本文介绍在ArcMap 软件中，实现栅格图像重采样 的具体操作，以及不同重采样方法的选择依据。
在之前的博客中，我们介绍了基于Python 中Arcpy 模块对栅格图像加以批量重采样 的方法；而在ArcMap软件中，我们可以实现不需要代码的栅格重采样操作；本文就对这一操作方法加以具体介绍。
首先，如下图所示，是我们待重采样的栅格图像的属性界面。其中，可以看到此时栅格像元的边长为0.4867左右（由于图层是地理坐标系，所以单位就是度）。
接下来，我们即可开始重采样操作。首先，在ArcMap 软件中，依次选择"System Toolboxes "→"Data Management Tools.tbx "→"Raster "→"Raster Processing "→"Resample"选项；如下图所示。
随后，即可弹出"Resample "窗口。在窗口的第一个选项中，输入我们待重采样的栅格文件；在第二个选项中，配置输出结果的路径与文件名称；随后，第三个选项是设置重采样后栅格像元大小的参数，可以直接通过其下方X与Y的数值来指定像元大小，也可以通过其他栅格文件来指定；最后，第四个选项就是重采样所采用的方法。
上述窗口中的参数整体也都很简单，也非常好理解；但主要是最后一个选项，也就是重采样方法的选择值得进一步探究。在实际应用过程中，我们究竟该选择哪一个方法呢？我们来看一下ArcGIS官网对不同方法的介绍；如下图所示。
可以看到，ArcGIS 官方一共提供了4种栅格数据重采样的方法，分别是最邻近分配法（NEAREST）、众数算法（MAJORITY）、双线性插值法（BILINEAR）与三次卷积插值法（CUBIC）。
首先，最邻近分配法 是速度最快的插值方法。这一方法主要用于离散数据（如土地利用分类数据），因为这一方法不会更改像元的值。使用这一方法进行重采样，最大空间误差将是像元大小的一半。
其次，众数算法 根据过滤器窗口中频率最高的数值来作为像元的新值。其与最邻近分配法一样，主要用于离散数据 ；但与最邻近分配法相比，众数算法通常可生成更平滑的结果。众数算法将在与输出像元中心最接近的输入空间中查找相应的4 x 4像元，并使用4 x 4相邻点的众数作为像元的新值。
再次，双线性插值法 基于四个最邻近的输入像元中心的加权平均距离来确定像元的新值。这一方法对连续数据非常有用（且只能对连续数据使用），且会对数据进行一些平滑处理。
最后，三次卷积插值法 通过拟合穿过16个最邻近输入像元中心的平滑曲线确定像元的新值。这一方法仅适用于连续数据，但要注意其所生成的输出栅格可能会包含输入栅格范围以外的值。如果大家不想出现这种情况，按照官方的说法，就需要转而使用双线性插值法。与通过运行最邻近分配法获得的栅格相比，三次卷积插值法的输出结果的几何变形程度较小。三次卷积插值法的缺点是需要更多的处理时间。
了解上述原理，我们就对选择哪一个方法有了比较清楚地认识。例如，我这里需要进行重采样操作的是一个类别数据 ，因此就只能选择最邻近分配法 与众数算法 ；而后，我们可以结合实际需要进行2种方法的二选一即可（或者直接用2种方法运行一遍，看看哪一个方法对应的结果更符合自己的需要）。如果大家需要进行重采样操作的是连续数据，那么4种方法理论上都是可以的，但是后2种方法相对更适合一些；大家结合需要选择或者分别运行一次，找到最合适的结果即可。
重采样后，可以看到结果数据中像元的大小已经是我们需要的数值了。
至此，大功告成。