如何基于多因子得分给地图点赋予RGB/HSV混合颜色？

核心思路 #

将三个因子得分分别映射到RGB/HSV颜色空间的三个通道，首先需把存在正负值的因子得分归一化到颜色通道要求的0-1区间，再生成对应复合颜色，最后绘制空间点位。

步骤实现 #

1. 归一化因子得分 #

因子得分通常包含正负值，而RGB/HSV的通道值需在0-1范围内，用手动实现的归一化函数处理：

# 归一化函数（将数值线性缩放到0-1区间）
normalize <- function(x) {
  (x - min(x)) / (max(x) - min(x))
}

# 对三个因子得分做归一化处理
fas$MR1_norm <- normalize(fas$MR1)
fas$MR2_norm <- normalize(fas$MR2)
fas$MR3_norm <- normalize(fas$MR3)

2. 生成复合颜色 #

方式一：RGB颜色映射

将三个归一化后的因子分别对应红、绿、蓝通道，直接生成RGB颜色：

fas$rgb_color <- rgb(fas$MR1_norm, fas$MR2_norm, fas$MR3_norm)

方式二：HSV颜色映射

若偏好HSV色彩空间，可将因子分别映射到色相(H)、饱和度(S)、明度(V)：

# MR1对应色相，MR2对应饱和度，MR3对应明度
fas$hsv_color <- hsv(fas$MR1_norm, fas$MR2_norm, fas$MR3_norm)

3. 绘制复合颜色地图 #

修改原有绘图逻辑，使用生成的复合颜色作为点的填充色：

# RGB版本绘图函数
map_rgb <- function() {
  plot(fas, pch=21, cex=.8, col="black", bg=fas$rgb_color)
  # 添加图例说明因子与颜色通道的对应关系
  legend("topright", 
         legend=c("MR1 (红通道)", "MR2 (绿通道)", "MR3 (蓝通道)"),
         fill=c(rgb(1,0,0), rgb(0,1,0), rgb(0,0,1)),
         bty="n")
}

# HSV版本绘图函数
map_hsv <- function() {
  plot(fas, pch=21, cex=.8, col="black", bg=fas$hsv_color)
  legend("topright", 
         legend=c("MR1 (色相)", "MR2 (饱和度)", "MR3 (明度)"),
         fill=c(hsv(1,1,1), hsv(0,1,1), hsv(0,0,1)),
         bty="n")
}

# 调用绘图（二选一）
map_rgb()
# map_hsv()

完整代码整合 #

library(sp)
library(classInt)

# 示例数据集
fas <- structure(list(MR1 = c(-0.604222013102789, -0.589631093835467, 
                             -0.612647301042234, 2.23360319770647, -0.866779007222414), MR2 = c(-0.492209397489792, 
                                                                                                -0.216810726717787, -0.294487678489753, -0.60466348557844, 0.34752411748663
                             ), MR3 = c(-0.510065798219453, -0.61303212834454, 0.194263734935779, 
                                        0.347461766159926, -0.756375966467285), x = c(1457543.717, 1491550.224, 
                                                                                      1423185.998, 1508232.145, 1521316.942), y = c(4947666.766, 5001394.895, 
                                                                                                                                    4948766.5, 4950547.862, 5003955.997)), row.names = c("Acqui Terme", 
                                                                                                                                                                                         "Alagna", "Alba", "Albera Ligure", "Albuzzano"), class = "data.frame")

# 创建空间对象
fas <- SpatialPointsDataFrame(fas[,4:5], fas,
                              proj4string = CRS("+init=EPSG:3003"))

# 归一化函数
normalize <- function(x) {
  (x - min(x)) / (max(x) - min(x))
}

# 归一化因子得分
fas$MR1_norm <- normalize(fas$MR1)
fas$MR2_norm <- normalize(fas$MR2)
fas$MR3_norm <- normalize(fas$MR3)

# 生成RGB颜色
fas$rgb_color <- rgb(fas$MR1_norm, fas$MR2_norm, fas$MR3_norm)

# RGB绘图函数
map_rgb <- function() {
  plot(fas, pch=21, cex=.8, col="black", bg=fas$rgb_color)
  legend("topright", 
         legend=c("MR1 (红通道)", "MR2 (绿通道)", "MR3 (蓝通道)"),
         fill=c(rgb(1,0,0), rgb(0,1,0), rgb(0,0,1)),
         bty="n")
}

# 执行绘图
map_rgb()

注意事项 #

• 若三个因子得分的动态范围差异较大，可先使用scale()做标准化处理，再进行归一化，避免单一因子对颜色的主导性过强。
• HSV空间的色相通道对数值变化更敏感，适合突出某一因子的差异；RGB空间则更直观，三个因子的色彩贡献更均衡。

内容的提问来源于stack exchange，提问作者eazyezy