Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

Карта хороплета, которая визуализирует долю австралийцев , идентифицированных как англиканцы при переписи 2011 года. Выбранные районы являются районами местного самоуправления , переменная является пространственно интенсивной (пропорция), которая не классифицируется, и используется частичная спектральная последовательная цветовая схема.

Choropleth карта (от греческого χῶρος Choros  «области / региона» и πλῆθος plethos  «множество») представляет собой тип тематической карты , в которой набор заранее определенных областей окрашен или с рисунком в пропорции к статистической переменной , которая представляет собой суммарную сводку географической характеристики в пределах каждой области, такой как плотность населения или доход на душу населения .

Картограммы предоставляют простой способ визуализировать, как переменная изменяется в географической области, или показать уровень изменчивости в пределах региона. Тепловая карта или isarithmic карта похожа , но использует регионы обращаются в соответствии с шаблоном переменных, а не априорные географические областей фоновой картограммы. Картограмма, вероятно, является наиболее распространенным типом тематической карты, поскольку опубликованные статистические данные (из правительственных или других источников) обычно агрегированы по хорошо известным географическим единицам, таким как страны, штаты, провинции и округа, и поэтому их относительно легко создавать с помощью ГИС , электронных таблиц или других программных инструментов.

История [ править ]

Карта грамотности во Франции Дюпена 1826 года.

Самая ранняя из известных хороплетных карт была создана в 1826 году бароном Пьером Шарлем Дюпеном и показывала доступность базового образования во Франции по отделам . [1] Вскоре во Франции было создано больше cartes teintées («цветные карты») для визуализации другой «моральной статистики» об образовании, болезнях, преступности и условиях жизни. [2] : 158 Картографические карты быстро завоевали популярность в нескольких странах из-за все большей доступности демографических данных, собранных на основе национальных переписей, начиная с серии картолетных карт, опубликованных в официальных отчетах переписи населения Ирландии 1841 года. [3] Когда Хромолитографиястал широко доступным после 1850 г., цветные карты все чаще добавлялись. [2] : 193

Термин «хороплетная карта» был введен в 1938 году географом Джоном Киртландом Райтом и стал широко использоваться картографами к 1940-м годам. [4] [5] Также в 1938 году Гленн Трюарта повторно представил их как «карты отношений», но этот термин не сохранился. [6]

Структура [ править ]

Картограмма объединяет два набора данных: пространственные данные, представляющие разделение географического пространства на отдельные районы , и статистические данные, представляющие переменную, агрегированную в пределах каждого района. Есть две общие концептуальные модели того, как они взаимодействуют на хороплетной карте: в одном представлении, которое можно назвать «доминирующим в районе», районы (часто существующие правительственные единицы) являются фокусом, в котором собраны различные атрибуты, в том числе отображаемая переменная. С другой точки зрения, которую можно назвать «переменной доминантой», основное внимание уделяется переменной как географическому явлению (скажем, латиноамериканскому населению), имеющему реальное распределение, и его разделение на районы является просто удобным техника измерения. [7]

На этой хороплетной карте районы являются странами, переменная является пространственно интенсивной (среднее распределение) с модифицированной классификацией геометрической прогрессии, и используется спектрально-дивергентная цветовая схема.

Геометрия: районы агрегации [ править ]

На картографической карте районы обычно представляют собой предварительно определенные единицы, такие как правительственные или административные единицы (например, округа, провинции, страны) или районы, созданные специально для статистического агрегирования (например, участки переписи ), и поэтому не ожидают корреляции с география переменной. То есть границы окрашенных районов могут совпадать, а могут и не совпадать с местом изменения изучаемого географического распределения. Это прямо контрастирует с хорохроматическими и изарифмическими картами, в которых границы регионов определяются закономерностями в географическом распространении рассматриваемого явления.

Использование заранее определенных регионов агрегации имеет ряд преимуществ, в том числе: более легкое составление и отображение переменной (особенно в эпоху ГИС и Интернета с их многочисленными источниками данных), узнаваемость районов и применимость информации. для дальнейшего расследования и политики, привязанной к отдельным районам. Ярким примером этого могут быть выборы, на которых общее количество голосов для каждого округа определяет его избранный представитель.

Однако это может привести к ряду проблем, как правило, из-за того, что постоянный цвет, применяемый к каждому району агрегации, делает его однородным, маскируя неизвестную степень вариации переменной в пределах района. Например, в город могут входить районы с низким, средним и высоким семейным доходом, но они должны быть окрашены одним постоянным «умеренным» цветом. Таким образом, образцы реального мира могут не соответствовать символической региональной единице. [8] Из-за этого такие проблемы, как экологическая ошибка и проблема изменяемых площадных единиц (MAUP), могут привести к серьезным неверным истолкованиям изображенных данных, и другие методы предпочтительнее, если можно получить необходимые данные. [9]

Эти проблемы можно несколько смягчить, используя меньшие районы, потому что они демонстрируют более тонкие вариации в отображаемой переменной, а их меньший визуальный размер и увеличенное количество уменьшают вероятность того, что пользователь карты сделает суждение об изменении в пределах одного района. Однако они могут сделать карту чрезмерно сложной, особенно если в переменной нет значимого географического шаблона (т. Е. Карта выглядит как случайно разбросанные цвета). Хотя представление конкретных данных в крупных регионах может вводить в заблуждение, знакомые формы районов могут сделать карту более четкой и легкой для интерпретации и запоминания. [10] Выбор регионов в конечном итоге будет зависеть от целевой аудитории и цели карты. В качестве альтернативы дасиметрическая техника иногда может использоваться для уточнения границ области, чтобы более точно соответствовать реальным изменениям в предметном явлении.

Из-за этих проблем для многих переменных можно предпочесть изарифмическую (для количественной переменной) или хорохроматическую карту (для качественной переменной), в которой границы области основаны на самих данных. Однако во многих случаях такая подробная информация просто недоступна, и карта хороплет является единственным возможным вариантом.

Картограмма, на которой районы являются округами США, переменная является пространственно интенсивной (пропорция) с квантильной классификацией и использует последовательную цветовую схему с одним оттенком.

Свойство: сводные статистические данные [ править ]

Отображаемая переменная может происходить из самых разных дисциплин в мире человека или природы, хотя человеческие темы (например, демография, экономика, сельское хозяйство) обычно более распространены из-за роли правительственных единиц в человеческой деятельности, что часто приводит к оригинальный сборник статистических данных. Переменная также может быть на любом из уровней измерения Стивенса. : номинальный, порядковый, интервальный или коэффициент, хотя количественные (интервал / соотношение) переменные чаще используются в картограммах, чем качественные (номинальные / порядковые) переменные. Важно отметить, что уровень измерения отдельных данных может отличаться от совокупной сводной статистики. Например, перепись может запрашивать у каждого человека его или ее «основной разговорный язык» (номинальный), но это может быть суммировано по всем людям в округе как «процент, преимущественно говорящий на испанском языке» (соотношение) или как «преобладающий начальный язык». язык »(именной).

Вообще говоря, хороплетная карта может представлять два типа переменных, которые являются общими для физики и химии, а также для геостатистики и пространственного анализа :

  • Пространственно обширная переменная (иногда называется глобальное свойство ) является тот , который может применяться только ко всей зоне, обычно в виде общего счета или количества явления (сродни мессе или вес в физике). Обширные переменные называются накопительными.над космосом; например, если население Соединенного Королевства составляет 65 миллионов, невозможно, чтобы население Англии, Уэльса, Шотландии и Северной Ирландии также могло составлять 65 миллионов. Вместо этого их общая численность населения должна суммироваться (накапливаться) для расчета общей численности совокупного объекта. Однако, хотя можно отобразить обширную переменную на карте хороплет, это почти всегда не рекомендуется, потому что шаблоны могут быть легко неверно истолкованы. Например, если на хороплетной карте определенный оттенок красного обозначен для общей численности населения от 60 до 70 миллионов, ситуация, в которой Соединенное Королевство (как единый район) имеет 65 миллионов жителей, будет неотличима от ситуации, в которой четыре страны, входящие в состав в каждом из них проживало 65 миллионов человек, хотя это совершенно разные географические реальности.Другой источник ошибки интерпретации заключается в том, что если большой и маленький район имеют одинаковое значение (и, следовательно, один и тот же цвет), то, естественно, большее значение будет выглядеть больше.[11] Другие типы тематических карт , особенно пропорциональные символы и картограммы , предназначены для представления обширных переменных и обычно являются предпочтительными. [12] : 131
  • Пространственно- интенсивная переменная, также известная как поле , статистическая поверхность или локализованная переменная , представляет свойство, которое может быть измерено в любом месте (точке или небольшой области, в зависимости от его природы) в пространстве, независимо от каких-либо границ, хотя вариации по району можно суммировать как одно значение. Общие интенсивные переменные включают в себя плотности, пропорции, темпы изменения, средние распределения (например, ВВП на душу населения) и описательную статистику (например, среднее значение, медиана, стандартное отклонение). Говорят, что интенсивные переменные распределяются по пространству; например, если плотность населенияСоединенного Королевства составляет 250 человек на квадратный километр, то было бы разумно оценить (при отсутствии каких-либо других данных), что наиболее вероятная (если не совсем правильная) плотность каждой из пяти составляющих стран также составляет 250 человек на км 2 . Традиционно в картографии преобладающей концептуальной моделью для этого вида явлений была статистическая поверхность , в которой переменная представлялась как трехмерная «высота» над двумерным пространством, которая непрерывно изменяется. [13] В географической информатике более распространенной концептуализацией является область , заимствованная из физики.и обычно моделируется как скалярная функция местоположения. Картограммы лучше подходят для интенсивных переменных, чем для обширных; если пользователь карты видит Соединенное Королевство, заполненное цветом для «100-200 человек на квадратный километр», оценка того, что Уэльс и Англия могут иметь 100-200 человек на квадратный километр, может быть неточной, но это возможно и разумно оценивать.
Нормализация: карта слева использует общую численность населения для определения цвета. Это приводит к тому, что большие полигоны кажутся более урбанизированными, чем более мелкие плотные городские районы Бостона , Массачусетс. На карте справа используется плотность населения. Правильно нормализованная карта покажет переменные, не зависящие от размера многоугольников.

Нормализация [ править ]

Нормализация - это метод получения пространственно-интенсивной переменной из одной или нескольких пространственно-обширных переменных, чтобы ее можно было надлежащим образом использовать в картографической карте. Он похож, но не идентичен методике нормализации или стандартизации в статистике. Обычно это достигается путем вычисления отношения между двумя пространственно обширными переменными. [9] : 252 Хотя любое такое соотношение приведет к интенсивной переменной, лишь некоторые из них особенно значимы и обычно используются в картограммах:

  • Плотность = общая / площадь. Пример: плотность населения
  • Пропорция = сумма по подгруппе / общая сумма. Пример: обеспеченные домохозяйства в процентах от всех домохозяйств.
  • Среднее распределение = общее количество / общее количество человек. Пример: валовой внутренний продукт на душу населения (общий ВВП / общая численность населения)
  • Скорость изменения = всего в более позднее время / всего в более раннее время. Пример: годовой прирост населения.

Они не эквивалентны, и одно не лучше другого. Скорее, они рассказывают разные аспекты географического повествования. Например, хороплетная карта плотности населения латиноамериканцев в Техасе визуализирует рассказ о пространственной кластеризации и распределении этой группы, а карта процента латиноамериканцев визуализирует рассказ о составе и преобладании.

Классификация [ править ]

Основные статьи: биннинг данных , кластерный анализ и статистическая классификация
На этой карте президентских выборов в США 2004-2016 годов используются округа, пространственно-интенсивная переменная (разница в пропорции), которая не классифицируется, и спектрально расходящаяся цветовая прогрессия. Обратите внимание на легенду непрерывного градиента, которая отражает отсутствие классификации.

У каждой картографической карты есть стратегия сопоставления значений с цветами. Объявление choropleth карта разделяет диапазон значений на классы, со всеми районами в каждом классе быть назначен один и тот же цвет. Unclassed карта (иногда называемый п-классом ) непосредственно присваивает цвет , пропорциональный значению каждого района. Начиная с карты Дюпена 1826 года, секретные хороплетные карты были гораздо более распространенными. Вполне вероятно, что изначально это было связано с большей простотой нанесения ограниченного набора оттенков; только в эпоху компьютеризированной картографии неклассифицированные картографические карты стали возможными, и до недавнего времени их было непросто создать в большинстве картографических программ. [14] Уолдо Р. Тоблер, официально представив неклассифицированную схему в 1973 г., утверждал, что она является более точным отображением исходных данных, и заявил, что необходимо проверить главный аргумент в пользу классификации, то есть ее более удобочитаемую. [15] Последовавшие за этим дебаты и эксперименты привели к общему выводу, что основное преимущество неклассифицированных картограмм, в дополнение к утверждению Тоблера о грубой точности, состояло в том, что они позволяли читателям видеть тонкие вариации в переменной, не заставляя их поверить что районы, попавшие в один класс, имеют одинаковую ценность. Таким образом, они могут лучше видеть общие закономерности в географическом явлении, но не конкретные ценности. [12] : 109 [16] [17]Основным аргументом в пользу классифицированных картограмм является то, что читателям легче их обрабатывать из-за меньшего количества различных оттенков для распознавания, что снижает когнитивную нагрузку и позволяет им точно сопоставлять цвета на карте со значениями, перечисленными в легенда. [18] [19]

Классификация выполняется путем установления правила классификации , ряда пороговых значений, которые разделяют количественный диапазон значений переменных на ряд упорядоченных классов. Например, если набор данных годового среднего дохода по округам США включает значения от 20 000 до 150 000 долларов США, его можно разбить на три класса с пороговыми значениями от 45 000 до 83 000 долларов США. Чтобы избежать путаницы, любое правило классификации должно быть взаимоисключающим и в совокупности исчерпывающим., что означает, что любое возможное значение попадает ровно в один класс. Например, если правило устанавливает порог на уровне 6,5, необходимо четко указать, будет ли район со значением точно 6,5 классифицироваться как нижний или верхний (т. Е. Будет ли определение нижнего класса < 6.5 или ≤6.5, а также от того, является ли высший класс> 6.5 или ≥6.5). Для картограмм было разработано множество типов правил классификации: [20] [12] : 87

  • Экзогенные правила импортируют пороговые значения без учета закономерностей в имеющихся данных.
    • Установленные правила - это те, которые уже широко используются в результате прошлых научных исследований или официальной политики. Примером может служить использование государственных налоговых скобок или стандартного порога бедности при классификации уровней дохода.
    • Специальные стратегии или стратегии здравого смысла по сути изобретаются картографом с использованием пороговых значений, которые имеют некоторый интуитивный смысл. Примером может служить классификация доходов в соответствии с тем, что картограф считает «богатыми», «средним классом» и «бедными». Эти стратегии обычно не рекомендуются, за исключением случаев, когда все другие методы неосуществимы.
  • Эндогенные правила основаны на шаблонах в самом наборе данных.
    • Правила естественного разбиения ищут естественные кластеры в данных, в которых большое количество районов имеет аналогичные значения с большими промежутками между ними. Если это так, такие кластеры, вероятно, имеют географическое значение.
      • Оптимизация естественных разрывов Дженкса является эвристическим алгоритмом для автоматического определения таких кластеров , если они существуют; по сути, это одномерная форма алгоритма кластеризации k-средних . [21] Если естественных кластеров не существует, создаваемые им разрывы часто считаются хорошим компромиссом между другими методами, и обычно это классификатор по умолчанию, используемый в программном обеспечении ГИС.
    • Равные интервалы или арифметическая прогрессия делит диапазон значений таким образом, чтобы каждый класс имел равный диапазон значений: ( max - min ) / n . Например, указанный выше диапазон доходов (20 000–150 000 долларов США) будет разделен на четыре класса: 52 500 долларов США, 85 000 долларов США и 117 500 долларов США.
      • Стандартное отклонение правило также создает равные диапазоны стоимости, но вместо того , начиная с минимальным и максимальными значениями, она начинается на среднем арифметических данные и устанавливает перерыв в каждом кратном постоянная числе стандартных отклонений выше и ниже среднего .
    • Квантили делят набор данных таким образом, чтобы каждый класс имел равное количество районов. Например, если 3141 графств Соединенных Штатов были разделены на четыре класса квантилей (т.е. квартилям ), то первый класс будет включать в785 бедных уездов, то следующая 785. Корректировки могут должны быть сделаныкогда число районов не делится равномерно или когда идентичные значения превышают пороговое значение.
    • Геометрическая прогрессия правило делит диапазон значений , так что отношение порогов является постоянным (а не их интервалом , как в арифметической прогрессии). Например, указанный выше диапазон доходов можно разделить с использованием коэффициента 2 с пороговыми значениями в 40 000 и 80 000 долларов. Этот тип правила обычно используется, когда частотное распределение данных имеет очень высокий положительный перекос , особенно если он геометрический или экспоненциальный .
    • А вложенные средства или головка / хвост Перерывы правило представляет собой алгоритм , который рекурсивно делит набор данных путем установки порогового значения на среднем арифметическом , то подразделяя каждый из двух классов , созданных на соответствующих средства, и так далее. Таким образом, количество классов не произвольно, а должно быть степенью двойки (2, 4, 8 и т. Д.). Было высказано предположение, что это также хорошо работает для сильно искаженных дистрибутивов.

Поскольку вычисленные пороговые значения часто могут иметь точные значения, которые трудно интерпретировать читателям карты (например, 74 326,9734 доллара США), обычно создается модифицированное правило классификации путем округления пороговых значений до аналогичного простого числа. Типичным примером является модифицированная геометрическая прогрессия, которая подразделяет степени десяти, такие как [1, 2.5, 5, 10, 25, 50, 100, ...] или [1, 3, 10, 30, 100, ... ].

Цветовая прогрессия [ править ]

Основная статья: Цветовая схема

Последний элемент картографической карты - это набор цветов, используемых для представления различных значений переменной. Существует множество различных подходов к этой задаче, но основной принцип заключается в том, что любой порядок в переменной (например, от низких до высоких количественных значений) должен отражаться в воспринимаемом порядке цветов (например, от светлого к темному), как это позволит читателям карты интуитивно делать суждения «больше или меньше» и видеть тенденции и закономерности с минимальной ссылкой на легенду. [12] : 114Вторая общая рекомендация, по крайней мере для классифицированных карт, заключается в том, что цвета должны быть легко различимы, чтобы цвета на карте можно было однозначно сопоставить с цветами в легенде для определения представленных значений. Это требование ограничивает количество классов, которые могут быть включены; Что касается оттенков серого, тесты показали, что когда используется только значение (например, от светлого к темному, будь то серый или любой отдельный оттенок ), на практике трудно использовать более семи классов. [22] Если учтены различия в оттенке и / или насыщенности, этот предел значительно увеличивается до 10–12 классов. На потребность в различении цветов также влияют недостатки цветового зрения.; например, цветовые схемы, в которых для различения значений используются красный и зеленый цвета, не будут полезны для значительной части населения . [23]

Наиболее распространенные типы цветовых переходов, используемые в хороплетах (и других тематических) картах, включают: [24] [25]

  • Последовательная прогрессия представляет значения переменных в качестве значения цвета
    • В градациях серого используются только оттенки серого.
      Градации серого
    • Одно-оттенок прогрессия исчезает из темного оттенка выбранного цвета (или серого) до очень светлого или белого оттенка относительно того же оттенка. Это распространенный метод, используемый для отображения величины. Самый темный оттенок представляет собой наибольшее число в наборе данных, а самый светлый оттенок - наименьшее число.
      Прогрессия одного оттенка
    • Частичная-спектральная прогрессия использует ограниченный диапазон оттенков , чтобы добавить больше контраста в отличие от значений, что позволяет большее число классов , которые будет использоваться. Желтый обычно используется для более светлого конца последовательности из-за его естественной кажущейся легкости. Обычные диапазоны оттенков - желто-зеленый-синий и желто-оранжево-красный.
      Частичная спектральная прогрессия
  • Расходящаяся или биполярная прогрессия , по существу , два последовательного цвета прогрессия (указанные выше типов) соединен вместе с общим светлым цветом или белым. Обычно они используются для представления положительных и отрицательных значений или отклонения от центральной тенденции, например среднего значения отображаемой переменной. Например, типичная прогрессия при отображении температуры - от темно-синего (для холода) до темно-красного (для горячего) с белым посередине. Они часто используются, когда двум крайним сторонам выносятся оценочные суждения, например, когда «хороший» конец отображается зеленым, а «плохой» - красным. [26]
    Биполярная цветовая прогрессия
  • В спектральной прогрессии используется широкий диапазон оттенков (возможно, весь цветовой круг) без предполагаемых различий в значениях. Это чаще всего используется, когда есть порядок значений, но это не порядок «больше или меньше», такой как сезонность. Он часто используется не картографами в ситуациях, когда другие последовательности цветов были бы гораздо более эффективными. [27] [28]
    Полная спектральная цветовая прогрессия
  • Качественная прогрессия использует рассеянный набор оттенков в произвольном порядке, без какой - либо предполагаемой разницы в стоимости. Это чаще всего используется с номинальными категориями на качественной карте хороплет, такими как «наиболее распространенная религия».
    Качественная цветовая прогрессия


Двумерные хороплетные карты [ править ]

Двумерная хороплетная карта для сравнения чернокожего (синий) и латиноамериканского (красный) населения в США, перепись 2010 г .; оттенки фиолетового показывают значительные пропорции обеих групп.
Основная статья: Двумерная карта

Можно представить две (а иногда и три) переменных одновременно на одной хороплетной карте, представив каждую с прогрессией одного оттенка и смешав цвета каждого района. Этот метод был впервые опубликован Бюро переписи населения США в 1970-х годах и с тех пор использовался много раз с разной степенью успеха. [29] Этот метод обычно используется для визуализации корреляции и контраста между двумя переменными, предположительно тесно связанными, такими как уровень образования и доход. Обычно используются контрастные, но не дополняющие друг друга цвета, так что их комбинация интуитивно распознается как «между» двумя исходными цветами, например красный + синий = фиолетовый. Этот метод лучше всего работает, когда география переменной имеет высокую степень пространственной автокорреляции., так что есть большие области схожих цветов с постепенными изменениями между ними; в противном случае карта может выглядеть сбивающей с толку смесью случайных цветов. [9] : 331 Было обнаружено, что их легче использовать, если карта включает тщательно разработанную легенду и объяснение техники. [30]

Легенда [ править ]

См. Также: Макет страницы (картография)

На картограмме используются специальные символы для представления отображаемой переменной. Хотя общая стратегия может быть интуитивно понятной, если последовательность цветов выбрана, отражающая правильный порядок, читатели карты не могут расшифровать фактическую ценность каждого района без легенды. Типичная легенда хороплет для классифицированной хороплетной карты включает в себя серию пробных участков символа для каждого класса с текстовым описанием соответствующего диапазона значений. На неклассифицированной хороплетной карте легенда обычно показывает плавный цветовой градиент между минимальным и максимальным значениями, с двумя или более точками вдоль нее, помеченными соответствующими значениями. [12] : 111

Альтернативный подход - легенда гистограммы , которая включает гистограмму, показывающую частотное распределение отображаемой переменной (т. Е. Количество районов в каждом классе). Каждый класс может быть представлен одной полосой, ширина которой определяется минимальным и максимальным пороговыми значениями, а высота рассчитывается таким образом, чтобы площадь прямоугольника была пропорциональна количеству включенных районов, а затем окрашена символом карты, используемым для этого класса. В качестве альтернативы гистограмма может быть разделена на большое количество столбцов, так что каждый класс включает в себя один или несколько столбцов, обозначенных в соответствии с его символом на карте. [31]Эта форма легенды показывает не только пороговые значения для каждого класса, но дает некоторый контекст для источника этих значений, особенно для правил эндогенной классификации, основанных на частотном распределении, например квантилей. Однако в настоящее время они не поддерживаются в ГИС и картографическом программном обеспечении и обычно должны создаваться вручную.

См. Также [ править ]

  • Картограммы , которые часто раскрашены как хороплеты.
  • Тепловая карта
  • MacChoro

Сноски [ править ]

  1. ^ Дюпен, Чарльз (1826). Образная карта народных указаний Франции . Брюссель: sn
  2. ^ a b Робинсон, Артур Х. (1982). Раннее тематическое картографирование в истории картографии . Издательство Чикагского университета.
  3. ^ Ирландия (1843). Отчет комиссаров, назначенных для переписи населения Ирландии за 1841 год . Дублин: Канцелярский офис HM. п. lv.
  4. ↑ Джон Киртланд Райт (1938). «Проблемы картирования населения» в Примечаниях к статистическому картированию с особым упором на картирование явлений населения , стр.12.
  5. ^ Raisz, Эрвин (1948). Общая картография (2-е изд.). Макгроу-Хилл. п. 249.
  6. ^ Trewartha, Гленн Т. (январь 1938). «Карты соотношений ферм и сельскохозяйственных культур Китая». Географическое обозрение . 28 (1): 102-111.
  7. ^ Chrisman, Николас (2002). Изучение географических информационных систем (2-е изд.). Вайли. п. 65. ISBN 0-471-31425-0.
  8. ^ Дженкс, Джордж Ф .; Каспалл, Фред С. (июнь 1971 г.). «Ошибка на хороплетических картах: определение, измерение, редукция». Летопись Ассоциации американских географов . 61 (2): 217–244. DOI : 10.1111 / j.1467-8306.1971.tb00779.x . ISSN 0004-5608 . 
  9. ^ a b c Т. Слокум, Р. Макмастер, Ф. Кесслер, Х. Ховард (2009). Тематическая картография и геовизуализация, Третье издание, стр. 252. Pearson Prentice Hall: Upper Saddle River, NJ.
  10. ^ Rittschof, Кент (1998). «Изучение и запоминание тематических карт знакомых регионов». Исследования и разработки в области образовательных технологий . 46 : 19–38. DOI : 10.1007 / BF02299827 .
  11. ^ Марк Монмонье (1991). Как лгать с картами . С. 22–23. Издательство Чикагского университета
  12. ^ a b c d e Dent, Borden D .; Торгусон, Джеффри С .; Ходлер, Томас В. (2009). Картография: тематический дизайн карты (6-е изд.). Макгроу-Хилл.
  13. ^ Дженкс, Джордж Ф. (1963). «Обобщение в статистическом картографировании». Летопись Ассоциации американских географов . 53 (1): 15. DOI : 10.1111 / j.1467-8306.1963.tb00429.x .
  14. ^ Келли, Бретт (2017). «Обзор неклассифицированного картографирования хороплетов» . Картографические перспективы (86): 30. DOI : 10,14714 / CP86.1424 .
  15. ^ Тоблер, Уолдо Р. (июль 1973). «Картограммы без интервалов классов» . Географический анализ . 5 (3): 262–265. DOI : 10.1111 / j.1538-4632.1973.tb01012.x .
  16. ^ Петерсон, Майкл П. (1979). «Оценка неклассифицированного картографирования пересеченных линий». Американский картограф . 6 (1): 21–37. DOI : 10.1559 / 152304079784022736 .
  17. ^ Мюллер, Жан-Клод (июнь 1979). «Восприятие непрерывно закрашенных карт». Летопись Ассоциации американских географов . 69 (2): 240.
  18. ^ Добсон, Майкл У. (октябрь 1973). «Картограммы без интервалов классов? Комментарий» . Географический анализ . 5 (4): 358–360. DOI : 10.1111 / j.1538-4632.1973.tb00498.x .
  19. ^ Добсон, Майкл У .; Петерсон, Майкл П. (1980). «Неклассифицированные карты хороплетов: комментарий, ответ». Американский картограф . 7 (1): 78–81. DOI : 10.1559 / 152304080784522928 .
  20. ^ Краак, Менно-Ян; Ормелинг, Ферджан (2003). Картография: визуализация пространственных данных (2-е изд.). Прентис Холл. С. 116–121. ISBN 978-0-13-088890-7.
  21. ^ Дженкс, Джордж Ф. 1967. «Концепция модели данных в статистическом картографировании», Международный ежегодник картографии 7: 186–190.
  22. ^ Монмонье, Марк (1977). Карты, искажение и смысл . Ассоциация американских географов.
  23. ^ Олсон, Джуди М .; Брюэр, Синтия (1997). «Оценка выбора цвета для пользователей карт с нарушениями цветового зрения». Летопись Ассоциации американских географов . 87 (1): 103–134.
  24. ^ Робинсон, AH, Моррисон, JL, Muehrke, PC, Kimmerling, AJ & Guptill, SC (1995) Элементы картографии. (6-е издание), Нью-Йорк: Wiley.
  25. ^ Брюэр, Синтия А. "Рекомендации по использованию цвета для отображения и визуализации". В MacEachren, Alan M .; Тейлор, DRF (ред.). Визуализация в современной картографии . Пергамон. С. 123–147.
  26. ↑ Патрисия Коэн (9 августа 2011 г.). «Что цифровые карты могут рассказать нам об американском образе жизни» . Нью-Йорк Таймс .
  27. ^ Свет; и другие. (2004). «Конец радуги? Цветовые схемы для улучшенной графики данных» (PDF) . Эос . 85 (40): 385–91. DOI : 10.1029 / 2004EO400002 .
  28. ^ Stauffer, Reto. «Где-то над радугой» . Мастер HCL . Дата обращения 14 августа 2019 .
  29. ^ Мейер, Мортон А .; Брум, Фредерик Р .; Швейцер, Ричард Х. младший (1975). «Цветное статистическое отображение Бюро переписи населения США». Американский картограф . 2 (2): 101–117. DOI : 10.1559 / 152304075784313250 .
  30. ^ Олсон, Джуди М. (1981). «Спектрально кодированные карты с двумя переменными». Летопись Ассоциации американских географов . 71 (2): 259–276.
  31. ^ Кумар, Нареш (2004). «Легенда частотной гистограммы на хороплетной карте: замена традиционных легенд». Картография и географическая информатика . 31 (4): 217–236. DOI : 10.1559 / 1523040042742411 .

Ссылки [ править ]

  • Дент, Борден; Торгусон, Джеффри; Ходлер, Томас (21 августа 2008 г.). Картография Тематический дизайн карты . Макгроу-Хилл. ISBN 978-0-072-94382-5.

Внешние ссылки [ править ]

  • ColorBrewer - советы по цвету для картографии
  • Генератор картограмм для США