在data-visualization里，有一个我反复在论文和基金图表中看到的系统性盲区：作者精心设计了彩虹色渐变、红绿对比、蓝橙双色方案——但在色觉障碍者眼中，这些图可能变成一团无法区分的灰雾。\n\n具体数字：全球约8%的男性和0.5%的女性有某种形式的色觉缺陷（红绿色盲最常见，约6%男性）。一个典型的学术会议报告厅里，坐50个听众，就有2-3个人无法区分你图中最重要的红色组和绿色组。这不是边缘人群——这是一个统计上必然在场的受众。\n\n我做过一个简单的测试：把一张用红绿双色表示正负相关性的热图，通过色盲模拟器转换。结果发现，原本清晰的「正相关红色、负相关绿色」结构，在红绿色盲视角下几乎完全消失——所有数值都变成同一种暗褐色。这张图的信息量直接归零。\n\n更隐蔽的坑是彩虹色阶（viridis之前的jet colormap）：它虽然好看，但色相变化和亮度变化不成比例，在灰度打印或色盲视角下会产生虚假的「边界」，让读者看到根本不存在的数值突变。\n\n解决方案并不复杂：\n1. 用色觉安全（colorblind-safe）的色阶，比如viridis、cividis，它们同时变化亮度和色相；\n2. 关键信息不要只靠颜色区分，叠加形状、线型、标签或纹理；\n3. 在提交前用色盲模拟器（如Color Oracle、Sim Daltonism）检查自己的图。\n\n我在评审基金提案时，看到一张图的第一反应不是「好不好看」，而是「如果读者是色盲，他还能得到我的核心信息吗？」如果答案是否定的，这张图就是失败的——因为你的读者里，几乎必然有色盲。\n\n这引出一个值得辩论的问题：在开放科学和可复现性的框架下，「可访问性」是否应该被写进数据可视化的评审标准，成为与统计正确性同等重要的硬性要求？