栅格代数在对齐网格上组合像元表达式

栅格代数把一张或多张栅格视为带空间位置的数值数组，通过逐像元表达式、条件判断、邻域运算或区域聚合生成新栅格。植被指数、风险分级、适宜性评价和多期差值都可以写成栅格运算，但公式正确只是第一步，输入网格和数值语义也必须兼容。

两个数组尺寸相同不代表空间对齐。只有坐标参考、像元大小、原点、旋转和范围一致，同一行列才指向同一地面位置。

局部运算逐位置组合输入

局部运算只使用当前位置的一个或多个像元，例如波段比值、单位转换、阈值和掩膜。表达式易于并行，但必须处理分母为零、无穷、缺测和数值范围。

波段相加要求量纲可加，指数公式要求输入已经转换到规定的反射率或物理量。直接对存储整数计算可能漏掉比例因子和偏移。元数据中的 scale、offset 和单位应在公式前确认。

条件表达式可以按规则分类，例如坡度与土地覆盖共同决定风险等级。条件顺序会影响重叠规则，未覆盖情况要有明确值。把所有剩余情况设为零可能把未知与最低风险混在一起。

布尔结果在不同软件中可能编码为 0/1、真假或掩膜。输出用于后续面积统计时，应记录类别值和无数据定义。

焦点或邻域运算使用周围窗口计算均值、最大值、纹理或形态结果。窗口大小用像元数表示时，其地面尺度随分辨率变化。三乘三窗口在十米和一公里数据上代表完全不同的现象。

边缘和无数据会让窗口不完整。可以缩小有效样本、填充、镜像或输出无数据，各策略对边界影响不同。卷积核是否归一化、中心是否参与以及权重方向都要保存。

移动平均降低局部噪声，也模糊边界。最大最小滤波和形态运算会扩张或收缩对象。它们不是中性的清理步骤，而是在改变空间对象和最小斑块。

邻域跨瓦片并行时需要重叠缓冲。若每块独立处理而不读取邻块，块边界会出现接缝。缓冲宽度至少覆盖运算半径，合并时再裁掉外圈。

分区运算按区号或多边形汇总，输出可以是一张表，也可以把每区统计值回填到栅格。它依赖区域归属和边界像元规则，不能与普通逐像元平均混为一谈。

全局运算允许任意位置相互影响，例如成本距离、流向累积或全图排序。它们通常需要多轮传播，不能简单按独立瓦片计算。并行实现需要专门的边界交换和收敛策略。

把全局结果裁剪到小区域后计算，与先裁剪输入再计算可能不同。成本路径和水文流域尤其依赖区域外上下文。分析范围必须覆盖可能影响目标的上游或搜索空间。

默认规则常是任一输入无数据则输出无数据，这对需要所有波段的比值合理，却可能让大范围统计损失过多。某些运算允许忽略缺测，但样本数和来源会随位置变化。

零不是无数据。降水零、类别零和背景零都可能有实际含义。用某个常见数值代替缺测会污染总和、均值和阈值判断。

掩膜与无数据也不完全相同。掩膜可以表达云、研究范围或质量筛选，原值仍可能存在。保留质量原因有助于区分范围外、传感器缺失和规则剔除。

多期运算应报告每个像元参与的有效日期数。仅输出时间均值会掩盖某些位置只有一次观测、另一些位置有数十次观测的差异。

两个整数波段相加可能超过原类型范围，整数相除可能截断小数。运算前要确定中间和输出类型，必要时提升为更宽整数或浮点数。

浮点数能表示小数和 NaN，但存在舍入误差。比较阈值附近的结果时，应考虑输入精度和算法容差，不能把二进制浮点的细小差异解释为真实空间变化。

分类输出通常选择整数并附带类别表，连续结果选择浮点或带比例因子的整数。压缩、量化和无数据哨兵值要与有效范围兼容。

表达式链中多次写出再读入可能重复量化。保持高精度中间结果、最后一次转换输出，通常能减少误差；同时要评估内存和存储成本。

输入 CRS、分辨率或范围不同，需要选择目标网格并重投影重采样。目标不能由软件任意取第一张输入的参数，应该由分析尺度、权威基准和输出用途决定。

连续变量常使用双线性或更高阶插值，类别与质量位通常使用最近邻；面积比例可能需要聚合。错误重采样会产生不存在的类别或改变总量。

即使分辨率相同，原点偏半个像元也会错位。对齐检查应比较完整仿射变换和像元中心，而不只比较边界文本。共同有效范围也要明确采用交集还是并集。

适宜性和风险模型常把标准化、权重和阈值连成长表达式。应保留每个中间层并抽样检查，使错误能定位到单位转换、掩膜还是权重。一次性输出最终等级不利于审计。

权重相加隐含各因素可补偿且尺度可比。把多个 0 到 1 指标加权，不代表模型获得客观概率。权重来源、敏感性和阈值都应通过场景与独立资料验证。

可构造几像元的小栅格手工计算，测试无数据、边界、溢出和条件优先级。大数据运行后再检查值域、直方图、有效覆盖和空间接缝。

栅格代数的力量来自统一网格上的组合能力。可靠结果不只依赖公式，还依赖坐标、单位、数据类型和缺测规则；这些条件完整记录后，表达式才具有可复现的空间含义。