我一直在寻找有用的方法来将研究区域（通常以栅格数据集的形式）采样或划分为较小的单元。最近，我阅读了ESRI博客文章，内容涉及用于创建采样六边形的新工具。尽管六边形是吸引眼球的东西，但我首先想到的是，六边形比例如可以实现相同目标的渔网网格更复杂，并且包含更多的顶点。在研究区域采样或分割栅格数据集时，使用六角形栅格而不是矩形栅格有什么好处？
Answers:
六边形的想法是减少网格形状的边缘效应带来的采样偏差，这与高周长/面积比有关。圆形是最低的比率，但不能形成连续的网格，而六边形是最接近仍可以形成网格的圆形的形状。
同样，如果您在较大的区域上工作，则正方形网格比六边形等形状受曲率变形的影响更大。
创建和使用十六进制网格进行生态/景观分析有许多工具和扩展，Patch分析师（Rempel等人，2003年）就是一个很好的例子，它还提供了大量的景观度量测量能力。以前的霍斯工具，现已重新设计为地理空间建模环境，其中包含多种工具，可填补Arcgis功能中的空白，包括重复网格。通常，由需要它们的研究人员对这种事情进行了许多第三方扩展，因此在每个新的GIS版本发布之后，他们通常没有资源来重建其产品，因此看起来没有可用的
本文（Birch，2007年）还对生态学应用中的矩形和六边形网格进行了全面的比较，显示了当连通性，最近邻域或移动路径是分析中要考虑的关键方面时，六边形网格如何更可取。
特别是在进行野生动植物或栖息地建模时，我看到的好处之一是，与提供的正方形相比，六角形可以更轻松地查看数据中的图案（例如，田野边缘或任何其他斑块）。
也可以考虑一个足球，尽管并非总是六边形，但这些几何形状非常适合曲面。
在图像中，尝试创建较小的六边形，它们将接近多边形的实际形状。然后，尝试在宽度或高度相似的同一区域上计算矩形/正方形网格，您会看到差异。
六边形是可以填充平面（无间隙或重叠）的最复杂的正多边形。
我可以看到两个优点：
就形状而言，它比正方形更接近圆形，因此您受方向偏差的影响较小（六边形的各向异性较低），并且更紧凑（形状指数较低：周长2 /面积）。因此，它提供了更准确的采样。
每边的“接触长度”相同（有一个正方形，相邻的四个角包括四个正方形）。编辑：如@Jason所述，质心之间的距离在所有六个方向上也相同。相反，到方格角处的邻居的距离乘以系数sqrt（2）。
还有两个缺点：
有六个相邻的邻居，而不是正方形的八个（如果您考虑了拐角）。这将降低连接分析的精度。
最重要的是，您不能细分六边形以使用六边形对样本进行放大或缩小（使用正方形，很容易将其聚合或拆分为新的正方形）。因此Square更适合用于层次分析。
在您的情况下，还有另一个缺点，因为您想对栅格进行分区。实际上，栅格像元和栅格范围都是基于正方形的。因此，如果尝试使用六边形对栅格进行分区，将无法避免部分包含像素。因此，您将依赖某种会影响数据质量的重采样策略。此外，任何基于六边形的裁剪栅格将导致一定比例的NoData像素。
网格正方形的一个主要缺点是采样率沿对角线矢量比四侧的采样率低得多（上面的Jasons点）。
如果您的数据具有某些规则的线性模式，则网格的方向会影响每个上下文的有效采样率。
例如，如果您有一系列的山脊和山谷，那么沿着这些山脊和山谷定向网格可能只会对山谷或山顶采样，从而对要寻找的植被或动物群类型进行采样。相对于谷的其他角度将使整个区域的采样率在高低之间变化。在水生动物中这种有问题的媒介的一个很好的例子可能是潮汐范围，海深，海底山脊等等。
显然，可以通过选择采样分辨率来减轻或加剧这种影响，但理想情况下，采样率与方差之比应在空间上保持稳定。接近圆形的六边形不太可能偶然引起这种可变的采样率偏差。