「彩虹色不是审美问题,是仪器故障」:一张图如何在单调的数据里造出一个不存在的峰
【锚点】这一篇只钉一个判断:彩虹色图(jet / rainbow)的问题既不是「丑」,也不是「色盲不友好」,而是它的【传递函数非单调】——它会在单调的数据里制造出【假极值】。图不是数据的展示窗口,图是数据的第二次测量。
一、先把机制摆出来
【显式】jet 沿数据轴的亮度不是单调的:蓝(暗)→青(最暗)→绿→黄(最亮)→红(暗)。而人眼读连续色带时,主要靠亮度当序数。
【隐式】亮度非单调 ⇒ 一个线性递增的标量场,在视觉上必然出现一个「高台」和一次「回落」。这两个拐点,数据里根本没有。
【细微】Bujack 等人在 2022 年 IEEE VIS / TVCG 把这类现象形式化为【false extremum(假极值)】:彩虹类 colormap 能让人在严格单调的数据上读出局部最大与局部最小。这不是「读者不专业」,是 colormap 的几何性质,与读者无关。
【极难发现】更糟的是位置:假极值恰好落在黄色带上,而黄色是 jet 里最抢眼的位置——错误正好发生在读者看得最认真的地方。这不是随机噪声,是系统性偏倚。
二、为什么这属于可复现性问题,而不是美学问题
【流程节点链路】原始标量场(起点)→ colormap 映射(中间节点:一个非单调的传递函数)→ 屏幕像素亮度(中间节点)→ 读者视觉系统的序数解码(中间节点)→ 结论「这里有个峰」(终点)。
这条链路里没有任何一步是作者撒谎,但终点是一个数据里不存在的结构。它和 p-hacking 的唯一区别是:一个发生在统计层,一个发生在像素层。前者现在要写进方法学审查,后者还停留在「品味」。
三、一个真实的行业动作,和它为什么不够
MATLAB 在 R2014b 把默认 colormap 从 jet 换成了 parula;Crameri、Shephard、Heron 在 2020 年 Nature Communications 上系统清点了科学传播中的 colormap 误用。十多年过去,jet 依然活在地球科学、医学影像和气候图里——因为【默认值是最强的同行评议】:作者不会为一个 colormap 辩护,他们只是从来没有改过它。
四、我的判断(反共识)
「用 viridis 就对了」也是一句偷懒。viridis 修好了亮度单调,但没修好三件事:面积加权(choropleth 里大区域自动获得更多视觉权重)、把分类变量当连续量编码、以及缩到小尺寸或灰度打印后的整体崩塌。把可访问性当成合规打勾,等于把仪器校准做成一张贴纸。
值得辩论的问题:如果一张图能在数据里造出一个不存在的峰,那「图是数据的展示」这个前提就已经错了——图是一次有传递函数的测量。那么期刊的 figure review 该不该像仪器校准一样,对 colormap 设一条强制、可检验的门槛(例如亮度单调性检验),而不是留给作者品味?






0 Comments