矢量边界裁剪栅格数据往往有两种基本情况：其一，栅格数据范围大于矢量边界（图 1），裁剪过程中将背景值设置为有效值域之外的数值即可，如NDVI数据值域在[-1.0，1.0]，背景值可设为1.1，这样达到很好的区分效果。

图 1

其二，矢量边缘可能包含栅格数据的背景（无效）值。如图 2，栅格数据的有效值域[-1.0，1.0]，左边设定裁剪背景值是0.0，右边为1.1，图3表示右边红十字线处的Z Profile，显示其6个波段都是0.0，再考虑裁剪前栅格数据的背景值就是0.0，那么就可以确定裁剪结果中包含了原数据的背景值（波段越多，越肯定）。

图 2

图 3

问题：剔除矢量裁剪结果中包含的原数据背景值，用新背景值（有效值域外数值）将其填充，得到真实的矢量边界内的有效数据集？

方法：裁剪过程的背景值仍与原数据背景值一致，最大程度的保证识别的精度。

方案一，决策树方法识别背景范围。在决策树Node中输入节点表达式，Band1 eq 0.0，得到背景和有效区域的二值分类图像。不过，若有效范围内的像元等于背景值，这个方法也会将该像元视为背景，从而造成有效范围内的“空洞”，这可以使用分类修改功能改回“有效”范围。

图 4

方案二，IDL代码。各波段对应像元数值均为背景值，就可以认定该像元是背景，但不包括有效范围内的“空洞”。如图 5，加入各波段的背景值判断后提取的背景和有效区域，波段越多分类的精度越好。

图 5

附上练习数据及代码（Practice.rar）。