所谓空间数据质量是指数据对特定用途的分析和操作的适用程度。在论及数据质量的好坏时，人们常常使用误差或不确定性的概念，数据质量问题在很大程度上可以看作数据误差问题。而描述误差最常用的概念是准确度和精密度，对于以地图或遥感图像表达的空间数据，数据质量还与空间分辨率或制图比例尺有关。
空间数据质量在很大程度上可以看作是数据的误差问题，而与数据误差相联系的基本概念包括如下内容。
1.误差（Error）
简而言之，误差表示数据与其真值之间的差异。误差的概念是完全基于数据而言的，没有包含统计模型在内，从某种程度上讲，它只取决于量测值，因为真值是确定的。如测量地面某点高程为1002.4m，而其真值为1001.3m，则该数据误差为0.9m。
误差与不确定性有着不同的含义。在上例中，认为量测值（1002.4m）与误差（0.9m）都是确定的。也就是说，存在误差，但不存在不确定性。不确定性指的是“未知或未完全知”，因此，不确定性是基于统计的推理、预测。这样的预测即针对未知的真值，也针对未知的误差。
2.准确度（Accuracy）
准确度是量测值与真值之间的接近程度。它可以用误差来衡量。仍以前问所述某点高程为例，如果以更先进量测方式测得其值为1002.1m，则此量测方式比前一种方式更为准确，亦即其准确度更高。
3.偏差（Bias）(www.xing528.com)
与误差不同，偏差基于一个面向全体量测值的统计模型，通常以平均误差来描述。
4.精密度（Precision）
精密度指在对某个量的多次量测中，各量测值之间的离散程度。可以看出，精密度的实质在于它对数据准确度的影响，同时在很多情况下，它可以通过准确度而得到体现，故常把两者结合在一起称为精确度，简称精度。精度通常表示成一个统计值，它基于一组重复的监测值，如样本平均值的标准差。
5.不确定性（uncertainty）
不确定性是指对真值的认知或肯定的程度，是更广泛意义上的误差，包含系统误差、偶然误差、粗差、可度量和不可度量误差、数据的不完整性、概念的模糊性等。在GIS中，用于进行空间分析的空间数据，其真值一般无从量测，空间分析模型往往是在对自然现象认识的基础上建立的，因而空间数据和空间分析中倾向于采用不确定性来描述数据和分析结果的质量。
此外，GIS数据的规范化和标准化直接影响地理信息的共享，而地理信息共享又直接影响到GIS的经济效益和社会效益。为了解决利用已有数据资源，并为今后数据共享创造条件，各国都在努力开展标准化研究工作。国家制定的规范和标准是信息资源共享的基础，不但有利于国内信息交流，也有利于国际信息交流。但是目前空间数据的标准化仍然存在不少问题，还缺乏统一的标准和规范，各部门间也缺乏必要的联系和协调，对空间数据科学的分类和统计缺乏严格的定义，直接导致建立的各类信息系统之间数据杂乱，难以相互利用，信息得不到有效的交流和共享。为使数据库和信息系统能向各级政府和部门提供更好的信息服务，实现数据共享，数据的规范化和标准化刻不容缓。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
