本文介紹在ArcMap軟體中，實現柵格影像重取樣的具體操作，以及不同重取樣方法的選擇依據。
在之前的部落格中，我們介紹了基於Python中Arcpy模組對柵格影像加以批次重取樣的方法；而在ArcMap軟體中，我們可以實現不需要程式碼的柵格重取樣操作；本文就對這一操作方法加以具體介紹。
首先，如下圖所示，是我們待重取樣的柵格影像的屬性介面。其中，可以看到此時柵格像元的邊長為0.4867左右（由於圖層是地理座標系，所以單位就是度）。
接下來，我們即可開始重取樣操作。首先，在ArcMap軟體中，依次選擇“System Toolboxes”→“Data Management Tools.tbx”→“Raster”→“Raster Processing”→“Resample”選項；如下圖所示。
隨後，即可彈出“Resample”視窗。在視窗的第一個選項中，輸入我們待重取樣的柵格檔案；在第二個選項中，配置輸出結果的路徑與檔名稱；隨後，第三個選項是設定重取樣後柵格像元大小的引數，可以直接透過其下方X與Y的數值來指定像元大小，也可以透過其他柵格檔案來指定；最後，第四個選項就是重取樣所採用的方法。
上述視窗中的引數整體也都很簡單，也非常好理解；但主要是最後一個選項，也就是重取樣方法的選擇值得進一步探究。在實際應用過程中，我們究竟該選擇哪一個方法呢？我們來看一下ArcGIS官網對不同方法的介紹；如下圖所示。
可以看到，ArcGIS官方一共提供了4種柵格資料重取樣的方法，分別是最鄰近分配法（NEAREST）、眾數演算法（MAJORITY）、雙線性插值法（BILINEAR）與三次卷積插值法（CUBIC）。
首先，最鄰近分配法是速度最快的插值方法。這一方法主要用於離散資料（如土地利用分類資料），因為這一方法不會更改像元的值。使用這一方法進行重取樣，最大空間誤差將是像元大小的一半。
其次，眾數演算法根據過濾器視窗中頻率最高的數值來作為像元的新值。其與最鄰近分配法一樣，主要用於離散資料；但與最鄰近分配法相比，眾數演算法通常可生成更平滑的結果。眾數演算法將在與輸出像元中心最接近的輸入空間中查詢相應的4 x 4像元，並使用4 x 4相鄰點的眾數作為像元的新值。
再次，雙線性插值法基於四個最鄰近的輸入像元中心的加權平均距離來確定像元的新值。這一方法對連續資料非常有用（且只能對連續資料使用），且會對資料進行一些平滑處理。
最後，三次卷積插值法透過擬合穿過16個最鄰近輸入像元中心的平滑曲線確定像元的新值。這一方法僅適用於連續資料，但要注意其所生成的輸出柵格可能會包含輸入柵格範圍以外的值。如果大家不想出現這種情況，按照官方的說法，就需要轉而使用雙線性插值法。與透過執行最鄰近分配法獲得的柵格相比，三次卷積插值法的輸出結果的幾何變形程度較小。三次卷積插值法的缺點是需要更多的處理時間。
瞭解上述原理，我們就對選擇哪一個方法有了比較清楚地認識。例如，我這裡需要進行重取樣操作的是一個類別資料，因此就只能選擇最鄰近分配法與眾數演算法；而後，我們可以結合實際需要進行2種方法的二選一即可（或者直接用2種方法執行一遍，看看哪一個方法對應的結果更符合自己的需要）。如果大家需要進行重取樣操作的是連續資料，那麼4種方法理論上都是可以的，但是後2種方法相對更適合一些；大家結合需要選擇或者分別執行一次，找到最合適的結果即可。
重取樣後，可以看到結果資料中像元的大小已經是我們需要的數值了。
至此，大功告成。