Nos bastidores com o jornalista de gráficos interativos Cedric Sam

Autor: Ryan Mannion e Corey Guillory

Seis meses após o início da pandemia global, os dados sobre casos e mortes por Covid-19 permanecem tão onipresentes como sempre. Na semana passada, a equipe da Bloomberg Graphics News compartilhou uma nova perspectiva sobre a importância de pensarmos sobre locais e fronteiras no contexto certo em seu artigo “Mapeando o Coronavírus: Quantos casos de Covid-19 estão perto de você”. Parte de sua visualização 🔥 é construída usando a API Mapbox, então passamos algum tempo conversando com eles Cedrico Sam Equipe de gráficos da Bloomberg (@BBGVisualData) para saber mais sobre sua jornada ao contar essa história.

O que te inspirou a contar essa história?

Inicialmente pensámos que os números de infecção por coronavírus eram demasiado amplos entre estados, e muito menos a nível nacional, e que os dados a nível de condado tendiam a ser demasiado escassos. Analisámos o que aconteceria se expandíssemos a agregação para além das fronteiras administrativas ou metropolitanas que estamos habituados a ler, para áreas mais móveis que reflectissem a forma como as pessoas realmente se movimentam nas suas vidas quotidianas.

O resultado é uma visualização interativa onde os leitores podem obter informações que podem contar uma história diferente daquela que as pessoas ouvem nas notícias locais ou mesmo nacionais. Eles podem entrar em um local de sua escolha e alternar entre a visualização de mortes diárias e novos casos em condados a até duas horas de carro desse local. Há um controle deslizante de tempo na parte inferior, começando em 12 de março e indo até hoje, e depois há um gráfico de linhas dinâmicas na parte superior do mapa que compara o número de casos e mortes em uma determinada região com o resto do país .

Vejamos alguns dos exemplos mais interessantes que você encontrará que demonstram a importância desse tipo de contexto de localização.

Interactive realmente oferece uma visão do mundo conectado. Veja o condado de Ripley, Indiana, por exemplo. É um condado rural de 28.000 residentes, mas 7,3 milhões de pessoas vivem a 2 horas de carro em centros urbanos como Cincinnati, Indianápolis e Louisville.

A outra é a Califórnia. A região de Fresno, no Vale de San Joaquin, faz fronteira com áreas ao redor de São Francisco e do Vale do Silício, mas a primeira foi atingida com muito mais força neste verão.

Descreva como você construiu essa visualização.

Usamos o conjunto de dados de casos e mortes de Covid-19 em nível de condado de Friends @nytgraphics Toda a cidade, que dividimos em um quarteirão por município, é atualizada pelo menos uma vez por dia.

Para determinar a distância de condução mais confiável entre condados, consultamos a API Matrix do Mapbox para obter os 100 ou mais condados vizinhos mais próximos de cada condado ou condado equivalente nos Estados Unidos. Em seguida, usando Svelte e Mapbox GL JS, criamos uma interface de mapa com uma caixa de pesquisa personalizada que permite aos usuários selecionar locais específicos para obter até dezenas de arquivos de dados históricos para cada condado em uma viagem de 2 horas.

Fizemos muito geoprocessamento no mapa base usando uma variedade de ferramentas, incluindo Dirty Reprojectors e Mapshaper (uma ferramenta fornecida pelo editor gráfico do New York Times, Matthew Bloch).

Que desafios você encontrou ao ler este artigo e como os resolveu?

A obtenção da distância percorrida para cada município foi uma das partes técnicas mais difíceis do projeto.

Para determinar a contiguidade entre condados, não temos certeza se usar o centróide de cada condado ou seus limites externos e calcular a distância em linha reta é a melhor medida. Determinamos que uma cidade representativa no condado, sede de 98% dos condados, era o ponto que queríamos para cada condado, e usamos o conjunto de dados do DOT. Também determinamos que a distância percorrida é um indicador melhor para calcular a conectividade, embora seja mais difícil de obter (parece não haver dados pré-computados).

Agora, como medimos a conectividade de todos os cerca de 3.000 condados ou condados equivalentes nos Estados Unidos? Inicialmente analisamos a API Mapbox Isochrone, mas a distância máxima era de 60 minutos, o que não era suficiente para um condado. Portanto, pesquisamos as APIs de distância de condução que poderíamos usar e, por fim, decidimos pela API Matrix do Mapbox. Para poder medir a distância percorrida entre todos os mais de 3.000 condados e os outros 2.999 condados, fizemos alguns pré-processamentos para reduzir o número de chamadas de API.

Assim que tivermos os dados de distância, nós os analisamos e criamos uma estrutura compacta e, em seguida, listamos cada município em 7.200 segundos usando identificadores FIPS.

A técnica de reprojeção suja mencionada acima também adiciona outra camada de complexidade no tratamento da interação do usuário. Os pontos no mapa com os quais o leitor interage não são iguais aos pares numéricos reais de latitude e longitude. Em vez disso, são pontos em torno de uma ilha celeste, nome dado ao ponto na superfície da Terra onde o meridiano principal e o equador se cruzam. Portanto, cada interação do usuário (cada toque no mapa) é uma consulta que deve determinar qual polígono da camada do mapa Mapbox foi tocado. Uma série de funções (envolvendo o uso de Turf para criar um contorno ao redor da área selecionada) visualizará a seleção no mapa, bem como um gráfico de linhas acima do mapa.

Quando você junta tudo isso, há algum ganho inesperado?

Estabelecer esta interação permite-nos começar com uma observação externa de alto nível e aprofundar para determinar se existem realmente diferenças significativas entre áreas adjacentes. Por exemplo, ouvimos dizer que os casos no norte de Wisconsin têm aumentado há cerca de uma semana. A imagem mostra que em 21 de setembro, a área ao redor de Wausau tinha o dobro de novos casos per capita do que a área ao redor de Madison. Em vez disso, poderia começar pela área onde vive, que pode não ser conhecida por ter um elevado número de casos per capita, e depois ver, a partir das interacções, que a área onde vive está próxima de áreas onde os casos estão a aumentar. Acho que esse é um recurso muito poderoso do nosso projeto. Fizemos mais pesquisas sobre isso no Twitter.

Há mais alguma coisa que não perguntamos e que você gostaria de compartilhar?

Para incentivar os leitores a explorar e compartilhar conteúdo de seu interesse, adicionamos uma hash tag ao URL principal quando eles interagem com gráficos e pesquisam locais de interesse. Por exemplo, para Chicago, você pode salvar e compartilhar esta visualização. (Dica: Compartilhe!)