色彩可以给科学数据和图像带来一丝不一样的活力，从绘制选举投票情况，到研究火星地形，为火星车规划路线，再到向大众阐述气候变化情况，甚至是对心脏病进行关键诊断，颜色都可以让科学家的数据转换成有意义的东西，从而被广泛共享。
用彩虹色彩模式表示火星表面地形。图片来源：NASA色图是由不同颜色组成的色彩模式，这些颜色可以代表绘图上特定区域的某些数值或性质。但许多研究人员没有注意到的是，色图中的颜色选择大有讲究。在许多可视化软件中，彩虹色彩模式（有时也被称为jet色彩模式）是一种默认设置。它通常从蓝色开始，代表较低值，然后过渡为青色、绿色、黄色、橙色，最后来到代表最高值的红色。
但在一些科学家眼中，彩虹色其实并不是一种很好的选择，它不仅是一种具有误导性的色图模式，对一部分人来说还有可能难以辨认。各类色彩模式。｜图片来源：Karim, R. M. et al. / Applied Sciences (2019)简单来说，一些色彩模式可能是发散性的，这种特征能让我们从视觉上感知到中心值，而另一些或许是顺序性的，能让我们获得一种数值从低到高的排列直觉感受。
但彩虹色的组合却两者皆非。
从根本上说，在这种色彩模式中，颜色之间的变化并不平滑。例如，在很短距离内颜色就会发生变化。用一种更直观的方法来说，用一种颜色之间变化剧烈的色彩模式来制图，就好比在一个数字分布不均匀的数轴来表达数字。在彩虹模式的色图中，这差不多相当于，将数字1到4全挤在一起，而8到10却分得很开。
彩虹色彩模式的位置轴和一种颜色变化平滑的色彩模式batlow的位置轴对比。｜图片来源：Crameri, F. et al. / Nature Communications (2020)这种不均匀的颜色梯度意味着，色彩模式中的某些部分会自然而然地比其他部分更突出，从而以这种方式扭曲了数据的表达。两种色彩模式（jet与vik）的色图对比。
｜图片来源：Fabio Crameri via The Conversation基于这种不均匀颜色梯度的RGB色彩空间在数学上相对简单，但它与我们感知颜色以及如何分辨颜色差异的方式并不协调。彩虹等不均匀的色彩模式的另一个问题是，对于视力缺陷或色盲的人来说，用这些颜色呈现的数据可能无法读取或者不准确。很大一部分人无法阅读包括亮度相似的红色和绿色的色图。
一些估计显示，全世界有0.5%的女性和8%的男性患有色彩视觉缺陷（CVD）。这组数字在撒哈拉沙漠以南的非洲地区的人口中更低一些，但在白人比例较高的人口中，例如斯堪的纳维亚半岛，比例可能还要高得多。几种色彩视觉缺陷友好型的色彩模式（viridis、cividis和batlow）与彩虹色彩模式（jet）的对比。
| 图片来源：Crameri, F. et al. / Nature Communications (2020)无需多言，任何科学成果都应该能被尽可能多的人看到，显然，CVD人群也应该被考虑在内。彩虹色和其他不均匀的色彩模式的问题多年来一直为人所知，某些科学领域已经对色彩策略的实践做出了重大改变。比如，《自然·地球科学》等学术出版物对新提交的论文采用了更为均匀的色彩模式策略。
政府间气候变化专门委员会（IPCC）也为图片制定了新的色彩指南。类似MATLAB和Python等软件包也已经不再将彩虹色作为数据可视化功能的默认色彩模式。
当谈到更有效的数据交流时，进行过相关研究的科学家Philip Heron、Fabio Crameri和Grace Shephard三位科学家提出了用颜色更有效地交流发现的一些建议：(1) 避免使用默认的彩虹色彩模式；(2) 如果一定要用到红色和绿色，确保它们的亮度不相同，方便辨认；(3) 采用颜色之间均匀变化的色彩模式。