Все еще зависит, чего вы хотите достичь, лучше ли вам использовать растровые или векторные данные.
Если вы используете свою сетку для разделения области в виде массива контейнеров для географических объектов, то придерживайтесь векторных данных.Для этого я бы создал файл сетки полигонов и пересек его с каждым из ваших слоев данных.Затем вы можете добавить поле идентификатора, которое представляет местоположение ячейки в массиве (и, следовательно, это относительное положение к известной координате широта / долгота - скажем, слева внизу).В качестве альтернативы вы можете использовать пространственные запросы для доступа к вашим данным, выбрав многоугольник в файле векторной сетки, а затем найдя все содержащиеся в нем элементы в вашем другом файле.
OTOH, если вы хотите провести многофункциональный анализ на основе присутствия / отсутствия, тогда вам, возможно, будет лучше пойти по пути растрового анализа.Из того, что вы сказали, я чувствую, что это то, чего вы пытаетесь достичь, но я все еще не уверен на 100%.Вы бы справились с этим, создав набор логических растров подходящего разрешения, а затем выполнив математические операции над множеством (сложение, вычитание, усреднение и т. Д. - в зависимости от того, какие вопросы вы задаете).
Допустим, выглядя на миграцию животных.Допустим, ваша модель предполагает, что потоки, живые изгороди и города являются препятствиями для миграции, но дороги только снижают вероятность пересечения области.Таким образом, вы преобразуете свои препятствия в значение «1», а NoData - в «0» в каждом случае, кроме дорог, где вы решили установить значение «0,5».Затем вы можете сложить все свои растры в один большой стек и предсказать маршруты миграции.
Хорошо, это упрощенный пример, но, возможно, вы поймете, почему нам ДАЖЕ больше информации о том, что вы хотите сделать.