{
  "id": "choropleth-map",
  "title": "分级设色地图",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "分级设色地图用有序色彩或明暗表示各地理区域的统计值，其呈现的空间格局受数据标准化、分级和边界选择影响。",
  "category": "geography",
  "subcategory": "",
  "type": "concept",
  "aliases": [
    "分级设色图",
    "分区统计图"
  ],
  "generated_at": "2026-11-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/choropleth-map/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/choropleth-map/",
      "json": "https://aiwiki.page/en/choropleth-map.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "分级设色地图是一种专题地图，根据各区域对应的统计值，为预先划定的地理区域填充颜色、深浅不同的色调或图案。常见的制图单元包括国家、省、县、市镇和人口普查区。分级设色地图广泛用于展示人口密度、百分比、比率及其他可作区域间比较的指标。每个区域都用一种视觉符号表示其汇总值；这类地图通常不显示该值在区域内部如何变化。"
    },
    {
      "heading": "原理与适用数据",
      "text": "分级设色制图将地理边界与属性表相结合。每个地理单元都与一个数值观测结果相匹配，并根据该观测值确定填充样式。在制图学中，这种方法尤其适合展示某一变量的区域分布，前提是其数值在不同区域之间具有可比性。\n\n常用的适宜变量包括：\n\n- 人口密度，例如每平方千米的居民人数。\n- 百分比，例如接入互联网的家庭所占比例。\n- 比率，例如特定时期内每千名居民中某类事件的发生次数。\n- 平均数或中位数，例如家庭收入中位数。\n- 采用一致方法为所有制图单元计算的指数。\n\n区分广延量与强度量十分重要。广延量，如总人口或总产量，通常随所测人口或地域规模的增大而增加。强度量则表示相对大小，例如密度、比例或平均值。\n\n从技术上说，可以直接用原始总量制图，但这样往往会造成误导性的比较：某个区域的计数较大，可能仅仅是因为它的人口更多或面积更大。对于总量数据，比例符号地图通常更合适，因为符号大小可以表示数值大小，而不必将该数值赋予整个区域。\n\n标准化\n\n标准化将计数转换为适合预期比较目的的量。对于区域 \\(i\\)，比率可表示为\n\n\\[r_i=\\frac{x_i}{d_i}\\,k,\\]\n\n其中，\\(x_i\\) 是所关注的计数，\\(d_i\\) 是相应的分母，\\(k\\) 是换算系数。对于人口密度，分母是土地面积；对于百分比，分母是相应的总人口或观测总数，且 \\(k=100\\)。\n\n分母必须与研究问题相匹配。同一个计数，除以总人口与除以家庭数、劳动者人数或土地面积，回答的是不同的问题。标准化并不会自动使数据具有可比性：定义、观测时期、人口覆盖范围和数据采集方法也必须一致。"
    },
    {
      "heading": "历史发展",
      "text": "1826年，夏尔·迪潘发表了一幅具有重要影响的早期分级设色地图，用深浅分级的色调描绘法国各省在教育方面的差异。19世纪，随着官方统计报告的普及和人口普查的发展，这种制图方法逐渐推广。\n\n美国地理学家约翰·柯特兰·赖特于1938年提出了 choropleth 一词。该词源自表示区域和数量的希腊语词根。\n\n此后，计算机制图和地理信息系统使分级设色地图的制作成为常规操作。现代软件可以将统计表与地理边界连接起来，计算比率，设置分级界限，并生成交互式地图。这些功能简化了制作过程，但并不能解决其中涉及的统计和视觉感知方面的取舍。"
    },
    {
      "heading": "分级方法",
      "text": "大多数分级设色地图将数值划分为有限的若干等级，每个等级用不同的填充样式表示。分级界限是划分这些等级的阈值。即使底层数据不变，界限的选择也可能显著改变地图呈现的格局。\n\n方法 | 原理 | 主要优点与局限\n等间距法 | 将数值范围划分为宽度相等的区间。 | 易于解释，但对于偏态数据，某些等级可能为空，或大多数区域可能集中在同一等级。\n分位数法 | 使每个等级包含大致相等数量的地理单元。 | 能让各等级颜色对应的单元数较为均衡，但可能将十分相近的数值分开，或将差异很大的数值归为一类。相同数值的存在会增加实现等数量分组的难度。\n自然断点法 | 在观测值的不同簇之间设置分级界限。 | 能揭示数据的分组特征，但界限取决于具体数据集，可能妨碍地图之间的比较。\n标准差法 | 根据数值与平均值的距离划分等级，通常以标准差为单位。 | 能突出偏离平均值的程度，但可能不够直观，也可能不适合偏斜程度很高的分布。\n固定阈值法或有实际意义的阈值法 | 采用外部规定的数值或具有实际意义的临界值。 | 有助于解读和比较，前提是阈值与问题相关，并有明确说明。\n\n一种常见的自然断点法是詹克斯优化法，它在给定等级数量的条件下，寻找使类内差异最小的分级界限。但这一数值优化目标并不意味着所得分级对所有用途都最有意义。\n\n等级数量的选择需要权衡。等级过少会掩盖差异；等级过多则会使颜色难以区分。合适的等级数量取决于数据分布、配色、显示尺寸和目标读者。\n\n无分级设色地图\n\n无分级设色地图通过连续数值尺度赋予颜色，而不是将数值划入少量离散区间。这可以避免在选定的分级界限处出现突变，但读者可能难以从细微的颜色差异中推断准确数值。连续图例和可供查询的数值在这类地图中尤其有用。\n\n对于比较多个年份或区域的地图，采用统一的分级方法和色标，通常能使比较更为合理。若分别重新计算分级界限，同一种颜色可能在不同分图中代表不同的数值。"
    },
    {
      "heading": "色彩与图例设计",
      "text": "色彩应当传达变量的数值结构，而不仅仅是区分相邻区域。\n\n- 顺序配色按照从低到高的次序变化，通常通过明度的有序变化实现，适用于密度、百分比等数量。\n- 发散配色从一个有实际意义的中点向两个方向延伸，例如以变化量为零或某个指定参考值为中点。\n- 定性配色用于区分类别，不暗示数值顺序。它适用于名义类别，但通常不适合表示有序数值的分级设色地图。\n\n如果发散配色的中点没有实际意义，就可能夸大某种分界。相反，随意排列的色相又可能掩盖数值顺序。色觉无障碍设计、对比度、印刷条件和背景色都会影响可读性。\n\n图例应说明所绘变量、单位、等级界限以及缺失值的处理方式。区间标注必须明确边界值归属哪一等级。缺失、因限制而未披露以及无法获得的观测值，不应在未作说明的情况下使用表示零值的颜色。"
    },
    {
      "heading": "地理表达",
      "text": "分级设色地图通常使用以地理空间矢量数据形式存储的多边形边界。统计记录通过地理标识符与多边形关联。仅凭名称匹配可能引入错误，因为名称可能重复、拼写不同，或随时间发生变化。\n\n边界所属的时间也很重要。按照过去行政区划采集的数值，不一定能直接关联到现行边界。进行比较时，可能需要重建数据，或将数据分配到一套共同的地理单元上，这会引入额外的不确定性。\n\n面积与视觉显著性\n\n无论人口多少或统计上的重要性如何，大多边形都会比小多边形占据更多视觉空间。因此，人口稀少的乡村地区可能主导整幅地图，而人口密集的城市却几乎看不清。局部放大图、替代地理单元或辅助图表有助于揭示这些差异。\n\n地图投影也会影响图上呈现的面积。等积投影能保持相对面积，但无法消除地理面积与人口规模不一致这一更普遍的问题。地图比例尺和制图综合程度决定了较小的单元能否保持清晰可辨。"
    },
    {
      "heading": "解读与局限",
      "text": "汇总与边界效应\n\n多边形的填充样式代表其汇总值，而不是内部每个位置的测量值。一个人口密度为每平方千米200人的地区，内部可能既有密集的城镇，也有大片无人居住的土地。\n\n可变空间单元问题描述了这样一种现象：当观测数据按不同尺度汇总，或采用不同边界进行分组时，统计结果可能发生变化。因此，表面上的集聚和反差可能部分取决于所选的地理单元，而不完全由底层现象决定。\n\n行政边界处颜色的突变，不一定意味着现实世界中也存在突变。同样，多边形内部填色一致，也不能证明其内部情况均一。\n\n生态推断\n\n如果将群体层面观察到的关系视为也适用于个体，就会产生生態謬誤。例如，两个区级平均值之间存在关联，并不能证明居民个体的相应特征之间也存在关联。分级设色地图展示的是汇总层面的格局，单凭它无法确定个体行为或因果关系。\n\n不确定性与小分母\n\n基于少量人口计算的比率可能出现很大波动。两个区域的估计百分比即使相同，也可能因为样本量或数据质量不同，而具有差异很大的测量不确定度。\n\n传统分级设色地图通常用同样明确的填色呈现可靠性不同的估计值。辅助性的不确定性地图、交互式显示中的置信区间，或对未披露数据的清晰标记，都能使这些差异显现出来。统计平滑可以降低不稳定性，但会改变所显示的量，因此必须与原始观测结果加以区分。\n\n视觉上的集聚也不构成对空间自相关的正式检验。分级界限、相邻区域、地理面积以及底层数据分布，都会影响地图上呈现的集聚现象。"
    },
    {
      "heading": "变体与相关技术",
      "text": "双变量分级设色地图同时显示两个变量，通常配有二维颜色图例。它可以揭示诸如两个变量都取高值等组合情况，但比单变量地图更难解读，需要谨慎控制类别数量。\n\n分区密度制图利用土地覆盖或居住位置等辅助信息，将汇总数量重新分配到更合理的子区域中。与常规分级设色地图不同，它试图表示原始统计单元内部的差异。其结果取决于分配假设和辅助数据的质量。\n\n点密度地图和比例符号地图提供了展示计数的其他方式。相比之下，等值线地图和基于空间插值的地图，通常表示连续变化的表面，而不是赋予各统计区域的数值。对区域汇总值进行插值，并不会自动还原这些区域内部的真实分布。"
    },
    {
      "heading": "应用",
      "text": "分级设色地图常见于人口学、经济学、教育、环境报告和公共管理等领域。它们有助于开展区域比较、识别总体格局，以及传达按地理区域组织的统计信息。\n\n在地理信息系统工作流程中，必要的检查包括核实地理关联是否正确、区分缺失观测值与零值、确认分母是否适当、检查数值分布，以及记录分级方法的选择。交互式显示可以在地图之外提供精确数值、分母、日期和不确定性信息，但仍然受到与纸质分级设色地图相同的数据汇总和视觉设计局限的影响。"
    }
  ],
  "links": [
    "thematic-map",
    "cartography",
    "france",
    "population-census",
    "geographic-information-system",
    "geospatial-vector-data",
    "map-projection",
    "map-scale",
    "cartographic-generalization",
    "causation",
    "measurement-uncertainty",
    "contour-line",
    "spatial-interpolation",
    "demography"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}