單元簡介
Overview本章帶領學生認識地理資料的型態（向量/網格）、尺度與解析度、座標與投影、屬性表與中介資料（metadata），並練習資料清理、分類、分級與標註，最後以地圖、圖表與儀表板等方式進行視覺化展示。藉由實作賞析，理解地圖設計的圖式、配色、符號與版面安排，以及倫理議題如資料偏誤與隱私保護，培養以資料支持論點與決策的能力。
第3章：地理資料處理與展示
翰林版 普高地理 第一冊（地理1）
第3章
第3章 | 地理資料處理與展示
從資料來源、清理、分析到視覺化設計，建立「用資料說故事」的地理素養。
歷史背景 / 地理位置
Context歷史背景
從早期紙本地圖與地形測量到航太遙測、全球定位系統（GPS）與地理資訊系統（GIS）的整合，地理資料處理歷經了機械化、數位化到即時化的發展。開放資料（Open Data）與群眾協作（如 OSM）進一步擴大資料來源，並將地理資訊帶入公民參與與決策支持。
地理位置（圖片預留）
核心觀念
Key Concepts-
資料型態 Vector/Raster
點—線—面（向量）與像元（網格）；解析度、比例尺、精度/準確度的區別。
-
座標與投影 CRS/Projection
地理座標（經緯度）與投影座標（平面座標）；投影選擇影響面積/角度/距離。
-
資料清理與屬性表 ETL
缺漏值、異常值、欄位一致性與編碼；中介資料（來源、時間、授權）。
-
空間分析 Buffer/Overlay
緩衝區、鄰近性、疊加分析、密度估計與熱度圖、網路分析。
-
視覺化設計 Cartography
分級方法（等距、等數量、自然斷點）、配色、符號化、圖例與版面。
-
倫理與開放 Ethics/Open
隱私與位置資料、偏誤與代表性、授權條款與開放資料的再利用。
重要事件 / 案例分析
Cases公共衛生儀表板的地圖設計（疫情/登革熱等）
以時序資料與區域分級圖展示病例分布，結合人口標準化（每十萬人）避免面積與人口差異造成誤解。
- 資料處理：整併行政區代碼、同一投影、補齊日期。
- 視覺化：選擇色帶、分級方法與圖例說明，提供標註與註解。
- 學習重點：比率化與時間序列。
災害風險地圖（淹水/土石流）與決策支持
整合地形坡度、土地利用與降雨事件，建立風險分區圖，支援疏散動線與資源配置。
- 資料處理：DEM 解析度、投影一致性、權重設定。
- 分析方法：疊加與權重評分、緩衝區、最近距離。
- 學習重點：多因子疊加與網路分析。
群眾協作地圖（OpenStreetMap）與在地資料
透過社群匯聚道路、建物與設施點位，建構更細緻的在地地圖，適用於學校周邊環境盤點。
- 資料品質：版本追蹤、審核、與官方底圖比對。
- 視覺化：符號化與標註規則，避免雜訊。
- 學習重點：社群資料治理與中介資料。
延伸討論（與當代連結）
Discussion- 行動裝置定位資料的應用與隱私界線：同意、匿名化與再利用。
- AI 與地理大數據：遙測影像的分類與變遷偵測，模型偏誤與地面實測驗證。
- 資料視覺化的說服力：如何避免以色彩與分級誤導觀者？撰寫清楚的圖例與註解。
跨科連結
Interdisciplinary
數學 / 統計
分佈、集中量與離散量、迴歸與相關、分級方法的統計基礎。
資訊 / 資料庫
資料表設計、鍵值與連接（Join）、API 與資料格式（CSV/GeoJSON）。
公民 / 議題探究
開放政府、公共決策溝通、資訊倫理與資料正義。
設計 / 視覺傳達
字體與階層、色彩理論、版面與視覺階層強化地圖可讀性。
常見迷思
Myth vs Fact迷思 1：地圖一定是客觀且正確的
事實：投影選擇、分級方法與配色都會影響解讀；請檢視中介資料與圖例說明。
迷思 2：數值越大顏色越深就代表越嚴重
事實：需先比率化（如每十萬人）並檢視分級方式，避免人口與面積影響。
迷思 3：解析度高＝精度高
事實：解析度描述像元大小；精度/準確度則是位置或量測的誤差範圍。
迷思 4：GIS 只是做漂亮地圖
事實：GIS 核心在於空間分析與決策支持，如緩衝區、最短路徑、疊加評估等。
迷思 5：所有資料放在一起就能比較
事實：需統一座標參考系、欄位與單位，處理缺漏與時間戳差異後才能比較。
