科学传播中色彩的误用

在科学传播中，数据的准确表示是至关重要的。然而，通过不均匀的颜色梯度在视觉上扭曲数据或色觉缺陷的人无法阅读的彩色地图在科学中仍然很普遍。这些地图包括但不限于彩虹状和红绿色地图。在这里，我们给出一个科学使用颜色的简单指南。我们展示了科学得出的彩色地图如何报告真实的数据变化，降低复杂性，并可供色觉缺陷的人使用。我们强调科学界识别和防止在科学中滥用颜色的方法，并呼吁社区、出版商和媒体积极主动地避免颜色滥用。

视觉是最基本的交流方式之一。使数字及其内容尽可能准确和容易理解是(或应该是)每一位科学家的最佳意图。图像最强大的方面之一是颜色，它反过来将信息转化为意义。颜色梯度的视觉评估对于各种不同的领域都很重要，例如黑洞的第一次直接印象1，政治选举2，3的选票地图，火星地形4上昂贵的漫游车路线的规划，气候变化5，6的基本传播，或者心脏病的关键诊断7。然而，当颜色使用不当时，这可能导致有效的数据操作(例如，通过突出某些数据而不是其他数据)，忽略那些颜色视觉缺陷的人的需要，以及在黑白打印时去除意义(补充注释1)。

随着科学在主流文化中变得更加盛行，不仅科学界因为使用了糟糕的颜色选择而受到影响，更广泛的公众也受到了影响。因此，彩色地图是科学和社会的重要交汇点。例如，天气预报和危险地图是直接与社会相关的数据集的两个例子，它们也是使用彩虹状彩色地图的惯犯。考虑到这些科学主题(每天)的重要性，基础数据应该以通用的方式传达。然而，人群中色觉缺陷的部分被排除在外，因此无法处理这一关键信息。此外，危险区域，如飓风路径或当前病毒传播的边界，通常基于不均匀的颜色梯度，以突出其重要性。使用不均匀的颜色渐变并不是没有后果的行动，包括那些具有重大财务或生命威胁后果的行动。例如，基于“不公平”表示的数据做出的决定可能会导致火星漫游车被送到地形太陡的地方，因为地形没有被准确地可视化，或者医务人员基于不均匀的颜色梯度做出了不完整或不准确的诊断。

尽管一些科学界在很大程度上已经不再使用扭曲的彩色地图，如彩虹，但仍有许多坏习惯集体回归。不幸的是，之前在特定学科内诋毁彩虹状地图的努力似乎并没有渗透到所有的科学领袖、出版商和软件设计师手中。对于大多数科学家来说，颜色地图的选择几乎已经变得被动，不科学的彩虹般的调色板已经司空见惯，同样，将红绿配对的颜色地图也有问题，但仍然被广泛使用。大多数通用软件程序一度将彩虹作为它们的默认调色板(例如，MATLAB、Paraview、VisAd、IrisExplorer)，尽管围绕彩虹及其变体的问题已公知了一段时间，如9、10、11、12、13、14、15、16、17、18、19、20。

那么，这些彩色地图有什么问题呢？尽管彩虹色地图可能反映了审美吸引力，但标准红绿蓝(RGB)中的极值占主导地位，因此可能会分散对潜在视觉信息21的注意力。在彩虹彩图中，黄色是最明亮的颜色，最吸引人的是22，23(见方框1)，但它既不在彩虹彩图的末端，也不在彩虹彩图的中心，而它的绿色色调形成了一个宽频带，色彩对比度较低(补充图1)。因此，这样的颜色排列可能会不公平地突出参数空间的特定部分，而使其他部分变得模糊(图1)。在纯物理而不是感知的基础上建立色彩地图显著改变了我们感知数据的方式；它为数据范围的某些部分增加了人为边界，隐藏了其他地方的小范围变化，它阻止了数据集中出现的任何视觉直观顺序，并使有常见色觉缺陷的读者无法阅读数据(图2)。

通过了解

对于普通读者来说，可能会觉得奇怪的是，科学家群体，一群通常更具批判性的人，没有谴责彩虹和其他同样不合适的彩色地图在他们之间的泛滥。基于这种不科学的彩色地图的盛行，学术界似乎缺乏对它们的性质(补充图2)及其动态的基本理解。颜色地图的选择通常是被动的，不会像其他数据方法那样受到同样的审查。彩虹的吸引眼球的特性、易用性，以及软件产品和科学小组领导人的惰性，使得科学界仍然依附于这张不科学的彩色地图29。因此，通过科学同行评审向科学界指出颜色图缺陷仍然是一项具有挑战性的任务，因为更改调色板的请求或建议经常遭到反驳、误解或干脆被忽视。

在这里，我们强调在数据可视化中科学使用颜色的重要性。我们总结了生成颜色映射的方法，这些颜色映射沿着颜色轴提供相等的颜色梯度，以防止数据失真。各种类型的科学得出的彩色地图都是现成和免费的(方框2)，是直观和包容地表示数据而没有任何盲目解释的唯一途径。我们概述了选择最准确地代表您的数据的科学色彩地图的关键指导原则，并强调了如何发现常见的不科学的色彩地图，以便可以避免它们。最后，我们呼吁科学界普遍采用科学派生的彩色地图。个人、出版商和媒体应该采取积极主动的方法，发现不科学地使用颜色，从而防止视觉扭曲数据的传播。

颜色不是物体固有的。感知到的颜色是从表面反射并被我们的眼睛和大脑转换成特定颜色的光的一部分(方框1)。某种颜色是通过其色调、真实色调(即黄色、橙色、红色、紫色、蓝色或绿色)和亮度(衡量色调的亮或暗程度)来感知的。在眼睛内，一种类型的光感受器，即视杆细胞，处理非彩色信息(即亮度或灰度视觉)，这些信息主要来自于光的能量。另一种类型，锥形细胞，主要根据光的波长来处理色度信息(色调)。后者将信息传递到大脑，并产生我们大多数人都非常熟悉的色觉。

三分之二的锥形细胞处理更长波长的光(即红色、橙色、黄色)，这使得人眼在暖色中比在冷色中感受到更多的颜色细节54。与黄红色梯度相比，绿色梯度往往不能充分代表给定的数据变化。三种类型的视锥细胞(短波、中波和长波)构成了三色视觉系统，作为一个整体，它可以代表我们视觉光谱55、56、57、58中的所有颜色。

感知颜色的生理先决条件表明，在个体59中没有统一的颜色感知；几个生理偏差可能导致颜色感知的改变，这通常很难测量60。然而，至少有一种锥体细胞类型被改变、有缺陷或甚至不存在，这引起色觉的显著变化，这并不是不可能的。这种偏移通常被称为色觉缺陷(CVD)或色盲，并且可以由表示光55的短、中和长波长的三个基本光谱灵敏度函数的给定组合来建模(如图2所示)。最常见的色觉缺陷形式是红绿二色，称为双色异常，与M锥体有关，导致红色和绿色看起来难以区分。涉及L锥的正态分布和涉及S锥的三角异常分别导致对红光和蓝光的敏感度降低。幸运的是，完全色盲非常罕见，但确实存在。

方框图1：人体色觉的简化示意图。视皮层对某种颜色或颜色梯度的感知不仅取决于物体的光学特性，还取决于光源和物体背景的光学特性，以及眼睛的光感受器(短、中、长波长的杆状和锥状细胞)。

科学得出的彩色地图应该容易辨认，也应该是免费和容易获得的。虽然有许多在线资源可以下载预先制作的彩色地图和创建彩色地图的工具箱，但很少有资源提供科学传播所需的所有方面。下面，我们提到最容易获得和/或记录最充分的科学派生彩色地图来源，

MPL(Matplotlib)：MPL色图(参见。62)由Stéfan van der Walt和Nathaniel Smith开发。MPL地图的目标是获得最精确的感知一致性，其广泛应用的颜色地图有：绿色、岩浆、等离子和地狱。这些地图为更科学的色彩测绘开辟了道路。MPL颜色映射都是连续的且仅是连续的。MPL颜色映射是开放的(目前用于Python)，并且通常内置于软件中。

Cividis：Cividis彩色地图38(可在参考文献中找到。由Jamie R.Nuñez和他的同事开发的)旨在代表红绿色觉缺陷的几乎相同的外观，这是目前所有可用的颜色地图中最接近的，同时在感知上也是一致的。色觉缺陷友好、顺序和连续的色图目前以标准颜色阵列的形式提供。

CMOcean(受海洋学启发的彩色地图)：CMOcean彩色地图20(可在参考文献中找到)。64)，由Kristen M.Thyng和他的同事开发，旨在为给定的一组物理参数提供最直观的颜色，同时现在在感知上也是一致的。提供了各种连续的顺序的、发散的和循环的颜色映射，以允许给定物理参量场的直观、真实的表示。CMOcean颜色贴图提供多种文件格式。

CET(探索目标中心)：CET彩色地图32(可在参考文献中获得)。(65)，由Peter Kovesi开发，旨在以各种数据格式提供最常见的颜色组合的大量选择。许多提供的彩色地图的特点是感知上的一致性，尽管不是所有的地图都达到了最高标准。CET颜色图是连续的，涵盖序列类、发散类和循环类。

科学彩色地图：科学彩色地图30(可在参考文献中找到。41，并永久存档于参考文献。52)在感觉上是一致的(基于CET颜色图65的基本方法)、感觉上有序、色觉缺陷和色盲友好、黑白打印可读，并且如果应用得当，还具有特定于数据集和参数直观的特点。科学色彩地图包括顺序调色板、发散调色板和循环调色板，这些调色板也以离散调色板和分类调色板的形式提供，并且有多种不同的文件格式可用。它们也可以通过外部例程和各种软件程序的内置版本获得。与其他版本不同的是，科学彩色地图软件包包括单独的彩色地图诊断，并在一个长期的在线存储库上进行版本控制，因此可以准确地引用各个版本，这允许社区进行积极的开发(例如，提高它们对最新标准的感知一致性)，并有助于整体的科学重现性。

科学数据的显示应该不增加视觉上的人为特征或减去真实的细节，同时也要具有普遍的可读性和直观性。感知上一致的颜色映射对整个数据空间中相同的数据变化进行平均加权，而其他颜色映射(如彩虹)将一些小的数据变化解释为比其他数据变化更重要(图3)。对于这种不科学的、感知上不均匀的彩色地图(如彩虹)，解释是盲目的(即由彩色地图而不是作者)，因为作者或读者没有意识到彩色地图引入的确切视觉失真(图3)。因此，任何从一组给定数据得出结论的科学研究都强烈依赖于所用调色板的知觉一致性，因此，作者和读者会被盲目解释所束缚(有关各种例子，请参阅补充说明1)。这种引入颜色的盲解译可能偏离客观表示7%以上的显示数据变化30(图3e-f)。火星上的平坡可能会被最突出的局部颜色梯度(而不是数据)在视觉上扭曲，然后看起来像是粗糙的地形，而崎岖的地形反过来可能被解释为平坡(比较补充图7a，b)，这对于火星勘探来说是次优的。

A，b增量明度差，ΔE，这里使用CIEDE2000公式(参见“方法”)，是沿着色图的感知色差的测量。对于感觉上均匀的颜色映射，ΔE CIEDE2000在整个颜色映射中应该是相等的(即，平面图；a)。使用累积颜色明度差c，d，ΔE Cumulative，可以提取总数据变化百分比中的由此产生的视觉误差e，f。对于像Batlow 41这样的科学导出的彩色地图，由着色引入到数据的结果误差可以忽略不计，因为g是增量数据

虽然理解感知上均匀的颜色映射的重要性很简单，但创建它们可能很复杂。量化感知颜色梯度具有挑战性，因为必须考虑人眼和大脑的复杂性质(方框1)。然而，为了理解和提供最佳彩色地图设计的指导方针，已经进行了广泛的研究(参见“方法”和参考文献中的描述)。18、19、20、29、31、32、33、34、35)，今天，存在各种可自由使用的工具来创建感觉上均匀的调色板。在方框2中，我们汇编了免费提供的科学颜色图工具包，并说明了每个工具包的优点和局限性，以帮助用户为其数据设计和/或选择最合适和最准确的颜色图。

感知一致性是科学中使用的彩色地图的一个重要属性，但绝不是唯一需要关心的属性。感知颜色顺序是科学颜色地图设计的另一个重要方面，因为它确保颜色梯度易于和直观地理解，并允许对数据集进行定性理解(图4)。为了达到感知顺序，亮度和亮度都应该线性增加，以避免人为渐变的感知，并易于识别和比较有意义的值。加热的黑体辐射调色板，其颜色可以很容易地。

.