格单元的值可能由于所使用技术的不同而有所差异。
最邻近分配法
最邻近分配法是用于离散（分类）数据的重采样技术，因为它不会更改输入单元的值。将输出栅格数据集中单元中心的位置定位到输入栅格后，最邻近分配法将确定输入栅格上最近的单元中心位置并将该单元的值分配给输出栅格上的单元。
最邻近分配法不会更改输入栅格数据集中单元的任何值。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。由于输出单元值保持不变，因此最邻近分配法应该用于名目数据或顺序数据，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）。
考虑到根据输入栅格创建的输出栅格会在操作中旋转 45°，因此将进行重采样。对于每个输出单元，都要从输入栅格中获取值。在下图中，输入栅格的单元中心为灰色点。输出单元为绿色阴影。要处理的单元为黄色阴影。在最邻近分配法中，将确定与要处理的单元中心（红色点）最邻近的输入栅格单元中心（橙色点)，并将其指定为要处理的单元（黄色阴影）的输出值。对输出栅格中的每个单元都重复此过程。
 |
最邻近重采样示例 |
双线性插值法
双线性插值法使用四个最邻近输入单元中心的值来确定输出栅格上的值。输出单元的新值是这四个值的加权平均值，将根据它们与输出单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。
下图与最邻近插值法的图例一样，输入栅格的单元中心为灰色点，输出单元为绿色阴影，要处理的单元为黄色阴影。对于双线性插值法，先确定与要处理的单元中心（红色点）最邻近的四个输入单元中心（橙色点），然后计算其加权平均值，再将所得的值指定为要处理的单元（黄色阴影）的输出值。
 |
双线性重采样示例 |
由于输出单元值是根据输入单元的相对位置和值计算的，因此对于由某个已知点或现象的位置来决定分配单元值的数据（即连续表面），双线性插值法是首选方法。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，最适合使用双线性插值法进行重采样。
三次卷积插值法
三次卷积插值法与双线性插值法类似，除了通过 16 个最邻近输入单元中心及其值来计算加权平均值。
下图演示了如何计算三次卷积插值法的输出值。先确定与要处理的单元中心（红色点）最邻近的 16 个单元中心（橙色点），然后计算其加权平均值，再将所得的值指定为要处理的单元（黄色阴影）的输出值。
 |
三次卷积重采样示例 |
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单元较多。
重采样和数据类型
不应对分类数据使用双线性插值法或三次卷积插值法，因为输出栅格数据集中不会保留类别。但是，这三种技术均可用于连续数据，其中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。