地理信息数据可视化(上篇)
人类正从IT时代走向DT时代,随着大数据可视化应用的火爆发展,地理信息数据可视化也受到了越来越多的重视。作为地理数据应用的最后一步,地理信息数据的可视化,不仅是为了酷炫好看,还是为了将空间分布上的规律更加简洁直观的展示出来,同时挖掘更深层次的信息。
地理数据可视化充分利用了地理信息技术提供的空间数据可视化的能力,将所有的行业信息通过处理整合成地理大数据,用地图的方式进行可视化表达,以完美的姿态解决了大数据中的空间位置表达问题同时,利用地理信息技术的空间分析能力,为地理大数据涉及到的大量的空间分析提供了处理能力,在空间维度上初步实现了大数据的分析。
地理信息可视化是地理大数据应用的最后一公里。涵盖了不同的规模,小到单个房屋,大到全球海量的地景数据。从本质上说,地理信息可视化开发了人类的空间思维能力,使人们能够更加容易的发现隐藏在空间位置背后的复杂关系,提供对隐藏现象的清晰认识,缩短搜索时间和揭示事物之间可能被忽略的关系。比起使用文本或数字描述,能够更加有效的帮助用户进行分析和学习,是一种用于探索、分析、综合和表达的强大的研究方法。
从地图学/地理信息技术角度来看,地理信息可视化是地图和信息可视化的结合,是在地图可视化基础上衍生的一种研究方法。地图是地理信息可视化的原型,地理信息可视化用地图的方式提供了独一无二的工具,让人们可以对庞大复杂无法直接观察的空间信息数据进行分类、表达和交流。
提到地图表达,自然会想起地图制图。事实上,地图制图作为地图表达的一种既定表述方式和地理信息可视化是相似的,他们之间区别非常的感性和微妙:地理信息可视化集成了数据可视化、地图制图、图像分析、探索性数据分析和可视化分析,其可视化结果应当引导并最终提供有助于辅助决策的洞察力。两者的细微差别不在于地图语言的表述,而在于最终结果的价值导向。
想要直观而且酷炫的展示地理信息数据空间分布上的规律,可使用单值图、类别图、渐进(数量)图、气泡图、热力图、聚合图、时态图、边捆绑图等方法对数据进行渲染。
单值图
单值图,就是将一种数据统一渲染成同样颜色、形状或大小。单值图比较简单、直观,能看出一些位置在空间上的分布的信息。
比如这幅全球机场航线图中全球航线是用蓝色进行渲染,中国机场航线是用黄色进行渲染。
类别图
类别图,就是根据不同的类别进行不同颜色的渲染或者根据不同的形状、大小进行的渲染。上面这幅是山东省地貌图,平原、台地、丘陵、山地和水域就是根据不同的属性,渲染成不同的颜色。
渐进(数量)图
渐进图也可以称作数量图,就是根据一个字段的数字赋予不同的颜色进行渲染。通常有等间隔、等数量、自然分段和标准偏差四种渐进分段方法。
上图是山东省会城市群经济圈各县小学个数分布图,采用的是等间隔分段法。
气泡图
气泡图,就是根据每一个属性,以及值的大小进行渲染,数值越大,气泡圆圈越大。上图是美国男女单身图,蓝色表示男性,橙色表示女性,气泡越大,代表单身男女越多。
热力图
热力图,是热通过色彩的渐变来渲染数据的,使用户一眼就可以看出数据集之间的关联。最大的一个作用是可以突出一个点聚集的程度,点聚集得越多,热力值越高。
上面这幅图是西单周边的银行点用热力图的形式展示出来的效果。可以通过不同颜色来看出整体的分布情况。可以明显的看出越聚集的地方,热力图就显得越亮,如图中的红色。
聚合图
聚合图,就是一个一个的点数据,根据一定的规则聚合成规则的面。聚合的方式多种多样,可以是像图中所示的正六边形,也可以做正方形的聚合。在聚合之后,就可以对聚合后的图形按数量运用渐进图进行不同的颜色渲染。
上图是用正六边形聚合之后的结果。根据正六边形里银行数量的不同进行不同颜色的渲染。
时态图
时态图有两种呈现方式,一种是保留前一祯的数据,下一祯数据继续增加,如上图OSM Ten Years,它是2006年到2015年的一类数据的全球分布情况,可以看出从2006年到2015年每一年的变更数量越来越多。
第二种地理信息数据可视化的方法就是将前一祯的数据慢慢隐藏后,下一祯数据出现,最后会出现一个尾巴的效果。比如上面这幅上海的出租车轨迹数据图。
边捆绑图
边捆绑图,就是对直线进行一些连线捆绑处理。左面这幅图是美国的一幅美国人口迁徙图。比如从洛杉矶到纽约有很多条直线,这样看起来会错综复杂,需要将这些线进行捆绑,就会出现右面六种不同的捆绑效果。
具体的捆绑方法可以把两条线想象成两个星球。星球与星球之间具有引力,距离越近的两条线,引力越大,慢慢的将所有的线聚集在一起,就会形成像右面这种各式各样的捆绑效果。