La mappa coropletica è la mappa tematica più comune che incontri nei media, nei report di policy e nelle dashboard aziendali. Se hai mai guardato una mappa elettorale colorata per margine, una mappa COVID per tasso di casi o una mappa del PIL per reddito, hai letto una coropletica.
Questa guida spiega cos'è una mappa coropletica, quando usarla, gli errori più frequenti e come costruirne una pronta per la produzione con un'API di tile vettoriali.
La definizione in una frase
Una mappa coropletica colora ciascuna regione della mappa in base a un singolo valore numerico misurato per quella regione, usando una scala di colore che codifica la magnitudine.
La parola viene dal greco khoros (area) e plethos (moltitudine). Risale agli statistici francesi degli anni Venti dell'Ottocento ed è da allora il cavallo di battaglia della cartografia tematica.
Esempi di mappe coropletiche
Alcuni casi d'uso classici:
- Densità di popolazione per paese, regione o codice postale
- Risultati elettorali per collegio, con intensità di colore proporzionale al margine
- PIL pro capite per paese, spesso su scala logaritmica
- Tasso di disoccupazione per regione
- Tasso di COVID per 100.000 abitanti per provincia
- Prezzo medio degli immobili per quartiere
- Diffusione della banda larga per sezione di censimento
- Resa agricola per area agricola
Il tratto comune è uno solo: un singolo numero per regione predefinita.
Mappa coropletica vs heat map
Le due vengono spesso confuse. La differenza conta.
Una mappa coropletica richiede regioni predefinite. I dati sono già aggregati. Ogni regione riceve un colore. I confini fanno parte del messaggio.
Una heat map richiede dati puntuali. La densità si calcola via binning o smoothing a kernel. L'output è un gradiente continuo che ignora i confini amministrativi. Serve a scoprire cluster, non a confrontare regioni.
Se hai un numero per CAP, scegli la coropletica. Se hai una nuvola di ping GPS, scegli la heat map.
Come si costruisce una mappa coropletica
Tre ingredienti:
- Geometria dei confini. Un set di poligoni GeoJSON (o layer di tile vettoriali) per le regioni da colorare, ciascuno con un identificatore stabile (codice ISO paese, FIPS stati USA, codice NUTS UE, CAP).
- Un valore per regione. Un semplice oggetto JSON o un CSV indicizzato sullo stesso identificatore.
- Un renderer che li unisca. Le moderne librerie web mapping (MapLibre GL, Mapbox GL, deck.gl, OpenLayers) possono unire dati ai confini a runtime via feature-state o espressione su property.
Ecco il pattern concettuale in MapLibre GL JS:
map.addSource('regions', {
type: 'vector',
url: 'https://api.mapatlas.xyz/v1/tiles/regions.json',
});
map.addLayer({
id: 'regions-fill',
type: 'fill',
source: 'regions',
'source-layer': 'regions',
paint: {
'fill-color': [
'interpolate',
['linear'],
['feature-state', 'value'],
0, '#f7fbff',
50, '#6baed6',
100, '#08306b',
],
'fill-opacity': 0.8,
},
});
// Push your data to each feature at runtime
for (const [regionId, value] of Object.entries(yourData)) {
map.setFeatureState(
{ source: 'regions', sourceLayer: 'regions', id: regionId },
{ value }
);
}
La mappa scarica i tile dei confini una sola volta e li ri-stila quando i dati cambiano. Nessun re-rendering lato server.
Scegliere la scala di colore giusta
Tre regole:
Sequenziale per dati a senso unico. Da chiaro a scuro in una sola tinta. Per grandezze che vanno dal basso all'alto senza un punto medio significativo (popolazione, reddito, tasso).
Divergente per dati a doppio senso. Un punto medio neutro e due tinte che si aprono (rosso e blu, marrone e verde acqua). Si usa quando lo zero o la media hanno un senso e i valori possono stare su entrambi i lati (crescita anno su anno, margine elettorale, scostamento dalla media).
Evita le scale arcobaleno. Suggeriscono un ordine che la percezione umana non riconosce in modo uniforme e penalizzano gli utenti daltonici. ColorBrewer (colorbrewer2.org) è il riferimento standard per palette coropletiche validate dai cartografi.
Errore frequente: troppe classi. Da cinque a sette è il punto giusto. Oltre, il lettore non distingue più le tonalità vicine.
La questione della classificazione
Definita la scala, devi decidere dove posizionare i limiti delle classi:
- Intervalli uguali. Divide il range in fette uguali. Funziona con dati distribuiti in modo uniforme, fallisce con gli outlier.
- Quantili. Ogni classe contiene lo stesso numero di regioni. Utile per rendere visibili tutte le tonalità, ma può nascondere l'entità delle differenze.
- Natural breaks (Jenks). Minimizza la varianza all'interno delle classi. Il default più data-driven.
- Manuale. Quando i limiti hanno un significato proprio (scaglioni fiscali, soglie demografiche).
La scelta ha un impatto reale sulla storia che la mappa racconta. In ogni report serio, pubblica il metodo di classificazione adottato.
Errori comuni
Bias di area. Le regioni grandi e poco popolate dominano visivamente la mappa. Una coropletica delle presidenziali USA colorata per margine appare prevalentemente rossa perché le contee rurali sono enormi. Cartogrammi o mappe a densità di punti correggono il problema.
Conteggi grezzi al posto di tassi. Una mappa di "casi COVID per stato" è in pratica una mappa della popolazione. Normalizza sempre per popolazione, area o altro denominatore, a meno che il valore assoluto sia esattamente il messaggio che vuoi dare.
Scala fuorviante. Le scale a quantili fanno sembrare interessante qualsiasi mappa anche quando la dispersione è minima. Gli intervalli uguali fanno sembrare piatto tutto in presenza di outlier. Adatta la classificazione alla domanda.
Dati mancanti. Decidi in anticipo se una regione senza dato va in grigio, viene omessa o colorata come zero. Ogni opzione cambia la lettura.
Quando scegliere un altro grafico
Se i dati per regione sono multivariati, la coropletica li appiattisce. Valuta:
- Small multiples. Una griglia di coropletiche, una per variabile.
- Coropletica bivariata. Due variabili codificate in una griglia di colore 2D. Difficile da leggere ma potente quando funziona.
- Cartogramma. Distorce la dimensione delle regioni in base al valore, utile quando il bias di area domina.
- Grafico a barre sulla mappa. A volte i dati sono semplicemente una tabella e la mappa è decorazione.
La cartografia è comunicazione. La coropletica è uno strumento tra molti.
Dove si inserisce MapAtlas
La Dynamic Maps API fornisce sorgenti di tile vettoriali per confini di paese, regione e CAP che puoi stilizzare a runtime con i tuoi dati, esattamente come nello snippet MapLibre sopra. I confini sono ospitati nell'UE, versionati e progettati per unirsi in modo pulito agli identificatori standard (ISO 3166, NUTS, sistemi postali nazionali).
Per le pagine che devono mostrare statistiche aggregate per regione (prezzo immobiliare per CAP, costo di consegna per regione, vendite per territorio), la GeoEnrich API restituisce i valori per regione indicizzati sugli stessi ID dei confini, così la stessa join funziona sia per la mappa sia per le tue tabelle. L'inquadramento completo sulle mappe tematiche è nella Thematic Map Guide.
Domande frequenti
Cos'è una mappa coropletica?
Una mappa coropletica è una mappa tematica in cui le regioni geografiche (paesi, regioni, codici postali, sezioni di censimento) vengono colorate in proporzione a una variabile statistica misurata per ciascuna regione. L'intensità del colore codifica il valore: una tonalità più scura indica di norma un valore più alto, una più chiara un valore più basso. Le mappe coropletiche sono lo standard per visualizzare densità di popolazione, risultati elettorali, PIL pro capite, tassi di disoccupazione e qualsiasi altra grandezza naturalmente aggregata per confine amministrativo.
Qual è la differenza tra una mappa coropletica e una heat map?
Una mappa coropletica colora regioni predefinite (paesi, codici postali, distretti) in base a un valore aggregato per regione. Una heat map mostra l'intensità di dati puntuali in modo continuo nello spazio, senza rispettare i confini amministrativi. Usa una coropletica quando i tuoi dati sono già aggregati per regione (voti per regione, vendite per CAP). Usa una heat map quando i dati sono una nuvola di punti e vuoi vedere dove si concentrano (incidenti, pin clienti, letture sensori).
Quando conviene usare una mappa coropletica?
Usa una mappa coropletica quando i dati sono un singolo valore numerico per regione e le regioni hanno dimensioni grosso modo comparabili oppure puoi normalizzare per area o popolazione. Buoni esempi: percentuale di famiglie con banda larga per provincia, casi di COVID per 100k abitanti per regione, affitto medio per CAP. Evita la coropletica quando le regioni hanno superfici molto diverse (le grandi regioni rurali dominano visivamente anche con meno popolazione) o quando hai più variabili per regione (meglio small multiples o un altro tipo di grafico).
Come si costruisce una mappa coropletica?
Servono tre cose: la geometria dei confini delle regioni (poligoni GeoJSON), un valore per regione con identificativo stabile e un renderer che li unisca applicando una scala di colore. Stack tipici: MapLibre GL o Mapbox GL con una espressione fill-color, deck.gl GeoJsonLayer con getFillColor, D3.js con d3-geo per SVG statico, oppure un'API di mappe dinamica gestita. La Dynamic Maps API di MapAtlas fornisce tile dei confini per paesi, regioni e codici postali da stilizzare a runtime con i tuoi dati.
Qual è una buona scala di colore per una mappa coropletica?
Usa una scala sequenziale a tinta singola (per esempio dal blu chiaro al blu scuro) quando i dati sono una grandezza unica con zero naturale. Usa una scala divergente a due tinte (rosso-bianco-blu, per esempio) quando i valori si distribuiscono attorno a un punto medio significativo (margine elettorale, variazione anno su anno). Evita le scale arcobaleno: implicano un ordine che la percezione umana non coglie in modo uniforme e falliscono per chi ha daltonismo. ColorBrewer è il riferimento standard per palette validate dai cartografi.
