Paul Tol 配色方案是專為科學圖表設計的色盲友善配色。
這些方案出自荷蘭太空研究所 SRON 發表的一份技術說明。它們的特別之處在於，每套方案都針對一種明確用途設計：最大區分度、最高對比、高彩度，或同時容納大量類別。選對方案，關鍵在於先弄清楚你的圖需要顏色完成哪一項工作。
四套色盲友善配色方案
Bright（7 色）
通用的預設方案。顏色之間區分清楚，又不像全飽和色那樣刺眼。
| 名稱 | HEX |
|---|---|
| 藍（Blue） | #4477AA |
| 紅（Red） | #EE6677 |
| 綠（Green） | #228833 |
| 黃（Yellow） | #CCBB44 |
| 青（Cyan） | #66CCEE |
| 紫（Purple） | #AA3377 |
| 灰（Grey） | #BBBBBB |
High contrast（5 色）
適合必須經得起黑白列印的圖，也適合色覺缺陷較嚴重的讀者。以黑與白作為兩端。
| 名稱 | HEX |
|---|---|
| 黑（Black） | #000000 |
| 藍（Blue） | #004488 |
| 紅（Red） | #BB5566 |
| 黃（Yellow） | #DDAA33 |
| 白（White） | #FFFFFF |
Vibrant（7 色）
彩度比 bright 高。較適合細線、小型標記，以及需要從遠處觀看的簡報投影片。
| 名稱 | HEX |
|---|---|
| 橙（Orange） | #EE7733 |
| 藍（Blue） | #0077BB |
| 青（Cyan） | #33BBEE |
| 洋紅（Magenta） | #EE3377 |
| 紅（Red） | #CC3311 |
| 藍綠（Teal） | #009988 |
| 灰（Grey） | #BBBBBB |
Muted（10 色）
本文中顏色最多的一套色盲友善配色。彩度較低，能讓資訊密集的圖保持沉穩。淺灰色保留給缺失或排除的資料。
| 名稱 | HEX |
|---|---|
| 玫瑰（Rose） | #CC6677 |
| 靛藍（Indigo） | #332288 |
| 沙色（Sand） | #DDCC77 |
| 綠（Green） | #117733 |
| 青（Cyan） | #88CCEE |
| 酒紅（Wine） | #882255 |
| 藍綠（Teal） | #44AA99 |
| 橄欖（Olive） | #999933 |
| 紫（Purple） | #AA4499 |
| 淺灰（Pale grey） | #DDDDDD |
如何在四套方案之間選擇
| 如果你的圖是… | 使用 | 原因 |
|---|---|---|
| 含 3–7 個系列的一般圖表 | Bright | 區分度均衡，不刺眼 |
| 以黑白列印 | High contrast | 依明度差異設計，並包含黑與白 |
| 細線或投影簡報 | Vibrant | 彩度在遠距離與低品質投影下仍能保留 |
| 密集呈現 8–10 個類別 | Muted | 可安全使用的顏色最多，低彩度讓畫面沉穩 |
muted 方案有兩項慣例值得遵守。淺灰
#DDDDDD 保留給缺失、排除或不適用的資料；把它當一般類別色使用，就少了一個有用的訊號。bright 與 vibrant 中的灰色 #BBBBBB 也扮演相同角色，用於剩餘的「其他」類別。
可直接複製的程式碼
Python
TOL_BRIGHT = ["#4477AA", "#EE6677", "#228833", "#CCBB44",
"#66CCEE", "#AA3377", "#BBBBBB"]
import matplotlib as mpl
mpl.rcParams["axes.prop_cycle"] = mpl.cycler(color=TOL_BRIGHT)若不想把色碼寫死在程式中，
tol-colors 套件可直接提供所有方案。R
tol_bright <- c("#4477AA", "#EE6677", "#228833", "#CCBB44",
"#66CCEE", "#AA3377", "#BBBBBB")
scale_colour_manual(values = tol_bright)khroma 套件提供 scale_colour_tol() 及相關輔助函式。
Tol 還是 Okabe-Ito？
兩者都是色盲友善的定性配色，多數圖用哪一套都可以。實務上的差異如下：
- Okabe-Ito 是生命科學領域更廣為認可的標準，主要歸功於它在 Nature Methods 上的曝光。如果審查委員問你用了哪套無障礙配色，說出它的名稱就不需要額外解釋。
- Tol 提供針對不同用途的多套方案，而且 muted 方案可以涵蓋十個類別，Okabe-Ito 則只到八個。
若沒有特別理由偏向哪一方，生命科學可用 Okabe-Ito，物理科學與工程領域則用 Tol bright，因為在這些領域它是更常見的慣例。我們的科研配色指南說明了這兩者如何與連續、發散色板搭配使用。
提示
無論選擇哪一套方案，都應在同一份稿件的每張圖中一致使用。讀者會在閱讀論文的過程中逐漸記住顏色對應；若同一種顏色在不同圖中被重新分配給不同組別，所損失的理解度會超過任何配色選擇帶來的好處。
延伸閱讀
相關閱讀：科研配色指南：色板、HEX 色碼與色覺友善圖表（2026）、學術海報字體與字體大小指南（2026）：海報與插圖怎麼選。
