摘要: GIS的数据种类繁多，不同的采集方式、转换算法等，都会带来精度上的问题。空间信息的误差来源有多个方面，具体可以总结为下表。 数据处理过程 误差来源 数据搜集 野外测量误差：仪器误差、记录误差 遥感数据误差：辐射和几何纠正误差、信息提取误差 地图数据误...
GIS的数据种类繁多，不同的采集方式、转换算法等，都会带来精度上的问题。空间信息的误差来源有多个方面，具体可以总结为下表。
| 数据处理过程 | 误差来源 |
| 数据搜集 | 野外测量误差：仪器误差、记录误差 遥感数据误差：辐射和几何纠正误差、信息提取误差 地图数据误差：原始数据误差、坐标转换、制图综合及印刷 |
| 数据输入 | 数字化误差：仪器误差、操作误差 不同系统格式转换误差：栅格——矢量转换、三角网——等值线转换 |
| 数据存储 | 数值精度不够 空间精度不够：每个格网点太大、地图最小制图单元太大 |
| 数据处理 | 分类间隔不合理 多层数据叠合引起的误差传播：插值误差、多源数据综合分析误差 比例尺太小引起的误差 |
| 数据输出 | 输出设备不精确引起的误差 输出的媒介不稳定造成的误差 |
| 数据使用 | 对数据所包含的信息的误解 对数据信息使用不当 |
GIS中的误差是指GIS中数据表示与其现实本身的差别。数据误差的类型可以是随机的，也可以是系统的。归纳起来，数据的误差主要有四大类，即几何误差、属性误差、时间误差和逻辑误差（陈述彭等，2001）。为此，在GIS的空间数据采集和建立数据库的过程中，必须严格把关，最大限度杜绝资料错误，减少不精确的要素影响，这就是所谓的空间数据质量诊断和控制。空间数据的质量可从宏观与微观两个方面进行分析。
所谓数据质量的宏观因素，是从数据整体的角度进行判断，一般包括：
（1）数据的完整性：这是从内容上说，即空间数据是否足以支持特定任务？
（2）数据的时效性：或称为数据的现势性，即数据采集时的时间与当前时间之间的间隔长短。
（3）数据的预处理：数据的收集、转换、处理等是否规范、合理。
数据质量的微观因素针对的是各个数据元素本身，包括：
（1）定位精度：空间位置的精确程度，指的是一个地物在地理数据库中的位置以及实际位置之间的差异情形。
（2）属性的精确度：如对于某一气象站，各时间的观测值是否准确；
（3）逻辑的一致性：所谓逻辑的一致性，是指各个数据元素间，彼此逻辑关连性是否正确。例如：航道应该位于河流的中央等。
（4）空间分辨率：系统能够识别、显示的最小单元的大小。
