本节书摘来自异步社区《Python地理空间分析指南（第2版）》一书中的第1章，第1.11节,作者： 【美】Joel Lawhead（莱哈德） 更多章节内容可以访问云栖社区“异步社区”公众号查看。
1.11 栅格数据的基本概念
如前所述，遥感栅格数据是一组数字矩阵。遥感中对数据的操作数以千计。新卫星的发射和计算机技术的进步让这一领域的变化可以用“日星月异”来形容。尽管它已经有几十年的历史，但是我们甚至连它的皮毛知识都没有发掘多少，更别说为人类发展提供助力了。其次，和一般的GIS过程类似，下列简要的操作流程列表将为你研究任何遥感应用打下坚实的基础。
1.11.1 波段运算
波段运算是多维数组数学计算。在数组计算中，数组被当作独立的单位参与加、减、乘、除运算。但是在一个数组内部，多个数组中的行和列上的数字是同时运算的。这些数组被当作了矩阵，而且线性代数的研究重点就是矩阵运算。
1.11.2 变化监测
变化监测的流程是比较不同时间相同位置的两张图片的差异，并将其高亮显示。引起变化的原因可能是地面上添加了某些东西，例如一幢新的建筑物，或者海岸侵蚀造成的特征缺失。有很多算法可以检测图像的变化，同时还包括一些决定性因素，例如变化是多久以前发生的。图1-19来自美国橡树岭国家实验室（Oak Ridge National Laboratory，ORNL）的一个研究项目，图中显示了1984—2000年巴西热带雨林朗多尼亚被人为砍伐后发生的变化。原图片用颜色代表森林削减变化。其中的绿色代表原始雨林，白色代表最近两年进行的砍伐活动。红色代表22年中的砍伐活动，其他颜色依次代表上述两者之间的砍伐活动。
1.11.3 柱状图
柱状图是数值在数据集中的统计分布图。水平方向代表数据集中唯一的数值，竖直方向表示该唯一值在光栅中出现的频率。柱状图在大部分光栅处理过程中是一项关键操作。它适用于一切以增强图片对比度为基础的对象分类和图片比较。图1-20是NASA提供的柱状图，它展示了一张卫星影像图片经过分类后地表的不同特征。
1.11.4 特征提取
特征提取是以手动或者自动的方式将图片中的点、线和多边形等元素数字化的过程。这个过程也是光栅转换成矢量数据过程中图片矢量化的基础。特征提取的一个实例是提取卫星影像中的海岸线信息并且将其另存为矢量数据集。如果对过去几年的数据进行提取，那么你就可以监测到海岸线的侵蚀以及其他变化。
1.11.5 监督分类
地面物体反射不同波长的光依赖于其材料构成。在遥感领域，分析师收集了特定类型的地面覆盖物（例如混凝土）的波长信息组成特征库。计算机可以使用这个特征库自动定位到一张新的图片上的相同位置。
1.11.6 非监督分类
对于非监督分类，计算机可以在图片上对相似的反射值根据像素进行分组，并且不需要借助类似直方图之类的参考信息。
