3.1 矢量与栅格：同一条河的两种表达

3.1 矢量与栅格：同一条河的两种表达

本节摘要：GIS 用两种模型表达世界——矢量用点线面精确刻画离散对象，栅格用规则格网采样连续现象。模型选择决定存储量、精度与分析手段：矢量擅长属性查询与边界明确的运算，栅格擅长连续表面与逐像元叠加。本节对比两种模型的表达、存储与分析差异，并给出按现象特征选模型的判断规则。

同一条河的两种身世

在水利部门的数据柜里，同一条河有两份档案。一份是矢量：一条折线要素，从上游水库到下游河口共 1200 个折点，属性表里挂着河名、等级、管理单位。另一份是栅格：一张 30 米分辨率的遥感分类图，这条河表现为一串被标记为"水体"的像元，蜿蜒但没有明确的边界线。

两份档案都对，但用途天差地别。要查"这条河归谁管"，矢量档案一行属性就答了，栅格档案只能干瞪眼；要算"河道两岸 30 米内植被覆盖度"，栅格档案逐像元统计立等可取，矢量档案还得先转成栅格。这不是谁更好的问题，是两种世界观分工的问题。

矢量的世界观是对象：世界由一个个有边界的实体组成，每个实体的位置用坐标串精确记录，身份与性质记录在属性表。栅格的世界观是场：世界是连续变化的表面，用规则格网采样，每个像元存一个值——高程、温度、反射率。对象与场，离散与连续，这就是两种模型的分野。

图：矢量与栅格对同一区域的编码

存储与分析：差异的由来

两种模型的能力差异，根源在存储结构。矢量只存"有用的地方"——一条河 1200 个折点就 1200 对坐标，周围大片空地不占一个字节；栅格不管有没有地物，整个范围逐格记录，30 米分辨率覆盖一个县就是上亿像元。所以矢量图层的文件常常以兆计，栅格数据动辄以吉计。

存储结构又决定了分析方式。矢量叠加（第 5 章）要做几何求交运算，精确但计算量大；栅格叠加（第 6 章）是逐像元的数值运算，像元对像元天然对齐，速度极快。这就是"栅格叠加快、矢量叠加准"的由来。精度上，矢量的边界是数学精确的；栅格的边界受分辨率限制，30 米像元意味着小于 30 米的地物要么被吞掉要么被放大。

分辨率还带来一个容易忽视的性质：栅格的存储量随分辨率平方增长。分辨率从 30 米提高到 3 米，像元数变一百倍。盲目追求高分辨率，先算一算磁盘与算力预算。

动手：用同一只眼看两种数据

用 ArcPy 分别体检一份矢量河流与一份栅格高程，观察两套属性体系：

import arcpy
arcpy.env.workspace = r"K:/gisdata/county.gdb"
# 矢量一侧
fc = "rivers"
desc = arcpy.Describe(fc)
print("类型:", desc.shapeType, "| 要素数:", int(arcpy.management.GetCount(fc)))
# 输出: 类型: Polyline | 要素数: 37
with arcpy.da.SearchCursor(fc, ["NAME", "LEVEL"]) as cur:
    print("首条属性:", next(cur))
# 输出: 首条属性: ('东干渠', 3)
# 栅格一侧
ras = arcpy.Raster("dem30")
print("尺寸:", ras.width, "x", ras.height, "| 像元大小:", ras.meanCellWidth)
# 输出: 尺寸: 4321 x 3680 | 像元大小: 30.0
print("像元类型:", ras.pixelType, "| 无效值:", ras.noDataValue)
# 输出: 像元类型: F | 无效值: -3.4e+38
​

注意两套"属性"的位置：矢量的属性在表里一行行查；栅格的"属性"分散在每个像元的值里，想问"某个点的高程"得按坐标取像元值：

import arcpy
ras = arcpy.Raster("K:/gisdata/county.gdb/dem30")
# 读取某个坐标点的高程：先做几何点再取值
pt = arcpy.PointGeometry(arcpy.Point(449361.8, 4417904.3), arcpy.SpatialReference(4534))
result = arcpy.management.GetCellValue(ras, f"{pt.centroid.X} {pt.centroid.Y}")
print("该点高程:", result.getOutput(0), "米")
# 输出: 该点高程: 62.437 米
# 统计整幅栅格的基本特征
arcpy.management.CalculateStatistics(ras)
print("最小 最大 均值:", ras.minimum, ras.maximum, round(ras.mean, 1))
# 输出: 最小 最大 均值: 11.2 873.5 96.8
​

两段脚本对照着看，"对象与场"不再是抽象概念：矢量的提问方式是"这条要素的 NAME 是什么"，栅格的提问方式是"这个坐标格子的值是多少"。

相互转换：单向门与双向代价

两种模型可以互转，但代价不对称。矢量转栅格（要素转栅格）是无损方向之一：边界按像元量化，损失边界精度，换来规整结构。栅格转矢量（栅格转面）则是有损的：像素化的锯齿边界被追成矢量面，需要再经平滑与化简才能看。

选型的经验法则因此是：能一开始就选对模型最好；确实两用时，以主分析类型的模型为存储格式，另一种按需派生。第 6 章的适宜性建模就是典型——矢量地块最终要转成栅格参与叠加，因为逐像元加权合算是那类问题的主场。

⚠️ 常见坑：矢量转栅格时忽虑像元对齐参数。多源栅格若像元大小或左上角原点不一致，逐像元叠加时图层会错位半个格子。转换时统一指定 snapping 捕获栅格，是第 6 章的前置纪律。

💡 关键直觉：把矢量当"名词清单"、栅格当"照片底片"。名词清单适合点名与查户口，底片适合量色与算面积。分析任务说要点名还是要量色，模型选择自动揭晓。

要点回顾

• 两种世界观：矢量是对象模型，栅格是场模型，分野在离散与连续
• 存储决定分析：矢量叠加几何求交精确而慢，栅格叠加逐像元对齐而快
• 分辨率平方律：像元减半存储乘四，选分辨率先算预算
• 提问方式不同：矢量查表，栅格取格，两套体检脚本各有一套
• 转换不对称：矢量转栅格量化边界，栅格转矢量产生锯齿，尽量源头选对

下一节进入容器内部，看地理数据库用什么制度管理这一屋子的矢量与栅格。