分级设色地图入门指南：分级设色地图下载以及分层设色地形图颜色

你是否也遇到过这样的场景：数据已经收集齐全，但一旦落到地图上，不是“颜色看不懂”，就是“信息看不见”。作为一名长期从事空间数据可视化的从业者（Dr.gis），我常见的问题集中在两点：如何把统计数据做成易读的分级设色地图，以及如何为地形高程选择合适的分层设色色带。本文从概念与原理讲清“是什么/为什么”，再以可操作的步骤展示“怎么做”。

核心概念与价值

分级设色地图（Choropleth）指将区域统计指标按分类方法分箱，对应顺序或发散色带，突出空间分布与差异。它适合比率、密度、比例等“已归一化”的量，如人均值、千人比、密度。

分层设色地形图（Hypsometric Tint）则依据高程区间赋予连续渐变的色彩，常见的经验色序为“海水蓝—低地绿—台地黄—山地褐—雪线白”。它的重点是“连续变化的地貌层次”。

为什么它们重要？

• 将复杂数值转为直观色彩，降低认知门槛，提升比较与发现的效率。
• 支持决策：分类阈值与色带选择会直接影响政策判断（如热点识别、阈值监管）。
• 便于讲故事：图例和注记可以构建清晰的叙事结构。

数据与可信度：专家模型与权威数据

可视化的可靠性依赖输入数据与分类模型的“真确性”。推荐遵循“专家模型与权威数据”的双轮驱动：

• 权威数据：行政边界与底图（Natural Earth、GADM、OpenStreetMap）；统计指标（国家统计局、联合国数据、世界银行、Eurostat）；地形与高程（SRTM、Copernicus DEM、ALOS AW3D）。
• 专家模型：在分类与阈值选取时引入领域知识，如生态分区、雪线高度、管理红线等，将统计学方法与专业阈值融合，兼顾“可解释”与“可感知”。
• 质量核验：核对坐标参考系、时间一致性、缺失值与异常值；注意可变区域单元问题（MAUP）和投影导致的面积偏差。

获取与下载渠道

• 行政边界/底图：GADM（全球行政边界，含多级）、Natural Earth（多尺度数据，制图友好）。
• 统计指标：国家统计局数据共享平台、世界银行（data.worldbank.org）、UN Data；尽量使用同一年度、同一口径。
• 地形与高程：USGS EarthExplorer（SRTM 30 m/90 m）、Copernicus DEM（30 m/90 m）、ASTER GDEM。优先选择覆盖完整、云/空洞最少的版本。

1. 下载行政边界（GeoPackage/GeoJSON/Shapefile），并准备统计表（CSV/Excel）。
2. 将统计表通过主键（如行政区代码）与边界数据连接。
3. 下载DEM并裁剪到研究区范围，必要时重投影与空洞填补。

制图流程：从分类到配色

分级设色地图的步骤：

1. 指标准备：尽量使用密度或比率，避免直接用“总量”，必要时对极端值进行温和裁剪（如95%分位截断）。
2. 选择分类方法：
   • 等距（Equal Interval）：便于比较区间宽度，适合分布较均匀。
   • 分位（Quantile）：每类样本数相近，视觉平衡，适合展示排序。
   • 自然断点（Jenks）：最小化类内方差，突出自然聚类。
   • 标准差（StdDev）：强调与平均值的偏离，适合告警场景。
   • Head/Tail Breaks：长尾分布的利器。
3. 色带选择：
   • 顺序型（Sequential）：单峰、单向递增指标（如密度、覆盖率）。
   • 发散型（Diverging）：以中值/目标值为中点，突出正负偏离（如收入高于/低于全国均值）。
   • 色觉友好：优先选用感知均匀、CVD友好方案（如 ColorBrewer 推荐）。
4. 图例与标注：图例应呈现实际阈值；注明数据来源、时间范围与单位。

分层设色地形图的步骤：

1. DEM预处理：空洞填补、裁剪、重采样；必要时进行坡度与阴影（Hillshade）叠加提升立体感。
2. 设定色带：基于研究区海拔与地理背景，选择连续渐变。建议以自然现象为线索：近海与湖泊用蓝，低地用绿，随高度逐渐偏黄、赭、灰白。
3. 严格控制对比度与饱和度：避免“艳丽但失真”，让标注与叠加要素可读。

分层设色地形图各种颜色代表什么

下表给出一个典型、可操作的色带建议（单位：米；颜色为RGB）：

高程(m)   典型颜色RGB     含义/语义
<= -100  0,70,110       深水域/大洋
-100–0   40,120,190     近岸/浅海
0–200    90,150,100     海岸平原/低地
200–800  170,190,110    台地/丘陵
800–2000 190,160,120    中山地/裸岩增多
2000–3000 180,140,90    高山地/植被稀疏
3000–4500 220,220,220   高山砾石/冰雪带开始
>= 4500  255,255,255   终年积雪/冰盖

注意：不同气候带与植被带的“真实色感”会影响观众预期，必要时结合卫星真彩色取样微调。

自动化与代码示例

使用 Python 快速完成分级、着色与导出：

# pip install geopandas mapclassify matplotlib
import geopandas as gpd
import mapclassify as mc
import matplotlib.pyplot as plt

# 1) 读取边界与指标（已通过代码字段 join 好）
gdf = gpd.read_file("admin.gpkg")
field = "pop_density"  # 指标：人口密度（人/km^2）

# 2) 分类：Jenks 自然断点，5 类
nb = mc.NaturalBreaks(gdf[field], k=5)
gdf["class"] = nb.yb
bins = nb.bins  # 阈值可用于图例

# 3) 选择顺序色带（可替换为 ColorBrewer 等）
cmap = plt.get_cmap("YlOrBr", 5)

# 4) 绘制
ax = gdf.plot(column="class", categorical=True,
              cmap=cmap, linewidth=0.2, edgecolor="#666", figsize=(8,6))
ax.set_axis_off()
plt.tight_layout()
plt.savefig("choropleth.svg")  # 导出矢量图便于编辑

为DEM着色可用 GDAL 的 color-relief：

# color.txt: 行为 "高程  R G B"
-100 0 70 110
0 40 120 190
200 90 150 100
800 170 190 110
2000 190 160 120
3000 220 220 220
4500 255 255 255

# 生成着色DEM并带透明度
gdaldem color-relief dem.tif color.txt dem_tint.tif -alpha
# 可叠加 hillshade：先生成阴影，再在GIS中以正片叠底/乘色混合
gdaldem hillshade dem.tif hillshade.tif -z 2 -s 111120 -az 315 -alt 45

如何评估可读性

• 对比度测试：在印刷与屏幕双环境检查；缩放到缩略图尺寸仍能辨别主模式。
• 色觉友好：模拟红/绿色弱；避免仅靠颜色区分，配合轮廓、注记与图例刻度。
• 图例准确：显示真实阈值与单位，注明数据时间与来源。
• 一致性：多幅地图尽量复用同一配色与分类逻辑，减少跨图误解。

常见错误与优化

• 用“总量”做分级设色而未归一化，导致面积大的区域看似“更大”。
• 分类阈值“手动微调”以强化结论，损害可信度；应给出方法说明。
• DEM色带过饱和，掩盖文字与线状要素；应降低彩度并配合阴影。
• 投影选择不当：距离/面积分析应采用等面积或适配的投影。
• 图面负载过高：将辅助信息放入图例、注记、外链说明。

实践范式：从数据到成图的五步法

1. 设定问题：你要让读者一眼读出什么？（趋势、异常、阈值、对比）
2. 数据准备：获取权威数据，完成单位统一、缺失处理与空间对齐。
3. 方法选择：依据分布形态与业务阈值，选择分类与色带。
4. 版式与注记：主副层次分明，图例可读，标注克服遮挡。
5. 复核与发布：跨设备检查、同侪评审、附上来源与方法。

结语

本文用通俗的路径梳理了分级设色地图与地形分层设色的概念、数据、方法与实操细节。关键在于：用对数据、分清分类、选好色带、讲清图例，并在每一步都尊重“专家模型与权威数据”。你当前的项目中，最大的可读性瓶颈在哪里？欢迎带着你的样例数据与问题来讨论。更多案例与模板，见 GIS研习社（gisyxs.com）。

参考文献

• C. A. Brewer. ColorBrewer 2.0: Color Advice for Maps
• Natural Earth. Free vector and raster map data
• GADM. Database of Global Administrative Areas
• OpenStreetMap. Collaborative mapping data
• Copernicus DEM
• USGS EarthExplorer
• The World Bank Data
• United Nations Data
• GDAL. gdaldem color-relief and hillshade
• PySAL mapclassify: Classification Schemes for Choropleth Maps
• ArcGIS Pro Help: Classification methods and color schemes
• QGIS Documentation: Symbology and Raster styling