地球信息科学学报 ›› 2021, Vol. 23 ›› Issue (2): 211-221.doi: 10.12082/dqxxkx.2021.200301
收稿日期:
2020-06-10
修回日期:
2020-09-10
出版日期:
2021-02-25
发布日期:
2021-04-25
通讯作者:
应申
E-mail:shy@whu.edu.cn
作者简介:
应 申(1979— ),男,安徽界首人,博士,教授,主要从事地图学、3DGIS与三维地籍、位置数据关联等研究。E-mail: 基金资助:
YING Shen*(), DOU Xiaoying, XU Yajie, SU Junru, LI Lin
Received:
2020-06-10
Revised:
2020-09-10
Online:
2021-02-25
Published:
2021-04-25
Contact:
YING Shen
E-mail:shy@whu.edu.cn
Supported by:
摘要:
新冠肺炎疫情期间,疫情数据成为民众关注的重点,涌现出了大量可视化图件,及时地向公众传达着疫情的数量信息和时空分布及变化,帮助大众快速了解疫情当前状况、推断发展趋势。本文从疫情数据可视化表达内容的维度出发,分析不同可视化的表达形式以及其对疫情数据的加工程度,结合示例把可视化分为“1阶”、“2阶”和“多阶”,并分析各自表达的数据类型、表达方式、设计特点和信息传递。同时,针对疫情可视化中的不足,探讨了数据统计中制图单元多级选择、数据分类中的极值处理问题,以及疫情可视化手段中不同颜色的内涵、质底法地图中区域面积和统计单元的影响、符号地图中符号压盖处理、热力图中比例尺的影响、统计图表和标注信息等在疫情可视化中的设计问题,指出疫情可视化设计中的视觉效果误用、设计过于复杂的误区,最后指出疫情信息可视化应具备讲故事的能力、问题针对性的特点,以图面简洁、高效信息传递为根本,为制图者合理设计图表和用户理性阅读疫情地图提供参考。
应申, 窦小影, 徐雅洁, 苏俊如, 李霖. 新型冠状病毒肺炎疫情可视化进展与分析[J]. 地球信息科学学报, 2021, 23(2): 211-221.DOI:10.12082/dqxxkx.2021.200301
YING Shen, DOU Xiaoying, XU Yajie, SU Junru, LI Lin. Visualization of the Epidemic Situation of COVID-19[J]. Journal of Geo-information Science, 2021, 23(2): 211-221.DOI:10.12082/dqxxkx.2021.200301
[1] | 李立明, 王艳红, 吕筠. 流行病学发展的回顾与展望[J]. 中华疾病控制杂志, 2008,12(4):304-308. |
[ Li L M, Wang Y H, Lü J. Epidemiology: History and challenges[J]. Chinese Journal of Disease Control and Prevention, 2008,12(4):304-308. ] | |
[2] | 中国疾病预防控制中心. 新型冠状病毒肺炎聚集性疫情流行病学调查指南[EB/OL]. 2020- 2- 13. http://www.chinacdc.cn/jkzt/crb/zl/szkb_11803/jszl_11815/202002/t20200220_213405.html |
[ Chinese Center for Disease Control and Prevention. A guide to the epidemiological investigation of novel coronavirus pneumonia clustered epidemic situation [EB/OL]. 2020- 2- 13. http://www.chinacdc.cn/jkzt/crb/zl/szkb_11803/jszl_11815/202002/t20200220_213405.html | |
[3] |
Brockmann D, Helbing D. The hidden geometry of complex, network-driven contagion phenomena[J]. Science, 2013,342(6164):1337-1342.
doi: 10.1126/science.1245200 |
[4] |
Gonzalez M C, Hidalgo C A, Barabasi A. Understanding individual human mobility patterns[J]. Nature, 2008,453(7196):779-782.
doi: 10.1038/nature06958 pmid: 18528393 |
[5] |
Moritz U G K, Yang C H, Bernardo G, et al. The effect of human mobility and control measures on the COVID-19 epidemic in China[J]. Science, 2020,368(6490):493-497.
doi: 10.1126/science.abb4218 pmid: 32213647 |
[6] |
Jia J S, Lu X, Yuan Y, et al. Population flow drives spatio-temporal distribution of COVID-19 in China[J]. Nature, 2020,582:389-394.
doi: 10.1038/s41586-020-2284-y pmid: 32349120 |
[7] | 李德仁, 邵振峰, 于文博, 等. 基于时空位置大数据的公共疫情防控服务让城市更智慧[J]. 武汉大学学报·信息科学版, 2020,45(4):475-487,556. |
[ Li D R, Shao Z F, Yu W B, et al. Public epidemic prevention and control services based on big data of spatiotemporal location make cities more smart[J]. Geomatics and Information Science of Wuhan University, 2020,45(4):475-487,556. ] | |
[8] |
Zhou C H, Su F Z, Pei T, et al. COVID-19: Challenges to GIS with big data[J]. Geography and Sustainability, 2020,1(1):77-87.
doi: 10.1016/j.geosus.2020.03.005 |
[9] | 杨伊静. 大数据:打造战“疫”利器[J]. 中国科技产业, 2020(4):7-8. |
[ Yang Y J. Big data creates a weapon of war[J]. Science & Technology Industry of China, 2020(4):7-8. ] | |
[10] | 孟郁洁, 戚晓鹏, 王松旺. 急性发热性疾病监测系统设计与实现[J]. 医学信息学杂志, 2019,40(5):36-40. |
[ Meng Y J, Qi X P, Wang S W. Design and implementation of monitoring system for acute febrile illness[J]. Journal of Medical Informatics, 2019,40(5):36-40. ] | |
[11] | 周奕洋, 张泽, 钱庆. 肿瘤流行病数据可视化系统设计与应用[J]. 医学信息学杂志, 2016,37(5):46-50. |
[ Zhou Y Y, Zhang Z, Qian Q. Design and application of the data visualization system for trumer epidemiology[J]. Journal of Medical Informatics, 2016,37(5):46-50. ] | |
[12] | 张振华, 吴开超. 基于Twitter的流感疫情可视化系统[J]. 计算机系统应用, 2015,24(3):69-74. |
[ Zhang Z H, Wu K C. Flu epidemic visualization system based on twitter[J]. Computer Systems & Applications, 2015,24(3):69-74. ] | |
[13] | 朱梦泽, 赵海英. 叙事式可视化综述[J]. 计算机辅助设计与图形学学报, 2019,31(10):1719-1727. |
[ Zhu M Z, Zhao H Y. A summary of narrative visualization[J]. Journal of Computer-Aided Design & Computer Graphics, 2019,31(10):1719-1727. ] | |
[14] | 白净, 吴莉. 健康传播中的可视化应用——以新冠肺炎报道为例[J]. 新闻与写作, 2020(4):31-36. |
[ Bai J, Wu L. Visualization in health communication novel coronavirus pneumonia report[J]. News and Writing, 2020(4):31-36. ] | |
[15] | 陈晓慧, 徐立, 葛磊, 等. 传染病传播数据可视分析综述[J]. 计算机辅助设计与图形学学报, 2020,32(10):1581-1593. |
[ Chen X H, Xu L, Ge L, et al. A survey of infectious disease transmission data visual analysis[J]. Journal of Computer-Aided Design & Computer Graphics, 2020,32(10):1581-1593. ] | |
[16] | 沈雨尘. COVID-19疫情数据的时空地理空间可视化分析(上篇)[EB/OL]. 2020-2-20.mp. weixin.qq.com/s/ByBSV0K1SpMwC-N12rbQfQ. |
[ Shen Y C. Spatial-temporal geographic spatial visualization analysis of COVID-19 epidemic situation data (Part 1)[EB/OL]. 2020-2-20.mp.weixin.qq.com/s/ByBSV0K1SpMwC-N12rbQfQ. ] | |
[17] | 疫情地图项目组. “说谎”的疫情地图,隐藏了什么? [EB/OL]. 2020-1-31.mp.weixin.qq.com/s/U9BMlPVVPy N_rjv_HT1R_w. |
[ Epidemic Map Project Team. What is hidden in the "lying" epidemic map? [EB/OL]. 2020-1-31.mp.weixin.qq.com/s/U9BMlPVVPyN_rjv_HT1R_w. ] | |
[18] | Kenneth Field. Mapping coronavirus, responsibly[EB/OL]. 2020-2-25. www.esri.com/arcgis-blog/products/product/mapping/mapping-coronavirus-responsibly. |
[19] | 孙远波, 闻芷艺, 徐瑞鸽, 等. 新型冠状病毒肺炎疫情数据可视化设计综述[J]. 包装工程, 2020,41(8):51-62. |
[ Sun Y B, Wen Z Y, Xu R G, et al. Data visualization design of COVID-19 epidemic[J]. Packaging Engineering, 2020,41(8):51-62. ] | |
[20] | ESRI. 对分级符号的数字字段进行分类[EB/OL]. 2020-5-25. desktop.arcgis.com/zh-cn/arcmap/10.3/map/working-with-layers/classifying-numerical-fields-for-graduated-symbols.htm. |
[ ESRI. Classify the numeric fields of the grade symbol[EB/OL]. 2020-5-25. desktop.arcgis.com/zh-cn/arcmap/10.3/map/working-with-layers/classifying-numerical-fields-for-graduated-symbols.htm. ] | |
[21] | 李楠. 疫情期间的信息化视觉思考(三):数据可视化[EB/OL]. 2020-4-22.mp.weixin.qq.com/s/CNmboW1yW DGI3I-JogJSkQ. |
[ Li N. Informational visual thinking during the outbreak (3): data visualization[EB/OL]. 2020-4-22.mp.weixin.qq.com/s/CNmboW1yWDGI3I-JogJSkQ. ] | |
[22] |
Gao P, Li Z, Qin Z. Usability of value-by-alpha maps compared to area cartograms and proportional symbol maps[J]. Journal of Spatial Science, 2019,64(2):1-17.
doi: 10.1080/14498596.2019.1550156 |
[23] | 张洪岩, 周成虎, 闾国年, 等. 试论地学信息图谱思想的内涵与传承[J]. 地球信息科学学报, 2020,22(4):653-661. |
[ Zhang H Y, Zhou C H, Lü G N, et al. The connotation and inheritance of geo-information Tupu[J]. Journal of Geo-information Science, 2020,22(4):653-661. ] |
[1] | 刘亚溪, 宋辞, 刘起勇, 张知新, 王席, 马佳, 陈晓, 裴韬. 重庆市新型冠状病毒肺炎流行时空特征及其与人群活动性的关系[J]. 地球信息科学学报, 2021, 23(2): 222-235. |
[2] | 杜毅贤, 徐家鹏, 钟琳颖, 侯盈旭, 沈婕. 网络舆情态势及情感多维特征分析与可视化——以COVID-19疫情为例[J]. 地球信息科学学报, 2021, 23(2): 318-330. |
[3] | 薛浩男, 张雪英, 吴明光, 曹天阳. 基于新闻数据的新冠疫情事件下“全球-中国”国际关系变化分析方法[J]. 地球信息科学学报, 2021, 23(2): 351-363. |
[4] | 裴韬, 王席, 宋辞, 刘亚溪, 黄强, 舒华, 陈晓, 郭思慧, 周成虎. COVID-19疫情时空分析与建模研究进展[J]. 地球信息科学学报, 2021, 23(2): 188-210. |
[5] | 谢雨芮, 江南, 赵文双, 郝睿. 基于多粒度时空对象的作战实体对象化建模研究[J]. 地球信息科学学报, 2021, 23(1): 84-92. |
[6] | 付乐宜, 艾廷华, 黄丽娜, 信睿. 基于交通轨迹数据的三维动态噪声地图[J]. 地球信息科学学报, 2020, 22(9): 1789-1798. |
[7] | 张政, 华一新, 张亚军, 曾梦熊, 杨振凯. 以节点为中心的关系边聚类与可视化算法[J]. 地球信息科学学报, 2020, 22(9): 1779-1788. |
[8] | 周琦, 高长春. 城市创意产业空间动态集聚演化的计算与可视优化方法[J]. 地球信息科学学报, 2020, 22(5): 1033-1048. |
[9] | 黄娟, 陈崇成, 叶晓燕, 马腾. “民国清流”名人文化主题数据的组织和可视化方法[J]. 地球信息科学学报, 2020, 22(5): 954-966. |
[10] | 王妮满, 秦昆, 罗俊, 陈昆, 胡圣. 历史名人轨迹的空间可视化与分析[J]. 地球信息科学学报, 2020, 22(5): 978-988. |
[11] | 秦昆, 林珲, 胡迪, 许刚, 张晓祥, 卢宾宾, 叶信岳. 空间综合人文学与社会科学研究综述[J]. 地球信息科学学报, 2020, 22(5): 912-928. |
[12] | 杨建思, 柳帅, 王艳东, 廖明生. 融合多源大数据的武汉城市空置区域评估与分析[J]. 地球信息科学学报, 2020, 22(5): 997-1007. |
[13] | 柳林, 梁斯毅, 宋广文. 基于潜在受害者动态时空分布的街面接触型犯罪研究[J]. 地球信息科学学报, 2020, 22(4): 887-897. |
[14] | 刘菊, 陈璨, 许珺. 基于众包的古琴名人时空信息采集与移动轨迹时空分析[J]. 地球信息科学学报, 2019, 21(6): 844-853. |
[15] | 承达瑜, 秦坤, 裴韬, 欧阳, 王蒙, 徐连明. 基于室内定位数据的群体时空行为可视化分析[J]. 地球信息科学学报, 2019, 21(1): 36-45. |
|