南京师范大学吴明光教授|《测绘学报》专栏:顾及使用场景的绿色地图颜色生成方法研究

本文内容来源于《测绘学报》专栏：数智时代地图学新理论与新方法，2026年第3期（审图号GS京(2026)0641号）

吴明光^1,2,3, 成梓铭^1,2

1.南京师范大学地理科学学院，江苏　南京　210023

2.南京师范大学虚拟地理环境教育部重点实验室，江苏　南京　210023

3.江苏省地理信息资源开发与利用协同创新中心，江苏　南京　210023

摘要：

如何顾及“节能环保”和“视觉健康”生成低功耗且有益视觉健康的地图（绿色地图）是当前的研究挑战。然而，现有绿色地图颜色生成方法考虑的因子有限，缺少统一的生成算法框架。针对这一问题，本文在归纳绿色地图使用场景因子的基础上，构建一个可扩展的绿色地图颜色生成框架。首先，从地图的内容与形式、读者特征、承载介质3个方面梳理绿色地图使用场景因子；然后，构建包含绿色地图颜色优化、推荐、风格迁移3种方法的颜色生成框架；最后，选择典型样例地图进行试验，生成针对不同使用场景的绿色地图。试验结果表明，生成的绿色地图可以在不影响地图的色彩美和读者读图效率的情况下，降低60%的功率、过滤60%蓝光辐射且能够有效缓解视觉疲劳。本文方法可丰富绿色地图的生成方法，有望促进绿色地图的实际应用。

作者简介 

基金项目

国家自然科学基金(4237144; 41971417)  

本文引用格式

阅读全文

节能环保、可持续化发展是当前的国际热点，我国也在此背景下提出了“双碳”战略。电子地图作为一种数字形式的工具，可以通过泛地图^[1]、微地图^[2]、叙事地图^[3]等形式，为可持续发展和“双碳”提供可视化支撑。同时，电子地图本身的设计和运行会消耗大量的能量，成为影响可持续发展和“双碳”的负面因子^[4]。地图显示在消耗能量的同时，也会产生蓝光辐射。蓝光作为高能短波辐射，短期内会诱发视觉疲劳，长期累积会影响人的昼夜节律，产生黄斑病变、视网膜损伤等视觉健康问题^[5]。在此背景下，“绿色地图”的概念应运而生，它不是对现有地图学理论的颠覆，也不是一种全新的地图表达形式，而是从节能环保和视觉健康的角度来对现有地图学理论和制图方法进行扩展，以支持生成低能耗且有益视觉健康的电子地图^[4]。如何设计节能地图已经成为移动地图设计领域的20个前沿挑战之一^[6]。

当前的绿色地图生成方法研究呈碎片化态势。目前已有许多关于绿色地图的研究，文献[4]构建了基于形式-内容-应用的绿色地图框架，分析了地图设计和部署如何影响设备和数据中心的能耗。文献[7]发现不同尺度的地图数据间存在冗余信息，通过预测用户感兴趣的地图瓦片，可以优化预缓存机制以减少传输能耗。文献[8]将地图中普遍存在的3种语义关系（即差异、顺序、关联）作为约束条件来调整地图颜色以降低显示能耗。文献[9]通过眼动试验发现光照条件与地图形式的适配性会影响读者阅读地图的认知效率。上述绿色地图研究尚处于孤立状态，考虑的因子较为单一，缺少对地图使用场景（use context）的整体考虑。地图使用场景是指影响读者使用地图、感知和理解地图信息的一系列因素^[10]，包括地图的内容与形式（如定性制图数据等）、任务类型（如导航等）、环境因素（如光照等）、用户特征（如色盲等）4个方面^[11-12]。引入“使用场景”这一概念，有利于整体分析、归类绿色地图生成涉及的因子体系。文献[7]指向的是绿色地图的内容组织，而文献[8]指向的是绿色地图的表达形式，文献[9]讨论的是环境因子。当前尚缺少顾及使用场景的绿色地图生成方法研究。

本文聚焦于使用场景驱动的绿色地图颜色生成方法。从信息与通信技术（information and communication technology，ICT）系统的角度来看，屏幕显示能耗约占总能耗的33%^[13]。屏幕显示能耗由所发射电磁波的频率和强度决定，体现为像素颜色的色相、饱和度和亮度：红色能耗低，蓝色能耗高；原色能耗低，混色能耗高。地图显示消耗能量的同时还会伴随产生蓝光辐射，它由电磁波的频率和强度决定，415~460 nm范围的蓝色尤甚^[14]，435 nm的蓝色比700 nm的红色的蓝光辐射要强1000倍。因此，颜色是影响显示能耗和蓝光辐射最直接的因素^[15]。对地图而言，亮度接近但是色相与饱和度不同的ColorBrewer配色方案的能耗差异可达1.7倍^[4]。因此，本文聚焦于地图的屏幕显示，针对当前绿色地图生成方法碎片化的问题，引入使用场景的概念，综合考虑地图内容与形式、读者特征、承载介质3个方面的因子，构建绿色地图颜色生成框架。

1　绿色地图使用场景的理论框架

本文根据文献[10]提出的地图使用场景理论，构建了一个绿色地图颜色生成框架，如图1所示，共考虑了7项地图因子。本框架面向基于矢量数据的、非标准化的常规地图制图任务（如面向寻路、选址、规划等的专题图），暂不包括影像图、地貌晕渲图及统计专题图等，也不包括必须遵循特定制图规范的图种，如地形图、土壤图、地质图等。

图

图1   顾及使用场景的绿色地图生成框架

Fig. 1   Use-context-driven green maps color generation framework

1.1　地图内容与形式

绿色地图生成需要考虑地图的内容和形式。在内容方面，地图内容表达的科学性影响定性和定量地理信息表现的效率和效能。本文聚焦于地图颜色的科学性，将其描述为使用颜色传递定性、定量地理信息的有效性。制图者设计地图时需要按照惯例为特定的地图要素选择颜色（如用蓝色代表水体，绿色代表森林），以引起颜色-语义上的共鸣，称为习惯用色^[16]。同时，地图要素间普遍存在3种语义关系：差异、关联、顺序，用来表示不同要素间的差异感、关联感和等级感^[17]。在绿色地图生成的过程中，功耗和蓝光辐射较低的配色方案通常亮度较低、红色比例较高。如果将水体设计为深棕色，虽然能够有效降低地图显示的功耗和蓝光辐射，但是违背了地图的习惯用色和语义关系规则，影响地图传输效率。

地图形式美主要指的是地图图形要素的清晰，以及整体的视觉平衡与和谐^[18]。本文聚焦于地图的色彩美，良好的地图颜色设计不仅有助于突出关键信息，还能增强地图的整体风格与识别度，从而提升用户对地图内容的理解和使用体验。绿色地图通常需要功耗和蓝光辐射低的颜色，因此生成的地图容易出现颜色偏黄、偏暗、低饱和等，影响地图的色彩美。读者长时间使用此类地图易感到压抑、疲劳、辨识困难，甚至产生心理排斥。因此，绿色地图生成需要考虑地图的色彩美，以保证地图的视觉效果和读者体验。

1.2　读者特征

绿色地图颜色生成还需考虑读者的个体差异，提升读者对地图颜色的接受度和满意度。本节将重点讨论颜色偏好、色盲两个地图读者特征。

颜色偏好是影响绿色地图接受程度的重要因素，与读者年龄、性别、文化等有关。例如，儿童由于对长波长、高对比的颜色敏感度较高，同时混色细胞发育不全，因此偏好高饱和度的深黄色；而成年人偏好亮度较高的蓝色系^[19]；女性对红紫色更为敏感，且能更准确区分低饱和度颜色^[20]。因此，绿色地图颜色生成需要对目标读者的颜色偏好建模以提升读者对地图的满意度和接受度。

色盲友好是绿色地图颜色生成中需要重点考虑的因素之一^[21]。部分读者存在色觉缺陷，如红色盲、绿色盲、蓝色盲等，在面对红绿色、蓝紫色等配色时易出现识别困难。绿色地图通常大量采用亮度较低、色差较小的颜色组合，可能进一步降低色觉缺陷读者阅读地图时的读图效率。因此，绿色地图颜色生成需要考虑引入色盲友好调色板，以提升地图的无障碍性。

1.3　承载介质

绿色地图颜色生成需要考虑地图承载介质的差异。各类电子设备（如台式机、手机、平板、大屏等）在显示方式、发光原理、色域范围等方面存在显著差异，不仅影响了地图颜色的呈现效果，还会影响地图的显示功耗和蓝光辐射。本节将重点分析功耗、蓝光辐射、设备色域3个承载介质方面的因子。

地图颜色选择一方面会影响设备的显示功耗，进而影响设备续航能力^[8]，另一方面也会影响设备显示的蓝光辐射。如图2所示，文献[14]给出了蓝光危害函数B（λ），定量描述了不同波长光的蓝光危害强度。普通地图通常使用较多亮度高、饱和度低的蓝绿色，因此显示功耗大、蓝光辐射强。绿色地图颜色生成时需要考虑设备的显示功耗和蓝光辐射，在保持地图信息传递效率的前提下降低显示功耗，提升设备续航能力，同时保护读者视觉健康，提升在夜间、暗光等环节下的使用舒适度。

图2

图2   蓝光危害函数^[14]

Fig. 2   Blue-light hazard function^[14]

设备色域决定了地图在不同显示终端上呈现的颜色范围，决定了地图颜色的丰富程度^[22]。由于不同设备采用的显示技术不同，如LCD、OLED、Mini-LED等，其色域覆盖范围差异显著。若绿色地图颜色超出了目标设备的色域范围，可能会出现颜色失真、色域压缩等问题，进而影响地图的呈现效果。绿色地图颜色生成过程中需将目标设备的色域范围作为一个基本的约束条件，确保所有颜色均可被设备完整、准确地显示。

综上所述，绿色地图颜色生成时需要考虑地图的内容与形式、读者特征、承载介质等因子。具体地，地图的内容与形式方面需要考虑科学性（如习惯用色、语义关系）和色彩美；读者特征方面需要考虑颜色偏好（如年龄、性别、文化对偏好的影响）、色盲友好；承载介质方面需要考虑设备功耗、蓝光辐射、设备色域。

2　绿色地图颜色生成的方法框架

本节将绿色地图颜色生成方法大致分为3类：针对已有配色方案的颜色优化、针对暂无配色方案的颜色推荐、针对暂无配色方案但是有参考图像的颜色风格迁移。其中，绿色地图颜色优化是针对制图者已经设计了地图配色方案，在保持视觉相似性的前提下，对已有配色方法进行优化，在保持地图的视觉表现力与信息传输效果的同时降低显示功耗和蓝光辐射；绿色地图颜色推荐是指制图者暂无配色方法，希望推荐符合设色规则和读者个体差异的低功耗、低蓝光配色方案；绿色地图颜色风格迁移则是针对制图者有符合意向的图像，试图在迁移参考图像的风格的同时，将参考图像的低功耗、低蓝光颜色转移到目标地图中。

本文针对不同的生成方法，组合不同因子，将绿色地图颜色生成理解为一个多目标优化的问题（图3）。公共目标函数主要包括科学性、色彩美、节能比例、蓝光辐射过滤比例。公共约束条件主要包括设备色域、色差感知阈值、图-底分离清晰度。对于绿色地图颜色优化需考虑附加约束条件，即与已有配色方案的相似；对于绿色地图颜色推荐需考虑附加约束条件，即颜色偏好、色盲友好；对于绿色地图颜色风格迁移需考虑附加约束条件，即与参考图像的风格相似。

图3

图3   绿色地图颜色生成的模型框架

Fig. 3   The modeling framework of green maps color generation

2.1　针对已有配色方案的绿色地图颜色优化

对于绿色地图颜色优化，本文考虑地图颜色的科学性、色彩美，构建地图的设计质量模型，将其作为目标函数一

(1)

式中，Q（C）为地图的设计质量；C表示地图的配色方案；F（C）表示地图的色彩美得分，文献[18]根据样本分析构建了一个通用的色彩美度量模型，本文采用该模型来度量地图的色彩美；S（C）表示地图的科学性得分，从习惯用色和语义关系两个方面度量

(2)

式中，S_c（C）表示地图的习惯用色得分，根据文献[16]提供的基于核密度估算的习惯用色评价方法来度量；S_r（C）表示地图的语义关系得分，根据文献[8]提供的基于色差的语义关系评价方法来度量。需要说明的是，本方法统一对色彩美、习惯用色、语义关系度量方法进行标准化以消除量纲影响，因此式（1）和式（2）采用乘积的形式构建综合评价模型。

本文将功耗和蓝光辐射构建为目标函数二。文献[15]提供的一种像素级功耗估算模型，通过回归分析构建了R、G、B颜色分量与像素功耗的线性关系。尽管OLED屏幕在像素尺寸、绝对功耗上存在差异，但是功耗随R、G、B分量的变化趋势基本一致，因此该模型具有一定的适用性。本文采用该模型评估电子地图全屏显示时的单位为微瓦每像素（μW/pixel）

(3)

式中，n为地图要素数；w_i表示第i个要素的像素数占整幅地图像素数的比例，可以通过矢量地图栅格化获得；R_i表示第i个要素颜色的红色分量；G_i表示第i个要素颜色绿色分量；B_i表示第i个要素颜色蓝色分量；r（R_i）、h（G_i）、k（B_i）分别表示第i个要素颜色的红、绿、蓝分量与单位像素功耗的线性关系。

本文提出了一种像素级的蓝光辐射估算模型，以评估电子地图全屏显示时单位像素的蓝光辐射，其单位为nW/（m²·sr·pixel）

(4)

式中，M为屏幕全黑时单个像素产生的蓝光辐射；w_i表示第i个要素的像素数占整幅地图像素数的比例，可以通过矢量地图栅格化获得。q（R_i）、y（G_i）、g（B_i）分别表示第i个要素颜色的红、绿、蓝分量与单位像素蓝光辐射的非线性关系，具体构建方法如下：首先，以5为间隔分别对红、绿、蓝通道进行采样得到3组测试颜色（红色组、绿色组、蓝色组），并使用光谱仪（型号为OHSP-350L）测量全屏显示各测试颜色的光谱辐亮度L_λ。在整个测量过程中，显示设备的护眼模式保持关闭。然后，根据光谱辐亮度L_λ和蓝光危害函数B（λ）^[14]计算各颜色对应的蓝光辐射。最后，使用二次函数分别对3组测试颜色的R、G、B值与实测得到的蓝光辐射进行拟合，以构建特定显示设备的q（R_i）、y（G_i）、g（B_i）。

在电脑、平板和手机3种典型显示设备上进行了测试，对于每种显示类型，选取了两款主流设备进行试验（电脑为DELL SE2719H和HP 22es；平板为iPad 2021和华为MatePad 10.8；手机为iPhone 13和小米13 Pro）。图4的结果表明，本文方法能够在这3类显示设备上取得较高的估算精度（R²>0.94）。同时，结果也表明各显示设备的蓝光辐射随R、G、B分量的变化趋势基本一致，因此该模型具有一定的适用性。

图4

图4   3种典型显示设备的蓝光辐射与红、绿、蓝分量的拟合结果

Fig. 4   Fitting results of blue light radiation and red, green, and blue components of three typical display devices

绿色地图颜色优化需要考虑节能、降低蓝光辐射两个问题，本文考虑了3种优化方式：节能优先、降低蓝光辐射优先、兼顾节能和降低蓝光辐射。为减少不同显示设备的绝对功耗和蓝光辐射对生成结果的影响，使用节能比例、蓝光过滤比例代替绝对功耗和蓝光辐射，以反映不同配色方案的节能和蓝光过滤效果。在生成低功耗地图时，将节能比例作为目标函数二；在生成低蓝光辐射地图时，将蓝光辐射过滤比例作为目标函数二；在生成低功耗、低蓝光辐射的地图时，由于绝对功耗与蓝光辐射均已通过标准化转化为节能和蓝光过滤比例，因此本文采用乘积的形式，将节能比例和蓝光辐射过滤比例同时作为目标函数二。对于多目标优化问题，通过取倒数、负数等方式可以将最小化目标与最大化目标进行数学表达的转换，从而表示为MAX-MAX、MIN-MAX、MAX-MIN等形式。本文采用MAX-MAX的形式使设计质量、节能和蓝光过滤比例同时达到最优，将绿色地图颜色优化描述为

(5)

式中，E_n（C）是调整后地图的显示功耗节省比例；L_n（C）是调整后地图的蓝光辐射过滤比例。

除了上述两个目标函数外，绿色地图颜色优化还需要考虑约束条件。在自动优化时需要考虑地图颜色优化后与已有配色方案的相似性。本文将各要素的像素占比作为权重，通过控制各要素颜色在优化前后的加权色差来约束配色方案相似性

(6)

式中，c_i表示第i个要素优化后颜色；表示第i个要素优化前颜色；表示两个颜色间的色差；θ表示调整前后要素颜色的色差阈值。

本文还考虑了两个影响地图科学性和形式美的因子——色差感知阈值、图-底分离清晰度，将其作为约束条件。考虑地图要素间的颜色差异能够帮助读者快速识别地图信息。本文引入恰可辨识色差（just noticeable color difference，JNCD）^[23]来保证读者能够感知不同颜色间的差异。相较于普通图像，地图的要素密集、符号尺寸小，因此本文在JNCD的基础上引入校正系数来描述地图要素间的色彩区分度

(7)

式中，c_i和c_j分别表示第i个要素和第j个要素的颜色；ε表示恰可辨识的色差阈值；k表示校正系数。

考虑图-底分离清晰度能够保证地图的视觉层次，突出重点信息。在视觉感知理论中，图-底分离主要依赖于人眼对色差和亮度差的综合感知^[24]，因此本文通过色差和亮度差保证绿色地图的图-底间存在显著对比。

2.2　针对暂无配色方案的绿色地图颜色推荐

对绿色地图颜色推荐，根据地图颜色的科学性、色彩美，构建目标函数一（式（1）），将节能比例和蓝光辐射过滤比例同时作为目标函数二。根据上述两个目标，将绿色地图颜色推荐表示为一个MAX-MAX问题（式（5）），将色差感知阈值（式（7））、图-底分离清晰度构建为约束条件。如图3所示，地图颜色的科学性、色彩美、节能比例、蓝光辐射过滤比例为公共目标函数，色差感知阈值、图-底分离清晰度为公共约束条件。

地图颜色推荐还需要考虑读者的个体差异。本文考虑了年龄相关的颜色偏好，分别定义面向儿童、面向成人地图的色相、亮度、饱和度范围作为约束条件；考虑了性别相关的颜色偏好，分别定义面向男性、面向女性地图的色相范围作为约束条件；考虑了文化相关的颜色偏好，分别定义面向东方读者、面向西方读者地图的色相范围作为约束条件。

本文考虑了推荐读者的色盲问题，添加了色盲友好约束

(8)

式中，E表示经过色盲模型模拟后的地图配色方案；ϕ表示色盲友好阈值；e_i和e_j分别表示第i个要素和第j个要素经过生理学色盲模拟模型^[21]模拟后的颜色。该方法基于人类视觉阶段理论，对不同色盲类型采用统一的模拟形式，其色盲模拟结果符合真实色盲被试者的主观感受。具体模拟方法可以表示为

(9)

式中，R、G、B分别表示推荐颜色的红、绿、蓝分量值；R′、G′、B′分别表示模拟色盲后的红、绿、蓝分量值；τ表示3种色盲模拟矩阵，当τ=τ_R时表示模拟红色盲，当τ=τ_G时表示模拟绿色盲，当τ=τ_B时表示模拟蓝色盲。

2.3　针对暂无配色方案但有参考图像的绿色地图颜色风格迁移

对于绿色地图颜色风格迁移，根据地图颜色的科学性、色彩美，构建目标函数一（式（1））。将节能比例和蓝光辐射过滤比例同时作为目标函数二。根据上述两个目标，将绿色地图颜色风格迁移表示为一个MAX-MAX问题（式（5）），将色差感知阈值（式（7））、图-底分离清晰度构建为约束条件。如图3所示，地图颜色的科学性、色彩美、节能比例、蓝光辐射过滤比例为公共目标函数，色差感知阈值、图-底分离清晰度为公共约束条件，具体建模方法如2.1节所述。

绿色地图颜色风格迁移还需要考虑参考图像与迁移后地图间的相似性。本文根据几何维度将地图符号划分为点要素、线要素、面要素、背景要素，将图像区域划分为斑点、线条、填充、背景。采用文献[17]提供的风格元素提取方法，通过检测图像中的亮度变化，以识别突变和渐变的区域，对于突变区域，通过突变方向来分离斑块和笔触；对于渐变区域，通过视觉显著性来分离填充和背景。提取完4类元素后，利用恰可辨识色差作为色差阈值，提取出所有的颜色，以此作为地图符号颜色的定义域，即点要素颜色来源于图像斑点、线要素颜色来源于图像线条、面要素颜色来源于图像填充、背景要素颜色来源于图像背景。

3　实践案例和试验分析

3.1　实践案例

本文将绿色地图颜色优化、推荐、风格迁移均构建为双目标、多约束的优化模型。为提高颜色搜索效率，本文选择非支配排序遗传算法-Ⅱ（NSGA-Ⅱ）^[25]对模型求解，通过全局和局部搜索保证了解的多样性。如图5所示，本文选取一张南京市互联网地图风格的测试地图，地图科学性（S）为1.0，色彩美（F）为0.9，功耗（E）为15.6 μW/pixel，蓝光辐射（L）为54.9 nW/（m²·sr·pixel），下文将分别介绍3种模型求解方法和求解结果。

图5

图5   互联网地图风格的测试地图

Fig. 5   Test map in web map style

3.1.1　绿色地图颜色优化结果

绿色地图颜色优化需要考虑在优化过程中如何提取并保持原始地图的颜色特征。本文假设已有配色方案具有清晰的语义信息，通过分析配色方案中各要素颜色间的色差、色相差、饱和度差、亮度差，对地图进行内容解析。同时，将地图中水体、绿地标注为需要保持习惯用色的要素。本文依据经验设置公共约束条件中的模型参数，如调整前后要素颜色的加权色差阈值θ根据节能和蓝光过滤比例设置，色差感知阈值ε设置为10，校正系数k设置为1.5。然后，从已有配色方案中提取颜色来初始化种群，根据经验将迭代次数设置为10 000，将种群个数设置为300。通过多次迭代最终得到颜色优化的Pareto frontier（即最优解集），通过对最优解集采样可以生成不同节能和蓝光过滤等级下的颜色优化结果。

如图6所示，本文方法根据互联网地图风格的原始地图分别生成了12张优化后的绿色地图，功耗和蓝光辐射过滤比例均为20%、40%、60%、80%。假设原始地图的科学性为1.0，色彩美为0.9，在功耗和蓝光辐射过滤比例小于60%时，本文方法得到的绿色地图科学性均高于0.8，色彩美均高于0.6。

图6

图6   根据颜色优化获得的绿色地图

Fig. 6   Green maps generated through color optimization

该模型中的参数设置会影响绿色地图的颜色生成。首先，增大调整前后要素颜色的加权色差阈值θ可以带来更高的节能和蓝光过滤空间，但是会降低与原始地图的相似程度，影响地图的色彩美。然后，提高色差感知阈值ε和校正系数k可以保证绿色地图中的各要素更容易被区分，但是可行域的压缩会减少节能和蓝光过滤程度。最后，增加算法的迭代次数和种群个数可以增大配色方案的多样性和模型的稳定性，但是也会增加模型求解的时间。

3.1.2　绿色地图颜色推荐结果

对于绿色地图的颜色推荐，由于没有配色方案，本文仅根据地图内容标注地图要素间的语义关系。同时，将地图中水体、绿地标注为需要保持习惯用色的要素。颜色推荐的定义域可以设定为整个颜色空间，为各地图要素寻找符合所有规则的低功耗、低蓝光辐射颜色。由于缺少预设颜色，本文随机生成颜色来初始化种群。迭代次数、种群个数、公共约束条件中的参数如3.1.1节所述。本文根据文献[19]的研究，将面向儿童的地图颜色约束为高饱和度的深黄色，将面向成人的地图颜色约束为亮度较高的蓝色。根据文献[20]的研究，将面向男性的地图颜色约束为蓝绿色，将面向女性的地图颜色约束为红紫色。根据文献[26]的研究，将面向西方读者的地图颜色约束为红色和蓝色，将面向东方读者的地图颜色约束为红色和白色。此外，本文依据经验将色盲友好的色差阈值ϕ设置为15。

如图7所示，本文方法根据读者的颜色偏好推荐了一组绿色地图：考虑到年龄，分别推荐了面向儿童的地图（节能31%，蓝光过滤73%）、面向成人的地图（节能11%，蓝光过滤4%）；考虑到性别，分别推荐了面向男性的地图（节能13%，蓝光过滤12%）、面向女性的地图（节能15%，蓝光过滤25%）；考虑到文化差异，分别推荐了面向东方读者的地图（节能10%，蓝光过滤14%）、面向西方读者的地图（节能16%，蓝光过滤15%）。所有地图的科学性均高于0.7，色彩美均高于0.6。

图7

图7   根据颜色推荐获得的考虑读者偏好的绿色地图

Fig. 7   Green maps generated through color recommendation considering user preferences

如图8所示，本文方法推荐了一组色盲友好地图，分别面向红色盲患者（节能16%，蓝光过滤35%）、绿色盲患者（节能19%，蓝光过滤43%）、蓝色盲患者（节能20%，蓝光过滤40%）。3张地图的科学性均高于0.8，色彩美均高于0.6。

图8

图8   根据颜色推荐获得的考虑色盲友好的绿色地图

Fig. 8   Green maps generated through color recommendation considering color-blind friendliness

颜色偏好和色盲友好模型中的参数设置也会影响绿色地图的颜色生成。首先，增大颜色偏好的阈值，虽然可以扩展颜色搜索范围，提高节能和蓝光过滤比例，但是会削弱对目标人群偏好的拟合度。其次，增加色盲友好阈值ϕ可以保证绿色地图中的各要素更容易被色盲患者区分，但是可行域的压缩也会减少节能和蓝光过滤程度。

3.1.3　绿色地图颜色风格迁移结果

对于绿色地图颜色风格迁移，考虑到遥感影像、绘画、摄影作品等视觉媒体具有与地图类似的形式与内容，同时地图的功耗和蓝光辐射更高，因此本文将这类视觉媒体作为参考图像。选择参考图像时考虑两个目标：一是保证参考图像的视觉效果与目标地图的语义信息匹配；二是确保参考图像的颜色具有低功耗、低蓝光辐射的特征。本文将风格元素的颜色作为绿色地图颜色风格迁移模型的搜索空间，迭代次数、种群个数、公共约束条件中的参数如3.1.1节所述。

如图9所示，本文从地图、遥感影像、绘画、摄影4类视觉媒体中分别挑选了1张图片作为参考图像，分别生成了4张绿色地图，节能比例分别为23%、35%、19%、30%，蓝光过滤比例分别为46%、55%、29%、39%。本文方法得到的迁移结果的科学性均高于0.8，色彩美均高于0.7。

图9

图9   根据颜色风格迁移获得的绿色地图

Fig. 9   Green maps generated through color style transfer

3.2　试验分析

为验证颜色生成方法的可用性，本文开展了读图试验。由于绿色地图颜色生成最根本的问题是对地图科学性和色彩美的约束，因此选择将绿色地图颜色优化作为最典型的生成方法进行试验评价。本文试验所用得到的材料包含4组地图：互联网地图风格的标准地图和3组通过颜色优化方法生成的不同节能和蓝光辐射过滤比例（30%、60%、90%）的绿色地图，各组地图之间除配色方案以外完全相同。如图10所示，以30%节能和蓝光过滤比例的绿色地图组为例，每组包含来自世界各地的20幅地图，涵盖了两种地图常用尺度：城市尺度、街道尺度，以模拟地图中常见的“缩放”操作。其次，由于地图中的蓝色面积直接影响地图的蓝光辐射，因此试验材料涵盖3种比例：高蓝色比例（含较多水体）、中度蓝色比例（含中等数量的水体）、低蓝色比例（含较少或无水体）。

图10

图10   试验材料（以30%节能和蓝光辐射过滤比例的绿色地图为例）

Fig. 10   Experimental materials (example of green maps with 30% energy-saving and blue-light radiance ratio)

本文试验采用组间设计，共招募了30名女性和33名男性（平均年龄为23.83岁）作为被试者，并将其随机划分为4组：标准地图组、30%节能和蓝光过滤组、60%节能和蓝光过滤组、90%节能和蓝光过滤组。整个试验在高照度（40.01 cd/m²）环境下进行。试验过程中，每次呈现一张地图，包含3类试验任务（即识别、比较和排序）。试验前后均要求被试者完成视觉疲劳问卷，试验后还需被试者完成色彩美问卷。所有问卷均采用5级Likert量表来度量。整个试验平均完成时间为30 min。

本文试验从读图效率、视觉疲劳、色彩美3个方面对本文提出的颜色优化方法进行分析：

（1）图11（a）的结果显示，被试者使用标准地图和不同过滤比例的绿色地图完成读图任务时均可以取得较高正确率，各组间无显著差异。但是90%过滤组的被试者完成读图任务的时间与标准地图组、30%过滤组之间存在显著差异（p-value<0.05）。结果表明，本文方法在60%的过滤条件下可以保持较好的读图效率。

图11

图11   读图试验结果

Fig. 11   Map-reading experiment results

（2）图11（b）的结果显示，不同试验条件下的被试者均在试验结束时反映了视觉疲劳的增加，试验前4组被试者的疲劳程度基本相同，而试验结束后被试者使用标准地图的疲劳变化与30%过滤、60%过滤和90%过滤组间均存在显著差异（p-value<0.05），同时30%过滤组、60%过滤组和90%过滤组两两之间并没有显著差异。结果表明，被试者认为不同程度的功耗和蓝光过滤均可以达到缓解视觉疲劳的效果。

（3）图11（c）的结果显示，在颜色和谐度和颜色愉悦度两个指标中，90%过滤比例的绿色地图得分均最低，且与标准地图、30%过滤比例的绿色地图之间均存在显著差异（p-value<0.05），因此，90%过滤比例下的配色方案会严重影响审美。同时，30%过滤比例的绿色地图颜色和谐度和颜色愉悦度得分均高于标准地图，这说明30%过滤下的地图配色更受被试者喜欢。60%过滤下的色彩美得分与标准地图之间均无显著差异。这表明本文方法可以在60%的过滤比例下保证绿色地图的颜色和谐度和颜色愉悦度。

4　结论

绿色地图试图从“节能环保”和“视觉健康”的角度来对现有地图制图方法进行扩展，以生成低功耗且有益视觉健康的地图。本文在归纳绿色地图使用场景因子的基础上，构建了一个绿色地图颜色生成框架。首先，从地图的内容与形式、读者特征、承载介质3个方面梳理绿色地图使用场景因子；然后，构建了3种绿色地图颜色的生成方法，即绿色地图颜色优化、推荐、风格迁移；最后，选择典型样例地图进行试验，生成了针对不同使用场景因子的绿色地图。试验结果表明，本文方法生成的绿色地图可以在降低60%的功率且过滤60%蓝光辐射条件下不影响地图的色彩美和读者的读图效率，同时还可以缓解视觉疲劳。综合来看，本文所提出的概念和方法，有利于改善当前绿色地图生成方法碎片化的问题，为绿色地图的颜色生成提供一个整体的、可扩展的算法框架。后续将进一步考虑形状、尺寸等其他视觉变量，以及地图投影、地图综合等其他地图学原理。

当然，本文方法也存在若干不足，相关因子的定量建模仍需进一步提升。例如，本文将年龄、性别、文化、色盲对颜色偏好的定性描述转化为定量表达，但由于不同因素对颜色偏好的定性描述存在颜色定义域重叠或矛盾的情况，因此模型仅适用于单因素分析。未来应构建能够综合考虑多维因素的颜色偏好模型。同时，模型中的参数设定主要依赖经验，而移动端用户常处于强光环境（如户外）或者弱光环境（如夜间导航）下，此时需要获取真实环境照度参数。此外，本文仅对典型的颜色优化结果进行了可用性测试，未来将通过邀请多类型的被试者、设计不同层次的读图任务、引入眼动指标等，对本方法的生成结果进行可用性测试，以促进绿色地图的实际应用。

初审：陈品馨

复审：余易举

终审：宋启凡

往期推荐

资讯

王家耀院士：人工智能赋能地图科学数智化|《测绘学报》2026年55卷第3期

博士论文成果展示 | 《测绘学报》2026年第2期

关于公布2026年度国家自然科学基金项目申请初审结果的通告

莫干山地信实验室2026年全职聘用科研技术人员、博士后及项目聘用人员公开招聘公告

2026年全国地理科学类一流本科专业建设研讨会通知（第二号）