Картографическое отображение · конспект 13 из 23 · Одномерные тематические карты

Точечный способ

О чём эта тема
Одинаковые точки показывают, где явление сгущается, а где его почти нет. Учимся подбирать «вес» и размер точки и не вводить читателя в заблуждение случайным размещением точек.
Коротко о главном
  • Точечный способ показывает размещение и плотность массовых явлений: каждая точка обозначает один объект или фиксированное их количество — «вес» точки.
  • В отличие от картограммы, он годится для абсолютных показателей, не требует привязки к территориальным единицам и хорошо работает в чёрно-белом исполнении.
  • Строить точечную карту можно только в равновеликой проекции, иначе искажается видимая плотность точек.
  • Главное искусство — равновесие «веса» и размера точки: в самых разреженных районах должно быть хотя бы несколько точек, а в самых плотных точки должны лишь начинать касаться друг друга.
  • Числа с такой карты почти не считываются, а случайно размещённые точки легко принять за реальное местоположение объектов — об этих ограничениях надо помнить.
Время
20 минут + практика

Ключевые термины

Конспект

Два вида точечных карт

ВидЧто обозначает точкаГде стоит точкаПримеры
«Одна точка — один объект»один объектв его реальном местеавтосалоны в Бельгии; эпицентры землетрясений; города (рецепт 1)
«Одна точка — много объектов»N объектов — «вес» точкиусловно: случайно внутри территориальной единицы или там, где явление вероятнее всегонаселение (1 точка = 10 000 чел.); посевы пшеницы (1 точка = 1000 акров); поголовье овец
Поголовье овец в Новой Зеландии
Поголовье овец в Новой Зеландии по провинциям: 1 точка = 27 500 овец. Сразу видно, что на востоке островов овец больше, чем на западе.

Чем точечный способ лучше картограммы — и чем хуже

Точечный способКартограмма
Абсолютные показатели (число ферм, жителей)можнонельзя — только относительные
Привязка к территориальным единицамне обязательнаобязательна
Чёрно-белая печатьработает без потерьтрудно: остаются только оттенки серого
Считывание чисел с картыпочти невозможно (не будешь же считать тысячи точек)по легенде: значение класса
ПравилоТочечную карту строят только в равновеликой проекции: равновеликой конической Альберса, синусоидальной, равновеликой цилиндрической; для Европы удобна азимутальная Ламберта (EPSG:3035). Если проекция не сохраняет площади, одно и то же число точек на «раздутой» территории выглядит реже, чем есть на самом деле.

«Вес» и размер точки подбирают вместе

Единственно верной формулы для «веса» точки нет — его подбирают экспериментом, одновременно с размером точки:

  1. в самых разреженных районах должно оказаться хотя бы несколько точек — иначе территория выглядит пустой;
  2. в самых плотных районах точки должны лишь начинать сливаться: между ними ещё проступает фон;
  3. точки должны быть достаточно крупными, чтобы их было хорошо видно, — но не крупнее;
  4. карту для печати проверяйте на бумаге: у печати разрешение выше, чем у экрана, и удачные для экрана параметры на бумаге могут оказаться другими.
Интерактив: подберите «вес» и размер точки

Население — Natural Earth. Точки размещены случайно внутри каждой страны (условно, генератор с фиксированным seed). У России, Казахстана и стран Северной Африки видна только часть территории, но точки распределены по всей стране.

СоветПереключите проекцию на Меркатора: точек столько же, но в Скандинавии и на севере России они «разъезжаются» — плотность кажется ниже, чем на самом деле. Именно поэтому для точечного способа нужна равновеликая проекция.

Ограничения

Типичная ошибкаРавномерно «рассыпать» точки по огромной территориальной единице. Если поставить 1444 точки населения России равномерно по всей стране, тайга и тундра окажутся заселены так же, как Подмосковье. Простая «маска» обжитой территории (рецепт 4) делает карту гораздо честнее.
В отечественной традицииТочечный способ — один из классических способов картографического изображения (К. А. Салищев, А. М. Берлянт). Точки можно размещать по статистическому принципу — равномерно в пределах территориальной единицы — или по географическому — в местах фактического размещения явления (у сёл, на пашнях, пастбищах). Идею уточнять размещение по вспомогательным данным развивал В. П. Семёнов-Тян-Шанский: он и ввёл термин «дазиметрический» (от греч. dasys — «густой»), составив в 1910–1920-х гг. карту плотности населения Европейской России.

Когда выбрать другой способ

Делаем на Python (folium)

Данные — python/data/countries.geojson и cities.geojson (Natural Earth). Случайные точки внутри стран даёт метод GeoSeries.sample_points() из geopandas; параметр rng фиксирует генератор случайных чисел, чтобы карта получалась одинаковой при каждом запуске. Веб-карты folium всегда в проекции Web Mercator, поэтому точечные карты для печати (рецепты 3 и 4) строим в matplotlib в равновеликих проекциях.

Рецепт 1 «Одна точка — один объект»: города мира

Все точки одинаковые и стоят в реальных местах. Тысячи точек передаются одним слоем folium.GeoJson с параметром marker — это намного легче, чем тысячи отдельных CircleMarker.

python/примеры/dot-density/01_one_to_one.pyскачать .py
# screenshot: 1000x560
"""Точечная карта «одна точка — один объект»: города мира с населением от 100 тыс.

Каждая точка стоит в настоящем месте города, все точки одинаковые:
размер точки НЕ зависит от людности (иначе это был бы способ значков).
Видно, где города сгущаются: Индия, Восточный Китай, Европа, восток США.
"""
import sys
from pathlib import Path

import folium
import geopandas as gpd

sys.path.insert(0, str(Path(__file__).resolve().parents[1]))
from maptools import add_html, add_title, fmt, plain_attribution

DATA = Path(__file__).resolve().parents[2] / "data"
cities = gpd.read_file(DATA / "cities.geojson")
cities = cities[cities["pop_max"] >= 100_000]
print("Городов с населением от 100 тыс.:", fmt(len(cities)))

m = folium.Map(location=[25, 15], zoom_start=2, tiles="Esri.WorldGrayCanvas")

# Все точки одним слоем GeoJson: marker задаёт вид каждой точки
folium.GeoJson(
    cities[["name_ru", "country_ru", "geometry"]],
    marker=folium.CircleMarker(radius=2, weight=0, fill=True,
                               fill_color="#222222", fill_opacity=0.8),
    tooltip=folium.GeoJsonTooltip(["name_ru", "country_ru"], aliases=["Город", "Страна"]),
).add_to(m)

dot = '<span style="display:inline-block;width:6px;height:6px;border-radius:50%;background:#222"></span>'
add_html(m, f"{dot}&nbsp; 1 точка = 1 город", position="bottomright")
add_title(m, "Города мира с населением от 100 тыс. чел.", "одна точка — один объект")
plain_attribution(m)  # убираем флажок из подписи Leaflet
m.save("01_one_to_one.html")
вывод программы
Городов с населением от 100 тыс.: 3 089
«Одна точка — один объект»: 3089 городов мира с населением от 100 тыс.
«Одна точка — один объект»: 3089 городов мира с населением от 100 тыс.открыть карту ↗

Рецепт 2 «Одна точка — много объектов»: население Африки

Число точек = население / «вес» точки. Точки генерируем в равновеликой проекции Альберса для Африки (ESRI:102022), а затем переводим в градусы для веб-карты. Африка лежит у экватора, и искажения площадей в Web Mercator здесь невелики. Присмотритесь к Египту: точки разбросаны по всей пустыне, хотя почти всё население живёт в долине Нила.

python/примеры/dot-density/02_one_to_many.pyскачать .py
# screenshot: 900x820
"""Точечная карта «одна точка — много объектов»: население Африки, 1 точка = 500 тыс. чел.

Точки ставим СЛУЧАЙНО внутри каждой страны (это условное размещение,
seed зафиксирован). Генерируем их в равновеликой проекции (Альберса для Африки),
чтобы точки ложились равномерно по площади, а не по градусам.
"""
import sys
from pathlib import Path

import folium
import geopandas as gpd

sys.path.insert(0, str(Path(__file__).resolve().parents[1]))
from maptools import add_html, add_title, fmt, plain_attribution

DATA = Path(__file__).resolve().parents[2] / "data"
DOT_VALUE = 500_000  # «вес» точки: сколько жителей обозначает одна точка

world = gpd.read_file(DATA / "countries.geojson")
africa = world[world["continent"] == "Africa"].copy()
africa["n_dots"] = (africa["pop_est"] / DOT_VALUE).round().astype(int)

# Случайные точки внутри стран — в равновеликой проекции ESRI:102022 (Альберс, Африка)
has_dots = africa[africa["n_dots"] > 0]
dots = (has_dots.to_crs("ESRI:102022").geometry
        .sample_points(size=has_dots["n_dots"].to_numpy(), rng=42)  # rng — seed
        .explode(index_parts=False).to_crs(4326))
print("Всего точек:", fmt(len(dots)), "| 1 точка =", fmt(DOT_VALUE), "чел.")
print("Больше всего точек:", ", ".join(
    f"{r.name_ru} {r.n_dots}" for r in africa.nlargest(4, "n_dots").itertuples()))
print("Меньше всего точек:", ", ".join(
    f"{r.name_ru} {r.n_dots}" for r in africa.nsmallest(3, "n_dots").itertuples()))

m = folium.Map(location=[3, 18], zoom_start=3, tiles="Esri.WorldGrayCanvas")
folium.GeoJson(africa[["name_ru", "geometry"]],  # контуры стран
               style_function=lambda f: {"color": "#777", "weight": 0.7, "fillOpacity": 0},
               tooltip=folium.GeoJsonTooltip(["name_ru"], labels=False)).add_to(m)
folium.GeoJson(gpd.GeoDataFrame(geometry=dots),
               marker=folium.CircleMarker(radius=1.6, weight=0, fill=True,
                                          fill_color="#1b1b1b", fill_opacity=0.9)).add_to(m)

dot = '<span style="display:inline-block;width:5px;height:5px;border-radius:50%;background:#1b1b1b"></span>'
add_html(m, f"{dot}&nbsp; 1 точка = {fmt(DOT_VALUE)} чел.<br>"
            "<small>точки размещены случайно<br>в пределах страны</small>", position="bottomleft")
add_title(m, "Население Африки", "точечный способ, «одна точка — много объектов»")
plain_attribution(m)  # убираем флажок из подписи Leaflet
m.save("02_one_to_many.html")
вывод программы
Всего точек: 2 615 | 1 точка = 500 000 чел.
Больше всего точек: Нигерия 402, Эфиопия 224, Египет 201, Демократическая Республика Конго 174
Меньше всего точек: Западная Сахара 1, Эсватини 2, Джибути 2
Население Африки: 1 точка = 500 000 чел., точки размещены случайно внутри стран
Население Африки: 1 точка = 500 000 чел., точки размещены случайно внутри страноткрыть карту ↗

Рецепт 3 Подбираем «вес» точки

Три карты Европы в равновеликой проекции LAEA (EPSG:3035) с разным «весом» точки. При «весе» 20 тыс. Бенилюкс и Англия превращаются в чёрные пятна, при 1 млн в Исландии и Прибалтике почти нет точек. Метод .cx[...] выбирает объекты, попадающие в рамку карты.

python/примеры/dot-density/03_dot_value.pyскачать .py
"""«Вес» точки: слишком мал, в самый раз, слишком велик.

Население Европы в равновеликой проекции LAEA (EPSG:3035) — для точечного
способа проекция ОБЯЗАТЕЛЬНО равновеликая. Размер точки на всех трёх картах
одинаковый, меняется только «вес». Точки размещены случайно (seed зафиксирован).
"""
import sys
from pathlib import Path

import geopandas as gpd
import matplotlib.pyplot as plt

sys.path.insert(0, str(Path(__file__).resolve().parents[1]))
from maptools import fmt

DATA = Path(__file__).resolve().parents[2] / "data"
X0, X1, Y0, Y1 = 2.5e6, 6.5e6, 1.4e6, 5.5e6  # рамка карты в метрах EPSG:3035

world = gpd.read_file(DATA / "countries.geojson").to_crs(3035)
# страны, попадающие в рамку; точки генерируем во ВСЕЙ стране (у России — до Тихого океана)
frame = world.cx[X0:X1, Y0:Y1]

VARIANTS = [(20_000, "«вес» мал: точки слились в пятна"),
            (100_000, "в самый раз"),
            (1_000_000, "«вес» велик: в малых странах пусто")]

fig, axes = plt.subplots(1, 3, figsize=(15, 5.8))
for ax, (value, verdict) in zip(axes, VARIANTS):
    n = (frame["pop_est"] / value).round().astype(int)
    pts = (frame.geometry[n > 0].sample_points(size=n[n > 0].to_numpy(), rng=1)
           .explode(index_parts=False))
    frame.plot(ax=ax, color="#f4f2ec", edgecolor="#8c8c8c", linewidth=0.4)
    ax.scatter(pts.x, pts.y, s=2.5, color="#1b1b1b", linewidths=0)
    ax.set_xlim(X0, X1)
    ax.set_ylim(Y0, Y1)
    ax.set_xticks([])
    ax.set_yticks([])
    ax.set_facecolor("#e9f0f4")  # море
    ax.set_title(f"1 точка = {fmt(value)} чел.\n{verdict}", fontsize=12)
    inside = pts.cx[X0:X1, Y0:Y1]
    print(f"«вес» {fmt(value):>9}: точек на карте {fmt(len(inside)):>6}")

fig.suptitle("Население Европы: размер точки один и тот же, «вес» разный", fontsize=14)
plt.savefig("03_dot_value.png", dpi=110, bbox_inches="tight")
вывод программы
«вес»    20 000: точек на карте 33 267
«вес»   100 000: точек на карте  6 695
«вес» 1 000 000: точек на карте    668
Один размер точки, три «веса»: 20 тыс., 100 тыс. и 1 млн чел.
Один размер точки, три «веса»: 20 тыс., 100 тыс. и 1 млн чел.

Рецепт 4 Где на самом деле живут люди: упрощённый дазиметрический подход

Вверху точки рассыпаны равномерно по всей России. Внизу горожан ставим вокруг их городов, а остальных жителей — только в пределах 100 км от городов и не на озёрах. Это условная модель (настоящие дазиметрические карты строят по данным о землепользовании или по сеточным данным о населении), но картина заметно ближе к действительности.

python/примеры/dot-density/04_dasymetric.pyскачать .py
"""Равномерно по стране или там, где живут люди? Упрощённый дазиметрический подход.

Население России, 1 точка = 100 тыс. чел., равновеликая проекция Альберса.
Вверху — точки разбросаны равномерно по всей стране (так делает простейший
алгоритм). Внизу — условное, но более правдоподобное размещение:
  1) жители городов — точками вокруг своих городов;
  2) остальные — только в пределах 100 км от городов и не на озёрах.
Это учебное упрощение (seed зафиксирован): настоящие дазиметрические карты
строят по данным о землепользовании или сеточным данным о населении.
"""
import sys
from pathlib import Path

import geopandas as gpd
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

sys.path.insert(0, str(Path(__file__).resolve().parents[1]))
from maptools import fmt

DATA = Path(__file__).resolve().parents[2] / "data"
CRS = "+proj=aea +lat_1=52 +lat_2=64 +lon_0=105 +datum=WGS84 +units=m"  # Альберс для России
DOT_VALUE = 100_000

world = gpd.read_file(DATA / "countries.geojson")
rus = world[world["iso_a3"] == "RUS"].to_crs(CRS).geometry
cities = gpd.read_file(DATA / "cities.geojson")
cities = cities[(cities["iso_a3"] == "RUS") & (cities["pop_max"] > 0)].to_crs(CRS)
lakes = gpd.read_file(DATA / "lakes.geojson").to_crs(CRS).union_all()
total_dots = round(world.loc[world["iso_a3"] == "RUS", "pop_est"].iloc[0] / DOT_VALUE)

# Вверху: все точки равномерно по территории страны
uniform = rus.sample_points(total_dots, rng=7).explode(index_parts=False)

# Внизу, шаг 1: горожане — вокруг своего города (радиус растёт с числом точек)
n_city = (cities["pop_max"] / DOT_VALUE).round().astype(int)
big = cities[n_city > 0]
discs = big.buffer(15_000 * np.sqrt(n_city[n_city > 0]))
urban = discs.sample_points(size=n_city[n_city > 0].to_numpy(), rng=7).explode(index_parts=False)

# Шаг 2: остальные жители — в «обжитой зоне»: до 100 км от любого города, без озёр
zone = cities.buffer(100_000).union_all().intersection(rus.iloc[0]).difference(lakes)
rest = total_dots - len(urban)
rural = gpd.GeoSeries([zone], crs=CRS).sample_points(rest, rng=7).explode(index_parts=False)
dasy = pd.concat([urban, rural])
print(f"Всего точек: {fmt(total_dots)}; вокруг городов: {fmt(len(urban))}, "
      f"в обжитой зоне: {fmt(len(rural))}")

fig, axes = plt.subplots(2, 1, figsize=(11, 12), gridspec_kw={"hspace": 0.08})
titles = ["Равномерно по всей территории", "Города + остальные жители не дальше 100 км от городов"]
for ax, pts, title in zip(axes, [uniform, dasy], titles):
    rus.plot(ax=ax, color="#f4f2ec", edgecolor="#8c8c8c", linewidth=0.5)
    ax.scatter(pts.x, pts.y, s=3, color="#1b1b1b", linewidths=0)
    ax.set_title(title, fontsize=12)
    ax.set_axis_off()
fig.suptitle(f"Население России: 1 точка = {fmt(DOT_VALUE)} чел. (размещение условное)", fontsize=14, y=0.93)
plt.savefig("04_dasymetric.png", dpi=110, bbox_inches="tight")
вывод программы
Всего точек: 1 444; вокруг городов: 774, в обжитой зоне: 670
Население России: точки равномерно по стране (вверху) и с учётом городов (внизу)
Население России: точки равномерно по стране (вверху) и с учётом городов (внизу)

Проверь себя

В какой проекции нужно строить точечную карту населения России?

  1. В проекции Меркатора — она привычнее
  2. В равновеликой, например Альберса
  3. В равноугольной конической
  4. Проекция не важна, если точек много
Плотность точек читатель оценивает «на глаз» по площади. Если проекция не сохраняет площади, северные районы раздуваются и выглядят реже заселёнными.

На карте точки в Нидерландах и Бельгии слились в сплошное чёрное пятно. Что делать?

  1. Уменьшить «вес» точки
  2. Перейти на проекцию Меркатора
  3. Увеличить «вес» точки или уменьшить размер точек
  4. Ничего: так и должно быть
Чем больше «вес», тем меньше точек; чем мельче точки, тем меньше «краски». В самых плотных районах точки должны лишь начинать касаться друг друга.

«Вес» точки — 500 тыс. жителей. В стране живёт 200 тыс. человек. Что увидит читатель?

  1. Ни одной точки: страна будет выглядеть незаселённой
  2. Одну точку обычного размера
  3. Точку вдвое меньшего размера
  4. Подпись «200 тыс.»
200 000 / 500 000 = 0,4 → после округления 0 точек. Это сигнал уменьшить «вес»: в самых разреженных районах должно оказаться хотя бы несколько точек.

Какие данные — пример карты «одна точка — один объект»?

  1. Население по округам, 1 точка = 10 000 человек
  2. Посевы пшеницы, 1 точка = 1000 акров
  3. Поголовье овец, 1 точка = 27 500 овец
  4. Эпицентры землетрясений, 1 точка = 1 эпицентр
Только эпицентр — реальный единичный объект в своём настоящем месте. В остальных случаях точка обозначает много объектов, и её положение условно.

Почему точку на карте населения нельзя считать местом, где живут конкретные люди?

  1. Потому что точки слишком мелкие
  2. Потому что точки размещены условно (часто случайно) внутри территориальной единицы
  3. Потому что карта построена в равновеликой проекции
  4. Можно — для этого точечные карты и делают
При способе «одна точка — много объектов» известна только сумма по территориальной единице. Поэтому точечные карты не делают в слишком крупном масштабе.

Чем точечный способ удобнее картограммы для показа числа ферм?

  1. С него легко считывать точные числа
  2. Он не требует выбора проекции
  3. Он позволяет показывать абсолютные показатели без нормирования
  4. Он всегда цветной
Картограмма допускает только относительные показатели, а точечный способ — и абсолютные (число ферм), и относительные. А вот числа с него как раз почти не считываются.

Практическое задание

Постройте точечную карту населения Южной Америки: в matplotlib — в равновеликой проекции Альберса для Южной Америки (ESRI:102033), и в folium — для интерактивного просмотра. Подберите «вес» и размер точки по правилам из конспекта и в двух-трёх предложениях объясните свой выбор. Где равномерное размещение точек внутри стран особенно обманывает читателя?

  • Точки сгенерированы в равновеликой проекции с фиксированным seed (rng=…)
  • В легенде указан «вес» точки с единицами измерения
  • В самой малонаселённой стране есть хотя бы одна-две точки
  • В самых плотных районах точки касаются, но не сливаются в пятно
  • В подписи сказано, что размещение точек внутри стран условное

Источники

  1. Dot Density Maps / Axis Maps. — Текст : электронный // Cartography Guide : [сайт]. — URL: https://www.axismaps.com/guide/dot-density (дата обращения: 27.10.2026).
  2. Natural Earth : free vector and raster map data : [сайт]. — URL: https://www.naturalearthdata.com/ (дата обращения: 27.10.2026). — Текст : электронный.
  3. Folium : documentation : [сайт]. — URL: https://python-visualization.github.io/folium/latest/ (дата обращения: 27.10.2026). — Текст : электронный.

Конспект подготовлен по переводу руководства Cartography Guide © Axis Maps (лицензия CC BY-NC-SA 4.0) и распространяется на тех же условиях: с указанием авторства, в некоммерческих целях, с сохранением условий лицензии.