大气环境模型最早的是大气环流的三圈模型，后来为了阐明更丰富的内容，计算模型的内容机理描述也增多，模型的空间尺度复杂化，计算分析的网络也随之加密，这就导致计算发现的规律依赖于计算地理学尺度，因此尺度在当前的自然计算地理学的地球系统分析是至关重要的概念。实际上地理事物和观察对象在合适的尺度配合下，模型才能揭示规律，地理分析的空间尺度随问题的丰富性而变化，如空间自相关性在不同尺度下表现有不同的效应，因此称模型具有尺度依赖性。以土地覆盖为例，尺度依赖因子指诸如像素尺寸、研究范围及平滑滤波器等，影响了土地覆盖类型划分的划分，模型包含的概念在变化。这些尺度因子依赖于遥感器数据、分类技术等。基于这些因子之间的关系，土地覆盖地图在其范围、镶嵌度，以及分类的准确性上存在差异。很多研究利用实证数据考察了这些因子的影响，并基于对单一因子的案例，研究得出相应结论，而没有综合考虑多种尺度，由此发现不同因子的交互关系具有相对重要性。

在实际工作中，像素尺寸决定了可从图像中提取的最小特征的单元，这个最小尺度被认为在给定的观察下再分析理论上不可能也失去意义。王铮（1988）仿照物理学称其为相，一个相对给定的分析来说性质也是均一同质的。对于植被高度碎片化的区域，如城市区域，其空间分辨率的最低要求为0.5～10米，这是一个相的尺度。对于不同的遥感分辨率，只能通过降级原始分类图像来改变分辨率实现对其的模拟。然而基于像素或者相的土地覆盖分类可能导致椒盐效应（麻点或花白效果），主要源于在分类技术中没有引入空间自相关特征，通常的处理方法是对图像进行平滑，即对像素进行合并以减少椒盐效应引起的分类错误。平滑滤波器的使用通常导致边缘复杂性的移除和最小可制图单元（MMU）的提高。MMU在地理意义上对应于一个相，通常倾向于高于像素尺寸。不是对应于一个相的MMU，可能会导致空间或内容信息可能丢失。较大的MMU可能导致感兴趣的相错误地结合在相邻相的图形斑块内。研究范围是数据源所包含的物理面积，随着研究范围扩大，抽样过程采集到稀有类型的概率也增大。如果粒度固定，碎片化程度将随着研究范围的扩大而增加。

在以往很多研究中，数据收集均是在其最适宜的尺度上进行的。但是对于使用遥感数据的研究，用户总是受限于特定的可获得的尺度。而研究的最适尺度是关于环境（其空间布局）、所要获取的信息类型，以及所用的分类技术的函数。由此可利用这些因子的各种组合，通过判断其综合效应来选择合适的尺度。

在不同的空间尺度上，土地覆盖的构成类型将发生变化，当诸如粒度或范围等空间依赖因子改变时，土地覆盖类型的面积与空间分布模式也将随之变化。但是，关于这些空间分布模式如何变化的信息知识十分有限。