专题地图制作：如何用分级设色和符号等级有效表达你的数据？

作者： GIS研习社更新时间：2025-07-11 22:28:57 分类：数据处理与可视化

专题地图制作：如何用分级设色和符号等级有效表达你的数据？

GIS研习社的各位同学和朋友们，大家好，我是Dr. Gis。在十多年的GIS项目生涯里，我见过无数张图。但有一种图，总能让我这个“老兵”心里咯噔一下：一张用深浅不一的颜色填充各省区域，标题赫然写着《2023年全国各省GDP总量分布图》的地图。每当这时，我就知道，又一位朋友掉进了专题地图制作中最经典、也最容易产生误导的“陷阱”里。这张图错在哪？它看似直观，却在无形中传递了错误的信息——面积大的省份（如新疆、内蒙古）因为色块巨大，在视觉上占据了绝对优势，让人误以为它们的GDP总量也同样“巨大”。这正是我们今天要探讨的核心问题：我们手中的数据，到底应该如何通过地图这张“画布”进行忠实且有效的表达？今天，我就和大家一起，深入辨析两种最常用也最容易被混淆的专题地图方法：分级设色图 (Choropleth Map) 和 等级符号图 (Graduated Symbol Map)。

万物皆可分级设色？地图的第一个“谎言”

我们先从那个“GDP总量图”的错误说起。这种用颜色填充整个行政区的地图，就是分级设色图。它的核心工作原理，是通过色彩的深浅或色相的变化，来展示某个数值在不同地理单元上的高低分布。听起来很简单，对吧？但魔鬼就在细节里。分级设色图有一个绝对的、不容逾越的“铁律”：它只适用于经过标准化（Normalization）处理的数据，比如比率、密度、百分比等相对数，而绝不能直接用于展示总量、计数等绝对数。

核心原则：分级设色图的视觉重量（色块面积 × 颜色深浅）必须与数据的“真实分量”相匹配。使用绝对数时，面积（Area）这个与数据无关的因素，会严重干扰视觉判断，造成“面积越大，数值越高”的假象。

我喜欢用一个“房子”的比喻来解释这件事：

一个省的GDP总量或人口总数，就像一栋房子的总财富或总居住人数（绝对数）。
一个省的人均GDP或人口密度，则像是这栋房子的人均财富或居住拥挤度（相对数）。

分级设色图这门技术，天生就是为了展示“拥挤度”这类相对指标的。你想想，你想知道哪个小区居住更舒适，你看的是“户均面积”还是“小区的总面积”？答案不言而喻。用分级设色图展示GDP总量，就好像在说“因为故宫占地面积大，所以它一定比陆家嘴的独栋别墅更拥挤”——这显然是荒谬的。那么，当面对绝对数时，我们该怎么办？别急，这就要引出我们的另一位主角——等级符号图了。

当点状数据登场：等级符号的“舞台”

如果说分级设色图是为“面”数据（或与面关联的相对数据）而生，那么等级符号图就是为总量和计数（绝对数）量身打造的舞台。它通过在点要素上或面要素的中心点上放置大小不一的符号（通常是圆形），来直观地表示数值的大小。现在，我们再回头看“各省GDP总量”这个需求。正确的做法是什么？就是在每个省的省会或几何中心上，放一个大小与该省GDP总量成正比的圆圈。这样一来：

上海、北京这样面积小但GDP高的地区，会显示一个巨大的圆圈，十分醒目。
新疆、西藏这样面积大但GDP相对较低的地区，则会显示一个较小的圆圈。

你看，符号的大小直接与数据挂钩，彻底摆脱了行政区划面积的干扰。这就好比在音乐厅里，音量大的地方，我们就放一个大号的扬声器；音量小的地方，就放一个小号的。符号（扬声器）的大小，忠实地反映了数据（音量）的真实大小。

如何让你的色彩与符号“开口说话”？—— 设计中的艺术与科学

好了，现在我们知道了“用谁”的问题（相对数用分级设色，绝对数用等级符号）。接下来，我们深入探讨“怎么用好”的技术细节。

1. 分级设色图的“灵魂”：数据分级与色彩哲学

一张优秀的分级设色图，其色彩的分布绝不是随意的，背后是严谨的数据分级和色彩心理学。 数据分级 (Data Classification) 数据分级就是将连续的数据划分成几个有序的类别（通常是3-7类），然后为每个类别赋予一种颜色。不同的分级方法会讲述不同的“数据故事”。主流的GIS软件都内置了多种方法，理解它们的区别至关重要。

分级方法	生活类比	适用场景	优缺点
自然断点法 (Jenks)	给一群身高不同的人分组，让每组内部的身高尽量接近，组与组之间的身高差距尽量大。	数据分布不均匀，你想寻找数据本身的“天然”群组或断裂点时。这是最常用的默认方法。	优: 统计学上最优化，能很好地揭示数据结构。缺: 分类间隔不整齐，不便于不同地图间的比较。
等间距法 (Equal Interval)	将身高范围（如1.5米到2.0米）简单地切成几等份（如每10厘米一段）。	适用于温度、百分比等人们有普遍认知的数据。图例非常直观易懂。	优: 图例清晰，易于解读。缺: 如果数据倾斜（如有几个姚明），会导致大部分人都挤在一个分类里。
分位数法 (Quantile)	将这群人按身高排队，然后平均分成几组，确保每组人数一样多。	当你希望制作一张看起来视觉上很“均衡”的地图，每个颜色等级覆盖的区域数量差不多时。	优: 视觉效果好，不会出现空类。缺: 可能会把数值差异很小的人分到不同组，或把差异很大的人分到同组。
标准差法 (Standard Deviation)	先算出所有人的平均身高，然后看每个人的身高偏离这个平均值多少。	非常适合展示数据与平均值的关系，尤其是数据呈正态分布时。	优: 能清晰展示高/低于平均值的分布格局。缺: 对于非正态分布的数据，解读会很困难。

色彩方案 (Color Schemes) 颜色不是随便选的。强烈推荐大家使用 ColorBrewer 这个网站工具，它是专题地图色彩设计的黄金标准。它将色彩方案分为三类：

连续型 (Sequential): 用于展示从低到高的有序数据（如人口密度）。通常是单一色相，由浅到深。
发散型 (Diverging): 用于展示有明确中心值（如平均值、0）的数据（如GDP增长率，有正有负）。颜色从一个中性色（如浅黄、浅灰）向两个不同的色相发散。
定性型 (Qualitative): 用于表示没有数量关系的分类数据（如土地利用类型）。颜色之间应有明显区别但无等级暗示。

此外，务必勾选“色盲友好 (Colorblind Safe)”选项，这体现了专业制图师的人文关怀。

2. 等级符号图的“陷阱”：人眼的错觉与空间的拥挤

等级符号图看似简单，但也有两个常见的“坑”需要我们避开。 视觉感知缩放 (Perceptual Scaling) 这是一个非常有趣但常被忽略的知识点。理论上，一个数值翻倍，符号的面积也应该翻倍。但在人眼看来，一个面积是另一个两倍的圆，“看起来”并没有大两倍。这是一种视觉错觉。因此，严谨的GIS软件（如ArcGIS Pro）会提供视觉感知缩放或外观补偿 (Appearance Compensation) 的选项，它会不成比例地放大那些较大的符号，使其在视觉上更符合数据的真实比例。下次制图时，记得找找这个选项。 符号重叠 (Symbol Overlap) 在数据密集的区域（如长三角、珠三角的城市群），符号很容易互相遮挡，变成一团乱麻。处理方法有：

调整透明度：这是最简单的方法，能让被压在下面的符号透出来。
符号位移：在ArcGIS Pro中有专门的工具（如 Disperse Markers）可以智能地将重叠的符号稍微移开一些，同时保持其大致的地理位置。
使用聚类 (Clustering)：在WebGIS中很常见，将一定范围内的点聚合为一个点，点击后展开。

我该用谁？一份实用的决策指南

讲了这么多，我们来总结一下。当你面对一份数据，准备制作专题地图时，可以遵循下面的决策流程：

第一问：我的数据是绝对数还是相对数？

绝对数 (如人口、产量、GDP总量) → 毫不犹豫，选择 等级符号图。

相对数 (如人口密度、人均GDP、增长率、百分比) → 进入第二问，首选 分级设色图。

第二问 (如果数据是相对数): 我的制图目的是什么？

想展示整体地理格局和模式？ → 分级设色图 是最佳选择，它能提供一种“一览无余”的宏观视角。

想强调某些小区域的极值，或避免大面积区域的视觉干扰？ → 即使是相对数，有时也可以考虑用 等级符号图 来表现，它能确保每个数据点（无论其地理面积多大）都得到公平的视觉对待。

写在最后：从“制图匠”到“数据叙事者”

亲爱的朋友们，地图不仅仅是数据的容器，它更是一种强大的沟通媒介，一位沉默的“数据叙事者”。选择分级设色还是等级符号，绝不仅仅是一个技术选项，而是一个关乎我们如何理解数据、如何忠实地向他人传递信息的根本性决策。犯错并不可怕，我刚入行时也曾拿着绝对数去做分级设色。重要的是，通过今天的辨析，我们能够建立起一个清晰的判断框架。下一次，当你再打开GIS软件，面对一堆冷冰冰的数字时，我希望你能想起那个“房子”的比喻，能思考数据背后的真实含义，从而选择最恰当的视觉语言，制作出一张既美观又诚实的地图。我们的使命是“打破知与行的壁垒”。希望这篇文章，能为你在这条路上，铺上一块坚实的石板。那么，问题来了：你在过往的学习或工作中，是否遇到过因为制图方法选择不当而导致的“美丽误会”？或者，你对这两种方法还有哪些更深入的思考？欢迎在评论区留下你的故事和见解，我们一起“研”与“习”！