这篇日志以及这个工具可能会使需要做以下两种工作的同学受益：
（1）需要对大量的高分辨率栅格数据进行投影转换和重采样
（2）使用MOIDS各种产品进行区域、及全球尺度的研究，也就是需要对多个条带的MODIS产品进行拼接、重投影和重采样工作
本程序对于第二种情况有奇效，如果学会使用本程序，将会极大得减少数据预处理时间，使时间成本大大降低。
咳咳，老夫再唠叨一次，如果你是要使用任何MODIS产品进行多年的区域尺度研究，那么这个工具对于你的数据预处理工作将会大有益处，除非你根本就不在意花多少时间。。。
正文：
这个小程序主要适用于以下情境：做大尺度研究，经常需要对大范围、高分辨率栅格数据进行重投影及重采样。通常，在这种情况下，时间成本很高，仅处理单个文件就可能需要较长时间。而我写的这个小程序可以有效解决这一问题，不过，需要指出的是，这个程序只适用于使用“最近邻法”进行重采样的情况，也就是说重采样之后不会改变原始数据的像元值。
程序原理： 在很多情况下，我们使用诸如MODIS，AMSR-E这类遥感产品时，一般都会使用“最近邻法”（Nearest）来进行重投影及重采样。让我们细想一下，其实，这一步的主要时间都用在了计算输出数据的像元位置，而由于使用的插值方法是最邻近法，实际上我们并没有真的插值，我们只是将原始数据按一定投影规则分配到了输出文件的对应栅格里，而理论+实际上，这种“投影规则”对于不同时间的同“批次”数据来说都是一样的，那么，挖掘机就来了，我们为什么每次都要重新计算一次呢？这岂不是在浪费时间！！！所以，这个程序是直接利用 用户提供的“投影规则” 来进行重投影及重采样。说白了，我实际上没有进行任何投影计算，我只是在“搬运”数据，i.e. 我不是在创造真理，我只是真理的搬运工-_-!。所以，我更愿意把这个程序定义为一个“外挂”，而且是加速挂。
实话说，这个程序的原理极其简单，即便是使用IDL、python、R、matlab等脚本语言，也都可以很快实现。我最初就是在课题组里的工作站上使用R语言进行了覆盖整个青藏高原的地温数据的“搬运式”重采样和重投影，效果极佳，因为完全不需要进行常规的重投影和重采样工作，这使得我原本需要一个月才能完成的重投影工作只用了不到1天就全部做完。
但是我后面还要做很多不同数据源的重投影工作，使用R或者其他脚本来做总感觉有点不尽兴，所以我就写了这样一个小工具，考虑到代码执行效率的问题，程序完全使用C编写（编译环境是VS2015RC）。
下面介绍一下这个程序：（我觉得这对我烂到渣的语言表达能力是个巨大挑战）
主界面
。 在写这个程序之前还是有点“野心勃勃”的，but，因为害怕影响毕业，所以我并没有选择使用TerraLib这种开源GIS库（那海量的BUG最终把我吓退了）来进行我的工作，而使用Engine则大大降低了实现难度，导致我现在做任何事情都兴味索然。我的博士选题中的一项重要内容是发展一个基于遥感数据的、实用的新参数化方案，目标是估算出在很多水文模型中会被用到的三个物理参数，即：降雪临界温度、融雪基础温度和温度递减率。本文实际上描述的是第一个参数化方案的实施过程。
，本次比赛的参赛选手有：
。言而总之，这场比赛着实令我期待。
），迫切希望提高模型的执行速度的话，那么文中提到的方法以及代码也许会对你有些帮助。
