需要 Spatial Analyst 许可。
使用的测量系统类型可能会对生成值的解释产生巨大影响。20 千米的距离比 10 千米远一倍，100 磅物体的重量是 300 磅物体重量的三分之一。但是在竞赛中取得第一名的人可能表现得不比第三名的人优秀三倍，pH 值为 3 的土壤酸性不是 pH 值为 6 的土壤酸性的一半。另一个可以更加透彻地说明问题的例子是，60 岁的人年龄比 30 岁的人大一倍。但是两个个体中年长个体的年龄在一生中仅有一次比年轻个体大一倍。
上述有关数字的讨论的重要意义在于，不能以相同标准衡量所有数字。了解栅格数据集中使用的测量系统类型十分重要，这样才能够应用适当的操作和功能并使得结果可以预测。测量值可分为四类：比率、间隔、序数和标称。
Spatial Analyst 在处理或操作值时不区分测量值的四种不同类型。比率值可以进行大部分数学运算，但是如果对间隔值、序数值和标称值执行乘法、除法或求平方根运算，其结果通常没有意义。另一方面，对间隔值和序数值执行减法、加法和布尔运算则很有意义。栅格数据集内部和栅格数据集之间的属性处理在使用标称测量系统时最为高效。
比率
比率测量系统的值以某个值相对于固定零点的线性比例表示。可以对这些值执行数学运算以得出可预测且有意义的结果。比率测量值的示例包括年龄、距离、重量和体积。
间隔
时间、日历年、华氏温标和 pH 值都是间隔测量值的示例。这些值成线性校准的比例，但是它们在时间或空间上并不相对于真实零点成比例。由于不存在真实零点，所以尽管可以在测量值之间进行相对比较，但比率和比例的确切值并不具有很大意义。
序数
序数值可以确定位置。这些测量值可以显示位置（如第一个、第二个和第三个），但是不会建立量级或相对比例。无法通过序数表明事物好、坏、漂亮、健康或强壮的程度。例如，在比赛中排名第一的运动员的速度可能并不是排名第二的运动员的两倍。仅根据位置分辨获胜者不能了解第一名的运动员比第二名的运动员快多少。
标称
与该测量系统相关的值用于区分实例。这些值还可以建立与对象关联的组、类、成员或类别。这些值是表征性状的，而不是表征数量的，所以与固定点或线性比例都无关。土地利用、土壤类型或任何其他属性的编码方案均可作为标称测量值。其他标称值包括社保号码、邮政编码和电话号码。
离散数据与连续数据
各像元的值的还可按是离散还是连续分类。
离散数据
离散数据有时被称作分类数据，通常表示对象。这些对象通常属于一个类（例如土壤类型）、一个类别（例如土地利用类型）或一个组（例如政党）。类别对象具有可定义的已知边界。
整数值通常与离散栅格数据集中的每个像元关联。大多数整型栅格数据集具有包含附加属性信息的表。浮点值可表示离散数据，但通常不这样做。
离散数据最好使用序数值或标称值表示。
连续数据
连续栅格数据集或表面可由具有浮点值的栅格（称为浮点栅格数据集）表示，或偶尔由整数值表示。数据集中每个像元的值均取决于固定点（如海平面）、罗盘方向或指定测量系统中各位置与现象之间的距离（如在机场附近的不同地点监控到的噪音，以分贝为单位）。连续表面的示例包括高程、坡向、坡度、核电站的辐射水平以及盐沼向内陆深入时含盐浓度的变化。
浮点型栅格数据集没有与其关联的表，原因在于大多数（即使不是全部）像元值均是唯一的，连续数据的特性排除了其他关联属性。
连续数据最好通过比率值和间隔值表示。
将离散数据与连续数据合并时常常产生没有意义的结果，例如，将土地利用（离散数据）添加到高程（连续数据）。得到的栅格数据集中的值 104 可能是将土地使用类型中的单户住宅类型（值为 4）与高程（值为 100）相加后得出。