摘要: 对特定现象的测量就是根据一定的标准对其赋值或打分。例如，对长度我们使用尺子等测距仪器上的长度单位做参考，对方向用罗盘仪上的角度单位做参考。我们对任何事物都要鉴别、分类和命名。这些都是量测的组成部分。它们所使用的参考标准或尺度是不同的。量测的尺度大致可以分成四个...
对特定现象的测量就是根据一定的标准对其赋值或打分。例如，对长度我们使用尺子等测距仪器上的长度单位做参考，对方向用罗盘仪上的角度单位做参考。我们对任何事物都要鉴别、分类和命名。这些都是量测的组成部分。它们所使用的参考标准或尺度是不同的。量测的尺度大致可以分成四个层次，由粗略至详细依次为:命名或类型、次序、间隔以及比例。
命名式的测童尺度也称作类型测量尺度，只对特定现象进行标识，赋予一定的数值或符号而不定量描述。例如，我们可以用不同数值表示不同的土地利用类型、植被类型或岩石类型，但是这些数值之间无数量关系，对命名数据的逻辑运算只有“等于”或“不等于”两种形式，而其近似均值只能使用众数。很多专题地图中的数据是命名数据或类型数据。
次序测童尺度是基于对现象进行排序来标识的。例如，我们把山峰按髙度分级为极高山、高山、中山、低山和丘陵等,将坡度分为陡、中、缓等。不同次序之间的间隔大小可以不同。对次序数据的逻辑运箅除了“等于”与“不等于”之外，还可以比较它们的大小，即“大于”或“小于”。近似均值可以使用中位数，但不能用算术平均。
比例测量尺度的测童值指那些有真零值而且测量单位的间隔是相等的数据，如金属锌含量为“0”意味着无锌e比例测童尺度与使用的测量单位无关。间隔测童尺度与比测尺度相似，但是间隔尺度的测量值无真的零值。例如温度是间隔尺度的数据而不是比例数据，因为它的“0”测量值随着所使用的不同温度测量单位而不同。不能说150F的温度是75F的温度的两倍，因为这个比例在使用摄氏单位时就改变了。相反，降水量是比例数据，因为它有真的零值。比例数据和间隔数据可用于加、减、乘、除等运算，而且可以求算术平均。比例数据或间隔数据可以比较容易地被转变成次序或命名数据。如在地图制作过程中经常将比例或间隔测量值进行分类，将其转化为次序或命名数据，对遥感影像数据进行土地利用/土地覆盖分类就是将比例数据转化成命名数据，即通过分类将一组数据综合或简化到不同的组别。分类是一个将数据综合或简化的处理过程。相反，命名数据则很难被转化成次序、间隔数据或比例数据。
由此可知，尽管命名数据或次序数据便于使用，易于理解，但有时不够精确，不能用于较高级的算术运算。而比例数据或间隔数据比较精确，便于计算机处理，但是在较复杂的GIS应用中，往往上述几种测量尺度的数据均需用到。当同时使用上述各类数据时，一般的算术计算方法就不再适用了，因而我们提出研究能同时综合使用各种测量尺度数据的方法。由于不同测量尺度的数据多半来自不同的渠道，我们称这种算法为多源数据的综合算法。
