Цели:

1. Сформировать у учащихся представление о равнинах и горах.

2. Познакомить с равнинами и горами на территории России.

3. Развивать познавательную активность учащихся, умение работать по карте, наблюдать, обобщать.

О б о р у д о в а н и е: физическая карта России; схемы; рисунки и фотографии с изображением изучаемых объектов.

Ход урока

I. Организационный момент. Сообщение темы и целей экскурсии.

Учитель.  Добрый день, дорогие друзья!

                  Этой встрече рада я!

 Сегодня нас ждут… равнины и горы России. Я приглашаю вас в путешествие по нашей великой стране. Мы пройдем по ее территории, изучая страну с  востока на запад и с севера на юг. Увидим, как выглядит поверхность Земли, куда текут реки, что таится в недрах земли, как живут люди и многое другое.

И всегда с нами будет незаменимая помощница – карта. Сегодня она расскажет вам, как выглядит земная поверхность на территории нашей страны. Запишите тему урока: «Равнины и горы России».

II. Работа над новой темой.

Учитель предлагает учащимся рассмотреть физическую карту России и вспомнить условные обозначения физической карты.

Учитель. Назовите главное условное обозначение на физической карте.

Ученики. Это цвет. Он указывает на карте, где вода, а где суша.

Учитель. Какие цвета использованы на физической карте России?

Ученики. Зеленый, желтый, коричневый, а еще синий цвет в виде ниточек. Это реки.

Учитель. Посмотрите на диаграмму на с. 65 учебника. Она поможет нам разобраться в цветовой гамме зеленого, желтого и коричневого цветов. Что интересного вы увидели на этой диаграмме?

Ученики. На диаграмме есть главная линия – «уровень моря». Это линия сплошная и толстая. Остальные линии – тонкие и пунктирные.

Учитель. Что находится ближе всего к уровню моря? И каким цветом показано на карте?

Ученики. Ближе находятся низменности, на карте они имеют зеленую окраску.

Учитель. Что находится выше?

Ученики. Возвышенности и горы, у них желтая и коричневая окраска.

Учитель. Верно. Итак, отправляемся в путь! С нами будет путешествовать помощник. Узнайте его.

                                              Голубой платок,

                                             Алый клубок

                                             По платку катается,

                                             Людям улыбается.

                                             На всех людей глядит,

                                             А людям на себя

                                             Глядеть не велит.

                                                                            (Солнце.)

Учитель. Правильно! Это солнышко. Оно будет освещать нам дорогу  к знаниям. Где встает солнышко?

Ученики. Солнце встает на востоке.

Учитель. Начнем наше путешествие с востока России. (Изображение солнышка закрепляется над полуостровом Камчатка.) Что вы можете сказать о поверхности полуострова?

Ученики. С севера на юг по всему полуострову проходят горы.

Учитель. Обратите внимание на вулкан Ключевская Сопка. Какую он имеет высоту?

Ученики. 4750 м.

Учитель (демонстрирует фотографии вулкана Ключевская Сопка). Вулканы Камчатки – это Всемирное наследие России. На полуострове более 28 вулканов. Вулкан Ключевская Сопка извергается каждые 6–7 лет, извержение продолжается по несколько месяцев.

Продолжим наше путешествие. Где остановилось наше солнышко?

Ученики. Над Среднесибирским плоскогорьем.

Учитель. Какими цветами изображено Среднесибирское плоскогорье?

Ученики. На этом участке есть все цвета: зеленый, желтый, коричневый.

Учитель. А как вы думаете, что означает слово «плоскогорье»?

Ученики. Плоскогорье – это плоская гора.

Учитель. Плоскогорье – это место с равнинной или холмистой поверхностью, лежащее высоко над уровнем моря.

Среднесибирское плоскогорье похоже на горную страну, здесь много возвышенностей и холмов. Но это равнина.

Учитель демонстрирует фотографии и схему Среднесибирского плоскогорья.

Учитель передвигает солнышко и закрепляет его над горами Алтая и Саян.

Учитель. Мы отправляемся на юг нашей страны. Какой рельеф вы здесь наблюдаете?

Ученики. Это горы, потому что изображены темно-коричневым цветом.

Учитель. Как называются эти горы? Что вы можете сказать об их высоте?

Ученики. Это горы Алтай и Саяны. Эти горы высокие, потому что на карте они изображены темно-коричневым цветом. На Алтае есть гора Белуха, ее высота 4506 м. Алтай входит в список Всемирного природного наследия.

Учитель демонстрирует фотографии Алтая и Саян.

Учитель. Продолжим наше путешествие за солнышком, оно останавливается над Западно-Сибирской равниной. Что рассказывает карта об этой равнине?

Ученики. Эта равнина занимает большую территорию. Это ровная поверхность, окрашенная в зеленый цвет. Значит, это низменность. По равнине течет много рек. Большая часть территории – это болота.

Учитель. Западно-Сибирская равнина – самая плоская. Вода, выпавшая в осадках и появившаяся от талых снегов, никуда не стекает, а остается на поверхности, только часть ее проникает в глубь земли. Так появляются болота.

Учитель демонстрирует фотографии Западно-Сибирской равнины.

Учитель. Продолжим наше путешествие за солнышком.

Учитель закрепляет солнышко над Уральскими горами.

Где остановилось наше солнышко?

Ученики. Над Уральскими горами. Они протянулись на юг через всю территорию России. Самая высокая гора – Народная, ее высота 1895 м. Это невысокие горы, так как нет темно-коричневого цвета.

Учитель. В старину Уральские горы называли «Каменный пояс Земли Русской», потому что Урал делит материк Евразию на Европу и Азию. Уральские горы называют «старые горы», потому что их вершины невысокие и неострые, а склоны пологие.

Учитель демонстрирует фотографии Уральских гор и схему:

Учитель. А теперь пора отдохнуть на привале.

Мы сейчас все дружно встанем,

Отдохнем мы на привале…

Посмотри, как все красиво,

Посмотри, простор какой!

Точно мать склонилась ива

Над заснувшею рекой.

Ветерок взметнулся разом,

Облаков прорвав кольцо,

И ромашка желтым глазом

Смотрит солнышку в лицо.

III. Продолжение новой темы.

Учитель. Итак, снова в путь за солнышком. (Учитель закрепляет солнышко над Восточно-Европейской равниной.) Где остановились мы сейчас?

Ученики. Это Восточно-Европейская равнина. На карте изображена светло-желтым цветом. На ней встречаются желтые пятна.

Учитель. Что обозначают эти желтые пятна?

Ученики. Это возвышенности и холмы.

Учитель. Правильно. Восточно-Европейскую равнину называют холмистой. (Учитель демонстрирует фотографии Восточно-Европейской равнины.)

Учитель. А сейчас держим путь на юго-запад. (Учитель закрепляет солнышко над Кавказскими горами.) Где мы остановились? Что рассказывает карта?

Ученики. Это Кавказские горы. Они высокие, потому что окрашены в темно-коричневый цвет. Самая высокая гора – Эльбрус, ее высота 5642 м. Эльбрус выше Белухи на Алтае.

Учитель демонстрирует фотографии Кавказских гор и схему:

Учитель. Кавказские горы – «молодые». Их вершины острые, а склоны – крутые.

IV. Закрепление.

Учитель. Наше солнышко закатилось на горизонт. Мы прошли огромный путь от восточных границ до западных. Что же вы можете сказать о земной поверхности России?

Ученики. На территории России встречаются горы, молодые и старые. Встречаются равнины, среди которых есть низменности, возвышенности, плоскогорья.

Учитель. Что же такое равнины?

Ученики. Равнины – это ровные или холмистые участки земной поверхности.

Учитель. Рассмотрите схемы равнин. Расскажите, какие равнины изображены.

Учитель. Объединим эти схемы в одну – «Равнины на территории России».

Начертите линию уровня моря. Какую равнину изобразим первой, второй, третьей? Что будет выше? Какая равнина будет ниже?

Ученики. На первой схеме – это высокие горы с острыми вершинами.

Учитель предлагает учащимся выполнить самостоятельную работу.

З а д а н и е: вставьте пропущенные слова.

«Самые высокие горы в России – … (Кавказские). В список Всемирного наследия включены горы – … (Алтая). С севера на юг через всю страну протянулись – … (Уральские) горы. На Камчатском полуострове находится вулкан … (Ключевская Сопка)».

V. Подведение итогов. Выставление оценок.

Ученики читают вывод на с. 70 учебника.

Учитель. Сравните горы по высоте и прочитайте слово, которое солнышко говорит вам.

Ученики. «Спасибо».

Учитель. За работу на уроке всем  спасибо!

VI. Домашнее задание.

С. 64–71.

Прочитать текст рубрики «Заповедники России», найти на карте Ильменский заповедник. Выполнить задание «Проверь себя».

Географическое положение и климат

Общая площадь республики составляет 6783,7 тыс.га. Максимальная протяженность территории – 290 км с севера на юг и 460 км с запада на восток. Границ с иностранными государствами Татарстан не имеет.

Территория Татарстана представляет собой возвышенную ступенчатую равнину, расчлененную густой сетью речных долин. Широкими долинами Волги и Камы равнина разделена на три части: Предволжье, Предкамье и Закамье. Предволжье с максимальными высотами 276 м занимает северо-восточную часть Приволжской возвышенности. В Восточное Предкамье с севера заходят южные окончания Можгинской и Сарапульской возвышенностей, разделенные долиной р.Иж. Наибольшие высоты достигают здесь 243 м. Самой высокой в Татарстане (до 381 м) является Бугульминская возвышенность в Восточном Закамье. Самый низкий рельеф (в основном до 200 м) характерен для Западного Закамья.

17% территории республики покрыто лесами, состоящими из деревьев преимущественно лиственных пород (дуб, липа, береза, осина), хвойные породы представлены сосной и елью. На территории Татарстана обитают 433 вида позвоночных, а также несколько тысяч видов беспозвоночных животных.

Территория Татарстана характеризуется умеренно-континентальным типом климата средних широт, с теплым летом и умеренно-холодной зимой. Самым теплым месяцем является июль со средней месячной температурой воздуха по территории 18 – 20 °С, самым холодным – январь со средними месячными температурами от -13 °С. Продолжительность теплого периода (с устойчивой температурой выше 0 °С) колеблется по территории в пределах 198-209 дней, холодного – 156-167 дней. Осадки по территории распределяются сравнительно равномерно, годовая сумма их составляет 460 – 540 мм.

Почвы отличаются большим разнообразием – от серых лесных и подзолистых на севере и западе до различных видов черноземов на юге республики.

На территории Татарстана расположены Волжско-Камский государственный природный биосферный заповедник и национальный парк «Нижняя Кама». Волжско-Камский государственный природный биосферный заповедник расположен на территории Зеленодольского и Лаишевского муниципальных районов Республики Татарстан. Два обособленных участка заповедника — Сараловский (4170 га) и Раифский (5921 га) удалены друг от друга на расстояние около 100 км. Национальный парк «Нижняя Кама» расположен на территории двух муниципальных районов Республики Татарстан: Елабужского и Тукаевского. На территории парка намечено несколько сухопутных и водных туристских маршрутов по лесным массивам, а также водные маршруты по акватории водохранилища, по рекам Каме и Криуше.

Картографирование рельефа с помощью модели из пластилина

Используйте пластилин, чтобы познакомить учеников с историей картографирования. В этом практическом занятии ученики создадут из пластилина горы и нанесут на карту сначала их профиль, затем отобразят их с помощью штрихов крутизны и, наконец, с использованием изолиний. По ходу урока они изучат исторические карты, для создания которых использовались те же самые методы.

Этот урок рассчитан на учащихся в возрасте от 9 до 14 лет. Это забавное занятие может быть включено в программу любой дисциплины, но оно будет особенно полезно, если вы изучаете географию, геологию, историю или карты. Также в него включены дополнительные упражнения для оценки знаний ваших учеников. Планируйте потратить на это занятие один час. Если вы не располагаете достаточным количеством времени, можно провести занятие за 30 минут, продемонстрировав основные принципы с помощью проектора.

Требования​

• Обычные карандаши (не механические)
• 1 лист плотной бумаги (картона) на каждого ученика плюс несколько дополнительных листов
• 1 жесткая линейка на каждого ученика
• 1 кусок веревки на каждого ученика, длиной около 60 см
• Пластилин для лепки. Каждому ученику понадобится кусок пластилина размером с его кулак. Вы можете купить готовый пластилин (например, Play-Doh) или сделать его самостоятельно. Пластилин для лепки не должен быть слишком липким.
• Материалы для уборки
• Цветные карандаши для совместного использования (необязательно)
• Документ-камера и проектор для демонстрации вашей модели на экране класса (необязательно)
• Напечатанные топографические карты и стикеры (необязательно)

На самых ранних картах рельеф изображался в виде зарисовок холмов и гор. Это метод достаточно эффективный, потому что людям его легко понять. Но в то же время он не позволяет отображать формы рельефа с высокой точностью. В первом упражнении ученики слепят макет гор из пластилина и зарисуют их вид в профиль.

Моделирование гор при помощи пластилина

Каждый из учеников создаст из пластилина макет горы, которую будет наносить на карту на протяжении всего урока.

1. Подготовьте все материалы, перечисленные в разделе Требования.
2. Откройте веб-карту History of Terrain Mapping и подключите ее к проектору или другому экрану, который могут видеть все ваши ученики.
3. Дайте каждому ученику лист плотной бумаги (картона) и карандаш.
4. Попросите написать в верхней части листа Картографирование рельефа, свое имя и дату.

   Учащиеся могут ориентировать страницу по вертикали или горизонтали.

5. Дайте каждому ученику немного пластилина и попросите слепить на бумаге гору.

   Гора должна быть в центре страницы. Помогите ученикам слепить максимально реалистичную гору. Занятие пройдет более интересно, если гора будет иметь разнообразные формы:

   • Пологие склоны и скалы.
   • Множество вершин разной высоты.
   • Вершины разной формы — не все они должны быть идеальными конусами.

     Ученики могут вылепить в горе пещеру, но вам стоит предупредить их, что это приведет к некоторым трудностям позже.

6. Пока ученики работают, сделайте свою собственную гору на листе бумаги под документ-камерой.

   Во время работы задайте ученикам несколько вопросов.

7. Спросите, знают ли они, что означает термин топография.

   Топографические характеристики рельефа — это совокупность неровностей земной поверхности. Земля не гладкая, она имеет много различных форм рельефа, таких как холмы, горы и долины.

8. Можете ли вы назвать другие формы рельефа?

   Примеры форм рельефа: каньон, яма, пик, канал, равнина, склон, горный перевал, хребет, утес, гора, кратер, фьорд, овраг и плато.

   Все эти формы составляют рельеф земли.

   Термин топография на самом деле включает в себя больше, чем просто формы рельефа. Он включает в себя природные объекты, такие как реки и леса, и культурные объекты, такие как города и дороги — все то, что вы найдете на топографической карте. Но это слово часто используется в более узком смысле только для обозначения рельефа местности.

9. Как выглядит местность, где вы живете? Она гористая или равнинная?
10. Как вы думаете, как первые картографы отображали рельеф местности?

Изучение исторической карты, на которой нарисованы профили гор

Далее ученики изучат карту, на которой горы и холмы отображены с помощью профильных разрезов.

1. Переключитесь с просмотра документ-камеры на веб-карту History of Terrain Mapping.

   Эта карта была составлена Жанной Блау в 1665 году.

2. Спросите учеников, смогут ли они предположить, какое место в мире отображено на этой карте. Уменьшайте масштаб до тех пор, пока они не догадаются или пока не появятся надписи.

   Это карта части Швейцарии.

   Карта выглядит искаженной, потому что она была привязана к современной географической карте. Вы можете посмотреть оригинальную карту и прочитать о ней дополнительную информацию в коллекции карт Дэвида Рамси.

3. На панели инструментов веб-карты нажмите кнопку Закладки и выберите Lac de Neuchâtel, чтобы вернуться к исходному виду.

   Задайте ученикам еще несколько вопросов об этой карте.

4. Как вы думаете, почему картограф нарисовал холмы таким образом?

   В 1600-х годах не было возможности летать или видеть местность с высоты птичьего полета.

5. Как вы думаете, где стоял картограф, когда рисовал эти холмы?

   Ваши ученики могут догадаться, что он стоял на другой горе или на башне.

6. Как вы думаете, эти холмы точны? Почему?
7. Видели ли вы нарисованные таким образом горы на других картах, включая современные карты?

   Зарисовки холмов часто используются на иллюстрированных картах.

   Пример иллюстрированной карты Швейцарии, созданной для туристов. Формы рельефа были нарисованы Эдуардом Имхофом, известным швейцарским картографом.

8. Как вы думаете, почему профильные виды на горы все еще распространены на туристических картах?

   Они не так точны, но привлекательны и делают карту более наглядной.

   Хорошо нарисованные холмы дают интуитивное представление о ландшафте и могут помочь приезжим ориентироваться по заметным ориентирам на местности.

Отрисовка горы с использованием ее профильного разреза

Далее ученики нанесут на карту слепленные из пластилина горы, зарисовав их в профиль.

1. Попросите учеников в переместить горы на уровень глаз и нарисовать их профиль на листе картона.

   Пока они рисуют, вы будете вести дискуссию о картах, которые они только что видели.

2. Какова была первая технология, разработанная людьми, чтобы подняться выше гор, в воздух?

   Воздушный шар, изобретенный в 1783 году.

3. Как вы думаете, как это изобретение изменило картографирование?

   Картографы теперь могли видеть землю с высоты птичьего полета.

4. Как бы вы изобразили холм или гору, если бы смотрели на нее сверху?

   Ученикам будет трудно ответить на этот вопрос. В следующих шагах вы покажете им один метод, который использовали картографы.

Даже после того, как был изобретен воздушный шар, у картографов все еще не было надежного способа взглянуть на горы сверху. Но они нашли способы нанести на карту местность, как будто они это сделали. Долгое время самым популярным методом для этого были штрихи крутизны. Далее ученики нарисуют штрихи крутизны на своих пластилиновых горах и воспроизведут эти отметки на бумаге, чтобы отобразить на карте свои горы.

Изучение исторической карты со штрихами крутизны

Ваши ученики вернутся к Швейцарии, чтобы исследовать тот же ландшафт, но теперь отображаемый при помощи штрихов крутизны, а не зарисовками холмов.

1. При необходимости откройте веб-карту History of Terrain Mapping.
2. На боковой панели нажмите Содержание и установите флажок для слоя Mayr’s Alpenkarte.

   Появится новая карта.

   Это часть карты, составленной Адольфом Стилером в 1872 году. Вы можете узнать об этом больше в коллекции карт Дэвида Рамси.

3. Как бы вы описали отметки на склонах холмов?

   Они выглядят как линии, штриховки или царапины. Эти отметки называются штрихами крутизны.

4. Спросите, может ли кто-нибудь подойти к экрану и указать на вершину холма или горы.

   На некоторых горных вершинах есть треугольник с цифрой. Это высота горы. Раньше картографы просто рисовали формы рельефа. Сейчас они измеряют высоту гор и стараются точно изобразить их на своих картах. Они наносят на карту рельеф, высоты форм рельефа.

Отображение на карте гор с помощью штрихов крутизны

Ваши ученики будут рисовать штрихи крутизны прямо на пластилиновых макетах своих гор и рисовать в этом же стиле карту.

1. Попросите своих учеников использовать карандаши, чтобы нанести штрихи крутизны на склонах своих пластилиновых гор.

2. Когда они закончат, попросите их встать над своими горами и посмотреть на вершины сверху. Попросите их нарисовать то, что они видят, штрихи крутизны и остальные детали.

3. Спросите учащихся, какие они могут выделить преимущества отображения гор штрихами крутизны вместо профильного разреза.

   С помощью штрихов крутизны вы можете нанести на карту все стороны горы, а не только одну. Рисунки высоких гор не закроют другие объекты, которые могут быть позади них на карте.

4. Попросите учащихся поднять руки для ответа на следующие вопросы:
   • Кто думает, что штрихи крутизны — это наилучший способ нанесения на карту рельефа?
   • Кто думает, что должен существовать лучший способ нанесения на карту рельефа?
5. Попросите нескольких учеников описать свое представление о лучшей технике нанесения на карту рельефа.

   Некоторые ученики могут описывать карты изолиний, которые они видели. Некоторые могут описывать изображения, сделанные со спутников или самолетов. Далее ученики закартируют свои горы при помощи изолиний.

В течение долгого времени на картах использовались штрихи крутизны, но на картах, сделанных сегодня, они встречаются редко. Этот метод нанесения на карту рельефа был заменен изолиниями. Ваши ученики будут использовать изолинии для нанесения на карту своих гор.

Изучение исторической карты с изолиниями

Познакомьте учеников с еще одной исторической картой Швейцарии.

1. При необходимости откройте веб-карту History of Terrain Mapping.
2. Отметьте слой Switzerland, чтобы включить его. Снимите отметки со слоев Mayr Alpenkarte и Das Wiflispvrgergow, чтобы отключить их.
3. Перемещайтесь и масштабируйте карту, чтобы изучить ее вместе со своими учениками.
4. Кто-нибудь видел подобную карту раньше? Где?
5. Что означают линии, разделяющие цвета?

   Они называются изолиниями. Это линии, проведенные по областям с одинаковой высотой.

6. Переместитесь к закладке Bern и спросите учеников, могут ли они указать на вершину холма или пик горы.

   На картах с изолиниями они отображаются в виде замкнутых кругов.

7. Что означают цвета между изолиниями?

   С помощью цвета легче определить уровень высоты, на котором вы находитесь, без необходимости считать изолинии.

8. Приблизьтесь к закладке Legend.

   Зеленые цвета — для низин, коричневые — для возвышенностей.

9. Соответствуют ли цвета на карте цветам на земле?

   Не всегда. Цвета предназначены для того, чтобы было легче понимать изменения высот.

10. Приблизьтесь к закладке Matterhorn. Некоторые места на карте белые. Почему?
11. На панели Содержание снимите отметку со слоя Switzerland, чтобы отобразить спутниковые изображения под ним.

    Белая область представляет собой снег и лед на вершинах гор.

12. Отметьте слой Switzerland, чтобы снова включить его.

Картографирование рельефа при помощи изолиний

Далее ваши ученики разрежут макет своей горы на части и очертят эти части на карте, чтобы создать карту изолиний. Сначала вы продемонстрируете им рабочий процесс. В данном видео вы можете просмотреть демонстрацию шагов, описанных в этом разделе.

Подсказка:

Позвольте своим ученикам наблюдать за вашей работой, не объясняя сначала весь процесс. Наблюдая за происходящим, они будут предугадывать следующий шаг. В какой-то момент они, вероятно, закричат: «Я понял!»

1. Соберите учеников вокруг своего стола, чтобы они все могли видеть, что вы делаете. ​
2. С помощью линейки отмерьте и отметьте 1 см над основанием пластилинового макета горы.

   Подсказка:

   Многие линейки имеют закругленный конец с небольшим отступом от начала измерения. Попробуйте найти линейки с квадратным концом, которые начинаются с 0.

3. Используйте веревку, чтобы разрезать гору на уровне отметки в 1 см.

   Вы можете использовать любой интервал. Один сантиметр хорошо подходит, если у каждого ученика около 100–200 г пластилина.

4. Отложите вершину горы и обведите карандашом основание вашего пластилинового макета горы.

5. С помощью жесткой линейки снимите с бумаги нижнюю часть горы.

6. Поместите верхнюю часть горы обратно на бумагу и обведите ее.

7. Отмерьте 1 см от нижней части пластилинового макета и повторите процесс.
8. Верните учеников на рабочие места с линейкой и веревкой. Попросите их таким же образом нанести на карту свои горы.

   Им следует отрезать и обводить срезы своего макета, пока их гора не закончится.

   Подсказка:

   Поощряйте работу учеников в парах, чтобы они могли помогать друг другу разрезать макеты гор. Разрезать удобнее, когда кто-то другой держит верхушку макета. В противном случае горы могут смяться.

9. Когда ученики закончат обводить свои горы, попросите их отметить каждое кольцо изолинии соответствующим значением высоты, например, 0 см, 1 см, 2 см и так далее.

   Далее ученики раскрасят свои карты изолиний.

10. Попросите учащихся раскрасить свои карты, используя последовательность цветов — цветовую шкалу, показывающую высоты от низких до высоких.

    Подсказка:

    Бумага может быть липкой из-за пластилина. Для рисования на липкой бумаге лучше всего подходят цветные карандаши. Если у вас нет цветных карандашей, вы можете перейти к следующему шагу. Вы также можете сказать своим ученикам, что не всегда на картах изолиний используется цвет. Granville sheet — это пример карты изолиний, состоящей только из линий.

    Иногда с помощью цветовой шкалы высот пытаются имитировать ландшафт. На карте Швейцарии низины были зелеными, а возвышенности — коричневыми. Если бы вы наносили на карту горы в пустыне, использовали бы вы эту же цветовую схему?

    Нет. Карта, на которой низменности пустынных областей обозначены зеленым цветом, будут вводить пользователя в заблуждение.

    Цветовая шкала может быть монохромной, т.е. в ней могут использоваться оттенки одного цвета. Карта в правом верхнем углу на странице New York Elevation, 1895 является примером использования монохромной цветовой шкалы для высот.

    Цветовые шкалы высот чаще бывают разноцветными. На карте Shikotsu, Toya and vicinity используется цветовая шкала, аналогичная той, что используется на карте Швейцарии. На карте Canada – British Columbia, and Prairie Provinces используется более широкий диапазон цветов, в том числе синий, для отображения глубин океана.

Подсказка:

Если листы бумаги учащихся не сильно испачканы пластилином, вы можете попросить их раскрасить карты и создать легенду вместо добавления надписей.

Теперь у ваших учеников есть три разные карты своей горы: профиль, штрихи крутизны и изолинии.

Ученики также могут раскрасить карту с профилем горы в соответствии с картой изолиний. Что становится очевидным?

Обсуждение

После уборки рабочего места завершите урок обсуждением выполненного задания. Если у вас нет времени на обсуждение, вернитесь к нему на следующем занятии.

1. Как будут выглядеть изолинии, если горы имеют крутой склон или обрыв?

   Изолинии будут проведены близко друг к другу.

2. Как будут выглядеть изолинии, если горы имеют пологий склон? ​

   Изолинии будут проведены далеко друг от друга.

3. У кого-нибудь была пещера или другое сложная форма горы? Как это повлияло на контура ваших изолиний? ​
4. У кого-нибудь была впадина в горе? Например, озеро или кратер вулкана.

   Впадину может быть сложно отобразить на карте изолиний, так как она будет выглядеть как горная вершина, в виде замкнутой окружности. Надписи и цвета помогут понять, что это область более низких высот, а не более высоких.

   На картах без цвета изолинии впадин обозначаются со штрихами, чтобы люди могли их распознать. На изображении ниже показаны изолинии впадин на карте одного из учеников и на карте пеплового конуса из коллекции карт Дэвида Рамси.

5. Мы не можем разрезать настоящую гору. Как вы думаете, как картографы решают задачу картографирования рельефа с помощью изолиний?

   Для этого необходимо измерить высоту в разных точках земли. Затем на карте соединить точки с одной высотой, чтобы нарисовать изолинии.

   Вы можете научиться рисовать изолинии по точкам высот в упражнении: Соединение точек.

Теперь, когда ваши ученики нанесли на карту рельеф тремя различными способами, они должны получить навыки чтения карт. Вы можете провести это дополнительное занятие на следующем уроке, чтобы оценить то, как ваши ученики научились работать с изолиниями.

Надписывание форм рельефа на топографических картах

Вы дадите своим ученикам несколько топографических карт и попросите их надписать формы рельефа.

1. Подготовьте несколько напечатанных топографических карт с изолиниями. Если вы не можете их найти, используйте карты Атласа форм рельефа из коллекции карт Дэвида Рамси.
2. Разложите топографические карты на столах для всего класса.
3. Дайте каждому студенту несколько маленьких стикеров.

   Подсказка:

   Если стикеры слишком большие, разрежьте их на более мелкие полоски.

4. Попросите учеников надписать каждый стикер названием формы рельефа, например, вершина, долина, ручей, утес, плато, пологий склон и так далее.

   Также пусть ученики добавят на каждый стикер стрелку, чтобы была возможность указать на форму рельефа, обозначенную на стикере.

5. Ученики также должны написать свои имена на обратной стороне каждого стикера.
6. Попросите учеников пройтись и наклеить свои стикеры на соответствующие формы рельефа на картах.

7. Проверьте, нет ли неправильно обозначенных форм рельефа.

   Если вы найдете ошибку, проверьте обратную сторону стикера. Обратитесь к студенту, который разместил этот стикер, дайте ему подсказку и попросите попробовать еще раз.

   В этом упражнении ученики получают обратную связь не только от вас, но и от наблюдения друг за другом.

В этом уроке ваши ученики узнали о трех шагах в эволюции картографирования местности. После изолиний был разработана еще один метод, получивший название отмывка рельефа. Когда картограф использует отмывку, он отображает вид местности сверху, как-будто солнце освещает ее под определенным углом. Некоторые горные склоны освещены, а другие находятся в тени.

Вы можете увидеть пример отмывки рельефа на карте Национального парка Роки-Маунтин.

Если кто-то из ваших учеников быстро закончит свою работу или захочет получить дополнительную информацию, они могут посмотреть видео картографа Сары Белл, объясняющее, как она рисует цветную отмывку.

Сегодня изолинии и отмывку рельефа можно создавать автоматически с помощью цифрового программного обеспечения, такого как ArcGIS Pro, если у вас есть данные для измерения высот. Но картографирование местности вручную даст вашим студентам четкое представление о том, как интерпретировать рельеф на любых картах, которые они читают.

Рельеф — один из элементов базовой карты, который является первым слоем ГИС. Поиск и навигация по картам в ArcGIS Online — это короткое видео и упражнение, которое вы или ваши ученики можете использовать для изучения базовых карт в ГИС.

Еще больше уроков вы найдете в Галерее уроков Learn ArcGIS.

Технологическая карта урока в 4 классе «Равнины и горы России»

Окружающий мир Учитель: Мартенс Т.Ю. 4д класс

Тема урока : Равнины и горы России

Метапредметные (компоненты культурно-компетентностного опыта/приобретенная компетентность): овладеют способностью понимать учебную задачу урока, отвечать на вопросы, обобщать собственные представления; слушают собеседника и ведут диалог, оценивают свои достижения на уроке; умеют вступать в речевое общение, пользоваться учебником.

Личностные: имеют мотивацию к учебной деятельности, навыки сотрудничества со взрослыми и сверстниками в разных ситуациях

Ход урока

Обучающие
и развивающие компоненты,
задания
и упражнения

Деятельность учителя

Деятельность
учащихся

Формы организации
взаимодействия

на уроке

Формируемые умения
(универсальные
учебные действия)

Промежуточный

контроль

1

2

3

4

5

6

7

I. Мотивация
(само-определение)
к учебной

деятельности

Эмоциональная, психологическая мотивационная подготовка учащихся

к усвоению учебного
материала

Над Россией Солнце светит,

И дожди шумят над ней.

В целом свете, в целом свете

Нет страны ее родней…

– Почему в целом свете нет страны роднее России?

– Сегодня я приглашаю вас совершить путешествие
по нашей великой стране. Мы пройдем по стране,
с востока на запад и с юга на север. Вы узнаете, как выглядит земная поверхность нашей страны

Слушают, принимают участие в диалоге.

демонстрируют готовность к уроку, готовят рабочее место
к уроку

Фронтальная, индивидуальная

Коммуникативные: высказывают свою точку зрения.

Личностные:; проявляют интерес к изучаемому предмету; имеют мотивацию
к работе на результат

Устные ответы,

организация рабочего места

II. Изучение нового материала

Загадка.

Рассказ учителя (сопровождается демонстрацией слайдов).

Предлагает послушать загадку:

Доброе, хорошее, на всех глядит,

А людям на себя глядеть не велит.

– Это Солнце. Вот и наше «солнце» будет помогать нам путешествовать по стране. Где встает солнце?
С востока страны мы начнем путешествие. Но сначала повторим условные цветовые обозначения на физической карте.

Слушают, отвечают на вопросы учителя.

Повторяют
условные обозначения
на карте.

Фронтальная, индивидуальная

Познавательные: извлекают необходимую информацию из прослушанного объяснения учителя

Устные ответы,

сообщения

.

Индивидуальные сообщения учащихся (по ходу рассказа учителя).

Работа со словарем.

– Мы на полуострове Камчатка (показывает слайд).

«Солнце» закрепляет над полуостровом Камчатка.

– Что вы можете рассказать о поверхности полуострова?

Обратите внимание на вулкан Ключевская сопка. Какую он имеет высоту?

(Вулканы Камчатки – это Всемирное природное наследие России. Вулкан Ключевская Сопка извергается каждые 6–7 лет, извержения продолжаются по нескольку месяцев. Высота вулкана 4750 метров. А всего на полуострове 28 вулканов.)

– Продолжаем путешествие, и наше «солнце» останавливается над Среднесибирским плоскогорьем. Что вы видите на карте? Как вы думаете, что означает слово «плоскогорье»? Более точное толкование можно найти в словаре С. И. Ожегова: «Плоскогорье – место с равнинной или холмистой поверхностью, лежащее выше уровня моря».

Рассказ детей

«Солнце» закрепляет над горами Алтай и Саяны.

– Какую форму земной поверхности мы видим здесь? Какие это горы? Что вы можете сказать о высоте этих гор?

Просматривают слайды.

слушают сообщение ученика.

Читают определения понятия в словаре.

Отвечают
на вопросы.

осуществляют поиск способов решения проблем творческого и поискового характера.

Регулятивные: ориентируются в учебнике; контролируют учебные действия

Коммуникативные:

обмениваются мнениями, умеют слушать друг друга

Сообщение ученика.

Сообщение ученика.

(Эти горы высокие. На карте они изображены темно-коричневым цветом. На Алтае самая высокая гора Белуха. Ее высота 4506 метров. А еще Алтай входит в список Всемирного наследия России.)

– Продолжаем наше путешествие.

«Солнце» закрепляет над Западносибирской равниной.

– Что вам рассказывает об этой равнине карта?

(Эта равнина занимает большую территорию. Это ровная поверхность, окрашена в зеленый цвет. Значит, это низменность. Большая часть территории – это болота. По равнине течет много рек. Западно-Сибирская равнина – это огромная низменность, и ее поверхность действительно очень ровная, ее называют «плоская равнина».)

Продолжаем путешествие, и «солнце» повисает над Уральскими горами (закрепляет «солнце»).

Просматривают слайды. слушают сообщение ученика.

Рассматривают карту, отвечают.

Слушают сообщение ученика.

Наблюдают, делают выводы.

Личностные: осознают свои возможности в учении

.

Сообщение ученика.

– Что вы видите на карте? Рассмотрев карту, что вы можете рассказать об этих горах? Это Уральские горы. Они протянулись с севера на юг через всю территорию России. Самая высокая гора – народная, ее высота 1895 метров. Уральские горы невысокие. Сравните две горы: на Урале – Народную и на Алтае – Белуху. Что это доказывает?

(Уральские горы, Уральский хребет, а когда-то, много лет назад, его называли «Каменный пояс». Реки стекают с Уральских гор и на запад – в Европу и на восток – в Азию, потому что Урал делит материк Евразия на два континента – Европу и Азию.)

«Солнце» закрепляет над Восточно-Европейской равниной.

– Где мы делаем следующую остановку? Мы остановились на Восточно-Европейской равнине. Это – равнина, потому что на карте она изображена светло-зеленым цветом. И на ней, как заплатки, пятна желтого цвета. Попытаемся открыть тайну желтых пятен.
Что особенного вы заметили в рельефе этой равнины? Так в чем же тайна желтых пятен? Да, это возвышенности и холмы, поэтому эту равнину называют холмистой.

– а сейчас держим путь на юго-запад и закрепляем наше «солнце» над Кавказскими горами. Что рассказывает нам карта?

Рассматривают карту.

Просматривают слайды. Сравнивают две горы.

Слушают сообщение ученика.

Просматривают слайды.
Делают
выводы.

– Сравним Народную, Белуху и Эльбрус.

Демонстрирует слайды «Кавказские горы».

– «солнце» закатилось на западе, и наше путешествие от восточных до западных границ нашей страны подошло к концу

Слушают сообщение ученика.

Просматривают слайды

III. Практическая деятельность

Проверка
полученных знаний.

Работа в группах (задание на карточках) проверка

Работают в тетради . Находят на физической карте в учебнике высоту гор и записывают в таблицу. Проверка.

Выполняют
задания

Групповая работа

Познавательные: осуществляют поиск необходимой информации.

Регулятивные: ориентируются в учебнике;

Коммуникативные: умеют задавать вопросы для уточнения
последовательности

работы

Выполненные

задания

Рефлексия

Подведение итога урока

Что узнали на уроке?

Что понравилось?

читают вывод в учебнике (с. 70)

Фронтальная, индивидуальная

Познавательные: ориентируются в своей системе знаний.

Регулятивные: оценивают собственную деятельность на уроке.

Личностные: проявляют интерес к предмету; стремятся
к приобретению новых знаний

Уст-

ные ответы

V. Домашнее задание

Комментарий учителя

Прочитать материал в учебнике. С.60-65. Выполнить задания в тетради.

Задают уточняющие вопросы

фронтальная

Регулятивные: осуществляют поиск решения поставленных задач

Задания

Общие сведения о Камчатке.

Камчатка находится на северо-востоке Евразии.

Полуостров входит в состав Камчатской области Российской Федерации..

По современным воззрениям, — Камчатка — полуостров протяженностью около 1200 км, расположенный в пределах

. На севере она граничит с Чукоткой, на юге с Курильскими островами. С запада она омывается Охотским морем, с востока — Тихим океаном и Беринговым морем.

Северную (материковую) часть области занимает Корякское нагорье. Высшая точка в центральной части нагорья 2562 м — гора Ледяная.

Вулканы Камчатки –Это Всемирное наследие России

На территории области существует по разным данным от 140 до 300 вулканов (все зависит от размеров вулканических построек, принимаемых в раcсчет), из которых 29 считаются действующими.

Вулкан Ключевская Сопка, 4750 м — высшая точка Камчатки.Извергется

Каждые 6-7 лет.

Многочислены минеральные и термальные источники, гейзеры, грязевые вулканы, кипящие и кислотные озера.

Мир флоры и фауны Камчатки своеобразен. Он еще не сформировался окончательно и постоянно пополняется новыми видами.

Камчатское стадо дикого лосося является одним из крупнейших в мире.

На сегодняшний день выделяют пять основных групп коренных народностей населяющих Камчатскую область.

Это Коряки, эвены, чукчи, ительмены и алеуты. Каждая из них имеет свою культуру, язык и обычаи

Областной центр — Петропавловск-Камчатский, расположен на юго-восточном побережье Камчатки на берегу Авачинской бухты, одной из самых больших в мире. Население Петропавловска 196,6 тыс. чел. 

Средне-Сибирское плоскогорье

Плоскогорье – место с равниной или холмистой поверхностью,лежащее высоко над уровнем моря

Средне-Сибирское плоскогорье – плоскогорье, находящееся на востоке России в Восточной Сибири на Сибирской платформе, территориально находящееся в Иркутской области, Красноярском крае и Якутии.

Здесь многовозвышенностей,холмов.

Широко распространена многолетняя мерзлота в некоторых местах достигающая 1,5 км, что является абсолютным мировым рекордом.

Климат на территории Среднесибирского плоскогорья резко континентальный. В основном преобладают лиственничные леса, переходящие на юге сосново-лиственничные и сосновые боры.

Среднесибирское плоскогорье очень богато полезными ископаемыми: медные, никелевые и железные руды, каменный уголь, природный газ, нефть, каменная соль и многое другое.

На Среднесибирском плоскогорье протекают крупнейшие реки, впадающие в Северный Ледовитый океан: Лена, Вилюй, Хатанга, Ангара, Нижняя Тунгуска, Подкаменная Тунгуска.

Алтай и Саяны

Это горы высокие,на карте изображены тёмно- горичневым цветом

Алтайско-Саянская горная страна находится в центре Азии и занимает среднюю часть южного пояса гор, протянувшегося от Карпат до берегов морей Тихого океана

    Климат Алтайско-Саянской горной страны резко континентальный. Он характеризуется очень холодной зимой и прохладным летом.

Саяны — горная страна, расположенная на юге Восточной Сибири..

С точки зрения геологии, Саяны – совсем молодые горы, им около 400 млн.лет. Однако, сложены они из древних пород, в том числе вулканического происхождения. Геоботанические находки говорят о том, что миллиарды лет назад здесь был океан – об этом «рассказывают» в разломах скал окаменевшие древние водоросли, которые находят довольно часто.

На многих участках вершины Саян покрыты ледниками. В наиболее высоких массивах Восточного Саяна известно 190 ледников общей площадью около 30 км². Значительная часть вершин занята снежниками: неподвижными скоплениями снега в ущельях и впадинах, защищенными от ветра и солнца.

На Алтае есть гора Белуха,её высота 4 506 м

Алтай входит в список Всемирного наследия.

Западно-Сибирская равнина

Эта равнина занимает большую территорию. Это ровная поверхность, окрашена в зеленый цвет. Значит, это низменность. Большая часть территории – это болота. По равнине течет много рек. Западно—Сибирская равнина – это огромная низменность, и ее поверхность действительно очень ровная, ее называют «плоская равнина».

Западно-Сибирская равнина находится на Азиатском материке.

Западно-Сибирская равнина занимает всю западную часть Сибири от Уральских гор на западе до Среднесибирского плоскогорья на востоке.
На ней расположены регионы России и Казахстана.

Площадь составляет около 3 миллионов км²; её протяжённость с севера на юг — 2500 км, а с запада на восток — 1900 км. Главные реки — Обь, Иртыш и Енисей, имеющие многочисленные притоки. Также на территории равнины имеется много озёр и болот.

Уральские горы

Они протянулись с севера на юг через всю территорию России. Самая высокая гора – народная, ее высота 1895 метров.

Уральские горы, Уральский хребет, а когда-то, много лет назад, его называли «Каменный пояс». Реки стекают с Уральских гор и на запад – в Европу и на восток – в Азию, потому что Урал делит материк Евразия на два континента – Европу и Азию

Уральские горы имеют длинную и сложную историю. Примерно 3,5 миллиарда лет назад на месте будущих гор произошёл разрыв земной коры, который вскоре достиг глубины более десяти километров. В течение почти двух миллиардов лет этот разлом расширялся, так что примерно 430 миллионов лет назад образовался целый океан, шириной до тысячи километров. Однако вскоре после этого началось сближение литосферных плит; океан сравнительно быстро исчез, а на его месте образовались горы. Произошло это около 300 миллионов ет назад — это соответствует эпохе так называемой герцинской складчатости.

Восточно-Европейская равнина

Восточно-Европейская равнина – это равнина, потому что на карте она изображена светло-зеленым цветом. И на ней, как заплатки, пятна желтого цвета. Это возвышенности и холмы, поэтому эту равнину называют холмистой.

(Русская равнина) , одна из крупнейших равнин земного шара, занимающая большую часть Вост. Европы. На севере омывается водами Белого и Баренцева, на юге — Черного, Азовского и Каспийского морей. На юго-западе ограничена Карпатами, на юге — Кавказом, на востоке — Уралом.

Прочитайте материал учебника с.66

Кавказские горы

На карте – Кавказские горы. Они высокие, потому что обозначены коричневым цветом. Самая высокая гора – Эльбрус. Ее высота 5642 метра

Кавказ — наиболее грандиозное из всех молодых горных сооружений, окаймляющих с юга Восточно-Европейскую равнину. Кавказские горы расположены между Черным и Каспийским морями..
На юге территория простирается до государственной границы Росии с Грузией, Азербайджаном, Арменией Большая часть Кавказа занята молодыми высокими горами, меньшая — равнинами.

Роль цветов на картах

Картографы используют цвет на картах для обозначения определенных объектов. Использование цвета всегда одинаково на одной карте и часто одинаково для разных типов карт, созданных разными картографами и издателями.

Многие цвета, используемые на картах, имеют отношение к объекту или особенностям на земле. Например, для воды почти всегда выбирается синий цвет.

Политические карты

Политические карты или те, которые показывают государственные границы, обычно используют больше цветов карты, чем физические карты, которые представляют ландшафт часто без учета человеческих изменений, таких как границы страны или штата.

Политические карты часто используют четыре или более цветов для обозначения разных стран или внутренних подразделений стран, таких как штаты или провинции. Синий часто обозначает воду, а черный и / или красный — города, дороги и железные дороги. Черный также показывает границы с разными типами черточек и / или точек, используемых для обозначения типа границы: международная, штат, округ или другое политическое подразделение.

Физические карты

На физических картах цвет наиболее ярко используется для отображения изменений высоты.Палитра зелени часто отображает возвышенности. Темно-зеленый цвет обычно представляет собой низменность, а более светлые оттенки зеленого используются для возвышенностей. На следующих более высоких отметках физические карты часто используют палитру от светло-коричневого до темно-коричневого. На таких картах обычно используются красные, белые или пурпурные цвета для обозначения самых высоких высот, показанных на карте.

Важно помнить, что на картах, использующих оттенки зеленого, коричневого и т. Д., Цвет не представляет почвенный покров. Например, отображение пустыни Мохаве зеленым цветом из-за низкой высоты не означает, что пустыня изобилует зеленью.Точно так же отображение горных вершин белым цветом не означает, что горы покрыты льдом и снегом круглый год.

На физических картах синий цвет используется для обозначения воды, а более темный синий цвет — для обозначения самой глубокой воды. Зелено-серый, красный, сине-серый или другой цвет используется для возвышений ниже уровня моря.

Карты общего назначения

Дорожные карты и другие карты общего пользования часто представляют собой беспорядочную смесь цветов с некоторыми из следующих схем:

• Синий: озер, рек, ручьев, океанов, водохранилищ, автомагистралей и местных границ
• Красный: основных автомагистралей, дорог, городских районов, аэропортов, достопримечательностей, военных объектов, географических названий, зданий и границ
• Желтый: застроенные или городские районы
• Зеленый: парков, полей для гольфа, резерваций, лесов, садов и шоссе
• Коричневый: пустынь, исторических мест, национальных парков, военных резерваций или баз и контурных (высотных) линий
• Черный: дороги, железные дороги, автомагистрали, мосты, географические названия, здания и границы
• Фиолетовый: шоссе , а также на U.S. Топографические карты Географической службы, элементы, добавленные на карту после первоначальной съемки

Карты картограмм

Специальные карты, называемые хороплетными картами, используют цвет для представления статистических данных для данной области. Обычно на картограммах отображается каждый округ, штат или страна с цветом, основанным на данных для этой области. Например, обычная картографическая карта Соединенных Штатов показывает, какие штаты проголосовали за республиканцев (красный) и за демократов (синий) в разбивке по штатам.

Картограммы также могут использоваться для отображения населения, уровня образования, этнической принадлежности, плотности населения, ожидаемой продолжительности жизни, распространенности определенного заболевания и многого другого. При нанесении на карту определенных процентов картографы, составляющие картографические карты, часто используют разные оттенки одного и того же цвета, создавая приятный визуальный эффект. Например, карта дохода на душу населения от округа к округу в штате может использовать диапазон зеленого цвета от светло-зеленого для самого низкого дохода на душу населения до темно-зеленого для максимального дохода на душу населения.

7 печатных пустых карт для раскрашивания

Пустые карты с очертаниями стран, континентов и штатов

Вы хотите преподавать географию, используя бесплатных и распечатываемых пустых карт ?

Потому что у нас есть 7 пустых карт с очертаниями штатов, стран и континентов, которые помогут вам начать работу.Как их использовать?

Как и все мероприятия на All ESL, все на 100% бесплатно для обучения.

не нужно спрашивать разрешения , чтобы использовать его в классе.

Пожалуйста, продолжайте.

1 Пустая карта континентов

Для всех 7 континентов добавьте цвет для каждого из них. Также заполните легенду, сопоставив цвет с континентом.

Скачать

Для справки, эта карта континентов является ключом к ответу для каждого континента.Легенда имеет уникальный цвет, соответствующий карте с надписями.

Скачать

2 Пустая карта США

Для всех 50 штатов США добавьте цвет для каждого штата на этой пустой карте США. В легенде сопоставьте состояние с цветом, который вы добавляете на пустую карту.

Скачать

Для справки, эта карта США является ключом к ответу. У каждого континента есть метка и уникальный цвет в легенде и на карте.

Скачать

3 Пустая карта Европы

Добавьте цвет для каждой страны на этой пустой карте Европы.В легенде сопоставьте цвет с цветом, который вы добавляете на пустую карту.

Скачать

Для справки, эта карта Европы является ключом к ответу. У каждой страны есть метка и уникальный цвет в легенде и на карте.

Скачать

4 Пустая карта Азии

Добавьте цвет для каждой страны на этой пустой карте Азии. В легенде сопоставьте цвет с цветом, который вы добавляете на пустую карту.

Скачать

Для справки, эта карта Европы является ключом к ответу.У каждой страны есть метка и уникальный цвет в легенде и на карте.

Скачать

5 Пустая карта Южной Америки

Добавьте цвет для каждой страны на этой пустой карте Южной Америки. В легенде сопоставьте цвет с цветом, который вы добавляете на пустую карту.

Скачать

На этой карте Южной Америки изображено 12 стран. У каждой страны есть метка и уникальный цвет в легенде и на карте.

Скачать

6 Пустая карта Африки

Добавьте цвет для каждой страны на этой пустой карте Африки.В легенде сопоставьте цвет с цветом, который вы добавляете на пустую карту.

Скачать

На этой пустой карте Африки 54 страны. У каждой страны есть метка и уникальный цвет в легенде и на карте.

Скачать

7 Пустая карта Ближнего Востока

Добавьте цвет для каждой страны на этой пустой карте Ближнего Востока. В легенде сопоставьте цвет с цветом, который вы добавляете на пустую карту.

Скачать

Для справки, мы обозначили каждую страну этикеткой и уникальным цветом на этой карте Ближнего Востока.

Скачать

Карты для печати для класса по географии

География всегда была одним из моих любимых предметов для преподавания.

От штатов до стран и континентов эти пустых карт для печати привлекут внимание вашего ученика к деталям. В то время как окраска континентальных границ проста, штаты США довольно сложны (в том числе для учителей географии).

Как вы используете эти карты для печати?

• Во-первых, ученики начального и младшего возраста могут использовать эти пустые распечатанные карты как раскраски.Это может помочь им познакомиться с миром для каждой страны, штата и континента.
• Во-вторых, учащиеся могут раскрасить каждый штат, страну и континент в соответствии с цветом в легенде. Удивительно, но этот небольшой поворот может создать большую проблему. И что самое приятное, выучить каждую границу достаточно сложно.

Во-первых, у нас есть карта для печати на земном шаре, и они должны раскрасить континенты. Затем вы можете загрузить эти пустые карты для таких континентов, как Европа, Южная Америка и Азия, где их нужно раскрасить в каждой стране.Наконец, есть пустая карта США, на которой учащиеся могут указать каждый штат.

Независимо от того, из какой вы части мира, эти пустые карты можно загрузить бесплатно, и открыты для использования в любых целях .

Если у вас есть предложения по поводу еще каких-либо листов с картами для печати, добавьте свои комментарии ниже.

При отрисовке однотонных областей на картах

Геометрическое обобщение картографических данных и его важность для хорошо читаемых карт — это то, о чем я уже много писал раньше.Одна из основных причин, почему этому предмету часто пренебрегают в практической визуализации карт, является то, что во многих случаях однотонная цветопередача стала наиболее распространенным способом изображения областей на картах. При использовании однотонной цветопередачи необходимость геометрического обобщения часто гораздо менее очевидна и менее серьезна, чем при использовании контурных или более сложных изображений. Это эссе попытается пролить свет на предысторию и технический контекст этого. Он предлагает практические идеи, как эффективно рендерить такие карты, но я также надеюсь показать, что некоторые текущие тенденции в рендеринге карт весьма противоречивы.

Характерным примером визуализации областей с однотонным цветом на картах является стандартный стиль OpenStreetMap при уровне масштабирования 0:

Это также служит примером того, почему этот вид рендеринга так популярен в веб-картах: он чрезвычайно компактен и эффективен с точки зрения представления геометрии на очень маленьком пространстве. 256 × 256 пикселей — это действительно не так много места для представления информации, но береговая линия по своей форме вполне узнаваема даже в таком масштабе. Если вы сравните это с моим обобщенным рендерингом береговой линии, нарисованным с контуром при увеличении масштаба 1

, вы видите, что, хотя он определенно более ясен и понятен, он достигает этого, показывая значительно меньше деталей даже при увеличении на один уровень масштабирования.Удаление информации всегда является очень субъективным выбором. Очевидно, более высокая степень объективности в значительной степени делает необобщенную простую цветопередачу привлекательной для многих людей.

Другая причина — очевидное отсутствие необходимости в явном обобщении. Это означает, что вы обычно можете сгенерировать такой рендеринг непосредственно из необработанных данных без очевидных недостатков и проблем, которые вы могли бы увидеть, когда попытаетесь сделать это с нарисованным контуром.

Однако часто это серьезная ошибка.Приведенный выше рендеринг береговой линии z0 близок к идеальному, но в других ситуациях, особенно с множеством мелких объектов, часто возникают значительные ошибки.

(почти универсальный) недостаток визуализации однотонных областей

Самая фундаментальная ошибка возникает из-за того, как обычно производится такой рендеринг. В простейшем случае — как показано на примере береговой линии OSM — у вас есть два цвета и многоугольник, внутренняя часть которого будет представлена ​​одним цветом, а внешняя — другим.Цель простой цветопередачи заключается в том, что каждый пиксель в визуализации окрашивается смесью двух цветов в зависимости от того, какая часть пикселя находится внутри, а какая за пределами показанных многоугольников.

В действительности смешение цветов не является линейным из-за гамма-коррекции, но это монотонная функция от доли покрытия пикселей.

Пока что теория. В действительности рендеринг обычно точен в том, что касается геометрического расчета покрытия пикселей, но имеет фундаментальный недостаток, поскольку он обрабатывает все полигоны, покрывающие пиксель, независимо.Вы можете легко представить себе, что при рендеринге береговой линии с уровнем масштабирования 0 большинство пикселей у побережья содержат значительное количество различных полигонов, потому что, например, несколько островов покрывают части одного и того же пикселя. Итак, давайте рассмотрим простой пример пикселя, у которого один квадратик покрыт одним многоугольником, а другой четверть — другим, а остальные не покрыты. Механизмы рендеринга, очевидно, должны отображать это как наполовину покрытый пиксель и соответствующим образом смешивать цвета.

На самом деле происходит следующее: сначала они рисуют один из многоугольников, что дает покрытие в 25 процентов (f ₁ = 0.25), а затем рисуя другой, смешивая дополнительное 25-процентное покрытие (f ₂ = 0,25) с исходным, что приводит к

f _всего = f ₂ + (1-f ₂ ) * f ₁ = 0,25 + 0,75 * 0,25 = 0,4375

Обычно эта проблема наиболее отчетливо видна на краях между соседними многоугольниками одного цвета, где некоторые пиксели частично покрыты двумя многоугольниками, в то время как области вокруг содержат пиксели, полностью покрытые одним многоугольником, и даже если на самом деле нет промежутка между геометрии в этих пикселях просвечивает цвет фона.

На самом деле это еще больше усложняется упомянутой потребностью в гамма-коррекции, и распространенным методом смягчения этой проблемы является манипулирование или злоупотребление гамма-коррекцией для уменьшения артефактов из-за этого за счет общего качества рендеринга.

При мелкомасштабных данных ошибка рендеринга может быть не такой очевидной, как в показанных примерах, но она все равно искажает результаты рендеринга, иногда довольно значительно.

Артефакты рендеринга полигонов и искажения цвета в стандартном стиле OSM на z8

Работа с большим количеством данных

Как уже упоминалось, простая цветопередача обычно надежна в отношении отсутствия геометрического обобщения, но, помимо описанного основного недостатка, она также довольно медленная, когда вы имеете дело с большим количеством данных. Если у вас есть сотня различных многоугольников, пересекающих определенный пиксель — сценарий, который не является нереалистичным, когда вы визуализируете низкие уровни масштабирования на основе очень подробных данных, как в OSM, — это занимает много времени.

Обычные методы решения этой проблемы — это фильтрация мелких геометрических фигур и применение линейных упрощений к контурам многоугольников. На первый взгляд вы можете подумать, что не учитывать все полигоны с площадью меньше, чем что-то вроде 1/256 пикселя, безопасно, не влияя на результаты, но это, конечно, неправильно, потому что совокупный размер этих небольших областей все еще может быть значительным. . Например, при увеличении 3 размер пикселя составляет 380 квадратных километров. Стандартный стиль OSM фильтрует один процент от порогового значения площади пикселя.Если у вас есть в пределах этого пикселя 20 озер со средним размером в два квадратных километра и меньше, чем 3,8 квадратных километра, это уже будет более десяти процентов площади пикселя — и в действительности это вполне реальный сценарий.

Линейное упрощение контуров полигонов связано с теми же проблемами, по сути, ошибки имеют тенденцию накапливаться, поскольку маленькие полигоны в среднем уменьшаются в размере за счет применения упрощения линий.

Как фильтрация областей, так и упрощение линий часто применяются довольно агрессивно многими поставщиками карт в интересах снижения затрат и повышения пропускной способности, так что в конечном итоге генерируемые этим артефакты иногда превышают артефакты, вызванные основной ошибкой обработки нескольких полигонов в механизмах рендеринга.

Лучше способы

Одно довольно быстрое решение всех этих проблем на самом деле является очень старой техникой. Это называется суперсэмплингом. Вместо рендеринга геометрии путем тщательного расчета пересечений между ними и пикселями, вы проверяете только то, находится ли центр пикселя внутри или за пределами геометрии, но вы делаете это с гораздо более высоким разрешением. Вроде брутфорс-подход к рендерингу. В компьютерной графике принято считать, что это очень дорогое удовольствие, и по возможности его следует избегать.Но это, конечно, зависит от обстоятельств, и, как правило, лучше не основывать свои решения на догматическом следовании этим правилам.

При визуализации веб-карт тот факт, что мы обычно визуализируем целый набор карт с разным разрешением, делает подход суперсэмплинга очень привлекательным в принципе, но использование этого преимущества означало бы разрыв с концепцией, что фрагменты карты являются основными атомарными единицами визуализации. процесс, которые визуализируются полностью независимо друг от друга.

Другая причина, по которой этот подход не получил сколько-нибудь значительного распространения в рендеринге карт, заключается в том, что большинство фреймворков рендеринга сильно привязаны к подходу прямого рендеринга и не имеют хорошего способа работы с выборочными данными за пределами сетки финального рендеринга.

Использование суперсэмплинга для рендеринга одноцветного многоугольника по существу означает, что вы один раз сэмплируете данные многоугольника в достаточно мелкую сетку (или, другими словами, растеризуете их) и генерируете все визуализации для различных уровней масштабирования из этого набора образцов.

Информация о размере данных

Снова используя рендеринг z0 в стандартном стиле OSM в качестве примера — мы бы для действительно хорошего качества использовали суперсэмплинг 16 × 16 и первоначально растеризовали данные полигонов береговой линии в сетке 4096 × 4096 точек. Затем доли пиксельного покрытия данных могут быть определены из сетки первичных отсчетов путем подсчета отсчетов в пределах области каждого пикселя в конечном изображении размером 256 × 256 пикселей.

Доля покрытия пикселей рассчитывается путем подсчета проб воды (белой) в формате 16 × 16. сэмплы в каждом пикселе

В этой простой форме единственное преимущество, которое мы имеем по сравнению с обычным подходом к рендерингу, — это избежание ошибки рендеринга нескольких полигонов, как описано выше.Поскольку в этом примере мы визуализируем только один уровень масштабирования, нет синергетических эффектов от повторного использования данных образца в нескольких визуализациях, но вы можете легко представить, что мы можем сделать то же самое для z1 с сеткой 8192 × 8192 точек (или довольствоваться 8 × 8 суперсэмплинг), а затем получить рендеринг z0 практически бесплатно, за исключением некоторого дополнительного подсчета выборок.

Интересно также посмотреть на задействованные объемы данных. Набор данных многоугольника, обычно используемый для рендеринга, представляет собой шейп-файл размером 30 МБ, размер которого составляет чуть более 20 МБ.Как описано выше, вы можете уменьшить это, но обычно это процесс рендеринга с потерями, поэтому результаты рендеринга будут отличаться.

Рассчитанные пиксельные покрытия — независимо от того, сгенерированы они с использованием классического рендеринга или суперсэмплинга — закодированы с одним байтом на пиксель, 64 КБ в несжатой форме, которые сжимаются до немного более 10 КБ в формате PNG. И это настолько компактно, насколько это возможно. Никакое векторное представление, которое рендерится во что-то даже очень похожее, скорее всего, не приблизится к этому.

Когда мы говорим о рендеринге, векторные данные — это эффективная форма представления информации, только если плотность данных мала по сравнению со сложностью и разрешением выбранного рендеринга. Это, очевидно, тот случай, когда мы говорим о таких вещах, как точки интереса с иконками, метками или даже большинством линейных объектов, но для рендеринга одноцветных многоугольников преимущество в размере всегда переходит в растровое представление, когда геометрия более детализирована.

Это то, что, вероятно, следует иметь в виду всем, кто следит за ажиотажем в отношении векторных плиток в наши дни.

Для сравнения: полный исходный набор сэмплов с 16 × 16 сэмплов на пиксель составляет 2 МБ без сжатия или около 100 кБ со сжатием.

Продам вино в полиэтиленовых пакетах

У меня нет иллюзий, что прямой рендеринг карт из выборочных представлений получит широкое распространение в ближайшее время. И, как уже указывалось, есть также много частей рендеринга карты, где это не является преимуществом, поэтому он никогда не сможет конкурировать с классическими фреймворками рендеринга, которые у нас есть сейчас, поскольку решение универсально подходит для всех .И что-то вроде более гибкой гибридной системы рендеринга, которая не обещает убить всех зайцев одним выстрелом, на самом деле пока не видно — по крайней мере, в области рендеринга карт.

В большинстве фреймворков рендеринга вы можете использовать агрегированные дробные пиксельные покрытия в растровой форме в качестве источника растрового изображения. Вам необходимо произвести это извне для каждого необходимого разрешения карты (то есть для каждого уровня масштабирования), и в большинстве случаев вы будете довольно ограничены с точки зрения вариантов стилизации.

Но даже в среде, основанной исключительно на прямом векторном рендеринге, вы все равно можете использовать преимущества рендеринга с суперсэмплингом. Идея состоит в том, чтобы построить набор векторных данных из сетки с суперсэмплингом, который при рендеринге с использованием обычных механизмов рендеринга приблизительно дает результаты рендеринга с суперсэмплингом.

Итак, задача состоит в том, чтобы создать набор данных многоугольника, который удовлетворяет следующим условиям

• при рендеринге он должен давать результат, максимально приближенный к рендерингу исходной геометрии на основе суперсэмплинга.
• , он должен быть как можно меньше по объему данных, чтобы не занимать много времени на рендеринг и был компактным при хранении и передаче.

Вы можете добавить третье требование, а именно, что набор данных должен выглядеть разумно при рендеринге с более высоким разрешением, чем целевое разрешение, или, другими словами: чтобы он хорошо выглядел при рендеринге с увеличенным масштабом. Однако это довольно сильно противоречит второй цели, поэтому я уделил здесь лишь второстепенное внимание.

Конечно, даже две описанные основные цели противоречат друг другу, так что, в конце концов, это упражнение в поиске компромисса между разными целями.Как это может выглядеть, можно увидеть ниже. Разумеется, имеет смысл выровнять сетку выборки с целевой сеткой рендеринга, поскольку для достижения первой цели вы спроектируете многоугольники так, чтобы каждый пиксель в сетке рендеринга тегов был покрыт не более чем одним многоугольником и долей, соответствующей этому данных суперсэмплинга.

Наиболее поразительным свойством этого синтетически сгенерированного набора полигональных данных, вероятно, является то, что он не обязательно имеет какое-либо топологическое сходство с исходными данными.Но учтите, что для рендеринга с целевым разрешением это не является недостатком. И по внешнему виду, и по базовой концепции есть некоторое сходство с полутоновыми узорами. Основное отличие состоит в том, что полутоновые узоры печатаются физически, в то время как этот набор векторных данных создается для чисто виртуального использования.

Вы не ошибаетесь, если думаете, что этот подход немного странный, потому что вы генерируете набор векторных данных из дискретизированного представления сетки только для того, чтобы использовать его, а затем снова произвести растровую визуализацию.Единственная причина для этого заключается в том, что многие фреймворки отрисовки карт не предлагают никаких других вариантов — по крайней мере, без серьезных ограничений с точки зрения стиля или за счет выполнения всей визуализации извне и простого составления визуализированных изображений.

Как на вкус?

Все следующие образцы используют предложенную трехклассную схему окраски воды.

Сначала прямое сравнение обычного рендеринга, основанного на обычных упрощенных водных многоугольниках и обсуждаемом здесь векторном представлении.

Эти два изображения не совсем идентичны, но относительно близки, и разница едва заметна без увеличения. Максимальную ошибку можно настроить — это, в конечном счете, компромисс между размером набора данных и точностью.И учитывая упомянутые ошибки и артефакты, которые возникают при обычном подходе к рендерингу, мы находимся в той области, где различия в большинстве случаев связаны с похожими частями из-за ошибок в обеих версиях или, другими словами: правда, вероятно, находится посередине.

По-настоящему интересная часть, конечно же, возникает, когда мы также визуализируем внутренние водные объекты. Вот набор примеров для уровней масштабирования от 0 до 5.

Напоминаем: для z5 мы визуализируем все данные о поверхностных водах из OSM здесь с объемом данных более 6 ГБ из набора полигональных данных размером всего около 120 МБ в формате шейп-файла — с почти такими же результатами визуализации.

Настоящая вещь

То, что я показал выше, основано на сгенерированном представлении полутонового многоугольника. Его можно использовать так же, как и обычный набор данных многоугольника. Вы не должны пытаться визуализировать его с помощью контуров, но с точки зрения заливки области все, что можно сделать с помощью многоугольников, например, узоры заливки, цветовые градиенты и т. Д., Также может быть использовано здесь таким же образом.

Но, как уже указывалось выше, с технической точки зрения это довольно странно, поэтому мы также можем отказаться от шага полутонового изображения и напрямую использовать растровые данные с дробным пиксельным покрытием.Это приводит к серьезным ограничениям стиля в большинстве движков рендеринга, но с простой заливкой цвета, по крайней мере, можно убедить Mapnik создать нечто подобное:

Визуализация океанических и внутренних водоемов с использованием сверхдискретизированных растровых данных

Большим преимуществом этого подхода является то, что объем данных составляет всего несколько процентов от векторной версии. Для z5 вместо 120 МБ шейп-файлов у нас есть около 4 МБ сжатых файлов TIFF — опять же с почти такими же результатами рендеринга.

А где взять или самому заварить

Предварительные экспериментальные наборы полигонов для океанов, озер и рек на Меркаторе в точках z0-z6 можно найти по адресу:

ocean-polygons-reduced-3857.zip
lakes-polygons-reduced-3857.zip
river-polygons-reduced-3857.zip

Наборы растровых данных с дробными пиксельными покрытиями для тех же находятся здесь:

ocean-raster-reduced-3857.zip
lakes-raster-reduced-3857.zip
река-растр-уменьшенный-3857.застегивать

Если вы хотите попробовать создать представление полигонов самостоятельно, вы можете найти инструменты для создания полутонов по адресу:

https://github.com/imagico/gray2vec

Кристоф Хорман, ноябрь 2016 г.

Визуализация данных

Карты Choropleth показывают географические регионы цветными, затененными или градуированными. по какой-то переменной. Они визуально поражают, особенно когда пространственные единицы карты являются знакомыми объектами, такими как страны Европейского Союза или штаты США.Но карты вроде это также может иногда вводить в заблуждение. Хотя это не посвященный Географическая информационная система (ГИС), R может работать с географическими data, а ggplot может создавать картографические карты. Но мы также рассмотрим некоторые другие способы представления таких данных.

На рис. 7.1 показана серия карт США 2012 г. общие результаты выборов. Читая слева вверху, слева вверху мы посмотрите, во-первых, двухцветную карту государственного уровня, где предел победы может быть высоким (темно-синий или красный) или низким (светло-синим или красным).В цветовая схема не имеет середины. Во-вторых, мы видим двухцветный уездный карты окрашены в красный или синий цвет в зависимости от победителя. Третий — это карта уровня графства, где цвет красных и синих графств оценивается по размер доли голоса. Опять же, цветовая шкала не имеет средней точки. Четвертый — карта уровня округа с непрерывным цветовым градиентом от от синего до красного, но проходит через фиолетовую середину для областей, где баланс голосов близок к равному. Карта внизу слева искажает географические границы, сжимая или раздувая их до отражают население показанного округа.Наконец внизу справа мы видим картограмму, где состояния нарисованы квадратными плитками, и количество плиток, которые получает каждое состояние, пропорционально количеству голосов коллегии выборщиков (что, в свою очередь, пропорционально население этого штата).

На каждой из этих карт показаны данные для одного и того же события, но впечатления, которые они производят, сильно различаются. Каждый сталкивается с двумя основными проблемами. Во-первых, основные интересующие нас величины лишь частично являются пространственными. Число набранных голосов коллегии выборщиков и доля голосов, поданных в пределах штата или округа, выражаются в пространственных единицах, но в конечном итоге имеет значение количество людей в этих регионах.Во-вторых, сами регионы сильно различаются по размеру, и они отличаются друг от друга способом, который плохо коррелирует с величиной базовых голосов. Создатели карт также сталкиваются с выбором, который возникнет во многих других представлениях данных. Хотим ли мы просто показать, кто выиграл каждый штат в абсолютном выражении (это все, что имеет значение для фактического результата, в конце концов), или мы хотим указать, насколько близка была гонка? Хотим ли мы отображать результаты с более высоким уровнем разрешения, чем это имеет отношение к результату, например, подсчет по округам, а не по штатам? Как мы можем передать, что разные точки данных могут иметь очень разный вес, потому что они представляют значительно большее или меньшее количество людей? Достаточно сложно передать эти выборы с помощью разных цветов и размеров на простой диаграмме рассеяния.Часто карта похожа на странную сетку, которой вы вынуждены соответствовать, даже если знаете, что она систематически искажает то, что вы хотите показать.

Конечно, это не всегда так. Иногда наши данные действительно являются чисто пространственными, и мы можем наблюдать их с достаточно высокой степенью детализации, чтобы честно и очень убедительно представить пространственные распределения. Но пространственные характеристики многих социальных наук собираются с помощью таких объектов, как участки, кварталы, муниципальные районы, переписные участки, округа, штаты и нации.Они сами могут быть социально обусловленными. Большая часть картографической работы с социально-научными переменными предполагает работу как с этим произволом, так и против него.

Карта данных государственного уровня США

Давайте взглянем на некоторые данные по президентским выборам в США 2016 года. и посмотрим, как мы можем изобразить это в R. Набор данных выборы имеет различные меры голосования и голосование акций по государству. Здесь мы выбираем столбцы и произвольно выберите несколько строк.

  выборы%>% select (state, total_vote,
                    r_points, pct_trump, party, census)%>%
    sample_n (5)  

  ## # Столик: 5 x 6
## состояние total_vote r_points pct_trump партийная перепись
##      
## 1 Кентукки 1924149 29.8 62,5 Республиканский Юг
## 2 Вермонт 315067 -26,4 30,3 Демократ Северо-восток
## 3 Южная Каролина 2103027 14,3 54,9 Южно-республиканский
## 4 Вайоминг 255849 46,3 68,2 Республиканский Запад
## 5 Канзас 1194755 20,4 56,2 Республиканский Средний Запад  

Рисунок 7.2: Результаты выборов 2016 года. Будет ли двухцветная хороплетная карта более информативной или менее информативной?

Код FIPS — это федеральный код, который пронумеровывает штаты и территории Соединенные штаты.Он распространяется на уровень округа с дополнительными четырьмя цифры, поэтому у каждого округа в США есть уникальный шестизначный идентификатор, где первые две цифры представляют состояние. Этот набор данных также содержит регион переписи каждого штата.

  # Hex-коды цветов для Dem Blue и Rep Red
party_colors <- c ("# 2E74C0", "# CB454A")

p0 <- ggplot (данные = подмножество (выборы, st% nin% "DC"),
             отображение = aes (x = r_points,
                           y = переупорядочить (состояние, r_points),
                           цвет = партия))

p1 <- p0 + geom_vline (xintercept = 0, color = "gray30") +
    geom_point (размер = 2)

p2 <- p1 + scale_color_manual (значения = party_colors)

p3 <- p2 + scale_x_continuous (разрывы = c (-30, -20, -10, 0, 10, 20, 30, 40),
                              label = c («30 \ n (Клинтон)», «20», «10», «0»,
                                         «10», «20», «30», «40 \ n (Трамп)»))

p3 + facet_wrap (~ census, ncol = 1, scale = "free_y") +
    направляющие (цвет = FALSE) + labs (x = "Point Margin", y = "") +
    тема (ось.text = element_text (size = 8))  

Первое, что вы должны помнить о пространственных данных, это то, что вы не обязательно представлять его в пространстве. Мы работали с данные на уровне страны, и их еще предстоит составить карту. Из конечно, пространственные представления могут быть очень полезными, а иногда и абсолютно необходимо. Но мы можем начать с точечной диаграммы на уровне штата, по регионам. Этот сюжет объединяет многие аспекты сюжета. конструкция, над которой мы работали до сих пор, включая подмножество данных, переупорядочивание результатов с помощью второй переменной и использование средства форматирования шкалы.Он также вводит некоторые новые параметры, такие как возможность бесплатного масштабирования на оси и вручную установить цвет эстетики. Мы разбиваем процесс строительства в несколько этапов путем создания промежуточных объекты ( p0 , p1 , p2 ) по пути. Это делает код немного более читабельный. Помните также, что, как всегда, вы можете попробовать построить график каждый из этих промежуточных объектов (просто введите их имя в консоли и нажмите return), чтобы посмотреть, как они выглядят.Что просходит если вы удалите аргумент scale = "free_y" из facet_wrap () ? Что произойдет, если удалить вызов scale_color_manual () ?

Как всегда, первая задача при рисовании карты - получить фрейм данных с нужная информация в нем и в правильном порядке. Сначала мы загружаем R maps Пакет , который предоставляет нам некоторые предварительно нарисованные данные карты.

 Библиотека  (карты)
us_states <- map_data ("состояние")
голова (us_states)  

  ## подобласть области порядка группы длинных широт
## 1 -87.4620 30,3897 1 1 Алабама 
## 2 -87.4849 30.3725 1 2 алабама 
## 3 -87.5250 30.3725 1 3 алабама 
## 4 -87.5308 30.3324 1 4 алабама 
## 5 -87,5709 30,3267 1 5 алабама 
## 6 -87.5881 30.3267 1 6 alabama   

  тусклый (us_states)  

  ## [1] 15537 6  

Это просто фрейм данных. В нем более 15 000 строк, потому что вам нужно много линий, чтобы нарисовать красивую карту.Мы можем сделать пустое состояние map сразу с этими данными, используя geom_polygon () .

  p <- ggplot (data = us_states,
            mapping = aes (x = длинный, y = lat,
                          группа = группа))

p + geom_polygon (fill = "white", color = "black")  

На карте нанесены точки широты и долготы, которые как масштабные элементы, сопоставленные с осями x и y. В конце концов, карта - это просто набор линий, нарисованных в правильном порядке на сетке.

Рисунок 7.3. Первая карта США.

Мы можем сопоставить эстетику заливки с областью и изменить цвет нанесение на светло-серый цвет и тонкие линии, чтобы границы штата стали немного лучше. Мы также скажем R не строить легенду.

Рисунок 7.4: Раскрашивание состояний

  p <- ggplot (data = us_states,
            aes (x = длинный, y = lat,
                группа = группа, заливка = регион))

p + geom_polygon (color = "gray90", size = 0,1) + направляющие (fill = FALSE)  

Теперь займемся проекцией.По умолчанию карта строится используя почтенную проекцию Меркатора. Выглядит не очень хорошо. Если предположить, что мы не планируем пересекать Атлантику, Практические достоинства этой проекции нам тоже не очень полезны. Если вы еще раз взглянете на карты на рис. 7.1, вы увидите обратите внимание, они выглядят лучше. Это потому, что они используют Альберса проекция. (Посмотрите, например, на то, как проходит граница США и Канады. немного изогнут по 49-й параллели от штата Вашингтон до Миннесота, а не прямая линия.) Приемы для карты проекции - это отдельный увлекательный мир, но пока просто помните, что мы можем преобразовать проекцию по умолчанию, используемую geom_polygon () , через функцию corre_map () . Ты запомнишь это мы сказали, что проекция на систему координат является необходимой частью построения графика для любых данных. Обычно это не подразумевается. Мы обычно не нужно указывать функцию ordin_, потому что большинство время, когда мы нарисовали наши графики на простой декартовой плоскости.Карты более сложный. Наши местоположения и границы определены более или менее сферический объект, а значит, должен иметь метод преобразования или проецируя наши точки и линии с круглой на плоскую поверхность. В Многие способы сделать это дают нам меню картографических опций.

Для проекции Альберса требуются два параметра широты: lat0, и лат1 . Здесь мы даем им их стандартные значения для карты США. (Пытаться возиться с их значениями и посмотреть, что произойдет, когда вы перерисуете карта.)

Рисунок 7.5: Улучшение проекции

  p <- ggplot (data = us_states,
            mapping = aes (x = длинный, y = lat,
                          группа = группа, заливка = регион))

p + geom_polygon (color = "gray90", size = 0,1) +
    Координатная_карта (проекция = "albers", широта 0 = 39, широта 1 = 45) +
    направляющие (заполнить = ЛОЖЬ)  

Теперь нам нужно перенести наши собственные данные на карту. Помните, что внизу эта карта представляет собой просто большой фрейм данных, в котором указано большое количество строк. что нужно нарисовать.Мы должны объединить наши данные с этим фреймом данных. Несколько досадно, что в данных карты названия состояний (в переменной с именем регион ) в нижнем регистре. Мы можем создать переменную самостоятельно кадра данных, чтобы соответствовать этому, используя функцию tolower () для преобразовать состояние имен. Затем мы используем left_join для слияния, но вы также можно использовать merge (..., sort = FALSE) . Этот шаг слияния важный! Вам нужно позаботиться о том, чтобы значения ключевых переменных вы соответствуете действительно точно соответствуют друг другу.Если их нет, пропущенные значения (коды NA ) будут введены в ваш сливаются, и линии на вашей карте не соединятся. Это приведет к странно «сегментированный» вид вашей карты, когда R пытается заполнить полигоны. Здесь переменная региона - единственный столбец с таким же name в обоих наборах данных, которые мы объединяем, поэтому left_join () функция использует его по умолчанию. Если ключи имеют разные имена в каждый набор данных вы можете указать, если необходимо.

Повторяю, важно хорошо знать свои данные и переменные. достаточно, чтобы проверить, правильно ли они слились. Не делайте этого вслепую. Например, если были названы строки, соответствующие Вашингтону, округ Колумбия «Вашингтон, округ Колумбия» в области переменная из ваших данных о выборах кадр, но «округ Колумбия» в соответствующей области переменная данных вашей карты, то слияние в области будет означать отсутствие строк на выборах кадр данных будет соответствовать "Вашингтону, округ Колумбия" на карте данные, и все результирующие объединенные переменные для этих строк будут кодируется как отсутствующий.Карты, которые выглядят сломанными, когда вы их рисуете, обычно вызвано ошибками слияния. Но ошибки также могут быть незаметными. Например, возможно, в одном из названий вашего состояния случайно есть начальная (или, хуже, конечный) пробел в результате того, что данные изначально были привезены из других стран и не очищены полностью. Это означало бы, для Например, california и california␣ - разные строки, и матч не удастся. При обычном использовании вам может быть нелегко увидеть дополнительное пространство (обозначено здесь ␣ ).Так что будь осторожен.

  выборы $ регион <- tolower (выборы $ состояние)
us_states_elec <- left_join (us_states, выборы)  

Мы объединили данные. Взгляните на объект с помощью голова (us_states_elec) . Теперь, когда все находится в одном большом фрейме данных, мы можем нанести это на карту.

Рисунок 7.6: Отображение результатов

  p <- ggplot (data = us_states_elec,
            aes (x = длинный, y = lat,
                group = группа, fill = party))

p + geom_polygon (color = "gray90", size = 0.1) +
    Координатная_карта (projection = "albers", lat0 = 39, lat1 = 45)  

Для завершения карты мы будем использовать цвета нашей партии для заливки, перемещаем легенду внизу и добавьте заголовок. Наконец, мы удалим линии сетки и метки осей, которые на самом деле не нужны, путем определения специальная тема для карт, которая удаляет большинство элементов, которые мы не нужно. (Подробнее о темах мы узнаем в главе 8. Вы также можете увидеть код темы карты в Приложении.)

  p0 <- ggplot (data = us_states_elec,
             mapping = aes (x = длинный, y = lat,
                           group = группа, fill = party))
p1 <- p0 + geom_polygon (color = "gray90", size = 0.1) +
    Координатная_карта (projection = "albers", lat0 = 39, lat1 = 45)
p2 <- p1 + scale_fill_manual (значения = party_colors) +
    labs (title = "Результаты выборов 2016", fill = NULL)
p2 + theme_map ()  

Рисунок 7.7: Выборы 2016 по штатам

Имея фрейм данных карты на месте, мы можем отобразить другие переменные, если мы как. Давайте попробуем непрерывный показатель, например процент голосов. получил Дональд Трамп. Для начала мы просто сопоставляем переменную, которую мы хотите ( pct_trump ) в заполнить эстетику и посмотреть, что geom_polygon () делает по умолчанию.

Рисунок 7.8: Две версии процентного козыря по штатам

  p0 <- ggplot (data = us_states_elec,
             mapping = aes (x = long, y = lat, group = group, fill = pct_trump))

p1 <- p0 + geom_polygon (color = "gray90", size = 0,1) +
    Координатная_карта (projection = "albers", lat0 = 39, lat1 = 45)

p1 + labs (title = "Голос козыря") + theme_map () + labs (fill = "Percent")

p2 <- p1 + scale_fill_gradient (low = "white", high = "# CB454A") +
        лаборатории (title = "Голосование Трампа")
p2 + theme_map () + labs (fill = "Percent")  

По умолчанию в объекте p1 используется синий цвет.Просто по причинам условности, это не то, что здесь нужно. Кроме того, градиент бежит в неправильном направлении. В нашем случае стандартная интерпретация состоит в том, что чем больше доля голосов, тем темнее цвет. Мы исправляем оба из этих проблем в объекте p2 , указав масштаб напрямую. Мы будем использовать значения, которые мы создали ранее в party_colors .

Для результатов выборов мы могли бы предпочесть градиент, отличающийся от середина. Функция scale_gradient2 () дает нам сине-красный спектр, который по умолчанию проходит через белый цвет.В качестве альтернативы мы можем повторно укажите средний цвет вместе с высокими и низкими цветами. Мы сделает нашу среднюю точку пурпурной и воспользуется функцией muted () из масштабирует библиотеку , чтобы немного смягчить цвет.

Рисунок 7.9: Два взгляда на долю Трампа и Клинтона: белая середина и версия Purple America.

  p0 <- ggplot (data = us_states_elec,
             mapping = aes (x = long, y = lat, group = group, fill = d_points))

p1 <- p0 + geom_polygon (color = "gray90", size = 0.1) +
    Координатная_карта (projection = "albers", lat0 = 39, lat1 = 45)

p2 <- p1 + scale_fill_gradient2 () + labs (title = "Выигрышные значения")
p2 + theme_map () + labs (fill = "Процент")

p3 <- p1 + scale_fill_gradient2 (низкий = "красный", средний = масштаб :: приглушенный ("фиолетовый"),
                                high = "синий", breaks = c (-25, 0, 25, 50, 75)) +
    labs (title = "Выигрышная прибыль")
p3 + theme_map () + labs (fill = "Percent")  

Если вы посмотрите на шкалу градиента для этого первого «пурпурного» Америка »на рис. 7.9, вы увидите, что это простирается очень высоко на синей стороне. Это потому, что Вашингтон включены в данные, а значит, и масштаб. Хотя это едва видно на карте, у округа Колумбия, безусловно, самая высокая разница в пользу демократов любой единицы наблюдения в данных. Если мы опустим это, мы увидим, что наша шкала сдвигается таким образом, что не только влияет верхнюю часть синего конца, но повторно центрирует весь градиент и делает в результате красная сторона более яркая. На рисунке 7.10 показано результат.

  p0 <- ggplot (data = subset (us_states_elec,
                           region% nin% "округ Колумбия"),
             aes (x = long, y = lat, group = group, fill = d_points))

p1 <- p0 + geom_polygon (color = "gray90", size = 0,1) +
    Координатная_карта (projection = "albers", lat0 = 39, lat1 = 45)

p2 <- p1 + scale_fill_gradient2 (low = "красный",
                                mid = scale :: приглушенный ("фиолетовый"),
                                high = "синий") +
    labs (title = "Выигрышная прибыль")
p2 + theme_map () + labs (fill = "Percent")  

Рисунок 7.10: Версия Purple America Трампа против Клинтона, исключающая результаты из Вашингтона, округ Колумбия.

Это обнажает знакомую хороплетную проблему наличия географических области, которые лишь частично представляют переменную, которую мы отображаем. В В этом случае мы показываем голоса пространственно, но что действительно важно это количество проголосовавших.

Ур-плетты Америки

В случае США административные районы сильно различаются по географическому области, и они также сильно различаются по численности населения.Проблема в очевидно на государственном уровне, как мы видели, возникает еще больше на уровень округа. Карты США на уровне графства могут быть эстетически приятными, из-за дополнительных деталей, которые они привносят на карту страны. Но они также упростить представление географического распределения, чтобы намекнуть объяснение. С результатами может быть сложно работать. При производстве карты графств, важно помнить, что штаты Нового Хэмпшир, Род-Айленд, Массачусетс и Коннектикут - все это меньше по площади, чем любой из десяти крупнейших западных округов .Многие из этих округов проживает менее ста тысяч человек. их. В некоторых из них проживает менее десяти тысяч человек.

В результате большинство картограмм США для любых Фактически, переменная больше всего показывает плотность населения. В Другой большой переменной в случае США является процент черных. Посмотрим, как чтобы нарисовать эти две карты в R.Процедура по существу так же, как это было для карты государственного уровня. Нам нужны два фрейма данных, один содержит данные карты, а другой - заливку переменные, которые мы хотим отобразить.Потому что их больше трех тысяч округах США, эти два фрейма данных будут скорее больше, чем они были для карт государственного уровня.

Наборы данных включены в библиотеку socviz . Данные карты округа кадр уже немного обработан, чтобы преобразовать его в проекции Альберса, а также для перемещения (и масштабирования) Аляски и Гавайи, чтобы они вписывались в область в левом нижнем углу рисунка. Этот лучше, чем отбрасывать два состояния из данных.Шаги для этого преобразования и перемещения здесь не показаны. Если вы хотите узнать, как это делается, ознакомьтесь с дополнительными материалами. Давайте сначала взглянем на данные нашей карты округа:

  county_map%>% sample_n (5)  

  ## идентификатор группы длинных отверстий для заказа
## 116977-286097 -1302531 116977 ЛОЖНО 1 0500000US35025.1 35025
## 175994 1657614-698592 175994 ЛОЖНО 1 0500000US51197.1 51197
## 186409 674547-65321 186409 ЛОЖНО 1 0500000US55011.1 55011
## 22624 619876-1093164 22624 ЛОЖНО 1 0500000US05105.1 05105
## 5906-1983421-2424955 5906 ЛОЖНО 10 0500000US02016.10 02016  

Он выглядит так же, как и наш фрейм данных карты состояний, но намного больше и содержит почти 200 000 строк. Поле id - это код FIPS для округа. Затем у нас есть фрейм данных с демографическими, географическими данными и данными о выборах на уровне округа:

  county_data%>%
    выберите (идентификатор, имя, состояние, pop_dens, pct_black)%>%
    sample_n (5)  

  ## id name state pop_dens pct_black
## 3029 53051 Пенд Орейл Каунти, штат Вашингтон [0, 10) [0.0, 2,0)
## 1851 35041 Рузвельт Каунти Нью-Мексико [0, 10) [2.0, 5.0)
## 1593 29165 Платт, округ Миссури [100, 500) [5.0,10.0)
## 2363 45009 Округ Бамберг SC [10, 50) [50.0,85.3]
## 654 17087 Округ Джонсон, Иллинойс [10, 50) [5.0,10.0)  

Этот фрейм данных включает информацию по объектам, кроме округов, но не по всем переменным. Если вы посмотрите на верхнюю часть объекта с head () , вы заметите, что первая строка имеет id из 0 .Ноль - это код FIPS для всех Соединенных Штатов, поэтому данные в этой строке относятся ко всей стране. Точно так же вторая строка имеет id 01000, что соответствует FIPS штата 01 для всей Алабамы. Когда мы объединяем county_data с county_map , эти строки состояния будут удалены вместе со строкой национального значения, поскольку county_map имеет данные только на уровне округа.

Мы объединяем фреймы данных, используя общий столбец FIPS id :

  county_full <- left_join (county_map, county_data, by = "id")  

Объединив данные, мы можем отобразить плотность населения на квадратную милю.

  p <- ggplot (data = county_full,
            mapping = aes (x = длинный, y = lat,
                          fill = pop_dens,
                          группа = группа))

p1 <- p + geom_polygon (color = "gray90", size = 0,05) + corre_equal ()

p2 <- p1 + scale_fill_brewer (palette = "Блюз",
                             label = c ("0-10", "10-50", "50-100", "100-500",
                                        «500–1000», «1000–5000», «> 5000»))

p2 + labs (fill = "Население на \ nквадратную милю") +
    theme_map () +
    направляющие (fill = guide_legend (nrow = 1)) +
    тема (легенда.position = "bottom")  

Рисунок 7.11: Плотность населения США по округам.

Если вы попробуете объект p1 , вы увидите, что ggplot создает четкую карту, но по умолчанию выбирает неупорядоченный категориальный макет. Это связано с тем, что переменная pop_dens не упорядочена. Мы могли бы перекодировать его так, чтобы R знал о порядке. В качестве альтернативы мы можем вручную указать правильный масштаб, используя функцию scale_fill_brewer () вместе с более удобным набором меток.Мы узнаем больше об этой функции масштабирования в следующей главе. Мы также настраиваем отображение легенды с помощью функции guides () , чтобы каждый элемент ключа отображался в одной строке. Мы снова увидим использование guides () более подробно в следующей главе. Использование corre_equal () гарантирует, что относительный масштаб нашей карты не изменится, даже если мы изменим общие размеры графика.

Теперь мы можем сделать то же самое для нашей карты процента черного. население по округам.Еще раз указываем палитру для заливки отображение с использованием scale_fill_brewer () , на этот раз выбрав другой диапазон оттенков для карты.

  p <- ggplot (data = county_full,
            mapping = aes (x = long, y = lat, fill = pct_black,
                          группа = группа))
p1 <- p + geom_polygon (color = "gray90", size = 0,05) + corre_equal ()
p2 <- p1 + scale_fill_brewer (palette = "Зелень")

p2 + labs (fill = "Население США, процент чернокожих") +
    направляющие (fill = guide_legend (nrow = 1)) +
    theme_map () + theme (legend.position = "bottom")  

Рисунок 7.12: Процент чернокожего населения по округам.

Рисунки 7.11 и 7.12 являются американскими «Ур-хороплеты». Между ними двумя, плотность населения и процентов Черные сделают многое, чтобы стереть с лица земли многие сугубо узорчатая карта Соединенных Штатов. Эти две переменные не объяснений чего-либо изолированно, но если это окажется что полезнее знать один или оба из них, а не то, что вы планируете, вы, вероятно, захотите пересмотреть свою теорию.

В качестве примера проблемы в действии нарисуем два новых хороплеты на уровне графства. Первый - это попытка воспроизвести плохо составленная, но широко распространяемая карта графства, связанная с огнестрельным оружием уровень самоубийств в США. Переменная su_gun6 в county_data (и county_full ) является мерой скорости всех самоубийства, связанные с огнестрельным оружием, в период с 1999 по 2015 годы. на шесть категорий. У нас есть переменная pop_dens6 , которая делит Плотность населения тоже на шесть категорий.

Сначала мы рисуем карту с переменной su_gun6 . Мы будем соответствовать цветовые палитры между картами, но для карты населения мы будем переверните нашу цветовую шкалу так, чтобы в более темный оттенок. Мы делаем это с помощью функции из RColorBrewer библиотека для создания двух палитр вручную. Используемая функция rev () здесь меняет порядок вектора.

  orange_pal <- RColorBrewer :: brewer.pal (n = 6, name = "Апельсины")
orange_pal  

  ## [1] "#FEEDDE" "# FDD0A2" "# FDAE6B" "# FD8D3C" "# E6550D"
## [6] "# A63603"  

  orange_rev <- rev (orange_pal)
orange_rev  

  ## [1] "# A63603" "# E6550D" "# FD8D3C" "# FDAE6B" "# FDD0A2"
## [6] "#FEEDDE"  

Пивовар .Функция pal () создает равномерно распределенные цветовые схемы для заказ из любой из нескольких названных палитр. Цвета указаны в шестнадцатеричном формате. Опять же, мы узнаем больше о цвете спецификации и как управлять палитрами для отображаемых переменных в Глава 8.

  gun_p <- ggplot (data = county_full,
            mapping = aes (x = длинный, y = lat,
                          fill = su_gun6,
                          группа = группа))

gun_p1 <- gun_p + geom_polygon (color = "gray90", size = 0.05) + corre_equal ()

gun_p2 <- gun_p1 + scale_fill_manual (значения = orange_pal)

gun_p2 + labs (title = "Самоубийства, связанные с огнестрельным оружием, 1999-2015 гг.",
              fill = "Скорость на 100 000 населения.") +
    theme_map () + theme (legend.position = "bottom")  

Нарисовав оружейный участок, мы используем почти точно такой же код для построения карты плотности населения с обратным кодом.

  pop_p <- ggplot (data = county_full, mapping = aes (x = long, y = lat,
                                                  fill = pop_dens6,
                                                  группа = группа))

pop_p1 <- pop_p + geom_polygon (color = "gray90", size = 0.05) + corre_equal ()

pop_p2 <- pop_p1 + scale_fill_manual (значения = orange_rev)

pop_p2 + labs (title = "Плотность населения с обратным кодом",
              fill = "Люди на квадратную милю") +
    theme_map () + theme (legend.position = "bottom")  

Понятно, что две карты не идентичны. Однако визуальный Воздействие первого имеет много общего со вторым. Темный группы на Западе (кроме Калифорнии) выделяются и исчезают по мере того, как мы двигаться к центру страны.Есть несколько сильных сходства и в других местах карты, например, на северо-востоке.

Самоубийство, связанное с применением огнестрельного оружия, уже выражено в виде ставки. Это количество подходящих смертей в округе, деленное на Население. Обычно мы стандартизируем таким образом «контроль» за тот факт, что более крупные группы населения, как правило, производят больше связанных с оружием самоубийства только потому, что в них больше людей. Однако это своего рода стандартизация имеет свои пределы. В частности, когда мероприятие представляющих интерес, не очень распространены, и есть очень большие различия в базовый размер единиц, затем знаменатель (например,г., население size) все больше начинает выражаться в стандартизованных мера.

Рисунок 7.13: Самоубийства, связанные с огнестрельным оружием, по округам; Плотность населения с обратным кодом по округам. Прежде чем опубликовать это изображение в Твиттере, прочтите текст, чтобы обсудить, что с ним не так.

В-третьих, и более тонко, данные подлежат отчетным ограничениям связано с численностью населения. Если событий меньше десяти на год для причины смерти Центры по контролю за заболеваниями (CDC) будут не сообщать о них на уровне округа, потому что это может быть возможно идентифицировать конкретных умерших людей.Назначение таких данных для бункеры создают пороговую проблему для картограмм. Посмотри снова Рисунок 7.13. Панель самоубийств, связанных с оружием, кажется, показывает группа округов с севера на юг с самым низким уровнем самоубийств бежит из Дакоты через Небраску, Канзас, и на Запад Техас. Как ни странно, эта группа граничит с графствами на Западе с очень самые высокие ставки, начиная с Нью-Мексико. Но из карты плотности мы можем видите, что во многих округах в обоих этих регионах очень низкое население плотности.Они действительно такие разные в самоубийстве, связанном с оружием? ставки?

Наверное, нет. Скорее всего, мы видим артефакт, возникающий из-за того, как данные закодированы. Например, представьте себе округ со 100 000 жителей, которые за год совершают девять самоубийств, связанных с оружием. В CDC не будет сообщать этот номер. Вместо этого он будет закодирован как «Скрыто», сопровождается примечанием о любых стандартизированных оценках или ставки тоже будут ненадежными. Но если мы полны решимости сделать карта, на которой все округа окрашены в цвет, у нас может возникнуть соблазн поставить любые подавленные результаты в нижнюю корзину.Ведь мы знаем, что число находится где-то между нулем и десятью. Почему бы просто не закодировать это как ноль? ⊕ Не делайте этого. Одна стандартная альтернатива - оцените подавленные наблюдения, используя модель подсчета. Подход как это может естественным образом привести к более обширному, собственно пространственному моделирование данных. Между тем, графство со 100000 жителей который совершает двенадцать самоубийств, связанных с оружием, в год будет численно сообщается. CDC - ответственная организация, поэтому хотя он дает абсолютное количество смертей для всех округов выше порогового значения, примечания к файлу данных все равно будут предупреждать вас что любая ставка, рассчитанная с этим числом, будет ненадежной.Если мы продвигайтесь вперед и сделайте это в любом случае, тогда 12 смертей в небольшой популяции вполне может поставить малонаселенный округ в высшую категорию уровень самоубийств. Между тем, малонаселенные округа как раз под этим порог будет закодирован как находящийся в самом низком (самом легком) бункере. Но в на самом деле они могут быть не такими уж и разными, и в любом случае попытки определить количественно, что разница будет недостоверной. Если оценки для этих округа нельзя получить напрямую или оценить с помощью хорошей модели, тогда лучше отказаться от этих дел как пропавших без вести, даже за счет вашего красивая карта, чем большие территории страны, нарисованные цвет получен из ненадежного числа.

Небольшие различия в отчетах в сочетании с неправильным кодированием приведут к пространственно вводящие в заблуждение и существенно ошибочные результаты. Может показаться которые сосредоточены на деталях кодирования переменных в этом конкретном дело слишком много в сорняках для общего введения. Но именно эти детали могут кардинально изменить внешний вид любого графа, но особенно карт, таким образом, что может быть трудно обнаруживать постфактум.

Statebins

В качестве альтернативы хороплетам государственного уровня можно рассматривать statebins , используя пакет, разработанный Бобом Рудисом.Мы будем использовать это, чтобы посмотрите еще раз на наши результаты выборов на уровне штата. Statebins похож в ggplot, но синтаксис немного отличается от того, который мы использовали к. Требуется несколько аргументов, включая базовый фрейм данных ( state_data аргумент), вектор имен состояний ( state_col ) и отображается значение ( столбец_значений ). Кроме того, мы можем опционально сказать это цветовая палитра, которую мы хотим использовать, и цвет текста для маркировки государственные коробки. Для непрерывной переменной мы можем использовать statebins_continuous () , а именно:

Рисунок 7.14: Statebins результатов выборов. Мы опускаем DC на карте Клинтона, чтобы предотвратить разбалансировку шкалы.

 Библиотека  (стейблеры)

statebins_continuous (state_data = выборы, state_col = "состояние",
                     text_color = "белый", value_col = "pct_trump",
                     brewer_pal = "Красные", font_size = 3,
                     legend_title = "Процент козыря")

statebins_continuous (state_data = subset (выборы, st% nin% "DC"),
                     state_col = "состояние",
                     text_color = "черный", value_col = "pct_clinton",
                     brewer_pal = "Блюз", font_size = 3,
                     legend_title = "Процент Клинтона")  

Иногда нам нужно представить категориальные данные.Если наша переменная уже разделенные на категории, мы можем использовать statebins_manual () для представляют это. Здесь добавьте новую переменную в данные о выборах с именем цвет , просто зеркальное отображение названий партий с двумя соответствующими названиями цветов. Мы делаем это, потому что нам нужно указать цвета, которые мы используем, переменной во фрейме данных, а не как правильное отображение. Мы говорим statebins_manual () функция, что цвета содержатся в столбце назвал цвет .

В качестве альтернативы мы можем использовать statebins () вырезать данные для нас, используя прерывает аргумент , как и во втором сюжете.

Рисунок 7.15: Ручное указание цветов для бинов состояний.

  выборы <- выборы%>% mutate (color = recode (party, Republican = "darkred",
                                               Демократ = "королевский синий"))

statebins_manual (state_data = выборы, state_col = "st",
                 color_col = "цвет", text_color = "белый",
                 font_size = 3, legend_title = "Победитель",
                 label = c ("Трамп", "Клинтон"), legend_position = "right")

statebins (state_data = выборы,
          state_col = "состояние", value_col = "pct_trump",
          text_color = "white", breaks = 4,
          label = c ("4-21", "21-37", "37-53", "53-70"),
          brewer_pal = "Красные", font_size = 3, legend_title = "Процент козыря")  

Мало-кратные карты

Иногда у нас есть географические данные с повторяющимися наблюдениями с течением времени.Распространенным случаем является наблюдение за показателем на уровне страны или штата в течение нескольких лет. В этих случаях мы можем захотеть создать небольшую множественную карту, чтобы отображать изменения с течением времени. Например, данные опиатов содержат измерения уровня смертности от причин, связанных с опиатами (таких как передозировка героина или фентанила) на уровне штата, в период с 1999 по 2014 год.

  опиаты  

  ## # Тибл: 800 x 11
## год штатные фипсы смертность населения скорректирована
##       
## 1 1999 Алабама 1 37 4430141 0.800 0,800
## 2 1999 Аляска 2 27 624779 4,30 4,00
## 3 1999 Аризона 4229 5023823 4,60 4,70
## 4 1999 Арканзас 5 28 2651860 1,10 1,10
## 5 1999 Калифорния 6 1474 33499204 4,40 4,50
## 6 1999 Колорадо 8 164 4226018 3,90 3,70
## 7 1999 Коннектикут 9 151 3386401 4,50 4,40
## 8 1999 г. Делавэр 10 32 774990 4,10 4,10
№ 9 1999 г. р-н о… 11 28 570213 4.90 4,90
## 10 1999 Флорида 12 402 15759421 2,60 2,60
## # ... с дополнительными 790 строками и еще 4 переменными:
## # Adjust_se , регион , abbr ,
## # имя_разделения   

Как и раньше, мы можем взять наш объект us_states , содержащий детали карты уровня состояния, и объединить его с нашим набором данных опиатов. Как и раньше, мы преобразуем переменную State в данных opiates в нижний регистр, чтобы сопоставление работало правильно.

  опиаты $ регион <- tolower (состояние опиатов)
opiates_map <- left_join (us_states, опиаты)  

Поскольку данные опиатов включают переменную года , мы сейчас находимся в возможность сделать фасетное малое кратное с одной картой на каждый год в данных. Следующий фрагмент кода похож на одиночный карты государственного уровня, которые мы нарисовали до сих пор. Мы указываем данные карты как обычно, добавляя к нему geom_polygon () и corre_map () , с аргументами те функции нужны.Вместо того, чтобы разрезать наши данные на бункеры, мы построим непрерывные значения для скорректированной переменной коэффициента смертности (, скорректировано, ). Если вы хотите поэкспериментировать с разделением данных на группы на лету, взгляните на cut_interval () функция. Чтобы эффективно построить график этой переменной, мы будем использовать новую функцию масштабирования из библиотеки viridis . Цвета viridis идут в последовательности от низкого к высокому и очень хорошо работа по объединению воспринимаемых однородных цветов с легко видимыми, легко контрастирующие оттенки по их чешуе.Библиотека viridis предоставляет непрерывные и дискретные версии, обе в нескольких вариантах. Некоторые сбалансированные палитры могут быть немного размытыми, особенно в нижней части, но палитры viridis этого избегают. В этом коде суффикс _c_ в функции scale_fill_viridis_c () сигнализирует, что это масштаб для непрерывных данных. Для дискретных данных существует эквивалент scale_fill_viridis_d () .

Мы фасетируем карты точно так же, как и любой другой малый множитель, с помощью функции facet_wrap () .Мы используем тему () функция, чтобы поместить легенду внизу и удалить затененные по умолчанию фон от этикеток года. Мы узнаем больше об этом использовании функция theme () в главе 8. Окончательная карта показано на рисунке 7.16.

 Библиотека  (viridis)

p0 <- ggplot (data = subset (opiates_map, год> 1999),
             mapping = aes (x = длинный, y = lat,
                 группа = группа,
                 fill = скорректировано))

p1 <- p0 + geom_polygon (color = "gray90", size = 0.05) +
    Координатная_карта (projection = "albers", lat0 = 39, lat1 = 45)

p2 <- p1 + scale_fill_viridis_c (option = "плазма")

p2 + theme_map () + facet_wrap (~ год, ncol = 3) +
    тема (legend.position = "bottom",
          strip.background = element_blank ()) +
    labs (fill = "Смертность на 100 000 населения",
         title = "Смертность, связанная с опиатами, по штатам, 2000-2014 гг.")  

Рисунок 7.16: Маленькая множественная карта. В штатах, выделенных серым цветом, было зарегистрировано слишком мало смертей для достоверной оценки численности населения в том году.Штаты в белом не сообщили данных.

Это хороший способ визуализировать эти данные? ⊕Попробуйте пересмотреть свой код для ur-choropleths, но используйте непрерывные, а не группированные меры, а также палитру viridis . Вместо pct_black используйте переменную black . Для определения плотности населения разделите pop на land_area . Вам нужно будет настроить функции scale_ . Как карты соотносятся с разнесенными версиями? Что происходит с картой плотности населения и почему? Как мы обсуждали выше, хороплетные карты U.С. стараются в первую очередь отслеживать размер местных населения и, во вторую очередь, процент населения, которое Афроамериканец. Различия в географическом размере государств снова затрудняет обнаружение изменений. И это довольно сложно многократно сравнивать по пространственным регионам. Повторные меры делают означают, что некоторое сравнение возможно, и сильные тенденции для этого данные упрощают просмотр. В этом случае случайный зритель может подумать, например, что опиодный кризис был худшим в пустыне на юго-западе по сравнению со многими другими частями стране, хотя тоже кажется, что в Аппалачи.

Действительно ли ваши данные пространственные?

Как мы отметили в начале главы, даже если наши данные собраны или сгруппированы в пространственные единицы, всегда стоит спрашивать является ли карта лучшим способом ее представления. Многие округа, штат и национальные данные не являются должным образом пространственными, поскольку они действительно физических лиц (или какой-либо другой заинтересованной единицы), а не географическое распределение этих единиц как таковых . Возьмем наши данные по опиатам на уровне штата и перерисовать их в виде графика временного ряда.Мы будем сохраняйте фокус на уровне штата (в конце концов, это ставки на уровне штата), но постарайтесь сделать тенденции более заметными.

Мы могли бы просто построить график тенденций для каждого штата, как мы это делали в самом начале начиная с данных о пробелах . Но пятьдесят штатов - это слишком много линии, за которыми нужно следить сразу.

Рисунок 7.17: Все состояния сразу.

  p <- ggplot (данные = опиаты,
            mapping = aes (x = год, y = скорректировано,
                          группа = состояние))
p + geom_line (color = "gray70")  

Более информативный подход - воспользоваться географическим положением. структура данных с использованием регионов переписи для группировки штатов.Представьте себе многогранный график, показывающий тенденции на уровне штата в каждом регионе. страны, возможно, с линией тренда для каждого региона. Сделать это, мы воспользуемся возможностью ggplot накладывать геометрические фигуры один поверх других другого, используя разные наборы данных в каждом случае. Начнем с того, что данные опиатов (исключая Вашингтон, округ Колумбия, поскольку это не штат), и построение скорректированного коэффициента смертности с течением времени.

  p0 <- ggplot (data = drop_na (опиаты, название подразделения),
            mapping = aes (x = год, y = скорректировано))
            
p1 <- p0 + geom_line (color = "gray70",
              mapping = aes (группа = состояние))  

Функция drop_na () удаляет строки, в которых отсутствуют наблюдения для указанных переменных, в данном случае только Division_name , потому что Вашингтон, округ Колумбия, не является частью какого-либо отдела переписи.Мы сопоставляем группу эстетику с состоянием в geom_line () , что дает нам линейный график для каждого штата. Мы используем аргумент color , чтобы установить линии к светло-серому. Далее добавляем сглаживание:

  p2 <- p1 + geom_smooth (сопоставление = aes (group = имя_раздела),
                       se = FALSE)  

Для этого геометрии мы установили group aesthetic на Division_name . (Подразделение - это меньшая классификация переписи, чем регион.Если мы установим его на , состояние , мы получим пятьдесят отдельных сглаживателей в дополнение к нашим пятидесяти линиям тренда. Затем, используя то, что мы узнали в главе 4, мы добавляем объект geom_text_repel () , который помещает метку для каждого состояния в конец серии. Поскольку мы маркируем линии, а не точки, мы хотим, чтобы метка состояния отображалась только в конце строки. В Уловка состоит в том, чтобы подгруппировать данные так, чтобы только точки за последний год наблюдаемые используются (и поэтому помечены). Мы также должны не забыть удалить Вашингтон снова здесь, поскольку новый аргумент данных заменяет оригинал р0 .

  p3 <- p2 + geom_text_repel (data = subset (опиаты,
                                         год == макс (год) & abbr! = "DC"),
                     mapping = aes (x = год, y = скорректировано, label = abbr),
                     size = 1.8, segment.color = NA, nudge_x = 30) +
         corre_cartesian (c (мин (опиаты $ год),
                    макс (опиаты $ год)))  

По умолчанию geom_text_repel будет на маленьких отрезках линии, которые укажите, к чему относятся ярлыки.Но здесь это бесполезно, так как мы уже имеют дело с конечной точкой линии. Поэтому мы их выключаем с аргументом segment.color = NA . Мы также убираем ярлыки с немного справа от строк, используя аргумент nudge_x , и используйте Coord_cartesian () , чтобы установить пределы оси, чтобы было достаточно место для них.

Наконец, мы обрабатываем результаты по отделам переписи и добавляем наши метки. А полезной корректировкой является изменение порядка панелей по среднему коэффициенту смертности.Ставим минус перед , поправляем на то, что деления с самые высокие средние ставки появляются в диаграмме первыми.

  p3 + labs (x = "", y = "Скорость на 100 000 населения",
       title = "Уровень смертности от опиатов на уровне штата по переписи населения, 1999-2014 гг.") +
    facet_wrap (~ переупорядочить (имя_разделения, -адаптировано, na.rm = TRUE), nrow = 3)  

Наш новый сюжет раскрывает большую часть общей истории карт, но также немного смещает акценты. Легче видеть четче что происходит в некоторых частях страны.В частности, вы можете увидеть номера в Нью-Гэмпшире, Род-Айленде, Массачусетсе и Коннектикут. Вы можете более легко увидеть различия на уровне штата в Запад, например, между Аризоной, с одной стороны, и Нью-Йорком. С другой стороны, Мексика или Юта. И, как также было видно на картах, удивительно быстрый рост смертности в Западной Вирджинии также очевидно. Наконец, графики временных рядов лучше передают расходящиеся траектории различных состояний внутри регионов. Существует намного больше отклонений в конце ряда, чем в начале, особенно на Северо-Востоке, Среднем Западе и Юге, и хотя это может быть выведенные из карт, их легче увидеть на графиках трендов.

Рисунок 7.18: Данные по опиатам в виде фасетных временных рядов.

Единицей наблюдения на этом графике по-прежнему является год штата. В географически привязанный характер данных никогда не исчезнет. Линии, которые мы draw по-прежнему представляет состояния. Таким образом, основной произвол представление нельзя заставить исчезнуть. В каком-то смысле идеал набор данных здесь будет собран на более детальном уровне единицы, времени и пространственной специфичности. Представьте себе данные на индивидуальном уровне с произвольно точной информацией о личных характеристиках, раз и место смерти.В таком случае мы могли бы агрегировать до любых понравившихся нам категориальных, пространственных или временных единиц. Но такие данные крайне редки, часто по очень веским причинам, которые варьируются от практичности сбора до частной жизни. На практике нам нужно быть осторожными, чтобы не допустить какой-то ошибки неуместная конкретность, ошибочно принимающая единицу наблюдения за вещь, представляющая реальный предметный или теоретический интерес. Это проблема для большинства видов социально-научных данных. Но их поразительное зрелище характер делает карты, возможно, более уязвимыми для этой проблемы, чем другие виды визуализации.

Куда пойти дальше

В этой главе мы узнали, как начать работу с уровнями состояния и данные на уровне округа, организованные кодами FIPS. Но это почти не царапает поверхность визуализации, где пространственные особенности и распределения являются основным направлением. Анализ и визуализация пространственных данных собственная исследовательская область с собственными исследовательскими дисциплинами в области географии и картография. Понятия и методы изображения пространственного функции хорошо разработаны и стандартизированы.До не давнего времени, большая часть этой функциональности была доступна только через выделенный Географические информационные системы. Их картографирование и пространственный анализ функции не были хорошо связаны. Или, по крайней мере, их не было удобно подключается к программному обеспечению, ориентированному на анализ табличных данные.

Это быстро меняется. Брандсон и Комбер (2015) введение в некоторые возможности отображения R. Между тем совсем недавно эти инструменты стали намного более доступными через tidyverse.Из особый интерес для социологов⊕ r-spatial.github.io/sf/ . Также смотрите новости и обновления на r-spatial.org . - это продолжающаяся разработка Edzer Pebesma пакета sf , который реализует стандартную модель данных Simple Features для пространственных объектов удобным для тидиверсии способом. Соответственно, пакет tigris Кайла Уокера и Боба Рудиса⊕ github.com/walkerke/tigris обеспечивает (совместимый с sf-библиотекой) доступ к шейп-файлам TIGER / Line Бюро переписи населения США, которые позволяют отображать данные для множества различных географические, административные и связанные с переписью подразделения Соединенных Штатов, а также дороги и водные объекты.Наконец, пакет tidycensus Кайла Уокера walkerke.github.io/tidycensus (Walker, 2018) значительно упрощает аккуратное получение как основных, так и пространственных данных о характеристиках из переписи населения США и Исследование американского сообщества.

стилизованных карт | Статический API Карт | Разработчики Google

Настройте представление стандартной карты Google, применив собственную стили при использовании Статического API Карт. Вы можете изменить визуальное отображение объектов, таких как дороги, парки, населенные пункты и другие точки интерес.Измените их цвет или стиль, чтобы выделить конкретный контент, дополнять окружающий контент на странице или даже скрывать функции полностью.

Примеры

В следующем примере показана карта Бруклина, США, со стилем для раскрашивания. местные дороги ярко-зеленые, а жилые районы - черные. Он также инвертирует яркость этикеток, чтобы они лучше выделялись на фоне темноты задний план. Обратите внимание, что в этом рабочем примере используется кодировка URL:

https: // карты.googleapis.com/maps/api/staticmap?size=512x512&zoom=15¢er=Brooklyn&style=feature:road.local%7Celement:geometry%7Ccolor:0x00ff00&style=feature:landscape%7Celement:geometry.fill%7C colorlylex000000lement 7Cinvert_lightness: true & style = feature: road.arterial% 7Celement: labels% 7Cinvert_lightness: false & key = YOUR_API_KEY
 

В следующем примере используются операции стилизации и упрощения для примерно как атлас дорог США:

https: // карты.googleapis.com/maps/api/staticmap?size=512x512&zoom=12¢er=Chicago&format=png&style=feature:road.highway%7Celement:geometry%7Cvisibility:simplified%7Ccolor:0xc280e9&style=feature:transitibility7Color: 0xbababa & style = feature: road.highway% 7Celement: labels.text.stroke% 7Cvisibility: on% 7Ccolor: 0xb06eba & style = feature: road.highway% 7Celement: labels.text.fill% 7Cvisibility: on% 7Ccolor: 0xffffff & key_KEY_API
 

Синтаксис стиля

Чтобы создать карту со индивидуальным стилем, включите один или несколько стилей параметры в URL-адресе запроса.

Каждое объявление стиля может содержать следующие аргументы: разделенные вертикальной чертой (" | "):

• функция (необязательно) указывает функции для выбора для данной модификации стиля. Возможности включают объекты на карте, например дороги, парки или другие достопримечательности. Если нет признак аргумент присутствует, указанный стиль применяется ко всем функциям.
• элемент (необязательно) указывает элемент (ы) указанная функция, которую нужно выбрать для этой модификации стиля.Элементы характеристики объекта, такие как геометрия или метки. Если нет элемент аргумент присутствует, стиль применяется ко всем элементам указанной функции.
• Набор правил стиля (обязательный) для применения к указанным функция (и) и элемент (ы). API применяет правила в порядке, указанном в которые они появляются в декларации стиля . Вы можете включить любой количество правил в пределах обычных ограничений длины URL-адреса Статический API Карт.

style = feature:  myFeatureArgument  | element:  myElementArgument  |  myRule1 :  myRule1Argument  |  myRule2 :  myRule2Argument 
 

Характеристики

Следующая декларация стиля окрашивает все дороги на карте:

стиль = особенность: дорога | цвет: 0xffffff
 

Вот несколько вариантов выбора общих функций:

• функция: все (по умолчанию) выбирает все функции карты.
• особенность: дорога выбирает все дороги на карте.
• функция: road.local выбирает все местные дороги.

Объекты или типы объектов - это географические характеристики на карте, включая дороги, парки, водоемы, предприятия и многое другое.

Функции образуют дерево категорий, из всего как корень. Если вы не укажете функцию, будут выбраны все функции. Указание признака для всех имеет тот же эффект.

Некоторые функции содержат дочерние функции, которые вы указываете с помощью точки. обозначение. Например, пейзаж. Естественный или road.local . Если вы укажете только родительский объект, например дорога , стили, которые вы указываете для родительского объекта, применяются к все его дочерние элементы, такие как road.local и дорога. Шоссе .

Обратите внимание, что родительские функции могут включать некоторые элементы, которые не включены во всех их детских чертах.

Доступны следующие функции:

• все (по умолчанию) выбирает все функции.
• административный выбирает все административные области. Укладка влияет только на названия административных районов, а не на географические границы или заливка.
  • административная страна выбирает страны.
  • administrator.land_parcel выбирает земельные участки.
  • админ. Населенный пункт выбирает населенные пункты.
  • административн. Микрорайон выбирает микрорайоны.
  • административ. Провинция выбирает провинции.
• пейзаж выбирает все ландшафты.
  • landscape.man_made выбирает искусственные объекты, такие как здания и другие объекты. конструкции.
  • landscape.natural выбирает природные объекты, такие как горы, реки, пустыни и ледники.
  • landscape.natural.landcover выбирает особенности земного покрова, физический материал который покрывает поверхность земли, такую ​​как леса, луга, заболоченные земли и голую землю.
  • landscape.natural.terrain выделяет элементы рельефа земной поверхности, такие как высота, уклон и ориентация.
• poi выбирает все достопримечательности.
  • poi.attraction выбирает туристические достопримечательности.
  • пои.бизнес выбирает предприятия.
  • poi.government выбирает правительственные здания.
  • пои.медицинский выбирает службы экстренной помощи, в том числе больницы, аптеки, полиция, врачи и другие.
  • пои.парк выбирает парки.
  • poi.place_of_worship выбирает места поклонения, в том числе церкви, храмы, мечети и др.
  • poi.school выбирает школы.
  • poi.sports_complex выбирает спортивные комплексы.
• дорога выбирает все дороги.
  • дорога. Магистраль выбирает магистрали.
  • road.highway выбирает шоссе.
  • road.highway.controlled_access выбирает шоссе с контролируемый доступ.
  • road.local выбирает дороги местного значения.
• транзит выбирает все остановки и маршруты.
  • transit.line выбирает маршруты общественного транспорта.
  • транзит.station выбирает все транзитные станции.
  • transit.station.airport выбирает аэропорты.
  • transit.station.bus выбирает автобусные остановки.
  • transit.station.rail выбирает железнодорожные станции.
• вода выбирает водоемы.

Элементы

Следующая декларация стиля окрашивает метки для всех локальных дорог:

стиль = особенность: дорога.локальный | элемент: метки | цвет: 0xffffff
 

Элементы - это части объекта. Дорога, например, состоит из графической линии (геометрии) на карте, а также текста обозначая его название (метку).

Доступны следующие элементы, но имейте в виду, что определенная функция может не поддерживать ни один, некоторые или все элементы:

• все (по умолчанию) выбирает все элементы указанной функции.
• geometry выбирает все геометрические элементы указанного особенность.
  • geometry.fill выбирает только заливку элемента геометрия.
  • geometry.stroke выбирает только обводку элемента геометрия.
• метки выбирает текстовые метки, связанные с указанная функция.
  • меток. Значок выбирает только значок, отображаемый внутри метка объекта.
  • label.text выбирает только текст метки.
  • label.text.fill выбирает только заливку метки. В заливка метки обычно отображается в виде цветного контура, который окружает текст метки.
  • label.text.stroke выбирает только штрих метки текст.

Правила стиля

Правила стиля - это параметры форматирования, которые применяются к объектам. и элементы, указанные в каждом объявлении стиля .

Следующее объявление стиля применяет два правила стиля к дороги на карте. Первое правило применяет цвет к дорогам. Второй Правило упрощает отображение дорог, поэтому они имеют более тонкие линии без очертания:

style = feature: road | color: 0xffffff | видимость: упрощенная
 

Каждое объявление стиля должно содержать одну или несколько операций. разделены вертикальной чертой (" | "). Каждая операция указывает значение аргумента с использованием символа двоеточия (": "), и все операции применяются к выделению в том порядке, в котором вы их указываете.

Поддерживаются следующие варианты стилей:

• оттенок (шестнадцатеричная строка формата RGB #RRGGBB ) обозначает основной цвет.

  Примечание: этот параметр устанавливает оттенок, сохраняя при этом насыщенность и яркость. указан в стиле Google по умолчанию (или в других вариантах стиля, которые вы определить на карте). Полученный цвет соответствует стилю Базовая карта. Если Google вносит какие-либо изменения в стиль базовой карты, изменения влияют на элементы вашей карты, оформленные с использованием оттенка .Лучше По возможности используйте стайлер absolute color .

• яркость (значение с плавающей запятой между -100 и 100 ) указывает процентное изменение яркости элемент. Отрицательные значения увеличивают темноту (где -100 означает черный) в то время как положительные значения увеличивают яркость (где +100 указывает белый цвет).

  Примечание: этот параметр устанавливает яркость, сохраняя при этом насыщенность и оттенок. указан в стиле Google по умолчанию (или в других вариантах стиля, которые вы определить на карте).Полученный цвет соответствует стилю Базовая карта. Если Google вносит какие-либо изменения в стиль базовой карты, изменения влияет на элементы вашей карты, оформленные с использованием яркости . Это лучше по возможности используйте стайлер absolute color .

• насыщенность (значение с плавающей запятой между -100 и 100 ) указывает процентное изменение интенсивности основной цвет, применяемый к элементу.

  Примечание: этот параметр устанавливает насыщенность с сохранением оттенка и яркости. указан в стиле Google по умолчанию (или в других вариантах стиля, которые вы определить на карте).Полученный цвет соответствует стилю Базовая карта. Если Google вносит какие-либо изменения в стиль базовой карты, изменения влияет на элементы вашей карты, оформленные с использованием стиля , насыщенность . Это По возможности лучше использовать стайлер absolute color .

• гамма (значение с плавающей запятой между 0,01 и 10,0 , где 1,0 поправка не применяется) указывает величина гамма-коррекции, применяемая к элементу.Гамма-поправки изменять яркость цветов нелинейным образом, не затрагивая белые или черные значения. Гамма-коррекция обычно используется для изменения контраст нескольких элементов. Например, вы можете изменить гамму на увеличить или уменьшить контраст между краями и внутренней частью элементы.

  Примечание. Этот параметр регулирует яркость относительно значения Google по умолчанию. стиль, используя гамма-кривую. Если Google внесет какие-либо изменения в базовую карту стиль, изменения влияют на элементы вашей карты, стилизованные с гамма .Лучше использовать абсолютный , цвет стайлер, если можно.

• invert_lightness (если истинно ) инвертирует имеющуюся легкость. Это полезно, например, для быстрого переключение на более темную карту с белым текстом.

  Примечание. Этот параметр просто инвертирует стиль Google по умолчанию. Если Google вносит какие-либо изменения в стиль базовой карты, эти изменения влияют на функции со стилем invert_lightness . Это По возможности лучше использовать стайлер absolute color .

• видимость ( на , на или упрощенное ) указывает, отображается ли элемент на карта. Упрощенная видимость удаляет некоторые особенности стиля от пораженных особенностей; дороги, например, упрощены до более тонких линий без контуров, а парки теряют текст надписи, но сохраняют значок ярлыка.
• цвет (шестнадцатеричная строка формата RGB #RRGGBB ) устанавливает цвет объекта.
• вес (целое число, большее или равное нулю) устанавливает вес объекта в пикселях. Установка большого значения веса может приводит к обрезке возле границ плитки.

Правила стиля применяются в указанном вами порядке. Не совмещать несколько операций в одном стиле. Вместо этого определите каждый операция как отдельная запись в массиве стилей.

Примечание. Порядок важен, поскольку некоторые операции не коммутативны.Функции и / или элементы, которые изменены с помощью стилевых операций (обычно) уже есть существующие стили. Операции воздействуют на существующие стили, если они есть.

Оттенок, насыщенность, легкость модель

Стилизованные карты используют оттенок, модель насыщенности, яркости (HSL) для обозначения цвета в стилизаторе операции. Оттенок указывает основной цвет, насыщенность указывает интенсивность этого цвета, а яркость указывает относительное количество белого или черного в составляющем цвете.

Гамма коррекция изменяет яркость по цветовому пространству, обычно для увеличения или уменьшения контрастности. Кроме того, модель HSL определяет цвет. в координатном пространстве, где оттенок указывает ориентацию в цветовом круге, а насыщенность и яркость указывают на амплитуды по разным осям.Оттенки измеряются в цветовом пространстве RGB, который похож на большинство цветовых пространств RGB, за исключением оттенков белого и черные отсутствуют.

Хотя hue принимает шестнадцатеричное значение цвета HTML, он использует только это значение для определения основного цвета, то есть его ориентации вокруг цвета колесо, а не его насыщенность или легкость, которые указывается отдельно в виде процентных изменений.

Например, вы можете определить оттенок для чистого зеленого как оттенок: 0x00ff00 или оттенок: 0x000100 .Оба оттенка идентичный. Оба значения указывают на чистый зеленый цвет в цветовой модели HSL.

Цветовое колесо RGB

RGB оттенок значений, которые состоят из равных частей красного, зеленого и синего не указывают оттенок, потому что ни одно из этих значений не указывает ориентацию в координатное пространство HSL. Примеры: «# 000000» (черный), «#FFFFFF» (белый), и все чистые оттенки серого. Чтобы указать черный, белый или серый цвет, необходимо удалите все насыщенности (установите значение -100 ) и вместо этого отрегулируйте яркость .

Кроме того, при изменении существующих элементов, у которых уже есть цвет схема, изменение значения, такого как оттенок , не меняет его существующее насыщенность или яркость .

Настройка цвета виджета | CARTO

Настройте цвета виджета на карте с помощью CARTO Builder.

По умолчанию фильтры виджетов - это предопределенный цвет на вашей карте.При желании вы можете настроить свойства цвета для отображения фильтров виджета. Это поведение виджета управляется с помощью списка WIDGETS в Builder и позволяет вам управлять эстетическими деталями фильтров ваших виджетов.

В этом руководстве описывается, как определить цвет для фильтров виджета. В частности, мы настроим цвета фильтра, чтобы они соответствовали стилю карты по умолчанию.

Если у вас есть виджет КАТЕГОРИЯ, ГИСТОГРАММА ИЛИ ВРЕМЕННАЯ СЕРИЯ, вы можете определить твердый ЦВЕТ для фильтров виджетов в CARTO Builder.Определенный цвет не связан с тем, как выбранные значения отображаются на вашей карте, он применим только к свойствам цвета фильтров виджета до выбора значений .

Для виджетов, которые включают параметр Автоматический стиль , автоматический стиль отменяет любые пользовательские цвета заливки, применяемые к фильтрам виджетов. Это сделано намеренно, поскольку автоматический стиль применяет к вашим данным временный стиль. Для получения дополнительной информации см. Руководство Auto Style для просмотра динамических данных .

• Для виджетов КАТЕГОРИЯ и ГИСТОГРАММА цвет фильтра по умолчанию - # 9DE0AD .
• Для виджетов TIME-SERIES цвет фильтра по умолчанию - # FBD59E .

В этом примере давайте настроим цвет фильтра для всех виджетов, чтобы он соответствовал цвету по умолчанию для слоя Brooklyn Poverty.

1. Распакуйте файл шаблона .carto из раздела «Загрузить ресурсы» этого руководства и импортируйте его в свою учетную запись, чтобы создать карту.Builder открывается с Бруклинской бедностью в качестве первого слоя карты и уличными условиями в качестве второго слоя карты.

   Первоначальная карта бедности Бруклина была создана в руководстве «Выявление выбросов и кластеров». Эта карта включает дополнительный слой, 311 зарегистрированных уличных условий, который позволил нам пересечь второй слой и добавить виджет временных рядов, который отображает данные временных меток.

   Обратите внимание на цвета фильтров по умолчанию на вашей карте.

2. В списке WIDGETS в Builder выберите Date , чтобы отредактировать детали виджета Time-Series.

3. В параметрах поведения щелкните ЦВЕТ , чтобы открыть палитру цветов для фильтров виджета, и введите # 374c70 в качестве цвета ввода Hex.

   Пользовательский цвет отображается как цвет фильтра для виджета «Временные ряды».

4. Щелкните один раз виджет временных рядов, чтобы отобразить селектор диапазона, затем щелкните и перетащите, чтобы выбрать дату начала и окончания.

   Обратите внимание, что цвет настраиваемого фильтра больше не отображается, поскольку значения были выбраны из виджета.Щелкните ОЧИСТИТЬ ВЫБОР , чтобы снова просмотреть цвета фильтра по умолчанию.

   Каждый раз, когда вы фильтруете виджет, подключенный к слою, содержащему анализы, анализ запускается повторно и пересчитывается! Результаты могут появиться через некоторое время. Это ожидаемое поведение.

5. Чтобы применить тот же цвет фильтра # 374c70 к остальным виджетам на карте, повторите эти шаги, отредактировав каждый из виджетов из списка WIDGETS в Builder.

В этом случае цвета фильтра визуально соответствуют стилю карты по умолчанию. Особенно это заметно на опубликованной версии карты.

Используйте виджет Auto style , чтобы визуализировать, как данные о бедности выявляют районы, которые с наибольшей вероятностью будут джентрифицироваться в следующий раз.

Color — ArcGIS Pro | Документация

Цвет - это фундаментальный аспект символов, используемых для рисования элементов, текста и графики на картах, сценах и компоновках.

Цветовая палитра

Цветовая палитра появляется каждый раз, когда вы выбираете цвет для чего-либо, чаще всего для символа или его части. Это также может быть цвет текста, фона карты или элемента макета. В любом случае цветовая палитра работает одинаково: щелкните цвет, он применяется немедленно, и палитра закрывается.

Цветовая палитра показывает все доступные цвета из всех стилей текущего проекта, сгруппированные по их стилю. Как правило, это стандартный набор цветов RGB, хранящийся в системном стиле, известном как цвета ArcGIS, который по умолчанию является частью каждого проекта.Добавление дополнительных стилей (содержащих цвета) в проект или добавление цветов к вашему стилю «Избранное» добавляет цвета в палитру.

Чтобы удалить цвета по умолчанию из цветовой палитры (для работы с ограниченным набором), удалите стиль Цвета ArcGIS из вашего проекта. При этом цвета не удаляются, и вы можете в любой момент снова добавить стиль в проект. Цвета ArcGIS содержат только цвета и цветовые схемы; он не содержит других элементов стиля.

Изменить цвета

Вы не ограничены цветами, которые видите в палитре.Они там для легкого доступа, но вы можете определить и использовать любой цвет, который вам нравится. Выберите один из приведенных ниже методов, чтобы изменить и настроить параметры цвета символов.

Пипетка

Инструмент «Пипетка» доступен везде, где присутствует палитра цветов, кроме окна редактора цветовой схемы. Вы можете использовать этот инструмент, чтобы выбрать цвет из слоя в активном виде и применить его к текущему символу. Внизу цветовой палитры нажмите «Пипетка», чтобы активировать инструмент.

Когда активен инструмент «Пипетка», появляется квадратная лупа с указателем, показывающая текущий выбираемый цвет.Чтобы применить цвет к символу, щелкните левой кнопкой мыши карту, сцену или компоновку. После щелчка по цвету для символа устанавливается новый цвет, и инструмент деактивируется.

Инструмент «Пипетка» можно использовать только для выбора цвета в активном режиме просмотра. Вы не можете щелкать цвета на лентах, панелях, окнах приложения или где-либо еще за пределами приложения ArcGIS Pro.

Редактор цвета

В нижней части цветовой палитры щелкните «Свойства цвета», чтобы открыть диалоговое окно «Редактор цвета».Выберите цветовой режим и настройте значения каналов. Щелкните ОК, чтобы применить цвет.

Цветовые режимы

Цвета определяются одним из семи цветовых режимов:

• RGB - аддитивный цветовой режим, состоящий из красного, зеленого и синего цветов. Это значение по умолчанию.
• HSV - аддитивный цветовой режим, состоящий из оттенка, насыщенности и значения (яркости).
• HSL - аддитивный цветовой режим, состоящий из оттенка, насыщенности и яркости (яркости).
• Lab - независимый от устройства цветовой режим, состоящий из абсолютных значений цвета.
• Grayscale - монохромный цветовой режим, состоящий только из одного канала, меняющегося от черного до белого.
• CMYK — Субтрактивный цветовой режим, состоящий из каналов голубого, пурпурного, желтого и черного.
• Пятно - цвет, предназначенный для печати одной краской на одной печатной форме на печатной машине. Плашечные цвета определяются и управляются иначе, чем другие цветовые режимы в ArcGIS Pro.

Цветовые режимы представляют собой цветовые модели. Цветовые режимы RGB, HSV и HSL представляют собой цветовые схемы RGB. цветовая модель.Цветовой режим CMYK представляет собой представление CMYK цветовая модель. ArcGIS Pro использует две цветовые модели для управления цветом: CMYK и RGB. Цвета Lab и Grayscale преобразуются в цвет модель, используемая для отображения и вывода. Плашечные цвета будут отображаться или выводить их альтернативный цвет, если не выводить в формат с помощью Spot цветовая поддержка.

При использовании цветовых режимов RGB, HSV или HSL вы также можете ввести шестнадцатеричное значение в поле HEX # для определения цвета. Шестнадцатеричные коды обычно состоят из шести цифр, каждая из трех пар цифр представляет каждый из трех цветовых каналов.Вы можете указать шестнадцатеричное значение с предшествующим символом # или без него. Вы также можете ввести сокращенное шестнадцатеричное обозначение, которое используется, когда пары цифр идентичны - например, # 09C эквивалентно # 0099CC.

Цветовая прозрачность

Цвета могут быть частично или полностью прозрачными. 100-процентная прозрачность означает, что цвет полностью прозрачен или фактически невидим. Быстрый способ установить 100-процентную прозрачность цвета - это щелкнуть «Нет цвета» прямо в цветовой палитре, а не открывать диалоговое окно «Редактор цвета».(Обратите внимание, что при этом другим цветовым каналам по-прежнему присваиваются значения.) Когда цвета 0% прозрачны, они полностью непрозрачны.

Сохранить цвета в стиле

Чтобы сохранить цвет для повторного использования, щелкните «Свойства цвета» в цветовой палитре, а в диалоговом окне «Редактор цвета» щелкните «Сохранить цвет в стиле». Введите имя и, при желании, категорию и теги. Затем выберите, где сохранить стиль. У вас может быть только один выбор: сохранить цвет в стиле «Избранное».После сохранения цвет становится доступным в цветовых палитрах всех ваших проектов ArcGIS Pro. Если в вашем проекте есть другие редактируемые стили, вы также можете добавить к ним цвет.

Чтобы узнать больше о добавлении стилей в проект, см. Добавление стилей в проект.

Связанные темы

Отзыв по этой теме?