Come scegli le classificazioni sulle mappe coropletiche?

Mi trovo sempre più in difficoltà nel definire i punti di interruzione quando visualizzo mappe coropletiche (aka tematiche) da visualizzare da altri . Qualcuno ha dei riferimenti suggeriti che aiutano a guidare, sia come scegliere il tipo di scala utilizzata che il numero appropriato di punti di interruzione? In particolare per il numero di bin, ho sempre visto argomenti per un numero limite (ad es. Non dovresti usare più di 5).

Per essere più precisi su ciò che sto cercando, la maggior parte dei riferimenti che ho trovato sull'argomento sono simili al documento a cui fa riferimento julien in questo post , e sto solo cercando una discussione più approfondita sull'argomento.

Alcuni casi d'uso specifici mi capitano spesso (per esempi delle mie lotte);

• Quando si visualizzano dati con una grande inclinazione a destra, in genere sono titubante a visualizzare una scala esponenziale. Temo (per il pubblico a cui in genere sto visualizzando le mappe) ciò causerebbe una maggiore quantità di carico cognitivo nella lettura della scala e nella mappatura dei valori degli attributi reali sui colori. Le mie paure sono errate? Anche per questi tipi di distribuzioni trovo difficile giustificare un determinato numero di bin.
• Quando visualizzo molte piccole mappe multiple, come faccio a scegliere una scala appropriata che consenta di visualizzare le relazioni in modo efficace sia all'interno che tra i piccoli multipli? Il mio standard di fatto quando le scale degli attributi variano in larga misura è l'uso dei quintili all'interno di ciascuna distribuzione separata. I quintili sono troppe classificazioni e creano un onere cognitivo troppo grande per essere confrontati tra i panel? Suppongo che le persone capiscano che le classificazioni quantili equivalgono alle classifiche (e quindi quando classificate in questo modo aiutano a interpretare tra i panel), questo assunto è corretto?

Inizialmente ho scritto un paragrafo cercando di descrivere gli obiettivi di tali mappe, ma sospetto che i miei obiettivi siano piuttosto tipici, quindi non è stato necessario. L'unica cosa da chiarire di nuovo è che questi sono per la visualizzazione da parte di altre persone (come nei rapporti, nelle pubblicazioni) e non sono realmente per la mia analisi dei dati esplorativi (anche se sospetto che un buon consiglio dovrebbe tradursi in entrambi). Forse un buon riferimento può descrivere i potenziali obiettivi di tali mappe e compromessi associati all'uso di schemi di classificazione diversi. Sarei interessato a riferimenti sia specifici che generali.

Un grande riferimento, non citato abbastanza, è "How Maps Works" di Alan M. McEachren (The Guilford Press, 1995/2004). Non è una guida rapida ma una riflessione completa su come le mappe sono viste e comprese, sulla base di un'indagine scientifica davvero impressionante e della conoscenza dei praticanti.

Recentemente ho acquistato Cartografia tematica e visualizzazione ( Slocum et al., 2005 ), e solo scrematura sembra essere più che sufficiente per la mia richiesta di riferimenti generali sull'argomento della scelta dei cassonetti. Mi darà sicuramente molto da leggere per un po 'di tempo, e non è stata una decisione troppo ardua da acquistare (ci sono molte vecchie copie economiche che fluttuano in giro).

Nota Non credo che consiglierei MacEachren's How Maps Work per questa domanda in particolare. Il libro è così monolitico che avrei sicuramente potuto dimenticare, ma non ricordo alcuna discussione diretta sulla scelta del numero di bin (almeno non semplice come il capitolo ad esso dedicato nel libro di testo di Slocum). Semmai penso di ricordarlo mentre menziona l'argomento è un po 'esagerato e non è giunto a nessuna conclusione reale, ma lo consiglierei sicuramente come riferimento generale per la visualizzazione dei dati.

C'è una quantità folle di letteratura sull'argomento, e dovrò fare un po 'più di studio personale per vedere se riesco a trovare una risposta più soddisfacente per classificare la distribuzione distorta. E posterò se avrò qualcosa di più sostanziale da dire.

Ma per la seconda domanda sulla visualizzazione di piccole mappe multiple di recente mi sono imbattuto in un articolo di Cynthia Brewer e Linda Pickle, Valutazione dei metodi per la classificazione dei dati epidemiologici sulle mappe coropletiche in serie (PDF qui ), che è esattamente orientato alla mia domanda.

In breve, alcuni esperimenti suggeriscono che i quantili sono il modo più utile per rappresentare una serie di piccole mappe multiple, sia per la facilità di interpretazione (come ho suggerito nella domanda) sia per il fatto che producono mappe di area uguali in termini di riempimento quando i poligoni hanno all'incirca le stesse dimensioni. Questo forse non è ovvio fino a quando non vedi un contro esempio, di seguito ho incollato un quadro di alcune piccole mappe multiple in cui le classificazioni sono vincolate per essere uguali in tutta la serie di diversi tassi di cancro (a pagina 674 dell'articolo citato).

Poiché l'incidenza delle malattie del fegato è molto inferiore alla BPCO, tutte le contee nelle mappe principali tendono a cadere nelle classificazioni inferiori. Se non riesci a discriminare i pattern all'interno di una delle mappe, è improbabile che tu distingua i pattern tra le mappe! Naturalmente, se ragionevole, si dovrebbero rendere coerenti le classificazioni, ma ciò è ragionevole solo per alcune mappe di confronto. Anche per quanto riguarda il numero di bin che hanno scelto 7 nei loro esperimenti.

vedi questo rif. Ottimizzazione della selezione di un numero di classi di mappe coropletiche

in

T. Bandrova et al. (a cura di), Cartografia tematica per la società, Appunti di lezione in geoinformazione e cartografia, DOI: 10.1007 / 978-3-319-08180-9_6, Springer International Publishing Switzerland 2014