根据格网进行数据统计与分析是一种常用的方法，相比自然地理边界与行政管理边界而言，使用格网有如下特点：
每个格网之间地位相等，没有上下级之分。
每个格网的面积都相等。
相邻两个格网单元中心点之间距离相等。
适用于将数据从“空间”计算领域转换到“非空间”领域。
生成格网数据的方法其实有很多，例如在之前的PostGIS中可以写一个plpgsql function根据起点，终点，cell分辨率快速生成格网等，由于格网数据比较常用，所以PostGIS3.1直接提供了ST_SquareGrid()（正方形网格）与ST_HexagonGrid()（蜂窝网格）两种格网方法。
稍微不同的是，PostGIS3.1中生成的网格是具有统一的特征的：
生成网格的原点是固定的，指向平面坐标（0，0）。注意：这个原点是根据实际数据来的，生成网格一般要指定一个地理范围，在该范围内生成所定义的网格，那么如果输入的地理范围是epsg:4326坐标系，则指向经纬度0 0，如果输入是epsg:3857，则指向墨卡托的0 0。
指定网格单元的size，即可固定该网格的地理坐标，使用时只使用cell编号而不需要使用真实地理边界。
ST_SquareGrid()
ST_SquareGrid(size,bounds)方法以墨卡托坐标0 0为原点，以size声明网格大小，以bounds指定地理范围。
示例sql：
SELECT (ST_SquareGrid(400000, ST_Transform(a.geom, 3857))).* FROMadmin a WHERE name = 'Brazil';该示例获取巴西的国界，并转平面墨卡托坐标，以0 0为边界，以巴西国界的bbox为生成网格地理边界，生成一些列网格，结果如下：
ST_HexagonGrid()
ST_HexagonGrid(size,bounds)方法的参数与ST_SquareGrid(size,bounds)参数定义完全一致。
蜂窝网格目前非常流行，在某些制图表达和统计建模上具有一些特定场景的优势，一开始应该出现在Uber提出的H3格式：
H3: Uber’s Hexagonal Hierarchical Spatial Index
https://eng.uber.com/h3/
示例sql:
SELECT (ST_HexagonGrid(100000, ST_Transform(a.geom, 3857))).* FROMadmin a WHEREname = 'Germany';结果可视化如下：
格网统计
生成格网一般用于进行统计分析然后汇总可视化的，使用PostGIS时，不需要实际生成网格并存储，而是通过生成器动态创建网格然后与其他空间数据做叠加统计分析。
示例：假设有点数据集places，geom是geometry(Point,4326)类型，该数据集有字段pop_max定义每个palces点的最大人口数，根据蜂窝网格统计汇总每个格网的最大人口数：
SELECTsum(pop_max) as pop_max, hexes.geomFROM ST_HexagonGrid(4.0, ST_SetSRID(ST_EstimatedExtent('places', 'geom'), 4326) ) AS hexesINNERJOIN places AS pON ST_Intersects(p.geom, hexes.geom)GROUP BY hexes.geom;可视化结果如下：
这种动态统计分析是非常快速的，结果可以通过Postgis的矢量切片函数做成动态矢量切片服务，也可以使用pg_tileserv(https://github.com/crunchydata/pg_tileserv)做动态矢量切片服务，配合MapboxGL等能快速实现成果可视化。
