坐标系统与投影变换：从 WGS84 到 Web Mercator

引言

每一份遥感影像都同时携带两套坐标语言：一套描述「地球上的哪个位置」，即地理坐标；另一套描述「栅格里的第几行第几列」，即像素坐标。这两套语言之间的翻译层，就是坐标系与投影。工程上几乎所有棘手的空间数据问题，追根溯源都能落到这一层：两份影像叠不上、面积算不准、瓦片错位几百米、跨带拼接出现缝隙。

难点不在于公式，而在于选择。地球是不规则椭球，把它铺平成平面必然产生变形，而变形只能被转移、不能被消灭。等角投影保住形状却扭曲面积，等积投影反过来，等距投影只在特定方向上成立。工程师要做的不是找到完美投影，而是判断当前业务真正在意哪一个量，然后接受剩下两个量的损失。

第二个难点是一致性。数据在流水线里经过重采样、切片、拼接、入库，每一次坐标变换都可能引入微小舍入误差，误差会在层级间放大。生产环境里最常见的事故不是投影选错，而是坐标系标注与实际不符，也就是元数据撒谎：文件头写着 EPSG:4326，实际数据却是 GCJ-02 偏移过的坐标。

本文按「基准到投影，再到工程落地」的顺序展开。先讲椭球与基准，再讲投影变形与 Web Mercator 的取舍，然后覆盖国内坐标系偏移、GDAL 与 PROJ 重投影实操、仿射变换与栅格重采样，最后落到瓦片分辨率与金字塔计算。想先建立整体图景的读者，可回看 遥感与空间数据总览 ；涉及文件读写细节的部分，参见 GDAL 栅格数据读写 。

目录

1. 大地基准与参考椭球
2. 地理坐标系与投影坐标系
3. EPSG 编码与坐标系识别
4. 投影变形的数学本质
5. Web Mercator 的工程妥协
6. 国内坐标系与偏移问题
7. GDAL 与 PROJ 重投影实操
8. 仿射变换与栅格重采样
9. 瓦片金字塔与分辨率计算

1. 大地基准与参考椭球

坐标系的第一层是椭球体。地球并非正球，赤道半径约 6378137 米，极半径约 6356752 米，扁率约 1/298.257。不同历史时期、不同国家测得的椭球参数略有差异，常见的有 WGS84、GRS80、Krassovsky 1940、Clarke 1866 等。椭球本身只是几何形状，还不足以定位。

第二层是基准（Datum），它规定了椭球如何与真实地球对齐，包含椭球参数、原点位置与定向。WGS84 是 GPS 使用的全球基准，历经多次精化，现在实际等同于 ITRF 的某个历元实现。CGCS2000 是中国 2008 年启用的国家大地基准，椭球参数与 WGS84 极为接近（长半轴完全相同），两者在米级精度上通常可互换，但严格来说 CGCS2000 是 ITRF97 历元 2000.0 的实现，与 WGS84 存在厘米到分米级差异。

椭球对比（长半轴 a / 扁率倒数 1/f）
WGS84        6378137.0 / 298.257223563
GRS80        6378137.0 / 298.257222101
CGCS2000     6378137.0 / 298.257222101
Krassovsky   6378245.0 / 298.3

工程含义很直接：把 CGCS2000 与 WGS84 视为同一套坐标，在米级应用中安全；但在厘米级测量或长距离控制网中必须做基准转换，用七参数或格网改正。北京 54 与西安 80 使用的是 Krassovsky 椭球，与 WGS84 差异可达百米量级，绝不能混用。

1.1 基准转换的两种路径

基准转换有解析与格网两条路线。解析法用布尔沙-沃尔夫七参数模型，包含三个平移、三个旋转和一个尺度因子，适合大区域、精度要求到分米级的场景。

七参数模型（X,Y,Z 为地心直角坐标）
| X' |   | Tx |        |  1   -Rz   Ry |   | X |
| Y' | = | Ty | + (1+s)|  Rz   1   -Rx | · | Y |
| Z' |   | Tz |        | -Ry   Rx   1  |   | Z |

格网法用密集的格网点存储残差，插值精度可达厘米级，代价是数据体积大、依赖特定区域。国内常用的 CGCS2000 到西安 80 转换就提供格网文件。选择原则是：跨洲或全球用七参数，单国高精度用格网，同一基准内换投影则完全不需要基准转换。

需要强调的是，基准转换与投影变换是两个独立步骤，顺序不能颠倒。先做基准转换把坐标落到目标椭球上，再做投影把椭球展平。把两步合成一次操作是常见错误来源，因为大多数工具库的 -s_srs 到 -t_srs 会自动串起这两步，手工拼接变换链时容易漏掉其中一环。

1.2 高程基准

水平坐标之外还有高程基准，国内用 1985 国家高程基准，基于黄海平均海平面；GPS 直接给出的是椭球高，两者相差一个大地水准面差距（geoid undulation），在国内范围约为 -10 米到 +40 米。

gdalinfo -stats dem.tif | grep -i "no data\|band"   # 查看统计与 NoData

gdalwarp -s_srs "+proj=longlat +datum=WGS84 +geoidgrids=egm96_15.gtx" \
  -t_srs EPSG:4326 in.tif out.tif   # 用 EGM96 格网把椭球高转正高

DEM 与影像配准、洪水淹没分析、土方计算都依赖正确的高程基准。忽略大地水准面差距会带来十几米的系统性偏差，这在平原地区足以决定一片区域是否被判定为淹没区。

2. 地理坐标系与投影坐标系

地理坐标系（GCS）用经纬度描述位置，单位是度，坐标范围经度 -180 到 180、纬度 -90 到 90。它的关键性质是角度单位不可直接用于量算：一度经度在赤道约 111.32 公里，在北纬 60 度只剩约 55.66 公里。因此「缓冲区半径 1000 度」这类写法毫无意义。

投影坐标系（PCS）把椭球展平到平面，单位是米或英尺，可以直接计算距离、面积、方向。常见的有 UTM（通用横轴墨卡托，全球分 60 带）、高斯-克吕格（国内 3 度带与 6 度带）、Web Mercator（EPSG:3857）、Albers 等积圆锥（常用于全国统计）。

选择顺序通常是：先按精度需求确定基准，再按业务量算需求确定投影。需要面积统计就用等积投影，需要导航和形状保持就用等角投影，需要局部高精度距离就用局部横轴墨卡托并控制离中央经线的距离。投影坐标系还带假东假北偏移，例如 UTM 的东偏移固定加 500000 米以避免负值，国内高斯投影常在 Y 坐标前加带号。

2.1 投影按保真属性分类

没有投影能同时保角又保积，这是高斯绝妙定理的直接推论。工程上选择投影的第一步永远是问「这个业务最终要算什么量」。

2.2 度与米的换算陷阱

在 EPSG:4326 下用缓冲区、相交、距离等操作时，GEOS 与 PostGIS 会按平面几何处理，把度当米算。纬度 30 度处一度约 96 公里，一度经度约 111 公里，误差量级是十万倍。

-- 错误：在 4326 上按度数做缓冲区
SELECT ST_Buffer(geom, 0.01) FROM parcels;

-- 正确：转成米制投影后再缓冲，或使用 geography 类型
SELECT ST_Buffer(geom::geography, 1000)::geometry FROM parcels;

-- 或显式投影到 UTM
SELECT ST_Transform(ST_Buffer(ST_Transform(geom, 32650), 1000), 4326)
FROM parcels;

geography 类型内部按球面计算，适合跨带、跨大洲的距离与缓冲区，代价是计算比平面几何慢数倍，且部分函数不支持。频繁查询的场景应预先投影到米制坐标系并建空间索引。

3. EPSG 编码与坐标系识别

EPSG 数据集是坐标系的事实标准注册表，用整数编码标识一套完整定义。日常打交道最多的几个：

识别数据真实坐标系不能只看元数据。实践中用三重校验：一是读文件头里的 WKT 或 EPSG；二是抽查已知地物的坐标是否落在合理范围，比如上海应该在东经 121 度附近，如果出现 12100000 这类数字说明是加了带号的投影坐标；三是把数据与底图叠加目视检查，偏移规律若是整体平移，多半是基准或偏移算法问题。

gdalinfo -json input.tif | jq '.coordinateSystem.wkt'   # 读 WKT 定义

gdalsrsinfo EPSG:4547                                  # 查 EPSG 定义详情

gdalsrsinfo -o proj4 EPSG:4326                         # 输出 proj 字符串

需要注意坐标系缺失的情形：很多裁剪或格式转换工具会丢掉投影信息，得到的文件仍可显示但无地理意义。流水线里应当把「坐标系非空且符合预期」作为一道校验门禁，而不是等下游出错再回溯。

3.1 WKT 的版本差异

坐标系的文本描述用 WKT 表达，存在 WKT1 与 WKT2 两个不兼容的版本。GDAL 3 默认输出 WKT2:2019，而很多老系统只认 WKT1。差异体现在轴序、单位声明与参数命名上，例如 WKT2 显式写出 ORDER[1], LENGTHUNIT 等节点。

WKT1 片段
PROJCS["CGCS2000 / 3-degree Gauss-Kruger CM 117E",
  GEOGCS["China Geodetic Coordinate System 2000",
    DATUM["China_2000", SPHEROID["CGCS2000",6378137,298.257222101]],
    UNIT["degree",0.0174532925199433]],
  PROJECTION["Transverse_Mercator"],
  PARAMETER["central_meridian",117],
  UNIT["metre",1]]

跨系统交换时如果对方只支持 WKT1，用 gdalsrsinfo -o wkt1 显式降级，不要依赖自动转换。PROJ 6 之后 EPSG 定义会在转换时自动规范化，但这一步在极少数自定义坐标系上会改变参数，需要在接入新坐标系时做一次往返测试。

3.2 自定义坐标系

当 EPSG 注册表里没有合适的定义时，用 proj 字符串或 WKT 自定义。常见于特定工程的局部坐标系、需要调整中央经线的横轴墨卡托、以及带特殊假东假北的矿区坐标。

from pyproj import CRS

local = CRS.from_proj4(
    "+proj=tmerc +lat_0=0 +lon_0=117 +k=1 +x_0=500000 +y_0=0 "
    "+ellps=GRS80 +units=m +no_defs")
print(local.to_epsg())        # None 表示无对应 EPSG 编码
print(local.to_wkt()[:80])

自定义坐标系必须随数据一起分发定义文件，否则下游无法解析。实践中更稳妥的做法是把它注册到本地 EPSG 库或封装成带 WKT 的 GeoPackage，避免每次靠字符串传参。

4. 投影变形的数学本质

墨卡托投影的公式是 x = R·λ，y = R·ln(tan(π/4 + φ/2))。它的等角性质来自纬度方向的拉伸正好补偿经度方向的拉伸，代价是面积随纬度急剧放大。比例因子在纬度 φ 处为 sec φ，也就是 1/cos φ。

import math

def mercator_scale(lat_deg):
    return 1.0 / math.cos(math.radians(lat_deg))

for lat in (0, 30, 45, 60, 75, 85):
    print(f"lat={lat:>3}  scale={mercator_scale(lat):.3f}")

输出会显示北纬 60 度面积放大 2 倍，北纬 75 度放大约 3.86 倍，北纬 85 度放大约 11.5 倍。这解释了一个著名现象：在 Web Mercator 底图上格陵兰看起来比非洲还大，而非洲实际面积是格陵兰的 14 倍。

各典型纬度的面积放大系数：

要在 Web Mercator 上得到近似真实面积，可以把面积乘以 cos²φ 校正，但这只在局部小范围内有效，跨纬度的大区域必须重新投影。

4.1 横轴墨卡托的分带逻辑

横轴墨卡托把圆柱横放，使圆柱面切于某条经线（中央经线），从而在南北方向拉长覆盖范围。分带是为了把离中央经线的距离控制在变形可接受范围内。

高斯-克吕格 3 度带
带号 n = round(L / 3)
中央经线 L0 = 3n
东偏移 = 500000 m + 带号 × 1000000（部分规范）
最大离中央经线距离 = 1.5° ≈ 167 km
边缘变形 ≈ 1/3000

UTM 6 度带
带号 n = floor((L + 180) / 6) + 1
中央经线 L0 = 6n - 183
比例因子 k0 = 0.9996
东偏移 = 500000 m，南半球北偏移 = 10000000 m

带号与中央经线的换算是高频出错点。3 度带 117E 对应带号 39，6 度带 117E 对应带号 50，两者容易混淆。工程上建议直接用 EPSG 编码（4547 对应 CGCS2000 3 度带 117E，32650 对应 UTM zone 50N）而不手工推导。

高斯-克吕格与 UTM 用横轴墨卡托加中央经线分带的方式控制变形，把变形限制在带内。3 度带在中央经线处比例因子为 1，边缘最大变形约 1/3000；6 度带边缘变形约 1/800，所以高精度量算应选 3 度带。UTM 则刻意把中央经线比例因子设为 0.9996，让变形在带内分布更均匀，代价是中央经线上距离被压缩 0.04%。

变形规律决定了使用纪律：面积统计不要在 Web Mercator 上做，跨带量算必须先统一到同一投影，全国范围统计优先用 Albers 或等积方位投影。

5. Web Mercator 的工程妥协

Web Mercator（EPSG:3857）是 2005 年前后由 Google Maps 推广的投影，本质上不是严格的墨卡托：它把椭球当作正球处理，直接使用 WGS84 的长半轴 6378137 米作为球半径，忽略扁率。这导致它在同一位置上与真实墨卡托（EPSG:3395）有最大约 20 公里的位置偏差，但换来一个巨大的工程优势——正球墨卡托公式极简，瓦片切分与像素映射可以纯整数运算。

具体规格：坐标范围 x 与 y 均为 ±20037508.34 米（即 π·R），纬度截断在 ±85.05112878 度，因为再往极地方向 y 趋于无穷。这个截断值是使地图成为正方形的纬度，atan(sinh(π)) 的度数形式。

Web Mercator 关键常量
R              = 6378137.0 m
x/y 范围       = ±20037508.342789244 m
纬度截断       = ±85.0511287798066°
瓦片尺寸       = 256 px（或 512 px 高清瓦片）
层级 0 覆盖    = 1 张瓦片覆盖全球

层级 z 的分辨率公式是 resolution = 2·π·R / (256 · 2^z)。层级 0 约为 156543 米/像素，每加一级减半，层级 18 约 0.6 米/像素，层级 22 约 0.037 米/像素。这个公式是所有切片服务的公共基础，细节见 瓦片服务与切片金字塔 。

工程取舍很清楚：Web Mercator 适合显示与交互，不适合量算与统计。如果业务既要在网页上展示又要在后端统计面积，正确做法是存两份几何或做实时投影转换，而不是在 3857 上直接算面积。

6. 国内坐标系与偏移问题

国内最容易被忽视的是 GCJ-02 与 BD-09。GCJ-02 是国测局在 WGS84 基础上加非线性偏移得到的加密坐标，俗称火星坐标；BD-09 是百度在 GCJ-02 上再叠一层偏移。偏移量在 300 到 700 米之间随机分布，没有公开的解析公式，只能靠拟合算法近似还原。

实践中的判定方法：把数据叠加到天地图或高德底图上，如果道路与影像整体错开几百米且方向随机，就是坐标系不一致。处理原则是整条流水线统一到一套坐标，转换集中在入口做一次，中间环节不再反复变换。反算 GCJ-02 到 WGS84 用迭代逼近即可收敛到厘米级。

import math

X_PI = math.pi * 3000.0 / 180.0
A = 6378245.0                 # Krassovsky 长半轴
EE = 0.00669342162296594323   # Krassovsky 第一偏心率平方

def out_of_china(lng, lat):
    return not (73.66 < lng < 135.05 and 3.86 < lat < 53.55)

def gcj_to_wgs(lng, lat, iterations=3):
    wlng, wlat = lng, lat
    for _ in range(iterations):
        glng, glat = wgs_to_gcj(wlng, wlat)
        wlng += lng - glng    # 残差回代，逐次逼近
        wlat += lat - glat
    return wlng, wlat

注意偏移算法的常数基于 Krassovsky 椭球而非 WGS84，这是历史实现遗留，改动它反而会与主流库不兼容。这类数据合规与偏移问题在测绘领域属于敏感话题，工程实现时应当保留原始坐标并做可追溯的转换记录。

7. GDAL 与 PROJ 重投影实操

GDAL 3.x 之后坐标转换统一由 PROJ 6+ 承担，最大的行为变化是轴序处理：EPSG:4326 官方定义是纬度在前经度在后（lat, lon），而绝大多数工具和习惯用法是经度在前。GDAL 3 默认遵循官方轴序，但在 gdalwarp 与 ogr2ogr 等命令行工具中会做兼容处理，编写代码时则要显式指定。

gdalwarp -s_srs EPSG:4326 -t_srs EPSG:4547 \
  -r bilinear -tps \
  -tr 10 10 -te 400000 3450000 500000 3550000 \
  -of GTiff -co TILED=YES -co COMPRESS=DEFLATE \
  input.tif output.tif

gdalwarp -t_srs EPSG:3857 -r near input.tif webmerc.tif   # 切片前重投影

ogr2ogr -f GeoJSON -t_srs EPSG:4326 out.geojson in.shp    # 矢量重投影

-tps 启用薄板样条变换，适合控制点重投影；-r 指定重采样算法；-tr 与 -te 明确输出分辨率与范围，避免默认按输入外接矩形推导出奇怪的网格。批量处理时用 gdalwarp 的 -overwrite 配合 xargs -P 并行，比写 Python 循环快得多。

Python 侧用 rasterio 或 pyproj：

import rasterio
from rasterio.warp import calculate_default_transform, reproject, Resampling

with rasterio.open("input.tif") as src:
    transform, width, height = calculate_default_transform(
        src.crs, "EPSG:4547", src.width, src.height, *src.bounds)
    kwargs = src.meta.copy()
    kwargs.update(crs="EPSG:4547", transform=transform,
                  width=width, height=height, compress="deflate")
    with rasterio.open("output.tif", "w", **kwargs) as dst:
        for i in range(1, src.count + 1):
            reproject(
                source=rasterio.band(src, i),
                destination=rasterio.band(dst, i),
                src_transform=src.transform, src_crs=src.crs,
                dst_transform=transform, dst_crs="EPSG:4547",
                resampling=Resampling.bilinear)

calculate_default_transform 会自动处理外接矩形与像元大小，是重投影的标准入口。pyproj.Transformer 则用于点级转换，构造一次可复用，比反复调 transform 函数快一个量级。

8. 仿射变换与栅格重采样

栅格的像素坐标与地理坐标通过仿射变换关联，GDAL 用六个参数描述：左上角 x、x 方向像素宽、行旋转、左上角 y、列旋转、y 方向像素高（通常为负）。

GeoTransform = (x0, dx, rx, y0, ry, dy)
x_geo = x0 + col * dx + row * rx
y_geo = y0 + col * ry + row * dy

正常北朝上的影像 rx 与 ry 为 0，dy 为负值。若 rx 与 ry 不为零，说明影像有旋转，很多切片工具和显示库不支持旋转，需要先用 gdalwarp -r near 摆正。行列为零时得到左上角坐标，这也是为什么 GDAL 的 bounds 需要显式减去半个像素来得到像元中心。

重采样算法决定了重投影后的信息损失：

分类结果、云掩膜、土地覆盖必须用 near 或 mode，用双线性会造出不存在的类别值。光谱数据用 bilinear 或 cubic。做区域统计降采样时用 average 或 sum，取决于量纲。

9. 瓦片金字塔与分辨率计算

切片前的准备工作有一套固定流程：统一投影到 EPSG:3857、摆正旋转、按目标层级重采样、对齐到瓦片网格。最后一步最容易出错，因为瓦片网格要求影像的左上角坐标必须是瓦片尺寸的整数倍。

gdalwarp -t_srs EPSG:3857 -r bilinear -of GTiff \
  -co TILED=YES -co BLOCKXSIZE=512 -co BLOCKYSIZE=512 \
  -co COMPRESS=JPEG -co JPEG_QUALITY=85 \
  input.tif aligned.tif

gdal2tiles.py --profile=mercator --zoom=8-16 \
  --resampling=bilinear --processes=8 \
  --webviewer=none aligned.tif ./tiles

--profile=mercator 生成标准 XYZ 瓦片，--zoom 指定层级范围。生成的目录结构是 z/x/y.png，注意 TMS 与 XYZ 的 y 轴方向相反，混用会导致上下颠倒，这是切片环节最经典的 bug。

分辨率与层级的关系需要背下来：resolution(z) = 156543.03392804097 / 2^z 米/像素（256 像素瓦片）。要在网页上显示 1 米分辨率影像，需要 z ≥ 18；要显示 0.5 米，需要 z ≥ 19。反过来，如果数据源本身只有 10 米分辨率，切到 z=19 只是把每个像元放大成 4×4 的色块，白白增加存储与传输。

import math

R = 6378137.0
ORIGIN = math.pi * R           # 20037508.342789244

def tile_bounds(z, x, y):
    size = 2 * ORIGIN / (2 ** z)
    minx = -ORIGIN + x * size
    maxx = minx + size
    maxy = ORIGIN - y * size     # XYZ 规范 y 向下增长
    miny = maxy - size
    return minx, miny, maxx, maxy

def resolution(z, tile_px=256):
    return 2 * ORIGIN / (tile_px * 2 ** z)

print(tile_bounds(10, 843, 388))   # 上海一带瓦片范围
print(resolution(10))              # 约 152.87 m/px

注意瓦片尺寸 512 时分辨率翻倍，同一层级覆盖范围不变但像素数变四倍。矢量瓦片常配 512 以避免高 DPI 屏上的模糊。

跨带拼接是另一个高频问题。国内用 3 度带时，一个省可能横跨三到四个带，各带坐标差异达数十万米。正确做法是先把所有分带数据转成经纬度，再统一投影到覆盖全域的等积投影（如 Albers）或按业务需求选定的单一投影。直接拼接不同带的数据，会在带边界出现明显错位。多时相分析中同样要注意这一点，参见 变化检测工程实践 。

权衡取舍

• 基准选择：全球业务用 WGS84 最省事，国内合规数据用 CGCS2000，两者米级可互换，厘米级必须做七参数转换。
• 投影选择：显示与交互用 Web Mercator，面积统计用 Albers，局部高精度量算用 3 度带高斯投影。
• 存储坐标系：源数据保留原始坐标系，只在服务层重投影，避免多次变换累积误差。
• 重采样算法：分类数据一律 near，光谱数据 bilinear，统计降采样 average，不要一套算法走到底。
• 精度与体积：切片层级每加一级体积翻四倍，按数据源真实分辨率设上限，避免切出无信息的高层级。
• 偏移处理：GCJ-02 转换集中在入口做一次并留痕，流水线中不允许出现多套坐标系混存。
• 动态转换 vs 预转换：实时转换省存储但每次查询有开销，预转换快但占空间，按查询频率决定。

常见坑清单

• 元数据坐标系错误：现象是数据叠不上底图，原因是文件头 WKT 与实际不符，规避方法是用已知地物坐标做双重校验。
• 轴序颠倒：现象是点位跑到南极或坐标反号，原因是 EPSG:4326 官方轴序为纬度在前，规避方法是在代码里显式声明 always_xy 或统一用 Transformer。
• Web Mercator 算面积：现象是极区面积虚高数倍，原因是墨卡托面积随纬度放大，规避方法是改用等积投影后再统计。
• 分类图用双线性重采样：现象是掩膜出现 0.5 这类不存在的类别值，原因是插值产生了中间值，规避方法是分类数据只用 near。
• TMS 与 XYZ 混淆：现象是瓦片上下颠倒，原因是 y 轴方向定义相反，规避方法是统一使用一种规范并在配置里注明。
• 旋转影像未摆正：现象是切片后出现黑色斜边，原因是 GeoTransform 含旋转项，规避方法是切片前用 gdalwarp 摆正。
• 跨带直接拼接：现象是省界处出现阶梯状错位，原因是不同带假东偏移不同，规避方法是先统一到同一投影再拼。
• 重复重投影累积误差：现象是数据经过多次转换后位置缓慢漂移，原因是每次重采样都有插值损失，规避方法是保存原始数据只做一次变换。
• 无投影信息文件进库：现象是下游渲染空白，原因是裁剪工具丢掉了 CRS，规避方法是在流水线入口加 CRS 非空校验。
• 分辨率与层级不匹配：现象是瓦片体积巨大但画面模糊，原因是切片层级超过源数据真实分辨率，规避方法是按源分辨率倒推最大层级。

小结

坐标系统的核心矛盾是「三维地球到二维平面的不可逆损失」。理解椭球与基准的层级关系、等角与等积投影的取舍、Web Mercator 为何牺牲精度换取简洁，是做出正确工程决策的前提。国内项目还要额外处理 GCJ-02 偏移，把它当作数据治理问题而不是纯算法问题。

落地层面，GDAL 3 与 PROJ 6 之后的重投影行为有明确规范，记住轴序、显式指定分辨率与范围、按数据类型选择重采样算法，可以避免绝大多数事故。切片与跨带拼接的关键都在「先统一、再处理」这个顺序上。

下一步建议结合 影像基础与元数据 理解各传感器产品的坐标系约定，再通过 瓦片服务与切片金字塔 把坐标知识落到服务端实现；涉及点云数据时，投影选择还会影响高程精度，可参考 LiDAR 点云处理 。