地理信息可视化-形式、配色（译）

[原文链接](blog.mapbox.com/right-way-v… blog.mapbox.com)

 Amy Lee（Aug 7, 2017）Walton Mapbox

地图和地理信息可视化产品设计的文章相对其他设计类文章是比较匮乏的，因此译者打算精选、翻译一系列国外相关文章并分享给大家。这篇文章讲的是专题地图中的定量数据编码方式和配色方法。作者写得比较随意，而译者希望能把这个领域的知识成体系地展现出来。因此译者查阅其他资料加以补充，将900个单词的原文，补充到3000余汉字。如有纰漏，请多指教！

---By译者dongqing

类型概述

当我设计一个地图的时候，我会考虑到：读者如何去读地图上的信息？是否希望读者一眼看到一个地理区域内度量（结果）的变化？是否想在一个特定区域展示它的变化程度？是否想展现一个区域里的繁忙的活动或者人群的相对密度等。要想提高地图的可读性，让读者读得快速而专注，我有许多可视化数据的方法：

• 点密度图 一种用点或其他符号来显示一个特征或现象集体存在的地图形式。例如，展示繁忙的十字路口的人，或者区域内一项活动数量的多少。

• 等值域地图 它用着色或者图案纹理的变化对应地图上的数据强度。例如展示人口密度或者人均收入的可视化地图。（译者：等值域地图的基本单位是区域。区域内部被理解为均质的，等值的。）

• 六边型分箱图 这种六边型分箱图是非常适合在地图上展示常规主题。它的像素化程度低于点密度图，又不像等值域图那样有边界约束。（译者：作者说的六边型分箱图是多边形分箱图的一种，更常见的是矩形分箱图。六边形的几何特性，可以提高显示精度。有学者认为他们是一种特殊的热力图。）

• 热力图 这种地图形式可以让读地图的人感受到点的密度，而不依赖于缩放系数。而且有着最小的边界约束，因为它没有绑定地理边界。

详述和实例

点密度图 当可视化离散点数据时，点密度图是非常有效的。它通常被用于揭示一项活动、特性或其他地域现象的容量和模式。在这种图里，单个点的数量是不支持统计的，它主要提供了一个区域内数据的总量呈现和密度的概览。

图 1 欧洲电视-Shazam 是一个优美的点密度图项目

等值域地图 等值域图基于既定区域内聚合的统计数据。（译者：作者说的等值域图原词 choropleth map。此外两条等值线 isoline 围成的区域也是等值域，这些区域都是假设内部为匀质的。）最经典的案例是美国大选地图。他们的区域划基于选区，因此用等值域地图是更为合适的。泛泛地说，等值域地图表达两种数据：空间可伸展的数据，例如人口；或者是空间聚合的数据，例如比率，密度，构成。

（译者注： 空间可扩展的数据原词 spatial extensive data，指的是如人口，质量等可随着空间变化而变化的值，比如人口密度不变的条件下，面积越大，人口越多。而空间聚合的数据类型原词 spatial intensive data，指的是内在的、固有的、不随空间变化而变化的数据。比如人口密度并不会因为单纯的行政区面积增大而增大。）

图 2 等值域地图：乌干达疟疾发病率

图 3 译者补充：比较空间可扩展数据和空间密集数据的不同之处。本图意在展现麻省波士顿城镇化情况，主要通过人口来体现。左图直接编码了各个区域的人口总数。由于一些区域面积很大，大的面积自然带来了大的人口，导致面积大的区域总是颜色深，给人一种郊区城镇化程度更高的错觉。右图编码人口密度。

六边形分箱图 通过用隐喻却很结构化的表示，六边型分箱图在可视化聚合数据时非常有用。你可以把成千上万的点分成几百个六边型来展示他们大体的分布情况。

图 4 六边型分箱图实例：NYC 交通事故地图

热力图 热力图本质上是通过颜色来编码数值高低的可视化工具。这种形式在多变量上会比较好用，用来呈现数据之间的形式和联系。

图 5 典型的热力图

图 6 展现楼层热点地区的热力图

设计方面的考量

点密度图有赖于离散数据的集群方式。因此我需要确定合适的值来区隔数据。我通常用 Jenks optimization 法进行分类，计算优化值来确定从哪变换颜色或刻度。在点密度图中，大量点的密集排布显示的是变量值在这个区域高度聚合，反之亦然。我尝试通过范围，透明度，色相来可视化值的变化。（译者注：Jenks optimization method 指的是自然间断点分级法，使每组间数据差异达到最大化。集群和分级在等值域地图中广泛运用，在谈及点密度图时提到是比较罕见的。可能是作者想在地图上把离散点根据某个参数不同进行分别展示。）

当设计等值域图、六边型分箱图、热力地图时候， 我需要记住两件很重要的事情：a. 深的颜色通常被读者感知为较强或较高的值。b. 当有大量的颜色变化时候，人的眼睛能辨认色盘上的颜色是很有限的。一般来说，我只会用 5-7 种色系。（译者注：实际操作中，当用明度表达数量递进时候，到底是最深的颜色编码最高的值，还是最浅的颜色编码最高的值，还取决于底图的明暗风格。一般来说，用接近底图颜色编码少或低的值。）

用颜色的推移表达数量递进

这里有几类不同的颜色推移可以在地图设计中使用，下面是我非常喜欢的类型。

单一色相明度推移 从深颜色向更亮颜色的甚至白色来进行填充，同时保持他们色相不变。在这里最深的颜色代表数据库里的最大的值，而最亮的颜色代表了最小的值。（译者注：下文原作者给出的案例中，底图的颜色是浅色的，因此亮色最接近底图颜色，编码最小值。但是如果底图本身是深色的，那么最亮的颜色应该编码最大值。此外，虽然单一色相明度推移被认为最符合 “一种视觉通道编码一种变量” 的可视化原则，但是在实际操作中，还是会常常伴随轻微的色相推移，或者饱和度的推移。这些做法旨在增加对比度，是可取的。人眼善于分辨低明度的颜色变化，在明度较高的色段分辨能力会下降。）

图 7 单色明度推移

图 8 单色明度推移的美国地图

两极明度推移这里用两种互补色（也可以是对比色）去展现数据从一个负向值到 0 点再到正向值的变化区间。这种地图显示了相对立的两个值的大小关系。

图 9 双色相明度推移

图 10 双色相明度推移的美国地图

部分光谱色相推移这种地图融合了两个不同的数集。通过混合两个相邻的颜色来展现两个互斥值的强度关系。（译者注：这块作者写的过于简略，后来查资料后找到了一个例子。就是可以借助它来可视化性别比率。首先男女是这个主题里互斥的两个数集。男的多必然女的少，因而可以用部分色相推移展现。结合下图，可以理解为最黄的一端男性比率最高，而中间橙色是比例差不多的，红色一端是男性比率最低，也就是女性比率最高的地方。）

图 11 部分光谱色相推移的美国地图

图 12 部分光谱色相推移的美国地图

译者补充 作者在文中介绍了三种常见的适用于可视化地图的颜色推移。但这还不是全部。译者查阅资料，将其他情况补充齐全。这些情况可以理解为不常用、不好用或是用在个别场景适用的。

饱和度推移 明度不变，从某种颜色到灰色推移，也符合单一通道对应单一变量的原则。

图1 3 饱和度推移的欧洲地图 图片来源：Dealing with Natural Hazards

纹理推移 从纹理稀疏到密集的推移。很多针对色盲的优化时会提到这种处理方式。

图 14 纹理从稀疏到密集

无色相明度推移 就是单纯黑白的推移。

图 15 无色相明度推移

混合色相推移学者把它定义为一种光谱上可见的颜色到一种光谱上不可见的颜色的推移。常见于展示海拔高度的地图上。通常海拔低的编码绿色或黄色，最高处编码棕色。而棕色正是可见光谱上没有的颜色。这种推移往往是色相和明度都在变化的推移。

图16 混合色相推移

全光谱色相推移全光谱色相推移天然地不适用于编码定量数据的大小关系，因为人类对于顺序的感知并不是按照这张彩虹图走的。有关这个话题的研究，我会放在后面的文章里，感兴趣的请持续关注！

图17 全光谱色相推移

其他影响到配色的因素：主观和审美、对色弱的考虑、数据的洞察的需求、经济因素、客户要求、特定读者的年龄等。

结语

当我设计颜色较重的风格的地图时，我常考虑一些可达性和可复制性的因素。这个地图是纯电子的，还是可能会打印出来的。另外是否这些配色对色盲来说是合适的。ColorBrewer 是一个很酷的用来拾取颜色推移的工具，并且有一个功能让你去检查这些要考虑的因素。 色彩可以很好的增强制图者和读者之间的信息传达，但是糟糕的配色对地图使用者来说是既没有效率的又没有吸引力的。