本文关键词：geo时空分辨率

做GIS这行久了，你会发现最让人头秃的往往不是怎么算模型，而是数据源的选择。前几天有个朋友找我，说他在跑一个城市热力图的算法，结果图出来全是马赛克，还在那儿跟我抱怨显卡带不动。我打开他的原始数据一看，好家伙，他用的是15米精度的MODIS数据去做街区级的能耗分析。这就像是用筛子去筛金子，粒度不对，后面算法再牛逼也是白搭。这事儿在咱们圈子里挺常见的，很多人一上来就盯着“高清”“全量”看，却忘了问一句：你的业务到底需要多细的粒度？这就是geo时空分辨率最扎心的地方，选错了，后面全是坑。

先说空间分辨率。很多人以为分辨率越高越好，数据量越大越显本事。其实不然。你想想，如果你做的是宏观区域的气候变化趋势，用1公里的MODIS或者ESA CCI的数据完全够用了，甚至更划算。但要是你做智慧城市里的停车位识别，或者精细化的农业产量预估，那你不得不用 Sentinel-2 甚至更高精度的 commercial data 比如 WorldView 或者国内的 BJ3。我之前遇到过客户非要让我用 Landsat 8 (30米)去做单株树木监测，当时我就想笑。30米的像素，树都没树冠大，你让我怎么监测？最后硬是用上了无人机正射影像加深度学习，成本翻了五倍不止。所以说，别被那些高大上的分辨率数字迷了眼，得看你的应用场景。比如现在市面上常说的亚米级数据，价格那是真贵，一平方公里动辄几百上千块，如果是大范围应用，预算能给你花超支。

再聊聊时间分辨率，这个坑比空间分辨率还深。有时候你需要的不是高清的画面，而是“快”。比如洪水监测，如果你用的是 Landsat 那种16天重访一次的频率，等卫星飞过来，洪水可能都退了，图还拍到了，但数据废了。这时候就得看 Sentinel-1 雷达数据，或者国内的天绘系列，甚至一些商业遥感公司提供的每天甚至每小时更新的低分辨率数据。这里有个隐形成本，时间分辨率高了，数据处理的工作量也会指数级上升。以前做林火监测，我用的数据是每3小时一次的热红外异常点，虽然分辨率只有1公里，但对于火情的预警价值极大。你要是非追求20米的空间分辨率，还得兼顾3小时的时间间隔，那基本上是在找NASA借数据，而且还不一定能拿到现成的处理品。

说到价格，这部分行业内幕挺多。公开的USGS Earth Explorer确实免费，但下下来要自己处理辐射校正、大气校正、几何校正，这一套流程下来，人工成本远超数据本身。如果是商业数据，比如Maxar，报价水分很大。我手头有个做地产分析的案例，他们一开始买的是2.5米的数据，后来发现为了做地块分割，其实1米的数据就够用了，而且1米的数据在边缘处理上更干净，反而省去了后期大量的手动修图时间。这就是典型的“看起来贵，用起来便宜”。反过来，有些免费的Sentinel-2数据，10米分辨率，虽然便宜，但云层多啊！在南方潮湿地区，一年能用到几次纯净的哨兵数据？很多团队为了等云少的时间窗口，硬生生拖慢了项目进度，这个时间成本算进去，其实比直接买带云量剔除服务的商业数据更亏。

再提醒一点，很多时候大家忽视了投影坐标系对geo时空分辨率的影响。你在WGS84地理坐标系下看的分辨率是度，转到投影坐标系比如UTM下，分辨率变成了米，这个转换过程中的重采样算法会直接影响最终的精度。我用双线性插值还是最邻近法，结果出来的纹理完全不一样。做地类分类的时候，如果用错方法，边界会变得模糊不清，后期手动修正的时间能把人累死。所以，在处理前期一定要确认好元数据里的采样间隔和实际的投影后尺寸是否一致，很多数据商给的信息只是理论值，实际拿到手的文件元数据可能有偏差。

最后说说避坑，千万别信网上那种“一键下载全球高分辨率数据”的脚本，很多是过期的或者来源不明的盗版数据，精度和真实性都没保证。还有，别忽略了数据的新鲜度。有些项目做历史回溯，数据老旧没关系；但如果是做当下的实时交通或应急，半年前的卫星图就是废纸。我在做一个城市内涝模拟时，就因为用了两年前的DEM数据，忽略了新修的高架桥对水流的影响，模拟结果跟实际情况偏差了20%。那时候再回去补数据，工期延误半个月，罚款不少吃。所以，数据选型的本质，是在精度、时效、成本三者之间找平衡。别试图全都要，那只会让项目崩盘。记住，最适合你业务痛点的geo时空分辨率，才是最好的数据，而不是那个数字最大的。

这行水很深，但也没那么玄乎。多问问自己，我到底要解决什么问题，然后反推需要什么样的分辨率。别为了炫技上高清，也别为了省钱用烂数据，中间的那个度，得靠你自己去踩。