在研究或工作中，经常会遇到栅格数据中某些像元数据缺失或者不能被使用，也会因为异常值而将部分像元定义为空值(NoData)。再此情况下，我们需要重新计算空值像元中正常值，从某种意义上也是对空值像元的内向插值。整体思路是根据空值像元周围值来计算空值像元，类似于线性内插。具体方法如下：
1、首先确定空值栅格数据的空值范围，根据空值范围、类型、数据结构选择不同邻域统计工具。需要注意栅格数据的背景值与NoData的区分，最好去掉背景值。
2、在大多数情况下可以选择Block Statistics或者Focal Statistics或者Filter等，邻域类型可以选择矩形或者圆形、环形，需要根据自己数据以及研究目的来确定。邻域半径大小越大，空值越平滑，但统计结果栅格的分辨率越小，同原始栅格范围出入较大。
需要注意的是，由于分辨率调整使得栅格数据行列数变化，这会同原始栅格范围有出入，此种情况可以选择通过重采样之后，求取此栅格同原始栅格的交集，保证范围大小一致。此过程会对空值处像元值产生变化，但可忽略不计。
3、根据邻域统计之后的栅格数据，替换原始栅格空值像元。可以用栅格计算器来完成这一操作。计算代码如下：
Con(IsNull("原始栅格"),"邻域统计栅格","原始栅格")
需要注意的是，计算中，需要在环境设置中设置处理范围，应当以领域统计栅格为准。原因是原始栅格存在NoData，但这部分空值却需要纳入处理范围。
4、最终计算栅格对比原始栅格，可以发现，空值像元已被完美替换。诚然，这只是一种处理思路，具体操作过程不一定完全如上所述。此外，遇见其他类似问题，需要深入分析，灵活运用各种地理处理工具。
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
