最简单的栅格由按行和列（或格网）组织的像元（或像素）矩阵组成，其中每个像元包含一个值，表示温度等信息。 栅格包括数字航空照片、卫星影像、数字图片甚至是扫描的地图。
栅格数据类型
以栅格格式存储的数据表示实际现象：
- 连续数据表示卫星和空中平台（例如无人机）采集的高程和光谱影像数据等现象。
- 专题数据（也称为离散数据）表示土地利用或土壤数据等要素。
- 图片包括扫描地图或工程图和建筑物照片。
连续栅格和专题栅格可能作为数据图层与其他地理数据一起显示在地图上，但是通常作为空间分析的源数据用于 ArcGIS Spatial Analyst 或 ArcGIS Image Analyst 扩展模块。 图片栅格通常用作表中的属性 - 可与地理数据一起显示并用于传达有关地图要素的其他信息。
栅格数据应用
尽管栅格数据的结构很简单，但是它非常实用且应用广泛。 在 GIS 中，栅格数据的用途分为四个主要类别：
- 作为底图的影像
在 GIS 中，影像数据的常见用途为用作其他要素图层的背景显示。 例如，在其他 GIS 图层下方显示的正射影像让地图用户相信地图图层空间对齐且表示实际对象，并且提供了其他信息。 影像底图的三分主要来源为来自航空器的正射影像、卫星影像和扫描地图。 下面是作为道路数据的底图的正射影像。
- 作为表面地图的栅格
栅格非常适合用于表示整个景观（表面）连续变化的数据。 可通过栅格以有效的方式将连续性存储为表面。 栅格还提供了表面的固定间隔表示。 基于地表测量的高程值是表面地图的最常见应用，但是降雨量、温度、浓度和人口密度等其他值也可以定义表面以供空间分析。 下面的栅格显示高程，绿色表示较低的高程，红色、粉色和白色像元表示较高的高程。
- 作为专题地图的栅格
可通过分析其他数据获取表示专题数据的栅格。 常见的分析应用为将卫星影像分类成土地覆被类别。 基本上，此活动将多光谱数据的值分类成不同的类别（例如植被类型）并分配类别值。 还可以通过组合来自不同源的数据（例如矢量、栅格和地形数据）的地理处理操作生成专题地图。 例如，可通过地理处理模型处理处理，以创建绘制特定活动适宜性的栅格数据集。 下面是显示土地利用的已分类栅格数据集的示例。
- 作为要素属性的栅格
用作要素属性的栅格可以是数字照片、扫描的文档或与地理对象或位置有关的扫描工程图。 例如，测绘要素图片可能与地面控制点文件相关联。 宗地图层可能具有扫描的合法文档，用于识别该宗地的最新事务，或者表示洞口的图层可能具有与点要素关联的实际洞口图片。 下面是一颗古老大树的数字图片，可以用作城市可能保留的景观图层的属性。
为什么将数据存储为栅格？
有时，您无法将数据存储为栅格；例如影像仅作为栅格提供。 但是，有许多其他要素（例如点）和测量值（例如降雨量）可以存储为栅格或要素（矢量）数据类型。
将数据存储为栅格会带来以下好处：
- 简单的数据结构 - 像元矩阵的值表示坐标，有时链接到属性表
- 功能强大的格式，用于高级空间和统计分析
- 能够表示连续表面并执行影像和表面分析
- 能够以一致的方式存储点、线、面和表面
- 能够快速叠加复杂数据集
选择基于矢量的存储选项时，还需要注意其他事项并带来更多益处。 例如：
- 因栅格数据集像元维度施加的限制，可能存在空间不准确性。
- 栅格数据集可能非常大。 分辨率随着像元大小的减小而增加；但是，通常磁盘空间和处理速度的成本也会随之增加。 对于给定区域，将像元大小更改为当前大小的一半时需要的存储空间增加四倍，具体取决于所用的数据类型和存储方法。
- 将数据重构为固定间隔的栅格像元边界时，精度还可能会降低。
栅格数据的常规特性
在栅格和影像数据集中，每个像元或像素都具有一个值。 像元值表示栅格数据集描绘的现象，例如类别、量级、高度或影像光谱值。 类别可以是土地利用类别，例如草原、森林或道路。 量级可以表示重力、噪音污染或降雨量百分比。 高度（距离）可以表示平均海平面以上的表面高程，可用于推导坡度、坡向和集水区属性。 光谱值用于卫星和航空影像，表示光反射率以及与植物种类和健康状况相关的颜色。
像素值可正可负，可以是整型也可以是浮点型。 建议使用整型值表示类别（离散）数据，使用浮点值表示连续表面。 像素也可以使用 NoData 值来表示数据缺失。 有关 NoData 的信息，请参阅栅格数据集中的 NoData。
栅格将存储为有序的像元值列表，例如 80, 74, 62, 45, 45, 34, 等。
由每个像元表示的面积（表面）的宽度和高度相同，是由栅格表示的整个表面的一个等分部分。 例如，表示高程的栅格（即数字高程模型）可能覆盖 100 平方公里的面积。 如果此栅格中存在 100 个像元，每个像元将表示等宽等高的 1 平方公里面积（即 1 km x 1 km）。
可根据需要增加或减小像素尺寸，以表示栅格数据集描绘的表面以及表面内的要素，例如平方公里、平方英尺甚至是平方厘米。 像素大小决定了栅格或影像中图案或要素的显示粗糙度或精细度。 像素大小越小，栅格越平滑或越详细。 但是，像素数越大，处理时间越长，并且会增加存储空间需求，除非使用动态栅格函数。 如果像素大小过大，则信息可能丢失或细微的图案可能模糊不清。 例如，如果像素大小大于最小制图单位，则栅格数据集中可能不存在小于该大小的要素。 在下面的逻辑示意图中，您可以看到栅格数据集如何在不同像素大小下表示此简单的面要素。
每个像元的位置由其在栅格矩阵中所在的行或列定义。 实际上，矩阵由笛卡尔坐标系表示，其中矩阵的行平行于笛卡尔平面的 x 轴，列平行于 y 轴。 这称为影像坐标空间。 行和列值从 0 开始。 在下面的示例中，如果栅格采用通用横轴墨卡托 (UTM) 投影坐标系，并且像元大小为 100，则位于 5,1 处的像元位置将为西 300,500，北 5,900,600。
通常，您需要指定栅格的范围。 范围由栅格覆盖的矩形区域的顶部、底部、左侧以及右侧坐标定义，如下所示。
