最简形式的栅格由按行和列（或格网）组织的像元（或像素）矩阵组成，其中的每个像元都包含一个信息值（例如温度）。栅格可以是数字航空像片、卫星影像、数字图片或甚至扫描的地图。

以栅格格式存储的数据可以表示各种实际现象：

专题和连续栅格可能会作为数据图层与地图中的其他地理数据一起显示，也常在进行空间分析时作为源数据使用。图片栅格通常用作表格中的属性，它们可同地理数据一同显示，并可传达有关地图要素的附加信息。

尽管栅格数据的结构很简单，但它在各种应用中都极为重要。在 GIS 中，栅格数据的使用主要分为四个类别：

在 GIS 中，栅格数据通常用来作为其他要素图层的背景显示画面。例如，在其他图层下显示正射影像，这不仅可提供附加的信息，而且还可使地图用户更加确信地图图层在空间上已经对齐并代表着实际的对象。栅格底图共有三种主要来源，分别为正射航空摄影、正射卫星影像和正射的扫描地图。下面是一个用作道路数据底图的栅格。

栅格非常适合表示那些沿地表（表面）连续变化的数据。这是将连续数据存储为表面的有效方法。它们还能以固定间距来表示表面。从地球表面测得的高程值是表面地图的最常见应用，但也可将其他值（例如降雨量、温度、密度和人口密度等）定义为可进行空间分析的表面。下方的栅格便显示了高程，其中使用绿色显示较低的高程，红色、粉红色和白色像元则表示较高的高程。

用作要素属性的栅格可以是与地理对象或位置相关的数字照片、扫描的文档或扫描的绘图。宗地图层可能具有识别宗地最新事务的扫描法律文档；表示洞穴开口的图层可能具有与点要素关联的实际洞穴开口的图片。下方是一棵大型古树的数字图片，可用作城市地表图层的属性。

有时只能将数据存储为栅格；例如，影像仅以栅格形式提供。然而，许多其他要素（例如点要素）和测量值（例如降雨量）既可以存储为栅格数据类型也可以存储为要素（矢量）数据类型。

将数据存储为栅格具有以下优点：

要将数据存储为栅格还需要考虑其他因素，有时选择基于矢量的存储方法反而会更合适。例如：

在栅格数据集中，每个像元（也称为像素）都有一个值。此像元值表示的是栅格数据集所描绘的现象，如类别、量级、高度或光谱值等。而其中的类别则可以是草地、森林或道路等土地利用类。量级可以表示重力、噪声污染或降雨百分比。高度（距离）则可表示平均海平面以上的表面高程，可以用来派生出坡度、坡向和流域属性。光谱值可在卫星影像和航空摄影中表示光反射系数和颜色。

单元值可正可负，可以是整型也可以是浮点型。整数值适合表示类别（离散）数据；浮点值则适合表示连续表面。在单元中，还可以使用 NoData 值来表示数据缺失。

栅格会被存储为有序的像元值列表，例如：80、74、62、45、45、34 等。

各像元所表示区域（或表面）的高和宽都相等，而且在栅格表示的整个表面上占据相等的部分。例如，表示高程的一个栅格（即，数字高程模型）可能会覆盖 100 平方千米的区域。如果该栅格中有 100 个像元，则每个像元都将表示等高等宽的 1 平方千米（即，1 km x 1 km）。

像元的尺寸可大可小，具体可根据栅格数据集所描述的表面，以及表面中要素的表达需要来确定。它可以是平方千米、平方英尺，甚至是平方厘米。像元的大小决定着栅格中图案或要素呈现的粗细程度。像元大小越小，则栅格将越平滑或越详细。但是像元数量越多，所需的处理时间会越长，占据的存储空间也越大。如果像元大小过大，则可能会出现信息丢失或精细的图样变得模糊的情况。例如，如果像元大小超过道路的宽度，则栅格数据集中便不存在该道路。下图显示如何使用不同像元大小的栅格数据集来表示简单的面要素。

各像元的位置由其所在的栅格矩阵中的行和列来定义。矩阵实质上是使用直角坐标系来表示的，矩阵的行与笛卡尔平面的 x 轴平行，列与 y 轴平行。行和列的值均从 0 开始。在下面的示例中，如果栅格在通用横轴墨卡托 (UTM) 投影坐标系中，而且像元大小为 100，则 (5,1) 处的像元在东和北方向上的坐标分别为 300,500 和 5,900,600。

通常需要指定栅格范围。定义范围时，应指定栅格覆盖的矩形区域的顶部、底部、左侧和右侧的坐标，如下图所示。

栅格所表示的内容的详细程度（要素/现象）通常取决于像元（像素）大小或空间分辨率。像元必须足够小，这样才可以捕获到所需的详细信息；而像元又必须足够大，这样才可以提高计算机存储和分析的执行效率。栅格可以使用更小的像元大小在要素的范围内表示更多的特征、更小的要素或更详细的内容。不过，更多通常未必更好。像元大小如果较小，则在表示整个表面时会造成栅格数据集较大；因此，会需要更大的储存空间，而且通常会使处理时间更长。

选择合适的像元大小并不总是很简单的。您必须权衡该应用的空间分辨率要求和实际需求，例如显示速度、处理时间和储存空间等。实际上，在 GIS 中，结果的精确度只能与精确度最低的输入数据集相同。如果您使用的分类数据集是从 30 米分辨率的美国陆地资源卫星影像获得的，则可能没有必要使用例如 10 米这样的高分辨率来创建数字高程模型 (DEM) 或其他辅助数据。关键变量，例如地形和土地利用，区域越均匀，分析精度越不容易受到像元大小增大的影响。

在 GIS 应用规划阶段，确定适当像元大小与确定要获取哪些数据集一样重要。通过对栅格数据集进行重新采样随时可使像元大小增大；但却不能通过对栅格重新采样来使像元大小减小而获取更详细的内容。根据对此数据的未来规划，应该在像元大小最小且准确度最高情况下保存数据的复本，同时重新采样数据以匹配像元大小最大且精度最低的情况。这可提高分析处理速度。

在指定像元大小时，应考虑以下几个因素：

当处理影像栅格数据时，可能会涉及到四种类型的分辨率：空间分辨率、光谱分辨率、时间分辨率和辐射分辨率。

在 GIS 中，最常涉及到的是栅格数据集的空间分辨率，尤其是当显示栅格数据或将栅格数据与其他类型的数据（例如矢量）进行对比时。在这种情况下，分辨率与像元大小（在地面上覆盖的并由一个单独像元表示的面积）相关。空间分辨率越高，意味着每个单位面积中的像元越多；因此，左侧图形所表示的空间分辨率比右侧图形的高。

光谱分辨率则描述了传感器区分电磁光谱各波长间隔的能力。光谱分辨率越高，则特定波段的波长范围越窄。例如，一个单波段灰度航空像片（影像）记录的波长数据范围覆盖了电磁光谱中的大部分可见区；因此，它的光谱分辨率就较低。一个彩色影像（有三个波段）基本上可从电磁光谱中较小的三个可见区部分（红色、绿色和蓝色部分）中收集波长数据。因此，彩色影像中每个波段的光谱分辨率都比灰度影像的高。高级多光谱和高光谱传感器可从电磁光谱各个部分下的多达数百个窄光谱波段中收集数据，因而得到的数据具有非常高的光谱分辨率。

时间分辨率则是指对地球表面的同一地点捕获影像的频率，也称为重复观测周期，这一术语最常用来描述卫星传感器。因此，对于每周捕获一次数据的传感器，其时间分辨率便比每个月捕获一次要高。

辐射分辨率用于描述传感器在电磁光谱的同一部分中对所查看对象的区分能力；这等同于每个波段中可具有的数据值数量。例如，美国陆地资源卫星波段通常都为 8 位数据，IKONOS 波段通常为 11 位数据；因此，IKONOS 数据的辐射分辨率更高。

空间分辨率是指像元大小所表示的在地面上覆盖面积的尺寸。因此，如果一个像元的覆盖面积为 5 x 5 米，则分辨率为 5 米。栅格的分辨率越高，像元大小越小，从而详细程度便越高。这和比例相反。比例越小，显示的细节越少。例如，以比例 1:2,000 显示的正射影像（呈放大样式）会比以比例 1:24,000 显示的（呈缩小样式）影像更加详细。但是，如果此相同正射影像的像元大小为 5 米，则不管以什么比例来显示，相应的分辨率将始终保持不变，因为实际的像元大小（在地面上覆盖的并由一个单独的像元表示的面积）并未发生改变。

在下方，左侧影像的比例 (1:50,000) 比右侧影像的比例 (1:2,500) 小；但是，数据的空间分辨率（像元大小）相同。

在下方，左侧影像中所使用的数据的空间分辨率比右侧影像的低。这表示左侧影像中数据的像元大小比右侧影像数据的大，但其中显示的比例却相同。