地理网格生成器

🌐 渔网 (Fishnet) 格网

渔网是 GIS 中最基础的空间划分工具，将研究区域划分为规则的矩形或正方形网格单元。每个单元具有唯一的标识符，可用于空间统计、叠加分析与采样设计。

在地理坐标系（WGS-84）下，渔网的"正方形"实际上是球面上的曲边梯形。当研究区域跨度较大时，建议使用投影坐标系（如 UTM）生成后再反投影，以保证网格的几何精度。

🎲 随机采样与空间代表性

空间随机采样要求每个空间位置被抽中的概率均等。纯随机采样（Uniform Random）可能出现点聚集现象，降低空间覆盖效率。

泊松盘采样 (Poisson Disc Sampling) 通过设置最小间距约束，在保证随机性的同时获得更均匀的空间分布。Bridson (2007) 算法时间复杂度为 O(N)，是生成自然分布点集的高效方法。

Halton 序列 属于低差异序列 (Low-discrepancy sequence)，其空间分布均匀性优于纯随机序列，在数值积分与空间模拟中广泛应用。

📐 系统采样 (Systematic Sampling)

系统采样按固定间隔布设采样点，具有操作简便、覆盖均匀的优点。但需注意：若研究对象存在与采样间隔相近的周期性空间变异，可能产生系统性偏差（aliasing）。

起始偏移策略：

• 角点偏移：从西南角开始，无随机偏移
• 中心偏移：每个网格中心布设一点
• 随机偏移：在基础网格上叠加随机偏移量，兼顾规律性与随机性

🗂️ 分层采样 (Stratified Sampling)

分层采样先将总体划分为互不重叠的层（strata），在各层内独立抽样。其优势在于：

• 保证各子区域均有样本代表
• 当层内方差小于层间方差时，总体估计精度更高
• 便于分层统计与对比分析

本工具采用等面积方格分层，每层内采用简单随机抽样。分层数建议根据研究区面积与异质性确定，通常 4×4 至 10×10 格网即可满足多数野外调查需求。