比例尺、分辨率与最小可辨单元

空间数据越细并不总是越适合。地图比例尺、数据分辨率、采样间隔和分析单元都在描述“能够看见多细”，但它们不是同一个概念。把这些词混用，会让数据显示得很精细，却支持不了相应精度的判断。

地图比例尺描述图上与地面的比例

传统地图比例尺是图上距离与地面距离之比。所谓大比例尺地图覆盖范围较小、通常能表达更多细节；小比例尺地图覆盖范围较大，需要更强的概化。数字地图可以任意缩放屏幕，但数据本身的采集尺度和精度不会随界面放大而提高。

在线地图中的缩放级别主要控制显示范围和瓦片选择，不等于严格的制图比例尺。显示设备尺寸、像素密度和地图投影都会影响屏幕上的实际比例。需要测量或制图输出时，应使用明确的地图比例和参考系统，而不是只记录 zoom 数字。

栅格空间分辨率通常由像元在地面的覆盖尺寸描述。一个 30 米像元记录的是该范围内经过传感和处理形成的值，不代表能够可靠识别所有小于 30 米的对象。目标与背景的反差、点扩散、重采样和几何误差都会影响可辨能力。

矢量数据没有统一像元大小，但仍有采集比例尺、坐标精度和最小制图单元。边界顶点很多不代表位置准确，经过加密插值增加顶点也不会增加真实观测信息。元数据应说明数据来源和适用尺度。

统计结果按地块、网格、街道或行政区汇总，会呈现不同模式。这是空间单元选择的一部分，而不是简单的显示设置。过细单元可能包含大量噪声和缺测，过粗单元会隐藏局部差异；边界改变还可能产生不同的相关关系。

选择粒度时要看过程发生的尺度。例如城市通勤不能只依据全国平均，流域径流也不能由任意方格代替水文边界。多个数据集组合时，最细数据不能自动把较粗数据提升到同一层次。

GDAL 等工具可以把栅格转换到新的分辨率。最近邻、双线性和更高阶插值对类别数据和连续数据有不同影响。将 30 米数据重采样为 10 米会产生更多像元，但这些像元来自原值估计，并没有新增观测。

降采样同样需要确定聚合规则。平均值适合某些连续量，类别数据可能使用众数或覆盖比例；极值和稀有类别可能在聚合中消失。处理记录要保存输入分辨率、输出分辨率、对齐原点和重采样方法。

高分辨率数据通常带来更大存储、更多处理成本和更复杂隐私风险。区域趋势分析可能不需要建筑级数据，导航和工程测量却不能依赖为小比例尺制图制作的边界。合理做法是先写出最小需要识别的对象和允许误差，再选择数据与分析单元。

OGC 标准注册表和 GDAL 文档分别提供互操作语义与处理行为的依据。具体任务仍要结合数据产品说明，不能只凭文件中的像元大小推断适用尺度。