很多刚接触ArcGIS的人拿到“按矢量范围统计栅格数据”这个需求时第一反应就是“裁剪”把栅格按矢量边界裁出来然后打开属性表看统计结果。这个思路本身不算错但一旦涉及的数据量变大、矢量范围变多、或者要统计的指标变复杂比如众数、少数这类非参数指标裁剪这条路就会走得非常痛苦。这篇文章我想直接聊一聊更正规、更高效的做法用ArcGIS的分区统计工具一次性把最大值、最小值、均值、中位数、众数、少数这些指标全部算出来并且说清楚每个指标的适用场景和几个特别容易踩的坑。1. 为什么“裁剪后再统计”是大多数人的第一反应却往往不可靠1.1 裁剪后统计的典型流程与潜在误差先说最常见的做法。假设你现在手里有一个行政区的矢量边界和一个DEM高程栅格你想知道这个行政区内部的平均海拔是多少。常规操作是用“按掩膜提取”把DEM裁出来然后在ArcMap或ArcGIS Pro里打开裁剪后的栅格属性Symbols选项卡里就会显示最小值、最大值、平均值、标准差这些基础统计值。这个流程在一两个范围、单幅栅格时完全够用但它有几个隐患。最典型的一个问题出在“边界处理”上当矢量边界穿过一个像元时ArcGIS的“按掩膜提取”默认会保留与掩膜相交的所有像元也就是说一个本来只占了边界很小一部分的像元会被整个保留下来。如果这个像元面积很大比如低分辨率栅格或者边界特别曲折统计出来的结果就会产生偏差——你本想要的是“这个多边形内部”的统计实际算的却是“和这个多边形沾边”的统计。另一个隐患是“多幅栅格、多个范围”的场景。比如你要统计全国各省份的夜间灯光数据均值按裁剪思路你得先把全国灯光栅格裁成34份每个省级行政区一份再逐份打开属性看统计值最后手工录入Excel。这个过程不仅重复劳动量巨大而且每裁剪一次就多出一份中间数据磁盘空间不够的时候ArcGIS还会频繁报“栅格构建失败”之类的错。如果中间某一步不小心把坐标系设置错了所有统计结果都得推倒重来。1.2 分区统计的真正逻辑像元级聚合分区统计Zonal Statistics解决的就是上面两个问题。它的核心逻辑完全不一样矢量范围是“分区”Zone栅格是“被统计的值”Value工具会在每个分区内部把该分区边界内所有栅格像元聚合为一个或多个统计指标原理上根本不生成裁剪后的新栅格只是“读取像元值进行计算”。关于边界处理正规的分区统计工具会采用“像元中心法”只要像元的中心点落在分区内部该像元就参与统计中心点落在分区外就不参与。这听起来很简单但在实际使用中对结果的影响非常大尤其是小分区或者窄条形分区。比如一个宽度只有半个像元的狭长河流缓冲区用裁剪法会纳入大量缓冲区外的陆成像元而用像元中心法则可能恰好避开了这些陆成像元统计出来的水质指标或植被指数差异极大。所以我的建议是只要你面对的不只是单个范围做一次性的“看一下”而是要做严谨的空间统计分析直接放弃“裁剪属性表”的路径改用分区统计工具。这是根子上的思路转变也是整篇文章的基础。2. 工具选型一张表弄清楚Zonal Statistics族系的分工ArcGIS里和分区统计相关的工具其实有好几个很多人搞不清楚该用哪个这里我先花点篇幅把它们的区别讲透避免后面操作时选错工具。2.1 核心工具对比主要涉及三个工具都在“Spatial Analyst工具箱 / 区域分析”和“Image Analyst工具箱”下工具名称输出形式单个分区的统计指标适合场景“分区统计Zonal Statistics”栅格单一指标比如只输出均值希望返回一个同分辨率栅格后续还要做空间分析“分区统计为表Zonal Statistics as Table”属性表/表格全部指标最小值、最大值、均值、标准差、总和等需要多个指标、需要做成报表或连接回矢量属性的场景“面积制表Tabulate Area”表格各分区内各分类的面积或占比土地利用、植被覆盖等分类栅格的面积汇总如果你只是想“统计栅格数据的众数、最大值、均值、中位数、最小值、少数”要用的就是第二个——分区统计为表。它一次能输出一整套描述统计量然后你通过连接操作把统计结果关联回原始矢量要素后续筛选、制图、出表都很方便。2.2 为什么“分区统计为表”是首选从功能上说“分区统计为表”是这几个工具里最灵活的一个。它输出的.dbf或内存表里每一行对应一个矢量要素或者一个分区每一列对应一个统计指标。默认你会得到OBJECTID或分区字段用于识别分区的字段值比如行政区代码每个分区的像元数量COUNT面积AREA最小值MIN最大值MAX平均值MEAN标准差STD总和SUM这里有个细节值得留意在中位数MEDIAN和众数MAJORITY这两个指标上不同版本ArcGIS的表现略有不同。ArcGIS 10.x和Pro在“分区统计为表”工具界面里可以从“统计类型”下拉框里勾选ALL一次性输出包括中位数、众数、少数在内的全部指标但如果你是直接调用arcpy代码就需要显式指定统计类型为MEDIAN或MAJORITY否则默认只有基础的一些统计量。我见过不少人在这里踩坑用ArcPy跑完脚本后表格里只有MIN、MAX、MEAN、STD找不到想要的中位数和众数怀疑是软件版本问题其实只是脚本里没写统计类型。这点后面实操环节我会再强调。3. 核心实操Zonal Statistics as Table的完整参数详解3.1 输入数据的准备开始操作前先确认三个前置条件第一矢量数据最好是面要素。虽然工具也接受点要素和线要素但点、线的“区域”概念比较特殊——工具会以点线周边默认范围为一个小的统计区域实际操作中很容易出现“分区太小导致没有像元落入”的情况。所以如果不是特殊需求建议用面要素。第二栅格和矢量的空间参考尽量保持一致。工具本身会自动做投影转换但当两个数据的坐标系差异较大比如一个是地理坐标系WGS84一个是投影坐标系UTMArcGIS会先把栅格重新采样或转换到矢量的坐标系里这个过程会多一道计算而且可能引入重采样误差。最稳妥的做法是在操作前把矢量要素投影到和栅格一致的坐标系或者统一投影到一个适合你研究区域的投影坐标系里。第三栅格数据类型最好是整型或浮点型都能处理但如果你想统计众数和少数就要稍微留意一下数据类型。众数的本质是“出现频率最高的像元值”如果你是浮点型的高程或温度栅格每一个像元值都几乎是唯一的众数统计出来的结果意义不大顶多就是某一个“刚好出现两次”的值。这一点不是工具的问题而是统计指标本身的适用性问题后面在“众数与少数”那一节我会专门展开。3.2 关键参数设置与选择逻辑打开“分区统计为表”工具Analysis工具箱或Spatial Analyst工具箱下都可以找到界面其实很简洁关键参数如下“输入栅格数据或要素区域数据Input zone data”选你的矢量面要素。“区域字段Zone field”选一个能唯一标识每个分区的字段比如行政区代码、地块编号。这里要特别提醒千万不要选那种多个要素共用相同值的字段否则ArcGIS会把相同值的所有要素合并为一个分区来统计。比如你按“地类名称”这个字段去分区那所有水田会合并统计所有旱地会合并统计而不是按每个图斑单独统计。“输入值栅格Input value raster”选你要统计的那个栅格。“输出表Output table”设置输出路径可以输出成dBASE表、地理数据库表也可以直接输出到一个内存表。“统计类型Statistics type”这里最关键。默认可能是“ALL”输出全部统计量也可能是“MIN_MAX_MEAN”之类的简化版本具体看你用的工具版本。我们需要在这里勾选MINIMUM、MAXIMUM、MEAN、MEDIAN、MAJORITY、MINORITY确保输出表里同时包含这六个指标。有一个“忽略NoData”的选项默认是勾选状态这个一般保持默认就好。它的意思是如果某个像元是NoData这个像元将不参与任何统计计算。后面我会讲一个特殊情况——当你的NoData可以作为“0值”参与统计时应该怎么处理。3.3 中位数需要额外两步处理的原因这里单独把中位数拿出来说是因为它有一个很细节但容易忽略的问题。在ArcGIS 10.x和较早的ArcGIS Pro版本中“分区统计为表”这一工具的中位数结果并不是直接输出在最终表格里的而是需要通过“分区统计”工具输出栅格版本的“中位数”选项或者通过其他方式间接获取。在较新的Pro 3.x版本里中位数已经被直接集成到“分区统计为表”的ALL统计类型里了。但如果你还在用10.x或者是用旧脚本处理可能会发现无论怎么勾选输出表里都没有MEDIAN这一列。遇到这种情况我的建议是直接用一个新的工具组合使用“分区统计Zonal Statistics”并把统计类型设为“中位数”输出一个中位数栅格然后用“提取多值到点”或“分区统计为表”再次合作——听起来有点绕但实际效果很好。也可以用“以表格显示分区统计Zonal Statistics as Table”后再用“连接字段”方式和“提取多值到点”的结果做二次关联。还有一个更稳妥的办法直接上ArcPy脚本来处理。用arcpy.sa.ZonalStatisticsAsTable在调用时把统计类型写成“MEDIAN”它会生成单独的中位数统计表再和其他指标的统计表按分区字段做连接。这样不管软件版本怎么变逻辑都不会出错。我实测下来ArcGIS Pro 3.x用界面操作最为省心ArcMap 10.x建议直接用ArcPy指定统计类型。4. 容易忽略但很实用的统计量众数与少数4.1 众数的意义及应用场景众数MAJORITY在ArcGIS里的定义是某个分区内出现频率最高的像元值。如果你在处理分类栅格比如土地利用类型、植被类型、土壤类型众数就是“这个区域里最常见的类别”这个信息往往比均值更有决策价值。举个例子。你拿着一个县级行政边界去统计全国30米土地利用数据想快速判断“这个县的主导地类是什么”。用平均值完全没概念因为这是分类数据不是连续数值。用众数直接就能告诉你“这个县大约60%的面积是耕地”。这对于做土地利用格局分析、县域发展评估都极其直观。另一个典型场景是森林资源调查。面对一个林班小班边界你手里有一幅树种分布栅格比如1代表马尾松、2代表杉木、3代表阔叶混交想快速知道这个林班的主导树种用众数是最直接的办法——它直接回答“这里最常见的树是什么”。如果你用最大值或者均值得到的“1.6”根本没法解释。4.2 少数MINORITY的用途多数人没用过少数MINORITY是与之对称的指标某个分区内出现频率最低的像元值。很多人看到这个指标会愣一下觉得“出现频率最低的值有什么用”其实在特定场景下它非常有用。比如做生态保护时你有一个自然保护区的边界叠加一幅植被类型图想知道保护区内“最稀缺的植被类型是什么”。这个信息对于制定保护优先级、开展珍稀植被空间识别很有参考价值——众数告诉你主体少数告诉你短板。又比如做土壤污染评价。你在一个矿区的矢量范围内统计土壤重金属污染等级栅格分级编码1-55为重度污染少数指标会告诉你“这个区域里污染级别出现得最少的那个级别是什么”。如果少数恰好是5反过来说明污染级别5的分布很小污染面积主要集中在较低级别如果少数是1而众数是4或5说明这个区域几乎没有“清洁”的像元污染已经到了全覆盖的程度。两种解释方向不同但少数这个指标都能帮你在看到均值之外多一个判读维度。在使用少数时要注意当分区内像元数量很大但类别很少时比如只有两个类别少数指标实际上是“另一类”它和众数互为补充分析时别把它当成“某一种罕见小类”就行了。4.3 一个土地利用分类的实战案例为了把这部分讲得更落一点我描述一个我自己做过的场景。有一个县域的土地利用数据是30米分辨率的分类栅格编码规则大致是10耕地、20林地、30草地、40水域、50建设用地、60未利用地。上级要求我们做一个“县域内地类结构评估”需要给全县19个乡镇分别输出一张“地类占比表”并标注每个乡镇的主导地类地类代码众数。我一开始想到用面积制表Tabulate Area它能输出每个乡镇里每个地类的面积排序后取最大值就是主导地类了。但真正的实施中我同时还想知道“各乡镇里最罕见的地类是什么”、“地类多样性高不高”面积制表给出的信息还不够直观。最终方案是用“分区统计为表”把统计类型设为ALL一次得到每个乡镇的MAJORITY主导地类和MINORITY最罕见地类再用“面积制表”补充各类型面积比例。整个过程十分钟内全部完成直接输出成Excel后续画柱状图、拼图出报告都特别方便。如果你也遇到类似“分类数据多分区”的情况请记住优先用众数和少数而不是只想着面积制表——两者的输出口径不一样众数直接给你“常见类型值”而面积制表只会给你各类型面积还得你自己再排序。5. 实操中的高频坑与排查链路5.1 投影不一致导致的面积和统计偏差我见过最典型的错误是这样的矢量数据是正确的UTM投影坐标系栅格数据是地理坐标系WGS84分辨率写的是0.01度。工具能跑通也不会报错但出来的结果却和“用裁剪后属性表统计”的结果对不上。原因在于ArcGIS在“分区统计为表”的计算中会做动态投影转换。栅格值的读取是以矢量坐标为准的当栅格是经纬度坐标、矢量是投影坐标时一个像元的真实“覆盖范围”在投影变换后会发生变形尤其在高纬度地区经纬度0.01度对应的地面距离会被拉长。这个变形会导致某些分区边缘的像元归属判断出错。所以操作前请务必养成一个好习惯在ArcToolbox里先用“投影Project”工具把矢量要素投影到与栅格一直的坐标系再用“投影栅格Project Raster”把栅格投影到适合分析的投影坐标系最后开始统计。如果两个数据坐标系来源不同却“看起来大概差得不远”千万别图省事直接跑。5.2 NoData值是否参与统计这个坑特别隐蔽。默认情况下分区统计工具会把NoData像元忽略掉。这在多数场景下是符合预期的——比如你统计NDVI云遮挡区域全是NoData你当然不希望这些区域按0值参与平均。但有些时候你手头的数据里NoData代表的是“真实存在的0”。比如某地区的降水栅格里NoData可能并不是没有数据而是“无降水记录”实际应该按0处理或者某个生态因子栅格的NoData代表“该区域无植被覆盖”实际应该参与统计。这时要怎么做我的经验是先用“栅格计算器”或“复制栅格”工具把NoData替换为0或某个特定常数再送入分区统计。替换公式很简单# 在ArcGIS栅格计算器中将NoData替换为0 Con(IsNull(your_raster), 0, your_raster)然后再做分区统计得到的结果才是你真正想要的“包含零值”的计算结果。如果是用ArcPy代码大概是import arcpy from arcpy.sa import * out_raster Con(IsNull(your_raster), 0, your_raster) out_table ZonalStatisticsAsTable(zone_vector, zone_field, out_raster, output_table, DATA, ALL)判断“要不要替换NoData为0”的标准很简单问问自己在你这个业务场景里这个位置“没有数值”到底是意味着“没有这个现象”还是“值太低没检测到”。前者可以替换成0或忽略后者如果替换成0会严重拉低均值宁可忽略也别强行赋值。5.3 分区太小导致COUNT为0或统计结果为空当你的矢量分区非常小比如面积只有几百平方米而栅格分辨率又很粗比如250米分辨率的MODIS数据可能会出现一个分区内没有任何像元中心落入的情况。此时输出表里该分区的COUNT为0所有统计指标为空。这种情况怎么处理第一你可以用“分区统计为表”的“忽略NoData”选项也无济于事因为问题不是NoData而是根本没有像元。第二工具界面里有一个“作为几何面积As geometry”的选项勾选后ArcGIS会尝试把分区面积作为权重去估算统计值但由于没有像元落入这个选项基本也救不回来。第三最根本的解法是把栅格重采样到更小的像元或用双线性/最邻近法新建一个更高分辨率的栅格确保小分区至少能覆盖到几个像元中心。这里提供两个思路一是用“重采样Resample”把栅格像元改到足够小二是换个分析尺度——如果你的分区本身就特别小但栅格数据分辨率是几十公里级别那统计结果本身就没什么统计学意义不如把多个邻近小分区合并后再统计。5.4 属性表连接后字段类型和记录顺序问题“分区统计为表”输出后通常要把表格连接回原始矢量要素许多人在这一步遇到两个小毛病。一个是字段类型。输出表里的COUNT和AREA字段类型是双精度浮点而MODE和MEDIAN这类指标可能是双精度也可能是长整型要看源栅格类型。连接回矢量属性表后如果你用“字段计算器”做后续处理比如加总某个字段可能会因为字段类型不匹配导致计算失败或被四舍五入。建议连接前先确认源栅格类型如果栅格是浮点型那么统计结果里的中位数、众数都可能是小数但你绝不能拿小数去“查地类编码”——地类编码必须是整数。处理办法是用“取整”字段计算把统计值取整。另一个是记录顺序。很多人在连接后没有对磁盘上的要素类做“导出”连接只是“视图层”的临时关联如果你在ArcMap或ArcGIS Pro里看着连接结果觉得没问题就直接拿去出图没问题但如果你要把它作为新的数据源供外部程序使用一定要“导出要素”生成新文件否则连接字段不会被永久保存。6. 让结果更稳健中位数与异常值处理的进阶思路6.1 为什么在中位数和均值之间要留个心眼在实际项目里均值MEAN是最常用的统计量但它也是被误用得最严重的统计量。均值的本质是把分区内所有像元值加起来除以总数它对极端值非常敏感。假设你在统计某个流域的PM2.5浓度栅格这个流域里99%区域的浓度都在30-50之间但边缘正好有一个厂区的像元值是500那么算出来的均值可能被拉高到60甚至更高你觉得“这个流域污染挺严重”但实际上绝大多数区域并没有那么糟。这是一种典型的“均值失真”。中位数就没有这个问题把所有像元值按顺序排列取中间位置的那个值。它只关心“排在最中间的那个像元是多少”即便有极端值存在只要它排在两端就不会影响中位数。所以做环境质量评估、土壤重金属污染评价、房价和人口收入类数据统计时我强烈建议你同时输出均值和中间位数。如果两者差异明显说明你这份数据里大概率存在极端值“干预”了整体判断需要进一步排查。6.2 结合栅格计算器和分区统计实现稳健统计的实战思路既然中位数对极端值不敏感那有没有办法直接把这种“稳健思想”用到流域评价、区域对比里去有而且不难核心就是把“先统计再比较”的思路替换为“先筛选再比较”。我用一个土壤污染评价的案例来说明。假设你有一幅土壤重金属铜含量的连续栅格背景是某个县几十个村庄的边界你想判断哪些村庄的铜污染属于“严重且普遍”。第一步用栅格计算器把所有像元值超过某个阈值比如国家风险筛选值100mg/kg的地方置为1其余置为0Con(cu_raster 100, 1, 0)第二步用“分区统计为表”统计每个村庄的均值也就是污染超标像元占比再统计“超标像元数”这样你得到的不仅仅是一个全村的平均污染值而是“超标范围有多大”的直接证据。第三步你再结合众数MAJORITY来看如果MAJORITY是1说明该村大多数像元都是超标的污染“普遍”如果MAJORITY是0说明超标是零星分布虽然均值可能不低但污染并不普遍。这两种结论在治理优先级上完全不同。这种“先用栅格计算器做逻辑判断再叠加分区统计做汇总”的思路比单纯把均值和中位数拿出来对比更贴近实战因为它在统计之前就已经把“业务规则”写进像素了。像这种处理我建议你练熟Con、IsNull、ZonalStatisticsAsTable三个工具的组合在做很多生态、环境、土地利用评价时都会反复用到。6.3 分位数、累积百分比等衍生指标的自定义思路如果中位数还不够你还想要更细的分位数比如第25百分位数、第90百分位数ArcGIS自带的分区统计工具是不直接支持“自定义百分位数”的但你可以借助分位数栅格的思路来实现。一个常规操作是先用“直方图”工具或用“提取分析”把分区内像元值全部提取出来在表格或外部软件里算分位数再汇总回分区。不过这种方法在要素多、像元多的时候计算量比较大跑起来比较慢。另一种思路是用“条件分析”配合“分区统计”比如你想知道某个区域里超过第90百分位数的高值像元分布可以先把全局栅格进行“百分比阈值化”再用Con函数提出高值区最后用面积制表来统计高值区的面积和占比。这样做虽然不给出精确的第90百分位数数值但把“哪些区域属于高值区”“高值区面积多大”这两个业务问题回答得很清楚。总之ArcGIS的分区统计工具家族并不是“只有那么几个统计量的死板工具”它是可以借助栅格计算器、Con条件函数和其他空间分析工具组合出很多自定义指标的。关键在于你对自己业务逻辑的建模是否清晰——是先分区再算还是先筛选再分区统计这两条路径的适用范围完全不同建议你在动手前先画个逻辑草图再开工具界面。7. 一个完整案例全流程实操演示与结果解读为了让前面那些概念落得更实这里给一个可以照着做的完整案例。假设你手里有一个省内的“生态功能区”矢量文件几十个区块另一个是30米分辨率的“植被覆盖度”栅格0-100之间的整数。你想知道每个功能区内植被覆盖度的众数、最大值、均值、中位数、最小值、少数并且想在ArcGIS里把结果做成一张专题图。步骤一在ArcGIS Pro的目录窗格里右键你的栅格数据确认它的“源”中的像元大小和坐标系。如果坐标系不是投影坐标系就先用“投影栅格”重投影比如用Albers等积投影。同时用“投影”工具把你矢量数据投影过来保证两者坐标系一致。步骤二打开“地理处理”窗格搜索“Zonal Statistics as Table”在弹出的工具面板中输入区域数据选择面要素生态功能区区域字段选FID或“区名”这种唯一字段输入值栅格选择植被覆盖度栅格输出表选择输出路径命名为“eco_veg_stats”统计类型勾选ALL或者手动把MINIMUM、MAXIMUM、MEAN、MEDIAN、MAJORITY、MINORITY全部选上运行步骤三打开输出的属性表你会看到类似下面的结构区域名COUNTAREAMINMAXMEANMEDIANMAJORITYMINORITYA功能区128500115650000129863.2667123B功能区830007470000089551.6555514这个表里信息量已经很大了。B功能区的MAJORITY和MEDIAN非常接近说明数据分布相对稳定A功能区的MINORITY是23说明功能区内存在少量低植被覆盖度的地方可能是裸地或建设用地如果A功能区名义是“水源涵养区”这个数字就值得再叠加上“查询高覆盖度≥80面积占比”来做深入分析。步骤四把表连接回原始矢量在图层属性中使用“连接和关联”按区名字段连接。然后可以符号化用MEAN字段做渐变渲染也可以用MAJORITY字段做分类渲染一个“生态功能区植被现状”专题图轻松搞定。这个小案例的核心思路和前面是一致的先用分区统计把复杂栅格信息浓缩为一个表再把表作为属性连接回矢量要素完成“栅格统计结果空间化表达”。后面不管是做报表、做图还是做多维评估都是从这个表出发不会再去重算栅格了。8. 最后的几条经验与建议写到这里该讲的原理和操作都讲得差不多了最后分享几条我从实际项目里摸出来的经验或许能让你少走点弯路。第一分区统计的结果依赖数据质量比依赖工具设置还重。如果你输入的栅格存在大量NoData、传感器坏线、异常值不管你统计类型选得多全出来的表都是不可信的。所以做统计前先把栅格的“栅格属性”打开看一眼直方图Histogram必要时先做一波异常值剔除或平滑处理再喂给分区统计。第二中位数与众数这类非参数指标在ArcGIS里能直接算但你要会解读。很多人拿到表后只会看MEAN把MAJORITY当成“排序第一个的值”这是对众数的误读。上面说过众数是出现频率最高的值不是最大或最小的值。如果拿众数去排序找极值结论会完全反掉。第三批量处理时建议直接写Python脚本不要依赖工具界面。一次统计100个分区工具界面点击操作还凑合如果统计几千个分区、多期遥感影像用arcpy循环是最快最稳的方式。而且脚本最大的好处是可以把“替换NoData→统计→导出报表”的流程固定下来下次换一批数据直接改路径就可以运行。附上我常用的精简脚本模板供你参考import arcpy from arcpy.sa import * arcpy.env.workspace rD:\your_data arcpy.env.overwriteOutput True arcpy.CheckOutExtension(Spatial) zone_fc eco_regions.shp zone_field RegionID value_raster veg_cover.tif out_table eco_veg_stats.dbf # 统计全部指标 out_zstat ZonalStatisticsAsTable(zone_fc, zone_field, value_raster, out_table, DATA, ALL) print(Zonal statistics completed: out_table)这里把NoData替换为0或其他值的处理你可以根据实际需要插入比如在调用ZonalStatisticsAsTable之前先走一遍Con函数或者直接把Con后的结果作为value_raster传入。第四统计结果在做对比分析时一定要连同COUNT列一起看。COUNT代表每个分区里实际参与统计的像元数量当两个分区的COUNT差异很大时直接比较它们的MAX或MIN意义有限。比如A分区有10000个像元B分区只有50个像元A的最大值可能是被边缘的单一高值噪声拉起来的而B的最大值相对稳定。在写结论之前先在表里把COUNT和AREA列扫一眼做到心里有数。分区统计这个事情说难不难说简单也不简单关键是对工具逻辑的理解和对数据本身的敬畏。你只要先把“裁剪后看属性”的思路丢掉换成“分区聚合”的空间统计思维再掌握好本文说的这几个关键参数和坑以后碰到这类需求基本可以做到又快又稳。希望这篇经验对你有实际帮助。