نقشه موضوعی با GIS : توزیع عوارض و پدیده ها در حل مسائل مکانی :

1. تعاریف
2. طراحی و استفاده از نقشه های موضوعی مشترک
3. ملاحظات طراحی
4. طراحی افسانه

1. تعاریف

کارتوگرام: یک نقشه موضوعی که اندازه یک واحد شمارش را متناسب با مقدار نمایش داده شده مقیاس می کند.

نقشه choropleth: یک نقشه موضوعی که به طور یکنواخت هر واحد شمارش غیر همپوشانی را با توجه به مقدار نمایش داده شده رنگ می کند.

نقشه داسیمتری: یک نقشه موضوعی که از داده های اضافی برای تعیین مرزهای جدید واحدهای شمارش برای بهبود نمایش توزیع فضایی پدیده نقشه برداری شده استفاده می کند.

نقشه چگالی نقطه‌ای: نقشه موضوعی که نقاط را در یک واحد شمارش متناسب با مقدار نمایش‌داده‌شده قرار می‌دهد تا توزیع و تغییر چگالی یک پدیده حفظ شود.

نقشه جریان: نقشه موضوعی که جهت و/یا بزرگی یک پدیده را در امتداد اجسام خطی یا بین مکان‌ها نشان می‌دهد.

نقشه نماد مدرج: نقشه نماد متناسب طبقه بندی شده

ایزولاین/ایزاریتم: خطی که از طریق درون یابی به دست می آید که نقاطی با ارزش ویژگی برابر را روی نقشه به هم متصل می کند.

فاصله ایزولاین: فاصله عددی بین ایزوله/ایساریتم های متوالی

نقشه ایزومتریک: نقشه ای موضوعی که از خطوط ایزوله حاصل از درونیابی مقادیر جمع آوری شده در نقاط نمونه استفاده می کند 

نقشه ایزوپلتیک: یک نقشه موضوعی که از خطوط ایزوله ناشی از درونیابی مقادیر شمارش شده در مناطق استفاده می کند.

نقشه نماد تناسبی: یک نقشه موضوعی که اندازه یک نماد نقطه را متناسب با مقدار نمایش داده شده مقیاس می کند

ایزولاین های تکمیلی خطوطی هستند که بین ایزولاین های حاصل از بازه ایزولین منظم قرار می گیرند تا الگوی کوچک اما مهمی از پدیده نگاشت شده را به تصویر بکشند که بازه منظم قادر به نشان دادن آن نیست.

نقشه موضوعی : نقشه ای که توزیع مکانی یک یا چند پدیده جغرافیایی را نشان می دهد

2. طراحی و استفاده از نقشه های موضوعی مشترک

نقشه موضوعی توزیع فضایی یک یا چند پدیده جغرافیایی را نشان می دهد. در نقشه های موضوعی، موضوع اصلی به طور مشخص در برابر نقشه پایه قابل مشاهده است، و تا شکل در سلسله مراتب بصری بالا می رود (به سلسله مراتب بصری و چیدمان مراجعه کنید ). در مقابل، یک نقشه مرجع معمولاً موضوع اصلی را ارائه نمی دهد که به وضوح در برابر سایر لایه های نقشه و عناصر نقشه متمایز باشد. این مدخل انواع نقشه موضوعی تک متغیره رایج را بررسی می کند. برای انواع نقشه های موضوعی اضافی که دو یا چند پدیده را به تصویر می کشند، به نگاشت چند متغیره مراجعه کنید .

نگاشت موضوعی امکان نمایش داده های کمی و کیفی را فراهم می کند. ویژگی های کمی را می توان در نقاط جداگانه جمع آوری کرد، اما اغلب در واحدهای منطقه ای شمارش می شوند (نگاه کنید به نقشه برداری آماری ). انواع نقشه های موضوعی در ابعاد و متغیر بصری کدگذاری شده متفاوت هستند (مونمونیر، 2001؛ مک آچرن، 2004؛ اسلوکام و همکاران، 2009؛ برتین، 2010؛ تاینر، 2014). بر این اساس، هر نقشه موضوعی روش متفاوتی از تفکر در مورد همان پدیده نقشه‌برداری شده را پیشنهاد می‌کند، و بنابراین ممکن است به بینش‌ها و نتایج متفاوتی در مورد موضوع ارائه‌شده منجر شود (MacEachren & DiBiase، 1991؛ Kraak و همکاران، 2020) (شکل 1).

شکل 1. هر نوع نقشه موضوعی بینش متفاوتی از پدیده نگاشت شده ارائه می دهد. بر اساس: MacEachren & DiBiase (1991). منبع: نویسندگان

هر نوع نقشه موضوعی دارای نقاط قوت و محدودیت های نسبی است و هر نوع از نظر عینی بهتر از هر نوع دیگری نیست. جدول 1 طراحی و استفاده از انواع نقشه های موضوعی رایج را نشان می دهد که در بخش زیر خلاصه می شود.

3. ملاحظات طراحی

3.1 نقشه های Choropleth

نقشه choropleth یک نقشه موضوعی است که به طور یکنواخت هر واحد شمارش غیر همپوشانی را با توجه به مقدار نمایش داده شده رنگ می کند. نقشه‌های Choropleth معمولاً طرح‌های رنگی متوالی را دریافت می‌کنند که مقدار رنگ متفاوتی را به‌عنوان متغیر بصری اولیه، با استفاده از ترتیب «تاریکی بیشتر است» برای پس‌زمینه‌های روشن و ترتیب معکوس «نور بیشتر است» برای پس‌زمینه‌های تیره دریافت می‌کنند (برور، 2016؛ شکل 2). ). جدا از ارزش رنگ، نقشه‌های choropleth همچنین ممکن است از رنگ و اشباع رنگ در طرح‌های طیفی چند رنگ و در طرح‌های واگرا استفاده کنند. طرح های واگرا برای تأکید بر یک مقدار بحرانی استفاده می شود (شکل 3). طرح‌های رنگی کیفی یا رنگین کمانی به دلیل مقادیر عددی شمارش شده در نقشه‌های choropleth معمولاً توصیه نمی‌شوند (به نظریه رنگ مراجعه کنید).). نقشه‌های کوروپلث فقط داده‌های شمارش‌شده را نشان می‌دهند، که اغلب بر اساس مرزهای سیاسی یا مجموعه‌ای از اشکال منظم برشمرده می‌شوند (شکل 4)، با رنگ‌آمیزی مناطق بر اساس تفاوت‌های اسمی (مانند انواع مختلف خاک، انواع پوشش زمین و غیره) که به عنوان نقشه‌های کروپلت در نظر گرفته نمی‌شوند. .

شکل 2. هنگام انتخاب ترتیب رنگ ها برای داده های کمی، کنتراست رنگ پس زمینه باید در نظر گرفته شود: تیره-بیشتر در پس زمینه روشن (سمت چپ) یا روشن-بیشتر در پس زمینه تیره (راست). منبع: نویسندگان

شکل 3. استفاده از طرح‌های رنگی متوالی در مقابل متفاوت، بر اساس نوع مجموعه داده‌های ارائه‌شده و اهمیت مقادیر حیاتی در مجموعه داده هدایت می‌شود. منبع: نویسندگان

شکل 4. واحدهای شمارش در نقشه choropleth ممکن است مرزهای سیاسی (به عنوان مثال، سرشماری (چپ)) یا مجموعه ای از اشکال منظم مانند شش ضلعی (راست) باشند. منبع: نویسندگان

نقشه های Choropleth از ناحیه به عنوان بعد نماد استفاده می کنند. الگوها در نقشه‌های choropleth به شدت تحت تأثیر توزیع واحدهای شمارش هستند، شاید بیشتر از سایر نقشه‌های موضوعی با توجه به کاربرد یک نماد واحد (رنگ) به طور یکنواخت در کل واحد شمارش. بر این اساس، ویژگی‌های مطلق باید از نظر آماری به مقادیر نسبی برای نقشه‌های choropleth نرمال شوند تا واحدهای شمارش با اندازه‌ها و شکل‌های مختلف را در نظر بگیرند (دنت و همکاران، 2008؛ کراک و اورملینگ، 2009؛ لانگلی و همکاران، 2015؛ به شکل 5 مراجعه کنید). . اشکال معمول نرمال سازی برای نقشه های choropleth شامل ایجاد چگالی، محاسبه نرخ سرانه، تولید نسبت نسبی یا شاخص ترکیبی، و نقشه برداری تغییر بین دو جمع آوری داده ها است (به نقشه آماری مراجعه کنید.). تنها زمانی باید از داده های مطلق استفاده شود که تمام نواحی شمارش اندازه و شکل یکسانی داشته باشند (شکل 4 سمت راست).

شکل 5. مناطق با اندازه های متفاوت و مقادیر نگاشت شده آنها، تصور توزیع را هنگام استفاده از مقادیر مطلق در نقشه های choropleth تغییر می دهد. منبع: نویسندگان

نقشه‌های Choropleth معمولاً به طبقه‌بندی داده‌ها نیاز دارند (شکل 6)، با توجه به سطح ترتیبی خواندن برای مقدار رنگ متغیر بصری (نگاه کنید به نقشه‌برداری آماری ؛ نمادسازی و متغیرهای بصری ). طبقه بندی شامل تصمیم گیری در مورد تعداد کلاس ها (شکل 7) و وقفه های کلاس است. طبقه بندی همچنین اثرات کنتراست همزمان مبتنی بر رنگ را در نقشه کاهش می دهد (به نظریه رنگ مراجعه کنید ).

شکل 6. یک نقشه choropleth به طور معمول نیاز به طبقه بندی داده ها دارد. منبع: نویسندگان

شکل 7. سطح جزئیات در نقشه choropleth افزایش می یابد – نه به دلیل تغییر در مقیاس نقشه، بلکه از طریق افزایش تعداد واحدهای شمارش (از چپ به راست) و تعداد کلاس ها (از بالا به پایین). منبع: نویسندگان

نقشه choropleth پدیده های پیوسته و ناگهانی را نشان می دهد که نزدیک به واحدهای شمارش گره خورده اند. از آنجایی که واحدهای سیاسی اغلب به عنوان واحدهای شمارش استفاده می‌شوند، نقشه‌های choropleth به طور همسان پدیده‌های مرتبط با فعالیت‌های دولتی را نشان می‌دهند (شکل 1؛ کراک و همکاران، 2020). نقشه‌های کروپلث شاید پرکاربردترین نقشه‌های موضوعی برای به تصویر کشیدن داده‌های آماری باشند، و بنابراین از آشنایی آنها در بین مخاطبان عمومی بهره می‌برند.

3.2 نقشه های نماد متناسب

نقشه نماد تناسبی یک نقشه موضوعی است که اندازه نماد نقطه را متناسب با مقدار نمایش داده شده مقیاس می دهد. نقشه‌های نماد متناسب از اندازه متغیر بصری استفاده می‌کنند – یکی از تنها متغیرهای بصری که به صورت کمی خوانده می‌شوند – و بنابراین تخمین نسبتاً قابل اعتمادی از داده‌های عددی در مقایسه با سایر انواع نقشه‌های موضوعی ارائه می‌دهند (به نمادسازی و متغیرهای بصری مراجعه کنید )، اگرچه هنوز برای حسابرسی نیاز به یادآوری است. برای اثرات ادراکی بسته به شکل نماد تناسبی.

بر این اساس، نسبت مقیاس بندی اولین مورد مهم طراحی برای نقشه های نماد متناسب است. اندازه نمادها باید بزرگ باشد تا مقادیر پدیده به راحتی تخمین زده و مقایسه شوند. نمادهای متناسبی که در یک بعد رشد می کنند، مانند میله ها، به طور قابل اعتماد خوانده می شوند. با این حال، نمادهای متناسبی که در دو بعد رشد می کنند، به طور سیستماتیک دست کم گرفته می شوند، زیرا بزرگتر می شوند به دلیل یک بعد بزرگ اندازه ناشی از تغییر در ناحیه نماد، و بنابراین نیاز به مقیاس ادراکی دارند. هر شکل نماد ساده (به عنوان مثال، دایره، مربع، مثلث) نسبت مقیاس بندی متفاوتی دارد، مانند نسبت فلانری برای دایره ها. بنابراین، اشکال پیچیده به دلیل مقیاس ادراکی ناشناخته یا غیرقابل پیش بینی توصیه نمی شود. نمادهای تناسبی سه بعدی با توجه به غیرقابل اعتماد بودن درک حجم معمولاً توصیه نمی شوند (شکل 8).

شکل 8. مقیاس بندی نماد بر اساس ابعاد: طول برای میله (1D)، مساحت برای مربع ها و سایر اشکال هندسی (2D)، حجم برای کره ها، مکعب ها، و سایر جامدات (3D). منبع: نویسندگان

پر رنگ نمادهای متناسب می تواند یکنواخت یا متغیر باشد (Slocum et al., 2009). دومی را می توان برای رمزگذاری اضافی همان ویژگی اندازه نماد یا به تصویر کشیدن مجموعه داده دوم استفاده کرد (نگاه کنید به نگاشت چند متغیره ؛ شکل 9).

شکل 9. پر کردن نمادها ممکن است همان پدیده اندازه نماد (سمت چپ) را نشان دهد یا نشان دهنده داده های اضافی باشد: ساختار (وسط)، پدیده اضافی (راست). منبع: نویسندگان

یک نقشه نماد متناسب می تواند داده های فردی یا شمارش شده را نشان دهد (Dent et al., 2008). نمادهای مربوط به مناطق در مرکز واحد شمارش قرار می گیرند – برای مثال، ایالت، شهرستان. در حالی که نمادهایی که داده های مربوط به نقاط را نشان می دهند در مختصاتی که پدیده رخ می دهد روی نقشه قرار می گیرند (شکل 10).

شکل 10. نمادهای تناسبی که به نقاط و نواحی اشاره می کنند در نقشه های نماد تناسبی یکسان به نظر می رسند. آنها فقط در مکان نماد خود متفاوت هستند. منبع: نویسندگان

نقشه های نماد تناسبی نیز از نظر نوع داده ورودی در مقایسه با سایر انواع نقشه های موضوعی رایج مانند choropleth انعطاف پذیرتر هستند. نمادهای تناسبی معمولاً داده های مطلق را به دلیل خواندن کمی اندازه متغیر بصری نشان می دهند، اما داده های نرمال شده (به استثنای تراکم) نیز می توانند با نمادهای متناسب ترسیم شوند. در حالی که با انتخاب داده های ورودی انعطاف پذیر است، نقشه های نماد متناسب ممکن است با نمادهای همپوشانی مشکل داشته باشند (تاینر، 2010). نمادهای همپوشانی تا حد محدودی قابل قبول هستند – به عنوان مثال، در چندین منطقه که نمادها به صورت خوشه ای و تا حدودی همپوشانی دارند. هنگامی که این اتفاق می افتد، بزرگترین نماد باید همیشه در پایین ترتیب لایه بندی و کوچکترین علامت در بالا باشد (شکل 11).

شکل 11. هنگامی که نمادها روی هم قرار می گیرند، باید به گونه ای قرار گیرند که نمادهای بزرگ نمادهای کوچک را پنهان نکنند. منبع: نویسندگان

نقشه نمادهای درجه بندی شده، که گاهی اوقات نمادهای درجه بندی شده نامیده می شود، یک نقشه نمادهای متناسب طبقه بندی شده است (نگاه کنید به نقشه آماری ؛ شکل 12). از نمادهای درجه بندی شده برای کاهش پیچیدگی بصری نقشه استفاده می شود، مانند زمانی که تعداد زیادی نماد یا دامنه وسیع داده وجود دارد.

شکل 12. خواندن نقشه نمادهای درجه بندی شده برای کاربران آسان تر از نقشه نمادهای متناسب است، که به کاربران نیاز دارد تا اندازه نمادها را تخمین بزنند، اما به قیمت اینکه دیگر قادر به خواندن مقادیر دقیق از نمادهای درجه بندی شده نباشند. منبع: نویسندگان

شکل نمادهای ناحیه مدرج می تواند هندسی یا تصویری باشد تا نماد را بصری تر کند (شکل 13). مقیاس بندی نمادهای پیچیده پیچیده تر از نمادهای هندسی است. بنابراین، نمادهای پیچیده بیشتر برای نقشه های نماد درجه بندی شده با تفاوت اندازه نماد واضح بین کلاس های متوالی استفاده می شود. با توجه به پیچیدگی بیشتر نقشه های دو متغیره، معمولاً از نمادهای درجه بندی شده نیز برای نمادهای تناسبی سایه دار استفاده می شود (نگاه کنید به نقشه برداری چند متغیره ). نقشه‌های نماد درجه‌شده می‌توانند مجموعه‌ای از داده‌ها را نشان دهند، مانند موضوعات تکمیلی (شکل 14) یا مقایسه‌های زمانی (به عنوان مثال، دو نیمه از نمادها که دو سال مختلف را نشان می‌دهند).

شکل 13. اشکال مختلف را می توان بر روی نقشه نماد مدرج اعمال کرد. منبع: نویسندگان

شکل 14. یک نقشه نماد مدرج می تواند بیش از یک مجموعه داده را نشان دهد. منبع: نویسندگان

نقشه های نماد متناسب و نقشه های نماد درجه بندی شده استعاره های گسسته و ناگهانی مانند مکان های فعالیت اقتصادی را تداعی می کنند (شکل 1؛ کراک و همکاران، 2020).

3.3. نقشه های ایزولاین

نقشه ایزولاین یک نقشه موضوعی است که داده ها را با خطوط به دست آمده از درون یابی نشان می دهد که نقاطی با ارزش ویژگی برابر را روی نقشه به هم متصل می کنند. خطوط ایزولاین یا ایزوله نامیده می شوند (این دو اصطلاح مترادف هستند؛ برای اختصار فقط اولی در بخش های بعدی استفاده می شود). بسته به نمایش داده های فردی در مقابل داده های شمارش شده، دو نوع نقشه ایزولاین را می توان تشخیص داد (شکل 15). نقشه های ایزومتریک نقشه های موضوعی هستند که از خطوط ایزوله حاصل از درونیابی مقادیر جمع آوری شده در نقاط نمونه استفاده می کنند. برای نقشه های ایزومتریک، نقاط نمونه از قبل ممکن است وجود داشته باشد (به عنوان مثال، ایستگاه های هواشناسی). در مقابل، نقشه‌های ایزوپلتیک، نقشه‌های موضوعی هستند که از خطوط ایزوله ناشی از درونیابی مقادیر شمارش شده در مناطق استفاده می‌کنند.

شکل 15. ایزوله ها بسته به نوع داده ای که نگاشت می شوند، متفاوت نام گذاری می شوند. منبع: نویسندگان

اولین مورد مهم طراحی برای نقشه های ایزولاین، توزیع نقاط نمونه است. برای نقشه های ایزومتریک می تواند نمونه گیری سیستماتیک، تصادفی، طبقه بندی شده یا هدفمند باشد در حالی که برای نقشه های ایزومتریک فقط از مرکز استفاده می شود (شکل 16).

شکل 16. انتخاب – از جمله تعداد، توزیع و مکان – نقاط نمونه بر نقشه ایزولاین حاصل تأثیر می گذارد. نقشه ها همان ویژگی را نشان می دهند: اشاره به مناطق NUTS1 (ردیف بالا) و NUTS2 (ردیف میانی)، شبکه نقاط کنترل (ردیف پایین). منبع: نویسندگان

دومین ملاحظۀ طراحی، روش های درون یابی انتخاب شده است (شکل 17)، یا روشی که به وسیله آن یک سطح آماری پیوسته از توزیع نقاط نمونه تخمین زده می شود. روش های درون یابی مختلف – برای مثال وزن دهی معکوس فاصله، اتصال دو مکعبی اسپلاین و کریجینگ – برای مجموعه داده های مختلف مناسب هستند (به روش های درون یابی مراجعه کنید.) و روش درونیابی انتخاب شده منجر به سطوح خروجی آماری متفاوتی می شود. برخی از روش ها منجر به سطوحی می شوند که شامل مقادیر جمع آوری شده در نقاط نمونه می شود (به عنوان مثال، درونیابی نزدیکترین همسایه). سطح ممکن است دارای تنوع زیاد و تغییرات ناگهانی در خطوط ایزوله برای مطابقت با مقادیر نقاط نمونه باشد. سایر روش های درون یابی سطح آماری را هموار می کنند و بنابراین، همیشه با مقادیر جمع آوری شده در نقاط نمونه منطبق نیستند (دنت و همکاران، 2008). وزن دهی معکوس فاصله و روش های درون یابی کریجینگ، شاید دو روش متداول درون یابی برای نقشه های ایزولاین، یک شبکه خروجی منظم تولید می کنند که از طریق آن می توان ایزوله های دقیق یا هموار را بافته کرد.

پس از انتخاب یک روش توزیع و درونیابی نمونه، سومین ملاحظه طراحی برای نقشه های ایزولاین، فاصله عددی بین خطوط ایزولاین قرار داده شده در نقشه است. فاصله ایزولاین فاصله عددی بین خطوط متوالی است. استفاده از یک بازه منفرد و منظم، خواندن نقشه را بهبود می بخشد، زیرا فاصله بین خطوط متوالی میزان تغییر پدیده را نشان می دهد (Tyner, 2010). هنگامی که فواصل منظم الگوی فضایی پدیده نقشه‌برداری شده را نشان نمی‌دهد، می‌توان ایزوله‌های مکمل اضافی را برای ارائه جزئیات بیشتر بین ایزوله‌های منظم اضافه کرد.

شکل 17. نقشه ایزولاین شامل چندین ملاحظات طراحی اصلی است. منبع: نویسندگان

در نظر گرفتن طراحی نهایی برای نقشه های ایزولاین، استفاده از رنگ آمیزی بین خطوط ایزولاین است. نقشه های ایزولاین از خطوط به عنوان بعد نماد استفاده می کنند، در حالی که افزودن رنگ آمیزی بین خطوط ایزوله، ابعاد نماد را به ناحیه تغییر می دهد. رنگ آمیزی رنگ (که به عنوان رنگ آمیزی هیپسومتری برای خطوط ارتفاعی توصیف می شود؛ به نمایش زمین مراجعه کنید ) بین ایزوله ها می تواند تفسیر کاربران از نقشه را بهبود بخشد (برویر، 2016؛ تاینر، 2010)، به عنوان مثال، برای یافتن مکان هایی که مقادیر نسبتاً بالاتر و پایین تر در سراسر قرار دارند. نقشه (نقشه سوم و چهارم را در شکل 17 مقایسه کنید). همانند نقشه‌های choropleth، هنگام استفاده از رنگ، با توجه به اعوجاج مناطق نسبی سایه‌زنی رنگ، به پیش‌بینی مساحت مساوی نیاز است (نگاه کنید به پیش‌بینی‌های نقشه). طرح‌های رنگی برای نقشه‌های ایزولاین عموماً از همان اصولی پیروی می‌کنند که طرح‌های رنگی برای نقشه‌های choropleth (نگاه کنید به نظریه رنگ )، مانند پیروی از استعاره بیشتر در برابر نقشه پایه و استفاده از طرح‌های واگرا برای مجموعه‌های داده با نقطه میانی بحرانی (شکل 18). نقشه های ایزولاین بدون رنگ آمیزی باید نماد خطوط ایزوله با عرض و رنگ ثابت باشد، به استثنای ایزوله های تکمیلی، و می تواند شامل برچسب هایی باشد که مستقیماً در بالای خط با یک خط شکسته قرار می گیرند (به عنوان مثال، نقشه سوم در شکل 17؛ به تایپوگرافی مراجعه کنید ).

شکل 18. فقط مجموعه های داده با یک نقطه مقدار خاص باید با یک طرح رنگی واگرا دو طرفه نشان داده شوند. منبع: نویسندگان

نقشه های ایزولاین استعاره های پیوسته و صاف را برمی انگیزند (اما اغلب ممکن است اثرات لبه و جزیره از درون یابی را نشان دهند)، که عمدتاً پدیده های محیطی را نشان می دهد – به عنوان مثال، دما یا بارندگی، که معمولاً در نقشه های ایزولاین نشان داده می شوند (شکل 1؛ کراک و همکاران، 2020). .

3.4. نقشه های تراکم نقطه ای

نقشه چگالی نقطه ای یک نقشه موضوعی است که نقاط را در یک واحد شمارش متناسب با مقدار نمایش داده شده قرار می دهد تا توزیع و تغییر چگالی یک پدیده را حفظ کند. نقشه چگالی نقطه‌ای از متغیر بصری مرکب متعددی استفاده می‌کند، که ترتیب و اندازه را ترکیب می‌کند تا حس پراکندگی یا خوشه‌بندی متراکم را ایجاد کند (به نمادسازی و متغیرهای بصری مراجعه کنید ). نقشه چگالی نقطه‌ای می‌تواند دارای رنگ رنگی باشد تا دسته‌های مختلف را رمزگذاری کند تا حسی از مناطق نسبتاً همگن در مقابل ناهمگن را بر اساس دسته ارائه دهد (نگاه کنید به نقشه‌برداری چند متغیره ). بنابراین، نقشه چگالی نقطه‌ای با نقشه نقطه‌ای، یعنی نمادهای نقطه‌ای کیفی متفاوت است (به طراحی نماد نقشه مراجعه کنید.)، به این صورت که هر نقطه مقدار شمارش شده ای از ویژگی نگاشت شده را در مقابل یک مکان مختصات خاص نشان می دهد.

اولین مورد توجه برای نقشه های چگالی نقطه، مقدار نقطه است (شکل 19)، یا تعداد پدیده ای که هر نقطه نشان می دهد. مقدار نقطه باید در رابطه با کل شمارش شده بهینه شود، زیرا یک مقدار نقطه نامناسب بزرگ منجر به ایجاد نقاط بسیار کمی می شود تا تغییرات چگالی را به وضوح در واحدهای شمارش پراکنده نشان دهد و یک مقدار نقطه نامناسب پایین منجر به تعداد بیش از حد نقاط می شود که منجر به بیش از حد ترسیم می شود. اثرات مرزی در متراکم ترین واحدهای شمارش.

دومین مورد توجه طراحی، اندازه نقطه است. اندازه نقطه قطر نقطه ای است که چندین بار روی نقشه قرار می گیرد. اندازه نقطه باید در سراسر نقشه چگالی نقطه ثابت باشد تا از اشتباه گرفتن با نقشه های نماد متناسب جلوگیری شود. اندازه نقطه نامناسب بزرگ منجر به همپوشانی نقاط می شود و اندازه نقطه نامناسب کوچک باعث می شود که نقاط در سلسله مراتب بصری به زمین فرو روند. مقدار نقطه و اندازه نقطه هر دو به مقیاس نقشه‌کشی (نگاه کنید به مقیاس و تعمیم ) و محدوده مقادیر نقشه‌برداری شده بستگی دارند، و بنابراین اغلب به کاوش در طرح‌های جایگزین برای یافتن تعادل بصری مؤثر نیاز دارند (شکل 20).

شکل 19. مقدار نقطه و اندازه نقطه ملاحظات طراحی اولیه برای نقشه های چگالی نقطه است. منبع: نویسندگان

شکل 20. اندازه و مقدار نقطه مربوط به مقیاس نقشه برداری و کمیت هایی است که باید نقشه برداری شوند. منبع: نویسندگان

در نظر گرفتن طراحی نهایی برای نقشه های چگالی نقطه، محل قرارگیری نقطه است. هر نقطه خاص مکان خاصی از یک نمونه واحد از یک پدیده را نشان نمی دهد (Krygier & Wood, 2016). در حالی که زمانی که با دست با استفاده از دانش متخصص قرار داده می‌شود، مکان‌یابی نقطه برای نقشه‌های چگالی نقطه معمولاً در نرم‌افزار نقشه‌برداری معاصر تصادفی می‌شود. بنابراین، اطلاعات اضافی – به عنوان مثال، اطلاعات در مورد کاربری زمین – باید برای بهبود مکان نقاط استفاده شود (به بحث در مورد نقشه های داسیمتری زیر مراجعه کنید؛ شکل 21).

نقشه چگالی نقطه ای از ناحیه به عنوان ابعاد اصلی استفاده می کند، حتی اگر یک نقطه به عنوان یک نماد منفرد اعمال شود. توزیع و تغییر چگالی یک پدیده در سراسر یک واحد شمارش پیام اصلی است که بر روی نقشه چگالی نقطه ای منتقل می شود. نقشه برای تجسم داده های مطلق استفاده می شود – برای مثال، تعداد بیکاران به جای نرخ بیکاری (Krygier & Wood، 2016)، اما به عنوان محصول نهایی، یک نقشه چگالی نقطه ای به طور بصری داده های مطلق را مانند نرمال سازی چگالی در حالت عادی نرمال می کند. یک نقشه choropleth نقشه چگالی نقطه ای یک پدیده گسسته و صاف را تداعی می کند و بنابراین برای نمایش افراد و سایر پدیده های اجتماعی موثر است (شکل 1).

3.5. نقشه داسیمتری

نقشه داسیمترییک نقشه موضوعی است که از داده‌های جانبی برای تعیین مرزهای معنادارتر جدید واحدهای شمارش استفاده می‌کند و نمایش توزیع فضایی پدیده نقشه‌برداری شده را بهبود می‌بخشد. داده‌های فرعی ممکن است دو نوع باشند: مجموعه داده‌های حذفی (آنهایی که نشان می‌دهند که پدیده نقشه‌برداری شده کجا ظاهر نمی‌شود) و مجموعه داده‌های شامل (آنهایی که خوانندگان را قادر می‌سازد تا همبستگی مثبت بالایی بین متغیر اضافی و پدیده نگاشت‌شده فرض کنند) (رابینسون و همکاران. ، 1995؛ کراک و همکاران، 2020). برای مثال، در حین نقشه‌برداری از زمین‌های زراعی، مناطق شهری به عنوان داده‌های حذفی برای حذف مناطق شناخته شده فاقد محصول عمل می‌کنند. در عین حال، مناطق شهری و ساخته‌شده داده‌های شامل نقشه‌برداری تراکم جمعیت هستند. هنگامی که داده های کمکی اعمال می شوند، مقادیر مشخصه در داخل مرزهای جدید ترسیم شده مجددا توزیع می شوند. هنگامی که از نظر آماری (مانند نقشه‌های choropleth) یا بصری (مانند نقشه‌های چگالی نقطه‌ای) نرمال شود، چگالی‌های جدیدی ایجاد می‌شود (شکل 21). بر این اساس، یک نقشه داسیمتری از داده های شمارش شده در ابعاد منطقه استفاده می کند.

شکل 21. نقشه‌های داسیمتری به داده‌های کمکی برای ترسیم مجدد واحدهای شمارشی نیاز دارند که بهتر با توزیع پدیده نقشه‌برداری شده مطابقت داشته باشند – برای مثال، جنگل به عنوان داده‌های حذفی برای نقشه‌برداری تراکم جمعیت عمل می‌کند. منبع: نویسندگان

یک نقشه داسیمتری می تواند هر یک از انواع نقشه موضوعی رایج که در بالا بررسی شد را تغییر دهد (شکل 1). واحدهای شمارش در نقشه‌های choropleth و نقشه‌های چگالی نقطه‌ای معمولاً با نگاشت داسیمتری بهبود می‌یابند. در رابطه با اولی، نگاشت داسیمتری به محدودیت یک نقشه کروپلث در نشان دادن ناهمگنی در واحدهای شمارش می پردازد (Slocum و همکاران، 2009). برای دومی، نگاشت داسیمتری، جایگذاری نقطه را برای گرفتن تراکم های ظریف در واحد شمارش بهبود می بخشد. هنگامی که مقادیر مشخصه در نقشه‌های داسیمتری توزیع می‌شوند، طراحی نقشه خود از توصیه‌های دیگر برای انواع نقشه‌های موضوعی مرتبط که در بالا توضیح داده شد (مثلاً نرمال‌سازی، طبقه‌بندی، نمادسازی) پیروی می‌کند.

3.6. کارتوگرام ها

کارتوگرام یک نقشه موضوعی است که اندازه یک واحد شمارش را متناسب با مقدار نمایش داده شده مقیاس می کند. کارتوگرام ها داده های شمارش شده را نشان می دهند، اغلب واحدهای سیاسی مانند کشورها (شکل 22) یا سایر واحدهای اداری، با کارتوگرام هایی که شاید بیشترین کاربرد را برای نقشه برداری انتخابات دارند. کارتوگرام‌ها ممکن است الگوها را با وضوح بیشتری نسبت به نقشه‌های choropleth نشان دهند، زیرا نمادهای ناحیه با اندازه واحد شمارش محدود (یا مغرضانه) نیستند. یک کارتوگرام مقادیر مطلق را نشان می دهد (به عنوان مثال، جمعیت، درآمد)، اما به صورت بصری داده ها را بر اساس ناحیه اصلاح شده عادی می کند.

شکل 22. واحدهای شمارش در یک کارتوگرام ممکن است با رنگ های رنگی مطابق با همان داده هایی که توسط مناطق نشان داده شده اند پر شوند. منبع: نویسندگان

به عنوان یک راه حل غیر متعارف، کارتوگرام چشم نواز است و ممکن است مخاطب را از تصورات اشتباه مشکل ساز در مورد پدیده نقشه برداری شده دور کند (شکل 22). با این حال، به دلیل جغرافیای نامتعارفی که منجر به کارتوگرام می‌شود، برای مکان‌های ناآشنا برای مخاطبان مورد نظر کارآمد نیستند. برای اطلاعات بیشتر در مورد ملاحظات طراحی، Cartograms را ببینید .

3.7. نقشه های جریان

یک نقشه جریان جهت و/یا بزرگی یک پدیده را در امتداد اجسام خطی یا بین مکان ها نشان می دهد. نقشه جریان خطوطی را نشان می دهد که ممکن است یک مسیر واقعی یا یک ارتباط شماتیک تعمیم یافته بین مکان ها را نشان دهد (Tyner, 2010). انواع خطوط جریان عبارتند از (شکل 23): شعاعی (با مکان هایی که به عنوان گره های مبدأ/مقصد مشترک نقشه برداری شده اند)، شبکه (نمایش اتصال بین مکان ها) و جریان توزیعی (به عنوان مثال، کالاها یا مهاجرت). نقشه جریان می‌تواند داده‌های فردی (پدیده‌های بین مکان‌های خاص، مانند شهرها) و داده‌های شمارش‌شده (نماینده جریان بین، به عنوان مثال، کشورها) را با خطوط جریانی که مرکز واحدهای شمارش را به هم متصل می‌کند، نشان دهد. نقشه‌های جریان از نمادهای خطی استفاده می‌کنند و نیازی به نرمال‌سازی ندارند، معمولاً مقادیر مطلق را نشان می‌دهند (مثلاً مقدار یا مقدار کالاهای حمل‌شده،

شکل 23. یک نقشه جریان را می توان با انواع مختلف خط جریان طراحی کرد. منبع: نویسندگان

خطوط همچنین می توانند درجه بندی یا متناسب باشند تا بزرگی حرکت را نشان دهند (نگاه کنید به نقشه آماری ، شکل 24). اگر تغییر اندازه منجر به همپوشانی نمادها شود، معمولاً بزرگی از طریق اندازه (عرض خط) یا مقدار رنگ نشان داده می شود. برای اطلاعات بیشتر در مورد ملاحظات طراحی، به نقشه های جریان مراجعه کنید .

شکل 24. نقشه جریان می تواند جهت و بزرگی یک پدیده را نشان دهد. منبع: نویسندگان

4. طراحی افسانه

یک افسانه نقشه معنای نمادها را در نقشه، هم از نظر کمی و هم کیفی توضیح می دهد. در حالی که همه نقشه‌ها به افسانه نیاز ندارند، افسانه‌ها در بسیاری از نقشه‌های موضوعی به عنوان راهی برای شفاف‌سازی نمایش نسبتاً انتزاعی اطلاعات آماری، به‌ویژه روش عادی‌سازی و طبقه‌بندی در صورت وجود، رایج هستند. برخی از بخش‌های ملاحظات طراحی افسانه‌ها برای همه انواع نقشه‌های موضوعی مشترک هستند، در حالی که برخی دیگر مختص یک نوع نقشه موضوعی خاص هستند.

داده های ترتیبی یا عددی باید با بالاترین مقادیر در بالای افسانه و کمترین مقادیر در پایین مرتب شوند تا شبیه یک محور عمودی باشند و استعاره ای از “بیشتر=بالا” ارائه دهند. نمایش افقی نمادها نیز امکان پذیر است. در این حالت، نمادها از چپ به راست مرتب می شوند تا خواندن یک خط اعداد را القا کنند.

آیتم های افسانه داده های ترتیبی یا عددی باید بدون شکاف مرتب شوند و پیوستگی داده ها را در یک خط عددی نشان دهند (Kraak et al., 2020)، اگرچه این یک توصیه جهانی نیست (به عنوان مثال، Dent et al., 2008) . در مقابل، آیتم های افسانه داده های اسمی باید با شکاف هایی در افسانه جدا شوند تا ماهیت طبقه بندی ناپیوسته آنها تقویت شود.

داده های طبقه بندی نشده در افسانه فقط با نمادهای نماینده توضیح داده می شوند (ستون سمت راست جدول 2)، در حالی که کلاس ها با هر نماد اعمال شده روی نقشه توضیح داده می شوند (جدول 2، ستون میانی). در مورد نمادهای طبقه بندی شده، کاربران نقشه فقط باید اندازه نمادها را روی نقشه و در افسانه مقایسه کنند (Kimerling et al., 2016). در مقابل، کاربران نقشه باید مقادیر میانی بین نمادهای نماینده را برای نمادهای طبقه بندی نشده تخمین بزنند، و جایی برای خطا و در نتیجه محدودیت نقشه های موضوعی طبقه بندی نشده باقی بگذارند (Krygier & Wood, 2016).

جدول 2. طراحی افسانه برای انواع نقشه موضوعی مشترک طبقه بندی شده و طبقه بندی نشده

برخی از انواع نقشه های موضوعی دارای چندین گزینه طراحی افسانه قابل قبول هستند (جدول 2). به عنوان مثال، نمادهای متناسب یا نقشه‌های نماد فارغ‌التحصیل می‌توانند از طرح‌بندی نمادهای خطی یا تودرتو استفاده کنند که در صورت کمبود فضا، تودرتو توصیه می‌شود.

طراحی افسانه ایزولاین به این بستگی دارد که آیا رنگ آمیزی رنگ اعمال می شود. برای خطوط ایزوله بدون پرهای رنگی، مقادیر مستقیماً روی نقشه برچسب‌گذاری می‌شوند و نیازی به توضیح بیشتر در افسانه نیست، شاید فقط شامل یادداشت فاصله ایزولاین باشد. نقشه های ایزولاین با ته رنگ باید با مقیاس رنگی مناسب در افسانه پشتیبانی شوند (جدول 2).

نقشه‌های چگالی نقطه‌ای نیز چندین گزینه احتمالی افسانه‌ای دارند (برویر، 2016). ساده ترین افسانه مقدار یک نقطه را ارائه می دهد که در یک جمله بیان می شود یا یک نقطه را با کمیت برچسب نشان می دهد (جدول 1). یک افسانه تراکم توصیه شده یک نسخه آموزنده تر است. این محلول دارای مجموعه ای از جعبه های حاوی نقاط با تراکم های مختلف است، ترجیحاً از بیشترین تراکم که روی نقشه ظاهر می شود تا کمترین.

برچسب‌گذاری در افسانه‌ها بین نقشه‌های ایزولاین و کروپلث متفاوت است، حتی اگر هر دو نوع نقشه شامل طبقه‌بندی داده‌ها هستند (شکل 25). در نقشه‌های choropleth، کلاس‌هایی که با رنگ‌ها نشان داده می‌شوند، مورد توجه اصلی هستند. بنابراین، رنگ‌های متوالی با طیفی از اعداد برچسب‌گذاری می‌شوند – مقادیر حداکثر و حداقل هر کلاس. نقشه های ایزولاین دارای خطوط مورد علاقه هستند. بنابراین، شکست بین رنگ ها برچسب گذاری می شوند، زیرا آنها مقادیر ایزوله ها را نشان می دهند.

شکل 25. نقشه‌های افسانه‌های choropleth (چپ) و isoline (راست) از نظر طراحی متفاوت هستند. منبع: نویسندگان

افسانه ها را می توان با انواع دیگر نمودارها و نمودارها ادغام کرد تا اطلاعاتی در مورد توزیع آماری ارائه کند یا پدیده نگاشت شده را با سایر ویژگی های مورد علاقه مقایسه کند.