{
  "id": "thematic-map",
  "title": "专题地图",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "专题地图着重展示人口、气候、土地利用或流动等特定主题的地理分布、特征或相互关系。",
  "category": "geography",
  "subcategory": "",
  "type": "concept",
  "aliases": [],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/thematic-map/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/thematic-map/",
      "json": "https://aiwiki.page/en/thematic-map.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "专题地图是为传达特定主题的空间分布、特征或相互关系而设计的地图。其主题可以是降雨、土壤类型等自然现象，也可以是人口密度、收入或运输流量等人文现象。普通参考地图呈现多种地理要素，主要用于确定地点的位置；与之不同，专题地图围绕特定的分析或信息传达目的来选择和组织地理信息。专题制图是制图学的重要分支，也是地理信息系统（GIS）的常见成果形式。"
    },
    {
      "heading": "目的与结构",
      "text": "专题地图将事物在哪里的信息与事物具有何种特征的信息结合起来。地理位置可以用点、线、面或网格单元表示，而主题则通过颜色、符号大小、形状、图案或线宽等视觉属性来表达。\n\n大多数专题地图包含两个相互配合的组成部分：\n\n- 专题图层：承载主要信息，例如失业率或植被类别。\n- 地理参考框架：通常称为底图，提供足够的海岸线、边界、道路、地名或地形信息，帮助读者辨明方位和位置。\n\n参考框架在视觉上通常应从属于主题。过多的背景细节会掩盖想要呈现的分布格局，而背景信息不足又会使地点难以辨认。\n\n专题制图与参考制图之间并没有绝对的界限。地形图包含高程信息，但通常同时描绘多种地形和人工地物，而不是专门呈现某一个分析问题。同一套高程数据若用于突出坡度、地势起伏类别或易受洪水影响的区域，就可以成为专题信息。"
    },
    {
      "heading": "历史发展",
      "text": "随着系统观测资料、官方统计数据和图形表达方法日益丰富，专题制图逐步发展起来。\n\n1701年，埃德蒙·哈雷出版了一幅大西洋海图，用等值线表示相同的磁偏角。这是早期将等值线用于地形高程以外现象的一项重要实践。19世纪，人口普查和行政数据不断增加，推动了人口、经济活动、教育和疾病等统计地图的发展。\n\n夏尔·迪潘于1826年绘制的法国教育地图，被广泛认为是早期分级统计地图的代表。约翰·斯诺于1854年绘制的伦敦霍乱死亡病例地图，成为地图应用于流行病学的著名范例。它的重要性在于与实地调查及其他证据相结合，而非仅凭地图本身就证明了病因。夏尔·约瑟夫·米纳尔于1869年绘制的拿破仑远征俄国图，将部队的行进和人数变化与地理位置及气温信息结合起来，展示了专题图形整合多个变量的能力。\n\n20世纪，印刷、航空观测、计算技术和空间数据库的进步扩大了专题地图的生产规模。此后，GIS和网络制图使人们能够利用大型数据集生成地图，频繁更新地图，并提供交互式筛选、查询和比较功能。"
    },
    {
      "heading": "主要类型",
      "text": "专题地图通常按照主题的表达方式分类。这些方法并不相互排斥，一幅地图可以结合使用多种方法。\n\n分级统计地图\n\n分级统计地图根据相关数值，为行政区、国家等预先划定的区域赋予不同的颜色或图案。它尤其适合表示比率、百分比、密度及其他经过标准化处理的指标。\n\n例如，区域 \\(i\\) 的人口密度可以表示为\n\n\\[D_i=\\frac{P_i}{A_i},\\]\n\n其中，\\(P_i\\) 为人口数，\\(A_i\\) 为土地面积。\n\n用区域填色表示未经处理的人口总数，可能使人口规模与统计单元面积的影响混杂在一起。使用密度或其他适当分母计算的指标，往往能提供更有意义的比较，但标准化处理必须与所要回答的问题相符。\n\n分级统计地图通常使每个统计区域呈现统一的外观。这并不意味着所表示的现象在区域内部均匀分布。\n\n比例符号地图与分级符号地图\n\n比例符号地图使用大小随数值连续变化的符号。圆形很常用，因为它紧凑，而且不会产生强烈的方向暗示。\n\n如果圆的面积代表数值 \\(v\\)，那么它的半径必须满足\n\n\\[r=k\\sqrt{v},\\]\n\n其中，\\(k\\) 为比例常数。如果让半径与数值直接成正比，圆的面积就会随该数值的平方增长，从而夸大差异。\n\n分级符号地图则先将数值分组，再为每一组指定一种符号大小。这两种方法在表示总量时，都可能比分级统计填色更合适，但符号重叠也可能遮挡地点或增加比较的难度。\n\n点密度地图\n\n点密度地图用重复的点表示数量，每个点对应一个指定的数量，例如1,000名居民。点可以分布在统计区域内，以表现集聚程度。\n\n除非已知每个事件或对象的坐标，否则点的位置并不代表确切地点。如果没有施加地理约束，在行政区域内随机布点可能会把点放在湖泊或无人居住地带等不合理的位置。\n\n等值线地图与连续表面地图\n\n等值线地图将连续变量数值相等的位置连接起来。例如，等温线表示温度，等雨量线表示降水。表示高程的等值线，即等高线，是人们熟悉的例子。\n\n观测点之间的数值通常通过空间插值来估计。因此，生成的线条或彩色表面既取决于测量数据，也取决于估计方法。表面看起来平滑，并不意味着各处情况都具有同等的已知程度。\n\n分类区域地图\n\n分类地图区分的是种类，而非数量。例如，土壤类型、地层、土地覆盖类型，以及根据柯本气候分类划定的区域。\n\n这类地图的颜色应主要用于区分类别，而不应暗示原本不存在的等级次序。例如，森林与城市是不同类型，并不天然对应较高和较低的数值。\n\n流向地图\n\n流向地图展示地点之间的流动或联系。线宽可以表示货物、旅客、移民或其他流动的数量，箭头则表示方向。\n\n有些流向地图沿实际路线绘制，有些则使用连接起点和终点的示意曲线。除非地图明确说明，否则不应将连接线理解为实际通行路线。\n\n变形地图\n\n变形地图通过改变地理单元的大小或几何形状来表示人口等变量。例如，人口变形地图会放大人口稠密的地区，缩小人口稀少的地区。\n\n变形地图使选定变量在视觉上更加突出，但会在形状、距离、方向和地理可辨识性等方面作出一定牺牲。不同的变形方法保留的性质也不同。\n\n分区密度地图\n\n分区密度地图利用辅助信息，将汇总数量重新分配到更合理的空间区域。例如，可以将人口总数分配到居住用地，而不是均匀分布在整个行政区内。\n\n这种方法可以提高地图在地理上的真实性，但结果取决于辅助信息的质量以及数值分配所依据的假设。它并不等同于对每个地点进行直接观测。"
    },
    {
      "heading": "数据与分析基础",
      "text": "专题制图的数据来源包括实地观测、调查、人口普查、行政记录、卫星测量和模型输出。数据通常以表示离散要素的矢量地理数据，或以网格记录数值的栅格数据形式存储。\n\n以下几类区别会影响地图设计：\n\n- 分类数据与数值数据：分类数据需要区分不同类别，数值数据则可能需要有序符号或比例符号。\n- 计数与比率：计数衡量总量；比率则将计数与人口、面积或时间等分母联系起来。\n- 离散现象与连续现象：设施位于一个个独立地点，而温度通常被视为随空间变化的场。\n- 观测值与估计值：测量结果、插值结果、预测结果和模型输出具有不同的证据性质。\n\n坐标参考系统规定了位置的表示方式。地图投影的选择会影响变形：等积投影保持面积比例，这在读者比较填色区域的范围大小时尤其重要。\n\n地图比例尺决定了能够清晰表达多少细节。制图综合根据预期显示尺寸简化边界和要素，但如果没有充分考虑主题，也可能删去小区域或改变表面呈现的分布格局。"
    },
    {
      "heading": "分级与视觉设计",
      "text": "数值数据在制图前通常会划分为若干等级。常见的分级方法包括：\n\n- 等间距法：将数值范围划分为宽度相等的区间。\n- 分位数法：使每一类包含大致相同数量的观测值。\n- 自然断点法：寻找组内差异相对较小、组间差异较大的分组。\n- 标准差法：展示数值偏离平均值的程度。\n- 规定阈值法：采用具有实际意义的界限，例如既定的环境类别标准。\n\n这些方法着重呈现的比较关系不同。分位数法突出相对排名，但可能将十分接近的数值分开，或把相差很大的数值归为一类。等间距法保留了简单的数值结构，但在数据分布偏斜时，可能使大多数观测值集中在极少数等级中。\n\n颜色应与变量的结构相匹配。顺序配色体现数值从低到高的递进。发散配色突出数值向一个有意义的中点两侧偏离的情况，例如相对于零变化的正负偏离。定性配色用于区分没有次序关系的类别。地图的无障碍性还取决于是否具有足够的对比度、清晰的标注，以及色觉障碍读者也能理解的视觉区分。\n\n地图图例应说明符号、单位、分级界限及相关分母。日期、地理覆盖范围和数据来源界定了地图所表示的内容。缺失值在视觉上应能与零值区分开来。"
    },
    {
      "heading": "多变量制图与交互式制图",
      "text": "单变量地图突出一个变量。双变量地图结合两个变量，例如采用二维配色方案，或在填色区域上叠加符号。更复杂的地图可以结合大小、颜色、形状和方向，但每增加一种视觉编码，都会加重读者的解读负担。\n\n交互式地图可以按需提供详细信息，允许用户更改分级方法，或展示连续多个日期的情况。小多图，即采用共同设计的一组地图，往往比在一幅地图上叠加多个变量更便于清晰比较。\n\n跨时间比较需要保持定义、统计区域边界和视觉标度的一致。如果为每个日期自动重新计算分级断点，就可能使未变化的数值看起来发生了变化，或以相似的颜色格局掩盖实质性变化。"
    },
    {
      "heading": "应用与解读局限",
      "text": "专题地图服务于城市规划、环境监测、交通运输分析、资源管理和气候变化研究，也用于传达经济活动与人口的分布格局。其价值在于使空间分布与关系直观可见，而非仅凭地图本身就能确立解释。\n\n以下几项局限尤其重要：\n\n- 聚合效应：可变空间单元问题意味着，当数据按不同地理单元汇总时，分布格局和统计关系可能发生变化。\n- 生态推断：将区域层面观察到的关系视为同样适用于区域内的个体，就会产生生態謬誤。\n- 空间依赖性：空间自相关意味着邻近观测值可能彼此相关，从而使假定观测值相互独立的分析变得复杂。\n- 不确定性与不稳定性：计数过少、观测不完整、插值和测量误差，都可能使地图呈现的分布格局不稳定或具有不确定性。\n- 视觉显著性：面积较大的区域和饱和度较高的颜色可能主导读者的注意力，即使其中的人口或观测数量相对较少。\n- 隐私：展示个人或敏感事件的高分辨率地图，可能泄露汇总表格不会揭示的信息，从而引发数据隐私问题。\n\n可见的空间关联本身并不能确立因果关系。解读既取决于地图的视觉设计，也取决于数据的定义、采集过程、地理单元、时间范围和分析背景。"
    }
  ],
  "links": [
    "map",
    "cartography",
    "geographic-information-system",
    "topographic-map",
    "france",
    "london",
    "epidemiology",
    "choropleth-map",
    "precipitation",
    "contour-line",
    "spatial-interpolation",
    "koppen-climate-classification",
    "population-census",
    "vector-geographic-data",
    "raster-data",
    "coordinate-reference-system",
    "map-projection",
    "map-scale",
    "cartographic-generalization",
    "urban-planning",
    "climate-change",
    "data-privacy",
    "causation"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}