空间不确定性应与地图结论一起编码而不是藏在说明中

地图会把复杂数据压缩成位置、形状和颜色，容易产生比原数据更确定的外观。位置误差、属性估计、分类混淆、时间错位和缺失值若只写在附录里，读者仍可能把清晰边界与精确数值当成事实。有效的不确定性表达要让结论与可信程度同时可见。

先区分不确定性的来源

位置不确定性描述对象在哪里，例如测量误差、地址插值和粗分辨率像元。属性不确定性描述数值或类别是否准确，例如模型预测区间和分类概率。时间不确定性来自观测日期、合成窗口或更新延迟。完整性问题则说明对象可能缺失，而不是已有对象的位置不准。

这些问题不能用同一种“置信度”概括。一个对象可以位置准确但属性过期，也可以类别可靠但边界模糊。ISO 19157 的质量框架区分多类质量要素，实际项目应把来源、评价方法、范围和结果写进元数据，再决定地图上需要呈现哪一类。

不确定性还可能来自模型、样本和情景。预测区间依赖模型假设，抽样误差依赖设计，多个未来情景则并非概率分布。图例必须说明量的定义，不能把情景差异画成统计置信区间。

可以用透明度、明度、饱和度、纹理、模糊、边界样式或附加符号表达不确定性。选择要考虑主变量已经使用的视觉通道。若颜色表示类别，再用色相表示置信度，会破坏类别识别；可改用透明度或纹理，但也要检查底图干扰。

并置地图把结果和不确定性分别显示，解释清楚但要求读者来回对照。双变量地图把两者合在一张图上，比较直接，却增加图例和认知负荷。交互地图可在悬停、筛选或切换中显示详细质量，但默认视图仍应暴露关键风险，不能把所有不确定性藏在点击之后。

边界不确定时，虚线、渐变带或多个可能范围比一条锐利线更诚实。随机抖动和动画可以表现分布，却可能被误解为真实变化。任何动态表达都要允许暂停，并提供静态替代。

连续置信值分成高、中、低三类便于阅读，也会在阈值处制造人为差异。0.69 与 0.70 可能被画成不同类别，尽管几乎相同。应说明分级方法，并测试阈值变化是否改变结论。

区域统计常把估计值按行政区填色。小样本地区的误差可能大于地区间差异。若只画点估计，读者会把颜色差当成确定排序。可以同时显示区间宽度、样本量或显著性，但显著性不能代替实际差异大小。

分类概率也不能简单等同于正确概率，模型可能未校准。最大类别概率忽略第二候选和类别结构。可以显示熵、前两类差值或完整分布摘要，但指标要与用户问题相连。对最终决策，最有用的可能是“需要复核”而不是抽象熵值。

无数据、未观测、被质量筛选和真实零值应有不同视觉状态。把缺失涂成白色，可能与数值最低或行政区外背景混淆。图例要明确每种状态，统计计算也不能把缺失当零。

低置信表示有估计但证据弱，缺失表示没有可用估计。插值可以填补空洞，却会把模型假设带入结果。插值区应保留来源标识和距离信息，不应与直接观测使用完全相同符号。

时间不同步也容易被隐藏。把多年份数据拼在一张现状图上，应显示数据日期或新鲜度。用户查看具体对象时，需要知道它是何时观测、何时处理和何时发布。

不同用户需要不同不确定性。公众风险地图要避免精确到门牌的虚假边界，专业分析者可能需要完整区间和样本信息，现场人员则需要明确复核区域。设计从决策后果出发，选择最能防止错误行动的表达。

有时隐藏低质量结果比展示更合适，但必须让用户知道数据被筛掉以及筛选范围。阈值由安全要求、任务成本和覆盖需求决定，不能用默认 0.5 代替。允许用户调整阈值时，应同步更新图例、面积统计和导出结果。

颜色方案要兼顾色觉差异、打印和暗色模式。透明度在不同底图上呈现不同，不能作为唯一质量线索。纹理适合少量类别，大量细密纹理会产生摩尔纹。实际设备截图比设计软件预览更可靠。

地图评价应测试读者能否识别高低不确定区、能否区分缺失和低值、是否会依据点估计作出过强结论。让参与者完成具体比较任务，比问“地图是否清楚”更有效。记录错误类型，才能调整图例和编码。

定量检查包括图例范围与数据一致、分级覆盖全部值、无数据不进入统计、导出图保留说明。数据更新后还要确认质量字段与主值来自同一版本，避免旧置信度附在新结果上。

地图下载和截图会失去交互信息。关键不确定性应在静态标题、图例或注记中保留，元数据链接提供评价方法和来源。用于决策报告时，还应保存生成日期、数据版本和样式版本。

不确定性可视化不是让地图显得模糊，而是让读者知道哪些差异足以支持结论、哪些位置需要更多证据。清晰展示限制，能减少地图精致外观带来的过度信任。