Как цвет искажает данные? Выбор палитр для карт и иллюстраций

Многое можно сказать про цвет (и мы уже не раз писали о нем в статьях). Но есть то, что сложно передать словами – например, как некоторые цветовые палитры и сочетания играют с восприятием, искажают данные и просто запутывают читателей.

Некорректный выбор цвета может привести к манипулированию данными, снижению доступности для людей с нарушениями зрения и потере смысла при печати. Но в науке по-прежнему распространены палитры, визуально искажающие данные или недоступные людям с дальтонизмом. Статья об использовании цветов в научной иллюстрации в Nature показывает, какие палитры могут искажать важные данные и от чего это зависит.

В одно время распространенные программы (например, MatLab) по умолчанию использовали палитру с основными оттенками радуги, поэтому для части исследователей выбор палитр стал пассивным, а ненаучная радужная цветовая палитра – привычной. И хотя некоторые отошли от использования палитр, искажающих данные, сейчас есть признаки возвращения этого тренда.

От использования неудачных цветовых решений страдает не только научное сообщество, но и общественность. Прогнозы погоды, карты смерчей или распространения вирусных заболеваний часто используют неравномерные цветовые градиенты – например, ту же радужную палитру, которая еще и включает красный и зеленый цвета с одинаковой яркостью. Так важную информацию некорректно видит часть населения с нарушением цветового зрения – по общим оценкам, это 0,5% женщин и 8% мужчин.

В чем же проблема? Несмотря на то, что радужная палитра с основными оттенками спектра выглядит ярко и эффектно, желтый цвет в ней – самый яркий, и он больше всего привлекает взгляд. При этом он находится не в конце и не в центре палитры, а его зеленоватые оттенки образуют широкую полосу с низким цветовым контрастом. Такое расположение цветов выделяет участки в середине спектра и препятствует интуитивному упорядочиванию данных. К тому же крайние значения RGB уж слишком выделяются и отвлекают от основный идей.

Если заранее знать, как выглядит объект, то искажение становится очевидным. Фото Марии Склодовской-Кюри 1920 года, Земля из космоса и яблоко показаны в оригинальном черно-белом изображении и в двух цветных вариантах. Широко используемая палитра b не может воспроизвести значимый плавный градиент и несправедливо выделяет желтую часть спектра.

Палитра для визуализации значимых данных должна иметь равномерный градиент яркости – так, чтобы цвета были различимы даже после преобразования в черно-белую шкалу. Интуитивный порядок задается, когда отдельные цвета можно упорядочить без легенды – например, как в палитре batlow с ровным градиентом оттенков и яркости.

Еще один момент – определенное изменение данных (например, снижение температуры на 5 °C) должно выглядеть одинаково при низких или высоких температурах. Это важно, потому что неравномерные палитры интерпретируют некоторые небольшие вариации данных как более важные, чем другие. Локальные градиенты цвета на карте исказят покатый склон так, что он станет выглядеть как крутой, и наоборот.

Всем знакома палитра с этими цветами и переходом между ними, как в картах NDVI. Эти цвета не только делают карту менее доступной, но и мешают восприятию из-за ассоциации "плохой-хороший". Красный – где меньше, зеленый – где больше. А если на карте показан процент заболевших? В любом случае понадобится дополнительное время, чтобы понять изображение.

Доступные онлайн-источники и инструменты с готовыми палитрами для ваших важных данных:

Яркая палитра со всеми цветами радуги привлекательна и все еще часто включена в ПО – так мы и привыкаем к ней. В результате сложнее указать сообществу на ее недостатки, и предложения изменить цветовую палитру часто встречают непонимание. В каждом случае при выборе цветов стоит сделать выбор в пользу доступности и понятности, а не выбирать палитру по умолчанию.

В последнее время ряд научных достижений был основан на использовании универсально читаемых научных палитр, таких как первая визуализация черной дыры или график изменения климата в разных масштабах.