초로플레스 지도

Choropleth map
2011년 인구조사에서 성공회 신자로 확인된 호주인의 비율을 시각화한 성가대 지도.선택된 지역은 지방 정부 지역이며, 변수는 공간 집약적(비례)으로 분류되지 않으며, 부분 스펙트럼 순차 색상표가 사용됩니다.

A choropleth map (from Greek χῶρος (choros) 'area/region', and πλῆθος (plethos) 'multitude') is a type of statistical thematic map that uses pseudocolor, i.e., color corresponding with an aggregate summary of a geographic characteristic within spatial enumeration units, such as population density or per-capita income.[1][2][3]

초로플러스 맵은 변수가 지리적 영역에서 어떻게 변화하는지를 시각화하고 지역 내 변동 수준을 표시할 수 있는 쉬운 방법을 제공합니다.열 지도 또는 등각 지도는 유사하지만 맥락 지도의 선행 지리적 영역보다는 변수의 패턴에 따라 그려진 영역을 사용합니다.(정부 또는 기타 출처에서) 발행된 통계 데이터는 일반적으로 국가, 주, 주, 주 및 카운티와 같은 잘 알려진 지리적 단위로 집계되므로 GIS, 스프레드시트 또는 기타 소프트웨어 도구를 사용하여 비교적 쉽게 작성할 수 있기 때문에 합창단은 주제 지도의 가장 일반적인 유형일 수 있습니다.

역사

뒤팽의 1826년 프랑스 식자율 지도

가장 먼저 알려진 성가대 지도는 1826년 피에르 샤를 뒤팽 남작에 의해 만들어졌으며,[4] 부서별로 프랑스의 기초 교육의 가능성을 묘사했다.교육, 질병, 범죄, 생활 [5]: 158 형편에 대한 다른 "도덕 통계"를 시각화하기 위해 프랑스에서 곧 더 많은 "장식 지도"가 제작되었습니다.초로플러스 [6]지도는 1841년 아일랜드 인구조사의 공식 보고서에 발표된 일련의 초로플 지도를 시작으로 국가 센서스에서 집계된 인구통계학적 데이터의 가용성이 높아짐에 따라 여러 국가에서 빠르게 인기를 얻었다.1850년 이후 채석술이 널리 보급되었을 때, 합창 [5]: 193 지도에 색채가 점점 더 추가되었다.

"코로플러스 지도"라는 용어는 지리학자 존 커트랜드 라이트에 의해 1938년에 [7][8]도입되었고 1940년대까지 지도 제작자들 사이에서 일반적으로 사용되었다.또한 1938년 글렌 트레와르타는 그것들을 "비율 지도"로 재도입했지만, 이 용어는 [9]존속하지 않았다.

구조.

합창 지도는 두 개의 데이터셋, 즉 지리적 공간의 분할을 나타내는 공간 데이터와 각 구역 내에서 집계된 변수를 나타내는 통계 데이터를 통합합니다.이들이 합창 지도에서 어떻게 상호작용하는지에 대한 두 가지 일반적인 개념 모델이 있습니다. 하나의 관점에서는 "지역 우세"라고 불릴 수 있으며, 지역(종종 기존 정부 단위)은 지도화 변수를 포함한 다양한 속성이 수집되는 초점입니다.다른 관점에서는 "변수 우성"이라고 할 수 있지만, 실제 분포와 함께 지리적 현상(예를 들어 라틴계 인구)으로서 변수에 초점을 맞추고 있으며, 이를 지역별로 분할하는 것은 단순한 편리한 측정 [10]기법일 뿐이다.

이 초로플러스 맵에서 구는 국가이며 변수는 기하급수 분류가 변경된 공간 집약적(평균 할당)이며 스펙트럼 발산색 스킴을 사용한다.

지오메트리: 집약 지구

합창 지도에서 구역은 일반적으로 통계 집계를 위해 특별히 만들어진 정부 또는 행정 단위(예: 카운티, 지방, 국가) 또는 구역(예: 인구 조사 구역)과 같이 이전에 정의된 독립체이므로 변수의 지리적 상관관계가 기대되지 않는다.즉, 유색지구의 경계는 연구 중인 지리적 분포의 변화 위치와 일치하거나 일치하지 않을 수 있다.이것은 영역 경계가 대상 현상의 지리적 분포의 패턴에 의해 정의되는 맥락막 및 등산소 지도와 정면으로 대조된다.

사전 정의된 집계 영역을 사용하면 변수의 더 쉬운 컴파일 및 매핑(특히 많은 데이터 소스를 가진 GIS 및 인터넷 시대), 학군의 인식 가능성, 개별 학군에 연계된 추가 조사 및 정책에 대한 정보 적용 가능성 등 많은 이점이 있습니다.그 대표적인 예가 선거인데, 선거에서는 각 선거구의 총 투표수가 선출직 대표를 결정한다.

그러나 일반적으로 각 집계 구역에 적용된 일정한 색상으로 인해 균질해 보이기 때문에 여러 가지 문제가 발생할 수 있으며, 지역 내 변수의 알 수 없는 변동 정도를 마스킹할 수 있습니다.예를 들어, 도시는 낮은, 중간, 높은 가족 소득을 가진 이웃을 포함할 수 있지만, 일정한 "중간" 색상으로 색칠될 수 있습니다.따라서 실제 패턴은 표시된 [11]지역 단위와 일치하지 않을 수 있습니다.따라서 생태학적 오류와 수정 가능 영역 단위 문제(MAUP)와 같은 이슈는 묘사된 데이터를 크게 잘못 해석할 수 있으며,[12] 필요한 데이터를 얻을 수 있다면 다른 기법이 바람직하다.

이러한 문제는 맵 변수가 보다 미세하게 변화하기 때문에 소규모 구역을 사용하면 어느 정도 완화될 수 있습니다.또한 맵 사용자가 단일 구역 내의 변동에 대해 판단할 가능성이 낮아집니다.그러나 변수에 의미 있는 지리적 패턴이 없는 경우(즉, 맵이 무작위로 산란된 색상처럼 보이는 경우) 지도를 지나치게 복잡하게 만들 수 있습니다.큰 지역에서 특정 데이터를 나타내는 것은 오해를 불러일으킬 수 있지만 익숙한 지역 모양은 지도를 더 선명하고 쉽게 [13]해석하고 기억할 수 있게 합니다.지역 선택은 궁극적으로 지도의 대상 독자 및 목적에 따라 달라집니다.대안으로, 때로는 역측정 기법을 사용하여 영역 경계를 세분화하여 대상 현상의 실제 변화에 더 가깝게 일치시킬 수 있다.

이러한 문제 때문에 많은 변수에 대해 지역 경계가 데이터 자체에 기초하는 등산수(정량 변수의 경우) 또는 맥락색 맵(질적 변수의 경우)을 선호할 수 있습니다.그러나 많은 경우 그러한 상세 정보를 이용할 수 없으며, 유일하게 실행 가능한 옵션은 합창 지도입니다.

지역구가 미국 카운티인 합창 지도에서 변수는 공간 집약적(비례)이며, 분위수 분류를 통해 단일 색상표를 사용합니다.

속성: 집계 통계 요약

인간 활동에서 정부 단위의 역할 때문에 일반적으로 인간 주제(예: 인구통계학, 경제학, 농업)가 더 일반적이며, 이는 종종 통계 데이터의 원래 수집으로 이어진다.변수는 공칭, 서수, 간격 또는 비율 등 Stevens의 측정 수준에도 포함될 수 있지만, 양적(간격/비율) 변수는 질적(공칭/비율) 변수보다 맥락막 지도에서 더 일반적으로 사용됩니다.개별 기준의 측정 수준은 집계 요약 통계량과 다를 수 있다는 점에 유의해야 한다.예를 들어 인구조사는 각 개인에게 "주요 구어"(공칭)를 요구할 수 있지만, 이는 카운티 내의 모든 개인에게 "주요 스페인어"(비율) 또는 "주요 모국어"(공칭)로 요약될 수 있다.

대략적으로 말해서, 맥락막 지도는 두 가지 유형의 변수를 나타낼 수 있는데, 물리학과 화학뿐만 아니라 지리 통계학과 공간 분석에도 공통적인 차이점이 있다.

  • 공간적으로 광범위한 변수(지구적 특성이라고도 함)는 일반적으로 총계수 또는 현상의 양(물리학의 질량 또는 무게)의 형태로 전체 학군에만 적용될 수 있는 변수이다.광범위한 변수는 공간 전체에 걸쳐 축적된다고 한다. 예를 들어, 영국의 인구가 6,500만이라면, 잉글랜드, 웨일스, 스코틀랜드, 북아일랜드의 인구도 6,500만 명이 될 수 없다.대신, 총 모집단은 집합체의 총 모집단을 계산하기 위해 합(누적)해야 한다.단, 맥락 지도에서 광범위한 변수를 매핑하는 것은 가능하지만 패턴이 잘못 해석될 수 있기 때문에 이는 거의 보편적으로 권장되지 않습니다.예를 들어, 6천만에서 7천만 사이의 총 인구에 특정한 빨간색 음영을 지정했다면, 영국이 6천5백만 명의 인구를 가지고 있는 상황은 비록 4개의 구성 국가가 6천5백만 명의 인구를 가지고 있는 상황과 구별할 수 없을 것이다.다른 지리적 현실입니다.해석 오류의 또 다른 원인은 큰 구역과 작은 구역이 동일한 값(따라서 같은 색)을 가지면 큰 구역이 자연스럽게 [14]더 많은 것처럼 보인다는 것입니다.다른 유형의 주제 지도, 특히 비례 기호와 차트그램은 광범위한 변수를 나타내도록 설계되었으며 일반적으로 [15]: 131 선호된다.
  • 공간 집약형 변수는 필드, 통계 표면 또는 국지형 변수로도 알려져 있지만, 지역별 변동은 단일 값으로 요약할 수 있지만, 공간의 모든 위치(성질에 따라 점 또는 작은 영역)에서 측정할 수 있는 특성을 나타냅니다.일반적인 집중형 변수에는 밀도, 비율, 변화율, 평균 할당량(예: 1인당 GDP), 기술 통계량(예: 평균, 중앙값, 표준 편차)이 포함된다.집중 변수는 공간 전체에 걸쳐 분포한다고 한다. 예를 들어 영국의 인구 밀도가 평방 킬로미터당 250명이라면, (다른 데이터가 없는 경우) 5개 구성 국가의 가장 가능성이 높은 밀도(실제로 정확하지 않은 경우)도 250/km라고2 추정하는 것이 타당할 것이다.전통적으로 지도 제작에서 이러한 현상에 대한 지배적인 개념 모델은 통계 표면이었고,[16] 여기서 변수는 지속적으로 변화하는 2차원 공간 위의 3차원 "높이"로 상상됩니다.지리정보과학에서 보다 일반적인 개념화는 물리학에서 채택되어 일반적으로 위치의 스칼라 함수로 모델링되는 분야입니다.초로플러스 지도는 광활한 것보다 강도 높은 변수에 더 적합하다; 만약 지도 사용자가 "평방 킬로미터 당 100200명"의 색으로 가득 찬 영국을 본다면, 웨일즈와 영국은 각각 평방 킬로미터 당 100200명의 사람들이 있을 것이라고 추정할 수 있지만, 그것은 정확하지 않을 수 있고 합리적인 추정이다.
정규화: 왼쪽 지도는 총 모집단을 사용하여 색상을 결정합니다.이로 인해 매사추세츠 주 보스턴의 작은 밀집 도시 지역보다 더 큰 폴리곤이 도시화된 것처럼 보입니다.오른쪽 지도는 인구밀도를 사용합니다.적절하게 정규화된 맵은 폴리곤의 크기에 관계없이 변수를 표시합니다.

정규화

정규화는 하나 이상의 공간적으로 광범위한 변수에서 공간적으로 집약적인 변수를 도출하여 합창 [17]지도에서 적절하게 사용할 수 있도록 하는 기술이다.통계의 표준화 또는 표준화 기술과 유사하지만 동일하지는 않다.일반적으로 이 값은 공간적으로 광범위한 [12]: 252 두 변수 간의 비율을 계산함으로써 달성됩니다.이러한 비율은 인텐시브 변수를 발생시키지만, 특히 의미가 있고 합창 지도에서 일반적으로 사용되는 것은 극소수뿐입니다.

  • 밀도 = 총 / 면적.예: 모집단 밀도
  • 비율 = 부분군 총계/총계.예:부유한 가정은 전체 가구의 비율이다.
  • 평균 할당 = 총 금액 / 총 개인.예: 1인당 국내총생산(GDP/인구총액)
  • 변화율 = 나중의 합계 / 나중의 합계.예: 연간 인구 증가율.

이것들은 동등하지도 않고, 다른 것보다 더 낫지도 않다.오히려, 그들은 지리적인 이야기의 다른 측면을 말한다.예를 들어 텍사스에 있는 라틴계 인구의 인구밀도에 대한 합창 지도는 그 집단의 공간적 군집화와 분포에 대한 설명을 시각화하고 라틴계 인구의 비율 지도는 구성과 우위에 대한 설명을 시각화합니다.적절한 정규화를 채용하지 않으면 부적절하고 오해의 소지가 있는 [18][19]맵이 생깁니다.

분류

주요 기사: 데이터 비닝, 클러스터 분석 및 통계 분류
이 20042016년 미국 대통령 선거 지도는 카운티 지역구, 분류되지 않은 공간 집약 변수(비례의 차이), 스펙트럼 발산색 수열을 사용한다.분류 부족이 반영된 연속 경사 범례에 주목하십시오.

모든 합창 지도에는 값을 색상에 매핑하는 전략이 있습니다.분류된 합창 지도는 값의 범위를 클래스로 구분하여 각 클래스의 모든 구역에 동일한 색상이 할당됩니다.분류되지 않은 지도(n-class라고도 함)는 각 구역의 값에 비례하는 색상을 직접 할당합니다.듀팡의 1826년 지도를 시작으로, 합창단 지도는 훨씬 더 일반적이었습니다.이것은 원래 제한된 색조 세트를 적용하는 것이 훨씬 단순하기 때문일 가능성이 있습니다; 컴퓨터화된 지도 제작의 시대에만 분류되지 않은 초로플러스 지도가 가능했고, 최근까지 대부분의 지도 [20]제작 소프트웨어에서 여전히 만들기 쉽지 않았습니다.월도 R. 1973년 공식적으로 분류되지 않은 체계를 도입하면서 토블러는 원본 데이터의 보다 정확한 묘사라고 주장했고, 더 읽기 쉽다는 분류에 찬성하는 주요 논거를 [21]시험할 필요가 있다고 말했다.이어진 토론과 실험은 토블러의 원시 정확도 주장과 더불어 분류되지 않은 초로플러스 지도의 주요 장점은 독자들이 같은 부류에 속하는 학군들이 동일한 값을 가지고 있다고 믿게 하지 않고 변수의 미묘한 변화를 볼 수 있게 해준다는 일반적인 결론에 도달했다.그렇다. 따라서, 그들은 지리적 현상의 일반적인 패턴을 더 잘 볼 수 있지만,[15]: 109 [22][23] 구체적인 값은 볼 수 없다.분류된 합창 지도를 선호하는 주된 논거는 독자들이 구별되는 음영의 수가 적기 때문에 더 쉽게 처리할 수 있고, 이로 인해 인지 부하가 감소하여 지도의 색을 [24][25]범례에 나열된 값에 정확하게 일치시킬 수 있다는 것이다.

분류는 변수 값의 정량적 범위를 일련의 순서 있는 클래스로 분할하는 일련의 임계값인 분류 규칙을 확립함으로써 수행됩니다.예를 들어, 미국 카운티별 연간 중위 소득 데이터 세트에 USD20,000에서 $150,000 사이의 값이 포함되어 있는 경우, $45,000에서 $83,000의 임계값으로 세 개의 클래스로 나눌 수 있다.혼동을 피하기 위해 분류 규칙은 상호 배타적이고 집합적으로 포괄적이어야 합니다. 즉, 가능한 모든 값이 정확히 하나의 클래스로 분류되어야 합니다.예를 들어, 어떤 규칙이 6.5의 문턱값을 설정한 경우, 정확히 6.5의 값을 가진 구역을 하위 클래스로 분류할 것인지 또는 상위 클래스로 분류할 것인지를 명확히 할 필요가 있습니다(즉, 하위 클래스의 정의가 6.5보다 작은지 6.5보다 큰지 6.5보다 높은지, 또는 6.5보다 높은지).합창 [26]지도에는 다음과 같은 다양한 유형의 분류 규칙이 개발되어 있습니다.

  • 외부 규칙은 수중에 있는 데이터의 패턴에 관계없이 임계값을 가져옵니다.
    • 확립된 규칙은 과거의 과학적 연구나 공식 정책으로 인해 이미 일반적으로 사용되고 있는 규칙이다.예를 들어 소득 수준을 분류할 때 정부 세금 계층이나 표준 빈곤 문턱을 사용하는 것이 있습니다.
    • 애드혹 또는 상식 전략은 기본적으로 지도 제작자가 직관적인 감각을 가진 임계값을 사용하여 고안합니다.예를 들어 지도 제작자가 "부자", "중산층", "빈곤층"이라고 믿는 것에 따라 소득을 분류하는 것이 있을 것이다.이러한 전략은 다른 모든 방법이 가능하지 않은 경우를 제외하고는 일반적으로 권장되지 않습니다.
  • 내생적 규칙은 데이터 세트 자체의 패턴을 기반으로 합니다.
    • 자연 휴식 규칙은 데이터에서 자연 군집을 찾습니다. 즉, 많은 수의 구역이 비슷한 값을 가지며 그 사이에 큰 차이가 있습니다.이 경우 이러한 클러스터는 지리적으로 의미가 있을 수 있습니다.
      • 젠크스 자연 브레이크 최적화는 그러한 클러스터가 존재하는 경우 자동으로 식별하기 위한 휴리스틱 알고리즘이다. 이는 본질적으로 k-평균 클러스터링 [27]알고리즘의 1차원 형태이다.자연 클러스터가 존재하지 않는 경우 자연 클러스터가 생성하는 중단은 종종 다른 방법 간의 적절한 타협으로 인식되며 일반적으로 GIS 소프트웨어에서 사용되는 기본 분류기입니다.
    • 등간격 또는 산술적 수열은 각 클래스가 (max - min)/n과 같은 범위의 값을 가지도록 값의 범위를 나눕니다.예를 들어 소득 범위(20,000~150,000달러)는 52,500달러, 85,000달러, 117,500달러의 네 가지 클래스로 나뉩니다.
      • 표준 편차 규칙은 또한 동일한 범위의 값을 생성하지만 최소값과 최대값으로 시작하는 대신 데이터의 산술 평균에서 시작하여 평균의 위와 아래에 있는 일정한 수의 표준 편차의 각 배수에서 중단을 설정합니다.
    • 각 클래스는 동일한 수의 구역을 가질 수 있도록 계량형 데이터 세트를 나눕니다.예를 들어, 미국의 3,141개 카운티를 4개의 분위수 클래스(즉, 4분위수)로 나눈 경우, 첫 번째 클래스에는 785개 가장 가난한 카운티가 포함되며, 그 다음 785개 카운티가 포함됩니다.구역 수가 균등하게 분할되지 않거나 동일한 값이 임계값에 걸쳐 있는 경우 조정이 필요할 수 있습니다.
    • 기하학적 진행 규칙은 임계값의 비율이 일정하도록 값의 범위를 나눕니다(산술 진행에서와 같이 간격 대신).예를 들어, 위의 소득 범위는 임계값이 40,000달러와 80,000달러인 2의 비율을 사용하여 나뉩니다.이 유형의 규칙은 데이터의 도수 분포가 특히 기하학적 또는 지수적인 경우 매우 높은 양의 스큐를 가질 때 일반적으로 사용됩니다.
    • 중첩된 평균 또는 헤드/테일 브레이크 규칙은 산술 평균에 임계값을 설정한 다음 생성된 두 개의 클래스를 각각 각각의 평균으로 분할하는 방식으로 데이터 세트를 재귀적으로 분할하는 알고리즘입니다.따라서 클래스 수는 임의가 아니라 2(2, 4, 8 등)의 거듭제곱이어야 합니다.이것은 고도로 치우친 분포에서도 잘 작동한다고 제안되어 왔습니다.

계산된 임계값은 맵 리더가 쉽게 해석할 수 없는 정확한 값(74,326.9734달러 등)에 있는 경우가 많기 때문에 임계값을 유사한 단순 수치로 반올림하여 수정된 분류 규칙을 작성하는 것이 일반적입니다.일반적인 예로는 [1, 2.5, 5, 10, 25, 50, 100, ...] 또는 [1, 3, 10, 30, 100, ...]와 같이 10의 거듭제곱을 세분화하는 변형된 기하 급수가 있습니다.

색진행렬

주요 기사:색채표

합창 지도의 마지막 요소는 변수의 다른 값을 나타내기 위해 사용되는 색상 세트입니다.이 과제에는 다양한 접근방식이 있지만, 주요 원칙은 변수의 모든 순서(예: 낮은 양적 값에서 높은 양적 값)를 색상의 인식 순서(예: 밝은 색에서 어두운 색)에 반영해야 한다. 이렇게 하면 지도 독자들이 직관적으로 "더 많은 대 덜한" 판단을 내리고 경향과 패턴을 볼 수 있기 때문이다.범례에 [15]: 114 대한 최소한의 참조.적어도 분류된 지도의 경우, 두 번째 일반적인 지침은 색상은 쉽게 구별할 수 있어야 하며, 따라서 지도 상의 색상은 표현된 값을 결정하기 위해 범례의 색상과 모호하지 않게 일치시킬 수 있어야 한다는 것이다.이 요건은 포함할 수 있는 등급의 수를 제한한다. 회색 음영의 경우 테스트 결과 값만 사용할 경우(예: 회색이든 단일 색상이든 밝은 색에서 어두운 색까지) 실질적으로 7개 [28]이상의 클래스를 사용하기 어렵다는 것이 밝혀졌다.색상 및/또는 포화도의 차이가 통합될 경우, 그 한계는 10-12등급까지 유의하게 증가한다.색상 식별의 필요성은 색상 비전 부족에 의해 더욱 영향을 받는다. 예를 들어, 값을 구별하기 위해 빨간색과 녹색을 사용하는 색상 체계는 [29]모집단의 상당 부분에 유용하지 않을 것이다.

합창(및 기타 주제) 지도에서 사용되는 가장 일반적인 색상 진행 유형은 다음과 같습니다.[30][31]

  • 순차 수열은 변수 값을 색상 값으로 나타냅니다.
    • 그레이스케일 수열은 회색 음영만 사용합니다.
      그레이스케일 수열
    • 단일 색상 진행은 선택한 색상(또는 회색)의 어두운 음영에서 비교적 동일한 색상의 매우 밝은 색 또는 흰색 음영으로 희미해집니다.이것은 매그니튜드를 매핑하는 데 사용되는 일반적인 방법입니다.가장 어두운 색상은 데이터 집합에서 가장 큰 숫자를 나타내고 가장 밝은 색조는 가장 작은 숫자를 나타냅니다.
      단일 색상 진행
    • 부분 스펙트럼 수열은 제한된 범위의 색조를 사용하여 값 대비에 더 많은 대비를 추가하여 더 많은 수의 클래스를 사용할 수 있습니다.노란색은 자연스러운 겉보기 밝기 때문에 진행의 가벼운 끝에 일반적으로 사용됩니다.일반적인 색상 범위는 노란색-녹색-파랑색-오렌지색-빨강색입니다.
      부분 스펙트럼 수열
  • 다이버전트 또는 바이폴라 수열은 기본적으로 (위 유형의) 두 개의 순차적인 색상 수열로 공통의 밝은 색상 또는 흰색과 결합됩니다.이러한 값은 일반적으로 매핑되는 변수의 평균과 같이 양수 및 음수 값 또는 중심 경향으로부터의 차이를 나타내기 위해 사용됩니다.예를 들어, 온도를 매핑할 때의 일반적인 진행은 어두운 파란색(콜드용)에서 진한 빨간색(핫용)으로 중간에 흰색으로 표시됩니다.이는 양 극단이 "좋은" 끝을 녹색으로, "나쁜" 끝을 [32]빨간색으로 표시하는 것과 같은 가치 판단을 내릴 때 자주 사용됩니다.
    바이폴라 컬러 진행
  • 스펙트럼 수열은 의도된 값의 차이 없이 광범위한 색상(아마도 전체 색상 휠)을 사용합니다.이 순서는 값에 순서가 있을 때 가장 일반적으로 사용되지만 계절성 등의 "많이 대 적게" 순서가 아닙니다.다른 색상의 진행이 훨씬 [33][34]더 효과적일 수 있는 상황에서 비카트그래퍼에 의해 자주 사용됩니다.
    풀 스펙트럼 컬러 진행
  • Qualitical progression(질적 수열)은 값의 의도된 차이 없이 특정 순서로 산란된 색상 집합을 사용합니다.이것은 "가장 널리 퍼져있는 종교"와 같은 질적인 합창 지도에서 명목상의 범주와 함께 가장 일반적으로 사용됩니다.
    질적 색차이


이변량 초로플러스 지도

2010년 미국의 흑인(파란색)과 히스패닉(빨간색) 인구를 비교한 이변량 맥락막 지도. 보라색 색조는 두 그룹의 상당한 비율을 보여준다.
주요 기사: 이변량 지도

각각을 단일 연행으로 표현하고 각 구역의 색상을 혼합함으로써 단일 연행 지도에서 두 개의 변수(때로는 세 개)를 동시에 나타낼 수 있습니다.이 기술은 1970년대에 미국 인구조사국에 의해 처음 발표되었고, 그 이후 여러 번 사용되어 다양한 [35]성공 정도에 이르렀다.이 기법은 일반적으로 교육 성취도와 소득과 같이 밀접하게 관련되어 있다고 가정된 두 변수 사이의 상관관계와 대조도를 시각화하는 데 사용된다.일반적으로 대조적이지만 보완적이지 않은 색상이 사용되므로 레드+블루=크림 등 두 가지 원래 색상의 조합을 직관적으로 인식할 수 있습니다.이 기술은 변수의 지리에 공간 자기 상관도가 높을 때 가장 잘 작동하며, 따라서 유사한 색상의 큰 영역이 서로 점진적으로 변화합니다. 그렇지 않으면 맵이 랜덤 [12]: 331 색상의 혼합처럼 보일 수 있습니다.이 지도에 [36]주의 깊게 디자인된 범례와 기술에 대한 설명이 포함되어 있으면 더 쉽게 사용할 수 있는 것으로 밝혀졌다.

범례

참고 항목: 페이지 레이아웃(카토그래피)

합창 맵은 매핑 변수를 나타내기 위해 애드혹 기호를 사용합니다.일반적인 전략은 적절한 순서를 반영하는 색수열을 선택하면 직관적일 수 있지만, 지도 판독기는 범례 없이 각 지역의 실제 가치를 해독할 수 없다.분류된 합창 맵의 전형적인 합창 범례는 대응하는 값의 범위를 텍스트로 기술한 클래스별 심볼의 샘플 패치를 포함한다.분류되지 않은 합창 지도에서는 범례가 최소값과 최대값 사이의 부드러운 색 구배를 나타내며, 그에 따라 두 개 이상의 점이 해당 값으로 [15]: 111 라벨링됩니다.

대체 접근법은 히스토그램 범례이며, 여기에는 매핑 변수의 빈도 분포(즉, 각 클래스의 구역 수)를 보여주는 히스토그램이 포함됩니다.각 클래스는 최소 및 최대 임계값에 의해 폭이 결정되고 상자 면적이 포함된 구역 수에 비례하도록 계산된 높이를 가진 단일 막대로 나타낼 수 있으며, 그 클래스에 사용된 지도 기호로 색칠할 수 있습니다.또는 히스토그램을 다수의 막대로 분할하여 각 클래스가 [37]맵 내의 심볼에 따라 기호화된 하나 이상의 막대를 포함하도록 할 수 있다.범례의 이 형식은 각 클래스의 임계값뿐만 아니라 이러한 값의 소스, 특히 백분위수 등의 빈도 분포를 기반으로 하는 내생적 분류 규칙에 대한 컨텍스트를 제공합니다.그러나 현재 GIS 및 매핑 소프트웨어에서는 지원되지 않으므로 일반적으로 수동으로 구성해야 합니다.

「 」를 참조해 주세요.

각주

  1. ^ Dent, Borden (1990). Catrography: Thematic Map Design (2nd ed.). W.C. Brown. ISBN 978-0-697-07991-6.
  2. ^ Tobler, Waldo (1973). "Choropleth Maps Without Class Intervals?". Geographical Analysis. 5 (3): 262–265. doi:10.1111/j.1538-4632.1973.tb01012.x. Retrieved 11 March 2022.
  3. ^ Adams, Aaron; Chen, Xiang; Li, Weidong; Zhang, Chuanrong (2020). "The disguised pandemic: the importance of data normalization in COVID-19 web mapping". Public Health. 183: 36–37. doi:10.1016/j.puhe.2020.04.034. PMC 7203028. PMID 32416476.
  4. ^ Dupin, Charles (1826). Carte figurative de l'instruction populaire de la France. Bruxelles: s.n.
  5. ^ a b Robinson, Arthur H. (1982). Early Thematic Mapping in the History of Cartography. University of Chicago Press.
  6. ^ Ireland (1843). Report of the commissioners appointed to take the census of Ireland for the year 1841. Dublin: H.M. Stationery Office. p. lv.
  7. ^ 존 커틀랜드 라이트(1938).통계적 매핑에 관한 메모의 "인구 매핑의 문제", 특히 모집단 현상의 매핑에 관한 언급, 페이지 12.
  8. ^ Raisz, Erwin (1948). General Cartography (2nd ed.). McGraw-Hill. p. 249.
  9. ^ Trewartha, Glenn T. (January 1938). "Ratio Maps of China's Farms and Crops". Geographical Review. 28 (1): 102-111. doi:10.2307/210569. JSTOR 210569.
  10. ^ Chrisman, Nicholas (2002). Exploring Geographic Information Systems (2nd ed.). Wiley. p. 65. ISBN 0-471-31425-0.
  11. ^ Jenks, George F.; Caspall, Fred C. (June 1971). "Error on Choroplethic Maps: Definition, Measurement, Reduction". Annals of the Association of American Geographers. 61 (2): 217–244. doi:10.1111/j.1467-8306.1971.tb00779.x. ISSN 0004-5608.
  12. ^ a b c T. Slocum, R. McMaster, F. Kessler, H. Howard(2009).주제 지도와 지리 시각화, 제3판, 252페이지.피어슨 프렌티스 홀: 어퍼 새들 리버, 뉴저지 주
  13. ^ Rittschof, Kent (1998). "Learning and Remembering from Thematic Maps of Familiar Regions". Educational Technology Research and Development. 46: 19–38. doi:10.1007/BF02299827. S2CID 145086925.
  14. ^ 마크 몬모니어(1991)지도와 함께 거짓말을 하는 방법. 페이지 22-23.시카고 대학교 출판부
  15. ^ a b c d e Dent, Borden D.; Torguson, Jeffrey S.; Hodler, Thomas W. (2009). Cartography: Thematic Map Design (6th ed.). McGraw-Hill.
  16. ^ Jenks, George F. (1963). "Generalization in Statistical Mapping". Annals of the Association of American Geographers. 53 (1): 15. doi:10.1111/j.1467-8306.1963.tb00429.x.
  17. ^ Adams, Aaron; Chen, Xiang; Li, Weidong; Zhang, Chuanrong (2020). "The disguised pandemic: the importance of data normalization in COVID-19 web mapping". Public Health. 183: 36–37. doi:10.1016/j.puhe.2020.04.034. PMC 7203028. PMID 32416476.
  18. ^ 마크 몬모니어(1991)지도와 함께 거짓말을 하는 방법. 페이지 22-23.시카고 대학교 출판부
  19. ^ Adams, Aaron; Chen, Xiang; Li, Weidong; Zhang, Chuanrong (2020). "The disguised pandemic: the importance of data normalization in COVID-19 web mapping". Public Health. 183: 36–37. doi:10.1016/j.puhe.2020.04.034. PMC 7203028. PMID 32416476.
  20. ^ Kelly, Brett (2017). "Review of Unclassed Choropleth Mapping". Cartographic Perspectives (86): 30. doi:10.14714/CP86.1424.
  21. ^ Tobler, Waldo R. (July 1973). "Choropleth Maps without Class Intervals". Geographical Analysis. 5 (3): 262–265. doi:10.1111/j.1538-4632.1973.tb01012.x.
  22. ^ Peterson, Michael P. (1979). "An Evaluation of Unclassed Crossed-Line Choropleth Mapping". The American Cartographer. 6 (1): 21–37. doi:10.1559/152304079784022736.
  23. ^ Muller, Jean-Claude (June 1979). "Perception of Continuously Shaded Maps". Annals of the Association of American Geographers. 69 (2): 240. doi:10.1111/j.1467-8306.1979.tb01254.x.
  24. ^ Dobson, Michael W. (October 1973). "Choropleth Maps without Class Intervals? A Comment". Geographical Analysis. 5 (4): 358–360. doi:10.1111/j.1538-4632.1973.tb00498.x.
  25. ^ Dobson, Michael W.; Peterson, Michael P. (1980). "Unclassed Choropleth Maps: A Comment, A Reply". The American Cartographer. 7 (1): 78–81. doi:10.1559/152304080784522928.
  26. ^ Kraak, Menno-Jan; Ormeling, Ferjan (2003). Cartography: Visualization of Spatial Data (2nd ed.). Prentice Hall. pp. 116–121. ISBN 978-0-13-088890-7.
  27. ^ 징크스, 조지 F. 1967년"통계 매핑의 데이터 모델 개념", 국제 지도 연감 7: 186-190.
  28. ^ Monmonier, Mark (1977). Maps, Distortion, and Meaning. Association of American Geographers.
  29. ^ Olson, Judy M.; Brewer, Cynthia (1997). "An evaluation of color selections to accommodate map users with color-vision impairments". Annals of the Association of American Geographers. 87 (1): 103–134. doi:10.1111/0004-5608.00043.
  30. ^ 로빈슨, A.H., 모리슨, J.L, 뮤르케, PC, 키멀링, A.J. & 굽틸, S.C.(1995년), 지도 제작의 요소(6판), 뉴욕: 와일리.
  31. ^ Brewer, Cynthia A. "Color use guidelines for mapping and visualization". In MacEachren, Alan M.; Taylor, D.R.F. (eds.). Visualization in Modern Cartography. Pergamon. pp. 123–147.
  32. ^ Patricia Cohen (9 August 2011). "What Digital Maps Can Tell Us About the American Way". New York Times.
  33. ^ Light; et al. (2004). "The End of the Rainbow? Color Schemes for Improved Data Graphics" (PDF). Eos. 85 (40): 385–91. Bibcode:2004EOSTr..85..385L. doi:10.1029/2004EO400002.
  34. ^ Stauffer, Reto. "Somewhere over the Rainbow". HCL Wizard. Retrieved 14 August 2019.
  35. ^ Meyer, Morton A.; Broome, Frederick R.; Schweitzer, Richard H. Jr. (1975). "Color Statistical Mapping by the U.S. Bureau of the Census". The American Cartographer. 2 (2): 101–117. doi:10.1559/152304075784313250.
  36. ^ Olson, Judy M. (1981). "Spectrally encoded two-variable maps". Annals of the Association of American Geographers. 71 (2): 259–276. doi:10.1111/j.1467-8306.1981.tb01352.x.
  37. ^ Kumar, Naresh (2004). "Frequency Histogram Legend in the Choropleth Map: A Substitute to Traditional Legends". Cartography and Geographic Information Science. 31 (4): 217–236. doi:10.1559/1523040042742411. S2CID 119795925.

레퍼런스

  • Dent, Borden; Torguson, Jeffrey; Hodler, Thomas (21 August 2008). Cartography Thematic Map Design. McGraw-Hill. ISBN 978-0-072-94382-5.

외부 링크

무료 사전인 위키사전에서 합창 지도를 찾아보세요.
Wikimedia Commons에는 지도와 Choropleth 지도와 관련된 미디어가 있습니다.