U12.03.5Zoom-dependent aggregation radii make the same data support different conclusions设计
聚合半径随缩放级别变化会使同一数据得出不同结论
别名: 尺度依赖 · scale dependence · 缩放聚合
概念解释
交互地图的聚合参数通常跟着缩放级别变：缩小地图时用大半径聚成少数大簇，放大后用小半径分裂出更多小簇。问题在于，同一份点数据在不同缩放级别下可以呈现不同的簇数量、位置与强度，读者在不同级别上会得出不同结论。可见模式是"数据 × 当前聚合参数"的乘积，而读者通常只意识到前者。
机制
聚合半径是可修改面积单元问题（modifiable areal unit problem, MAUP）在交互地图上的实时版本。半径决定哪些点被归为一组：半径变化会重组点的归属，改变每个单元的计数与位置，进而改变簇间的相对强弱。某个尺度上相邻的两个亚簇，在更粗的尺度上并成一个大簇；某个尺度上独立的热点，在更细的尺度上可能拆成噪声。模式的"存在与形状"部分地由参数决定，读者若在不同缩放级别间停留，实际上是在不同聚合方案之间切换，而图面不会提示这一点——缩放被当作纯粹的查看操作，读者意识不到自己同时改变了分析尺度。
边界
不是所有结论都受尺度影响：全局总量、点集的整体外包范围等对聚合参数不敏感。当主要模式在多个尺度下都稳定时，结论对尺度稳健，参数问题退居次要。受影响的是依赖簇结构本身的结论（"有几个热点""热点在哪里"），以及在不同缩放级别之间做比较的结论——后者甚至比较的不是同一组单元。
怎么落地
- 下结论前在 2-3 个缩放级别下复查模式是否稳定；只在单一级别上得出的簇结论标注其聚合参数。
- 导出静态图或截图汇报时固定缩放级别与聚合半径，并在图注中写明，避免读者把它当作数据的固有呈现。
- 验证：尺度敏感性测试——同一分析在多尺度重跑，结论只在全部尺度一致时才声称稳健。