需要 Spatial Analyst 许可。
所用的测量系统类型可能对结果值的解释产生显著影响。 20 千米距离的一半为 10 千米，重 100 磅物体是重 300 磅的物体的三分之一。 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。
本次关于数字的探讨的意义在于，不能同等对待所有数字。 需要了解在栅格数据集中使用的测量系统类型，保证适当的运算和函数可实施并且结果可预测。 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。 大多数数据运算适用于比率值，但是当对间隔、序数或标称值进行相乘、相除或求平方根时，结果通常无意义。 另一方面，相减、相加和布尔值确定在用于间隔和序数值时具有意义。 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
比率测量系统中的值相对于线性刻度上的固定零点派生。 可以对这些值使用数学运算，结果可预测且有意义。 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。 这些值基于线性校准刻度，但是不想对于时间或空间中的真正零点。 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
序数值用确定位置。 此类测量值显示排名，例如第一、第二和第三，但是不会确定数值或相对比例。 无法通过序数表示事物的好坏、美丑、健康情况或强弱。 例如，赛跑中排名第一的运动员的跑步速度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
与此测量系统关联的值用于识别不同的实例。 它们还可能建立与对象关联的组、类、成员或类别。 这些值为品质，而不是数量，与固定点或线性刻度无关。 土地使用、土壤类型或任何其他属性的编码方案会限定为标称测量值。 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
离散数据有时称为分类数据，通常表示对象。 这些对象通常属于一类（例如，土壤类型）、类别（例如土地使用类型）或组（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单元格相关联。 大多数整型栅格数据集可以具有包含其他属性信息的表。 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以由带浮点值的栅格（称为浮点栅格数据集）或偶尔由整数值表示。 数据集中每个单元格的值基于固定点（例如海平面）、罗盘方向或每个位置距离指定测量系统中的现象的距离（在机场附近的不同地点监控的噪音，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。
很多时候，将离散数据和连续数据相结合时，会得到有意义的结果，例如将土地使用（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。