采样地图

作者

[编辑] 王诗翔

[贡献] Claude Code —— AI 生成，独立 AI 复核；

修改于

2026-10-19

🤖 AI Skill — Download the Bizard unified skill for your AI assistant ⬇️ Download Skill ZIP
🔌 MCP Server — Let AI agents (Claude Code, Cursor, …) query Bizard live: claude mcp add bizard -- npx @openbiox/bizard-mcp — or the free hosted instance (no install, faster from mainland China): claude mcp add --transport http bizard http://biotree.top:38123/bizard-mcp/mcp 📖 MCP Docs
📖 Cite Bizard — if Bizard helps your research, please cite: Li, K., Zheng, H., Huang, K., et al. (2026). Bizard: A Community-Driven Platform for Accelerating and Enhancing Biomedical Data Visualization. iMetaMed, e70038. 🔗 DOI / BibTeX

采样地图把每个采样地点放到地理底图上，用气泡大小（可选颜色）报告各地的样本量。在基因组学、流行病学与生态学论文中，它通常是开篇第一张图：记录队列从何而来、暴露采样的地理不均衡，并把后续所有分析锚定到真实地点。本教程复现《顶刊图社》系列（第012期）介绍的图表类型，见文末参考文献。

示例

SamplingMap DEMO

这个示例为一次模拟的全国 15 个采样点（城市坐标为真实值，样本量为模拟值）绘制地图。气泡大小与颜色同时编码每个点的样本数——北京以 148 例居首，西部各点则只有寥寥数个——ggrepel 标签保证地名互不重叠。

环境配置

  • 系统要求：跨平台（Linux/MacOS/Windows）

  • 编程语言：R

  • 依赖包：tidyverse；ggrepel；maps

# Installing necessary packages
if (!requireNamespace("tidyverse", quietly = TRUE)) {
  install.packages("tidyverse")
}
if (!requireNamespace("ggrepel", quietly = TRUE)) {
  install.packages("ggrepel")
}
if (!requireNamespace("maps", quietly = TRUE)) {
  install.packages("maps")
}

# Load packages
library(tidyverse)
library(ggrepel)

数据准备

两个要素：一张底图（maps 包内置世界多边形数据，图形渲染完全离线，无需联网）以及每个采样点一行、含经纬度与样本数的长表。

world_map <- ggplot2::map_data("world")

sampling_sites <- tribble(
  ~site,       ~lon,   ~lat,   ~n,
  "Beijing",   116.4,  39.9,   148,
  "Shanghai",  121.5,  31.2,    96,
  "Guangzhou", 113.3,  23.1,    84,
  "Wuhan",     114.3,  30.6,    72,
  "Chengdu",   104.1,  30.6,    65,
  "Xi\'an",     108.9,  34.3,    41,
  "Harbin",    126.6,  45.8,    33,
  "Kunming",   102.7,  25.0,    29,
  "Lhasa",      91.1,  29.7,    12,
  "Urumqi",     87.6,  43.8,    18,
  "Shenyang",  123.4,  41.8,    27,
  "Nanjing",   118.8,  32.1,    58,
  "Chongqing", 106.5,  29.6,    49,
  "Hohhot",    111.7,  40.8,    15,
  "Haikou",    110.3,  20.0,    22)

head(sampling_sites, 3)
# A tibble: 3 × 4
  site        lon   lat     n
  <chr>     <dbl> <dbl> <dbl>
1 Beijing    116.  39.9   148
2 Shanghai   122.  31.2    96
3 Guangzhou  113.  23.1    84

注意： 真实研究中这三列直接来自样本元数据（地点名、GPS 坐标、标本数）。底图可用 coord_cartesian() 裁剪到任意区域——不需要任何投影包。

可视化

1. 基础绘图

多边形图层绘制底图（group 必须指定——世界多边形由大量互不相连的碎片组成），散点图层就是普通的地理坐标气泡图。大小与颜色两个标尺都承载计数，形成双重编码。

ggplot() +
  geom_polygon(data = world_map, aes(long, lat, group = group),
               fill = "grey94", colour = "grey80", linewidth = .2) +
  geom_point(data = sampling_sites, aes(lon, lat, size = n, colour = n), alpha = .85) +
  geom_text_repel(data = sampling_sites, aes(lon, lat, label = site),
                  size = 2.8, colour = "grey25", min.segment.length = .2,
                  box.padding = .4, point.padding = .3) +
  scale_size_continuous(range = c(2, 12), name = "Samples") +
  scale_colour_viridis_c(option = "viridis", direction = -1, name = "Samples") +
  coord_cartesian(xlim = c(70, 140), ylim = c(15, 55)) +
  labs(x = NULL, y = NULL) +
  theme_bw(base_size = 11) +
  theme(panel.grid = element_blank())
图 1: 基础采样地图
提示

关键参数：

  • range = c(2, 12)：气泡的最小与最大尺寸；最小值保持大于 0，让单样本的点仍然可见。
  • coord_cartesian(xlim, ylim)：把视野裁剪到研究区域；换成 coord_fixed(ratio = 1.3) 可拉伸纬度用于世界视图（约 1.3 倍，中纬度常用的纵横比）。
  • geom_text_repel(min.segment.length = .2)：每当标签被推离原点时绘制引线；point.padding = .3 让标签不压在自己的气泡上。

2. 仅用大小，计数写入标签

去掉颜色通道、把计数折进标签文字，图形只剩一个图例、读数毫无歧义——当大小编码需要独立成立时，这是审稿人最常要求的版本。

ggplot() +
  geom_polygon(data = world_map, aes(long, lat, group = group),
               fill = "grey94", colour = "grey80", linewidth = .2) +
  geom_point(data = sampling_sites, aes(lon, lat, size = n), colour = "#2a6f97", alpha = .85) +
  geom_text_repel(data = sampling_sites, aes(lon, lat, label = paste0(site, " (", n, ")")),
                  size = 2.7, colour = "grey25", min.segment.length = .2,
                  box.padding = .4, point.padding = .3) +
  scale_size_continuous(range = c(2, 12), name = "Samples") +
  coord_cartesian(xlim = c(70, 140), ylim = c(15, 55)) +
  labs(x = NULL, y = NULL) +
  theme_bw(base_size = 11) +
  theme(panel.grid = element_blank())
图 2: 计数写入标签的采样地图

3. 世界视图

同样的图层不加裁剪即可在全局尺度展示采样活动；coord_fixed(ratio = 1.3) 在不引入投影包的前提下近似常用的地图纵横比。

ggplot() +
  geom_polygon(data = world_map, aes(long, lat, group = group),
               fill = "grey95", colour = "grey82", linewidth = .15) +
  geom_point(data = sampling_sites, aes(lon, lat, size = n), colour = "#c1121f", alpha = .9) +
  scale_size_continuous(range = c(1.5, 10), name = "Samples") +
  coord_fixed(ratio = 1.3) +
  labs(x = NULL, y = NULL) +
  theme_void(base_size = 11)
图 3: 世界视图的采样地图

应用场景

  • 队列记录：多中心研究的开篇图——谁被采样、在哪里采样。
  • 采样偏倚检查：地理不均衡在下游统计被其扭曲之前即可看见。
  • 流行病学与生态学：疫情聚集、物种分布、野外站点网络。
  • 底图是离线数据、图层就是普通 ggplot2——把 map_data("world") 换成 map_data("state")、map_data("county") 或你自己的多边形图层即可绘制区域地图。

参考文献

[1] 顶刊图社 | 第012期：采样地图. 微信公众号文章. http://mp.weixin.qq.com/s?__biz=MzU5NjE2ODU0OQ==&mid=2247483863&idx=1&sn=f9e1f4caca6fd8ee8f6663babd8f5da7

[2] Becker RA, Wilks AR, Brownrigg R, Minka TP, Deckmyn A. maps: Draw Geographical Maps. R package version 3.4.3, 2025. https://cran.r-project.org/package=maps