ΠΟΣΟΤΙΚΗ ΑΝΑΛΥΣΗ ΣΗΜΕΙΑΚΩΝ ΧΩΡΙΚΩΝ ΠΡΟΤΥΠΩΝ: Η ΚΑΤΑΝΟΜΗ ΤΩΝ ΧΡΗΣΕΩΝ ΓΗΣ ΣΤΟ Π.Σ. ΒΟΛΟΥ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ ΣΤΗ ΧΩΡΟΤΑΞΙΑ, ΠΟΛΕΟ ΟΜΙΑ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΗ ΑΝΑΠΤΥΞΗ ΤΙΤΛΟΣ ΕΡΓΑΣΙΑΣ ΠΟΣΟΤΙΚΗ ΑΝΑΛΥΣΗ ΣΗΜΕΙΑΚΩΝ ΧΩΡΙΚΩΝ ΠΡΟΤΥΠΩΝ: Η ΚΑΤΑΝΟΜΗ ΤΩΝ ΧΡΗΣΕΩΝ ΓΗΣ ΣΤΟ Π.Σ. ΒΟΛΟΥ ΜΗΛΑΚΑ ΚΥΡΑΤΣΩ Βόλος, 2003

ΠΕΡΙΕΧΟΜΕΝΑ 1. Εισαγωγή...4 2. Ανάλυση χωρικών κατανοµών σηµειακών προτύπων...6 2.1 Η µέθοδος της ανάλυσης απόστασης από γειτονικό σηµείο...6 2.2 Η µέθοδοςα της καµπύλης Lorenz...7 2.3 Η µέθοδος του δείκτη διαφοροποίησης...7 3. Εφαρµογή: Ανάλυση χωρικής κατανοµής χρήσεων γης στο Π.Σ. Βόλου...8 3.1 Ανάλυση απόστασης από γειτονικό σηµείο...8 3.1.1 Συµπεράσµατα...10 3.2 Εφαρµογή της καµπύλης Lorenz...11 3.2.1 Εφαρµογή της καµπύλης Lorenz ανά χρήση βάσει ευκλείδειων αποστάσεων...11 3.2.2 Εφαρµογή της καµπύλης Lorenz ανά ζώνη βάσει ευκλείδειων αποστάσεων...13 3.2.3 Εφαρµογή της καµπύλης Lorenz ανά χρήση βάσει οδικών αποστάσεων..15 3.2.4 Εφαρµογή της καµπύλης Lorenz ανά ζώνη βάσει οδικών αποστάσεων...16 3.2.5 Συµπεράσµατα...17 3.3 είκτης ιαφοροποίησης Gibbs-Martin...17 3.3.1 είκτης ιαφοροποίησης Gibbs-Martin ανά χρήση...17 3.3.2 είκτης ιαφοροποίησης Gibbs-Martin ανά ζώνη...18 3.3.3 Συµπεράσµατα...18 4. Γενικά συµπεράσµατα - Προοπτικές...20 5. Βιβλιογραφία...22 2

ΠΕΡΙΕΧΟΜΕΝΑ ΠΙΝΑΚΩΝ, ΕΙΚΟΝΩΝ & ΓΡΑΦΗΜΑΤΩΝ Πίνακας 1: Κωδικοποίηση χρήσεων γης των δεδοµένων που χρησιµοποιήθηκαν στην ανάλυση Πίνακας 2: Τα αποτελέσµατα της ανάλυσης απόστασης από γειτονικό σηµείο για τη χρήση «εµπόριο» Πίνακας 3: Τα αποτελέσµατα της ανάλυσης απόστασης από γειτονικό σηµείο για τη χρήση «υπηρεσίες» Πίνακας 4: Τα αποτελέσµατα της ανάλυσης απόστασης από γειτονικό σηµείο για τη χρήση «ελεύθερος χρόνος» Πίνακας 5: Υπολογισµός προσθετικών συχνοτήτων για την παραγωγή των καµπυλών Λόρενς Πίνακας 6: Προσθετικές συχνότητες χρήσεων γης του Π.Σ. Βόλου ανά ζώνη Πίνακας 7: Υπολογισµός του δείκτη διαφοροποίησης Gibbs-Martin ανά χρήση Πίνακας 8: Υπολογισµός του δείκτη διαφοροποίησης Gibbs-Martin ανά ζώνη (για όλες τις χρήσεις) Εικόνα 1: Απεικόνιση της χωρικής κατανοµής της χρήσης «εµπόριο» Εικόνα 2: Απεικόνιση της χωρικής κατανοµής της χρήσης «υπηρεσίες» Εικόνα 3: Απεικόνιση της χωρικής κατανοµής της χρήσης «ελεύθερος χρόνος» Εικόνα 4: Αναπαράσταση της χωρικής κατανοµής όλων των χρήσεων στο Π.Σ. Βόλου και απεικόνιση των δακτυλίων που χρησιµοποιήθηκαν στην ανάλυση (απόσταση από το κέντρο) Γράφηµα 1: Καµπύλες Λόρενς των πέντε κατηγοριών χρήσεων γης ανά ζώνη Γράφηµα 2: Καµπύλες Λόρενς των ζωνών ανά κατηγορία χρήσης γης Γράφηµα 3: Καµπύλες Λόρενς των πέντε κατηγοριών χρήσεων γης ανά ζώνη Γράφηµα 4: Καµπύλες Λόρενς των ζωνών ανά κατηγορία χρήσης γης 3

1. Εισαγωγή Μία από τις µεγαλύτερες προκλήσεις για τον άνθρωπο και δη για τον ερευνητή είναι η δυνατότητα που του δίνεται µε την εξέλιξη των επιστηµονικών µεθόδων να επιχειρεί να κάνει προβλέψεις. Η πρόβλεψη της φυσικής ροής των πραγµάτων οδηγεί στην ανάδυση ερωτηµάτων της µορφής: θεωρώντας ότι υπάρχει η πιθανότητα να προκύψει ένα συγκεκριµένο πρότυπο γεγονότων, τι µπορούµε να κάνουµε και µε ποιο τρόπο µπορούµε να επέµβουµε; Η δυνατότητα προβλέψεων υπερτονίζει τα σύνολα των προβληµάτων µιας περιοχής, αποκαλύπτει την ανάγκη για πολιτική δράση, προτάσσει τα περιθώρια και τα όρια των δράσεων και αποτελεί πανάκεια στην συγκρότηση και κατοχύρωση των κοινωνικών και οικονοµικών στόχων. Η πρόβλεψη εποµένως είναι σηµαντική συνιστώσα της διαδικασίας λήψεως αποφάσεων. (Bennet, 1979) Η διαδικασία της πρόβλεψης στην χωρική ανάλυση τα τελευταία χρόνια καταλαµβάνει όλο και µεγαλύτερο έδαφος ενώ χαρακτηρίζεται από ιδιαίτερη πολυπλοκότητα απαιτώντας συνδυασµό µεθόδων για την απόδοση ικανοποιητικών αποτελεσµάτων. Σηµαντικό κοµµάτι λοιπόν αυτής της διαδικασίας είναι η ανίχνευση / παρατήρηση συγκεκριµένων χωρικών προτύπων (spatial patterns) βάση των οποίων θα ακολουθήσει η εξαγωγή ουσιαστικών συµπερασµάτων. Σε αυτό, σηµαντική είναι η συµβολή των Γεωγραφικών Συστηµάτων Πληροφοριών (GIS). Χαρακτηριστικό παράδειγµα αποτελεί η έρευνα των Jiao, Ma & Xiao (_, 2002) που αφορά την ανάλυση και ποσοτικοποίηση των χωρικών προτύπων σε αντιπαραβολή µε τις ανθρώπινες επεµβάσεις στις οάσεις. Η συγκεκριµένη έρευνα συντάχθηκε στα πλαίσια ενός ευρύτερου ερευνητικού πεδίου που αναπτύχθηκε µόλις πρόσφατα, ονοµάζεται «οικολογία τοπίων» (landscape ecology) και αποτελεί συνδυασµό της ανάλυσης χωρικών προτύπων και των περιβαλλοντικών διαδικασιών (π.χ. παρατήρηση των αλλαγών που προκαλούνται στον περιβάλλοντα χώρο από την ανθρώπινη επέµβαση κλπ.). Στην προαναφερθείσα έρευνα, γίνεται ανάλυση της χωρικής κατανοµής των χρήσεων γης των οάσεων µε τη µέθοδο της ανάλυσης από γειτονικό σηµείο. Παρατηρώντας δηλαδή τα χωρικά πρότυπα των χρήσεων στις υπό παρατήρηση οάσεις, εξάγονται συµπεράσµατα που αφορούν την επίδραση της ανθρώπινης επέµβασης στο περιβάλλον και πιο συγκεκριµένα στην κατανοµή των χρήσεων γης στο χώρο. 4

Η ανάλυση χωρικών προτύπων χρησιµοποιείται επίσης ως προεργασία στην διαδικασία πρόβλεψης της µεταβολής των χρήσεων γης στον αστικό και εξωαστικό χώρο σε συνδυασµό και µε άλλες µεθόδους και επιστηµονικά εργαλεία όπως τα γεωγραφικά συστήµατα πληροφοριών και οι στοχαστικές µέθοδοι ανάλυσης (Weng, 2002). Αντίστοιχα, η ανάλυση χωρικών προτύπων αποτελεί ουσιαστικό κοµµάτι και σε άλλα ερευνητικά πεδία. Σε ότι αφορά το αστικό περιβάλλον, γίνεται µια προσπάθεια παρατήρησης και κατανόησης της κατανοµής των χρήσεων γης στο χώρο ενώ µε την ανάλυση των χωροθετικών προτύπων που συνεπαγόµενα ακολουθείται στην συγκεκριµένη διαδικασία προσεγγίζεται η δυναµική της διαδικασίας εξέλιξης των χρήσεων γης στο χώρο καθώς και τα προβλήµατα που απορρέουν από αυτή. Στόχος της παρούσας εργασίας είναι αφενός η αξιολόγηση της κατανοµής των χρήσεων γης σε αστικό περιβάλλον και πιο συγκεκριµένα σε προκαθορισµένη περιοχή του ήµου Βόλου και αφετέρου η κατανόηση της δυναµικής της εξέλιξης τους στον αστικό χώρο (µε βάση την χιλιοµετρική απόσταση από το κέντρο). Για τον σκοπό αυτό χρησιµοποιήθηκε βάση δεδοµένων που περιέχει τις χρήσεις γης της περιοχής ενδιαφέροντος οµαδοποιηµένες σε πέντε κατηγορίες. Στο δεύτερο κεφάλαιο γίνεται αναφορά στο θεωρητικό πλαίσιο των µεθόδων που χρησιµοποιήθηκαν και οι οποίες είναι: η ανάλυση απόστασης από γειτονικό σηµείο (nearest neighbor analysis), η καµπύλη Λόρενς (Lorenz curve) και ο δείκτης διαφοροποίησης Gibbs-Martin. Στο τρίτο κεφάλαιο περιγράφεται αναλυτικά η εφαρµογή των παραπάνω µεθόδων στην περιοχή ενδιαφέροντος. Η εφαρµογή έγινε σε περιβάλλον ArcGis και Excel. 5

2. Ανάλυση χωρικών κατανοµών σηµειακών προτύπων 1 Εξαιρετικό ενδιαφέρον στην ανάλυση χώρου παρουσιάζει η περιγραφή αντίστοιχων χωρικών προτύπων της κατανοµής των δραστηριοτήτων στο χώρο. Η χωρική κατανοµή κάθε φαινοµένου µπορεί να περιγραφεί ως «οµοιόµορφη», «συγκεντρωµένη» ή «τυχαία». Οµοιόµορφη χαρακτηρίζεται µια κατανοµή η οποία διαχέεται οµοιόµορφα στο χώρο, συγκεντρωµένη χαρακτηρίζεται όταν εµφανίζει συγκεντρώσεις σε συγκεκριµένα σηµεία ή σε ένα σηµείο και τυχαία όταν η διάχυσή της στο χώρο γίνεται µε τυχαίο τρόπο. Για την ανάλυση της χωρικής διασποράς απαραίτητη είναι η χρήση στατιστικών κατανοµών. Στην γεωγραφία υπάρχουν διάφορες τεχνικές για την ανάλυση διασποράς σηµείων µεταξύ τους: η ανάλυση επιφάνειας καννάβου και η ανάλυση απόστασης από γειτονικό σηµείο. 2.1 Η µέθοδος της ανάλυσης απόστασης από γειτονικό σηµείο Η ανάλυση επιφάνειας καννάβου είναι µια µέθοδος η οποία µετατρέπει τις ποιοτικές παρατηρήσεις ενός χωρικού προτύπου σε ποσοτικές αναλύοντας την πυκνότητα σηµείων ή την συχνότητα εµφάνισής τους σε διαφορετικές θέσεις. Στην παρούσα εργασία χρησιµοποιήθηκε η δεύτερη µέθοδος. Η ανάλυση απόστασης από γειτονικό σηµείο εστιάζεται στις αποστάσεις µεταξύ των σηµείων, υπολογίζοντας την απόσταση κάθε σηµείου από το πλησιέστερο του όπως θα προέκυπτε από µια τυχαία διαδικασία.. Σε αντίθεση δηλαδή µε την προηγούµενη µέθοδο, δεν ενδιαφερόµαστε για τον υπολογισµό σηµείων ανά επιφάνεια αλλά για τον υπολογισµό επιφανειών ανά σηµείο. Με την βοήθεια της κατανοµής Poisson, η οποία είναι συνυφασµένη µε τυχαίες χωρικές κατανοµές, υπολογίζονται οι αναµενόµενες πλησιέστερες γειτονικές αποστάσεις και ο µέσος όρος αυτών, για ένα τυχαίο χωρικό πρότυπο. Συγκρίνοντας την αναµενόµενη µέση απόσταση µε την παρατηρούµενη µέση απόσταση είναι δυνατόν να διαπιστώσουµε τυχόν αποκλίσεις από την τυχαία χωρική διαδικασία. Η µέτρηση των αποκλίσεων από την τυχαία χωρική διαδικασία είναι δυνατόν να υπολογιστεί µε δύο τρόπους: µε τις θεωρητικές κατανοµές και τους δείκτες. Ένας απλός δείκτης, προτάθηκε από τους Clark και Evans και δίνεται από τον τύπο: dπ R = επιπλέον ισχύει 0 R 2, 149 da 1 (Φώτης Γ., 2003) 6

Γενικά ισχύει ότι όταν ο δείκτης R <1 τότε το πρότυπο είναι οµαδοποιηµένο, αν R = 1 τότε το πρότυπο είναι τυχαίο και όταν R >1 τότε το πρότυπο είναι οµοιόµορφο. 2.2 Η µέθοδοςα της καµπύλης Lorenz Στην περίπτωση που ο ερευνητής ενδιαφέρεται να συγκρίνει την διαφοροποίηση της κατανοµής µιας δοθείσας περιοχής µε µια άλλη υποθετική, θεωρητική ή µε την κατανοµή µιας άλλης περιοχής, τότε χρησιµοποιείται η καµπύλη Lorenz. Η καµπύλη Lorenz σχεδιάζεται, εκφράζοντας την συχνότητα κάθε κατηγορίας της κατανοµής, σαν ένα ποσοστό του συνόλου των συχνοτήτων, και µετά απεικονίζοντας γραφικά το αποτέλεσµα, µε τη µορφή της καµπύλης των προσθετικών συχνοτήτων. Στην ουσία µε την καµπύλη Lorenz, ελέγχουµε την οµοιοµορφία ή όχι µιας κατανοµής. Η χρησιµότητα αυτής της µεθόδου έγκειται στο γεγονός ότι µε τον τρόπο αυτό εκφράζεται άµεσα η διαφορετικότητα µεταξύ των κατανοµών ενώ ταυτόχρονα παρέχει έναν πολύτιµο αριθµητικό δείκτη έκφρασης των διαφορών. Στο τρίτο κεφάλαιο γίνεται εφαρµογή της µεθόδου σε δύο περιπτώσεις. Στην πρώτη ο υπολογισµός των αποστάσεων γίνεται µε βάση την ευκλείδεια απόσταση ενώ στην δεύτερη µε βάση τις οδικές αποστάσεις. 2.3 Η µέθοδος του δείκτη διαφοροποίησης Ως µέτρο εξακρίβωσης της διαφοροποίησης των κατανοµών στο χώρο χρησιµοποιείται ο δείκτης διαφοροποίησης κατά Gibbs και Martin. Ο συγκεκριµένος δείκτης δίνεται από τον τύπο: I GM = 1 2 Σχ ( 2 ) ( Σχ ) όπου χ είναι ο αριθµός των παρατηρήσεων σε κάθε κατηγορία. Όταν ο δείκτης παίρνει την τιµή 0 σηµαίνει ότι οι παρατηρήσεις σε µια περιοχή είναι συγκεντρωµένες αποκλειστικά σε µια κατηγορία, ενώ όταν ο δείκτης παίρνει την τιµή 1 (µέγιστη διαφοροποίηση) σηµαίνει ότι αυτές είναι οµοιόµορφα κατανεµηµένες σε κάθε κατηγορία. Σε αυτό το σηµείο αξίζει να σηµειωθεί ότι η αξία του δείκτη διαφοροποίησης σχετίζεται µε τον αριθµό των κατηγοριών που χρησιµοποιούνται. Επί της ουσίας πάντως ο συγκεκριµένος δείκτης αποτελεί ένα σηµαντικό εργαλείο στη σύγκριση χωρικών κατανοµών ενώ είναι ιδιαίτερα εύχρηστος καθώς δεν απαιτεί την µετατροπή πραγµατικών τιµών σε ποσοστά. 7

3. Εφαρµογή: Ανάλυση χωρικής κατανοµής χρήσεων γης στο Π.Σ. Βόλου Στην παρούσα εργασία στόχος υπήρξε η ανάλυση της χωρικής κατανοµής των πέντε βασικών χρήσεων γης του πολεοδοµικού συγκροτήµατος Βόλου που ορίζεται και ως περιοχή µελέτης. Η βάση δεδοµένων που χρησιµοποιήθηκε καλύπτει περίπου το 80% της περιοχής µελέτης και περιείχε τις χρήσεις γης σε σηµειακό υπόβαθρο, κατανεµηµένες σε πέντε γενικές κατηγορίες χρήσεων γης: Κωδικός Χρήσεις γης 01 Κατοικία 02 Εµπόριο 03 Υπηρεσίες 04 Ελεύθερος χρόνος 05 Άλλες χρήσεις Πίνακας 1: Κωδικοποίηση χρήσεων γης των δεδοµένων που χρησιµοποιήθηκαν στην ανάλυση 3.1 Ανάλυση απόστασης από γειτονικό σηµείο Στην εφαρµογή της ανάλυσης απόστασης από γειτονικό σηµείο επιλέξαµε να εξαιρέσουµε τις χρήσεις «κατοικία» και «άλλες χρήσεις» καθώς η κατανοµή των υπολοίπων χρήσεων έχουν µεγαλύτερη σηµασία για την εξαγωγή ουσιαστικών συµπερασµάτων στην ανάλυση που θα ακολουθήσει. Εφαρµόζοντας την µέθοδο λοιπόν για κάθε χρήση ξεχωριστά έχουµε τα πιο κάτω αποτελέσµατα: για το εµπόριο η εφαρµογή της µεθόδου έδωσε τα εξής αποτελέσµατα: Εικόνα 1: Απεικόνιση της χωρικής κατανοµής της χρήσης «εµπόριο» 8

n 864 R 0.523912 d ολ 18527.6 d α 40.9 d π 21.44 Πίνακας 2: Τα αποτελέσµατα της ανάλυσης απόστασης από γειτονικό σηµείο για τη χρήση «εµπόριο» Όπως προκύπτει και από τον πίνακα ο δείκτης R είναι µικρότερος της µονάδας και εποµένως το πρότυπο είναι οµαδοποιηµένο. Ο συνολικός αριθµός των σηµείων που ελήφθησαν υπόψη στην ανάλυση είναι 864 για την περιοχή ενδιαφέροντος ενώ η συνολικά υπολογιζόµενη απόσταση (d ολ ) είναι 18527,6µ Από την συνολική απόσταση µπορούµε να υπολογίσουµε την µέση ελάχιστη παρατηρούµενη απόσταση καθώς ισχύει: d π = Σd n i Ενώ για την αναµενόµενη απόσταση ισχύει: d a = 1 n 2 A 1 2 Για τις υπηρεσίες προέκυψαν τα κάτωθι αποτελέσµατα: Εικόνα 2: Απεικόνιση της χωρικής κατανοµής της χρήσης «υπηρεσίες» 9

n 609 R 0,678943 d ολ 20158 d α 48,75 d π 33,1 Πίνακας 3: Τα αποτελέσµατα της ανάλυσης απόστασης από γειτονικό σηµείο για τη χρήση «υπηρεσίες» Όπως και στην προηγούµενη περίπτωση ο δείκτης R είναι µικρότερος της µονάδας εποµένως το πρότυπο εµφανίζει σαφείς τάσεις οµαδοποίησης. Τέλος, για την χρήση ελεύθερος χρόνος η εφαρµογή της µεθόδου έδωσε τα εξής αποτελέσµατα: Εικόνα 3: Απεικόνιση της χωρικής κατανοµής της χρήσης «ελεύθερος χρόνος» n 183 R 0,726506 d ολ 11824,1 d α 88,93 d π 64,61 Πίνακας 4: Τα αποτελέσµατα της ανάλυσης απόστασης από γειτονικό σηµείο για τη χρήση «ελεύθερος χρόνος» Και σε αυτήν την περίπτωση ο δείκτης R είναι µικρότερος της µονάδας εποµένως το πρότυπο είναι οµαδοποιηµένο. 3.1.1 Συµπεράσµατα Στην εφαρµογή της ανάλυσης απόστασης από γειτονικό σηµείο για τις τρεις υπό εξέταση χρήσεις, οι κατανοµές εµφανίζουν σαφείς τάσεις οµαδοποίησης γεγονός που 10

εξηγείται από το ότι εµπόριο, υπηρεσίες και ελεύθερος χρόνος είναι χρήσεις που στην περιοχή ενδιαφέροντος εµφανίζουν µεγάλη συγκέντρωση σε συγκεκριµένα γεωγραφικά σηµεία. Πιο συγκεκριµένα και όπως άλλωστε είναι αναµενόµενο, η χρήση εµπόριο εµφανίζει τάσεις οµαδοποίησης κυρίως γύρω από µεγάλους οδικούς άξονες καθώς σε αυτά τα σηµεία της πόλης αποκτά µεγαλύτερη αξία αλλά κυρίως ανταγωνιστικότητα. Οι υπηρεσίες από την άλλη εµφανίζουν µεγαλύτερη οµαδοποίηση στο λεγόµενο εµπορικό κέντρο της πόλης ενώ τέλος οι χρήσεις που αφορούν τον ελεύθερο χρόνο κυρίως εµφανίζουν τάσεις οµαδοποίησης σε τρεις διαφορετικές γεωγραφικές περιοχές της πόλης. Από τον υπολογισµό του δείκτη R προκύπτει τελικά ότι: 0<R εµπόριο <R υπηρεσίες <R ελεύθ.χρόνος <1 µε την µεγαλύτερη ροπή προς οµαδοποίηση να την εµφανίζουν οι εµπορικές χρήσεις. 3.2 Εφαρµογή της καµπύλης Lorenz 3.2.1 Εφαρµογή της καµπύλης Lorenz ανά χρήση βάσει ευκλείδειων αποστάσεων Από το κέντρο της περιοχής µελέτης, οριοθετούµε πέντε κυκλικές ζώνες των 500 µέτρων. Στόχος του παραπάνω χωρικού διαχωρισµού είναι ο έλεγχος της κατανοµής των τεσσάρων κατηγοριών χρήσεων γης σε αυτές τις ζώνες και η σύγκριση των αντίστοιχων χωρικών προτύπων µεταξύ τους. Εικόνα 4: Αναπαράσταση της χωρικής κατανοµής όλων των χρήσεων στο Π.Σ. Βόλου και απεικόνιση των δακτυλίων που χρησιµοποιήθηκαν στην ανάλυση (απόσταση από το κέντρο) Η διαδικασία εξελίσσεται µε τον υπολογισµό του αριθµού της αντίστοιχης χρήσης σε κάθε ζώνη. Έπειτα υπολογίζεται το ποσοστό επί του συνόλου για κάθε χρήση και τελικά οι προσθετικές τους συχνότητες. Προκύπτει δηλαδή ένας πίνακας της µορφής: 11

Χρηση 1 Χρηση 2 Χρηση 3 Χρηση 4 Χρηση 5 Απόσταση από το κέντρο Αριθµός χρήσεων Ποσοστά επι του συνόλου Προσθετικές συχνότητες 0-500 1511 15.08% 15.08% 500-1000 3449 34.42% 49.51% 1000-1500 3400 33.94% 83.44% 1500-2000 1547 15.44% 98.88% 2000-2500 112 1.12% 100.00% Total 10019 Απόσταση από το Αριθµός κέντρο χρήσεων Ποσοστά επι του συνόλου Προσθετικές συχνότητες 0-500 138 15.97% 15.97% 500-1000 360 41.67% 57.64% 1000-1500 307 35.53% 93.17% 1500-2000 59 6.83% 100.00% 2000-2500 0 0.00% 100.00% Total 864 366.78% Απόσταση από το Αριθµός Ποσοστά επι Προσθετικές κέντρο χρήσεων του συνόλου συχνότητες 0-500 79 12.97% 12.97% 500-1000 348 57.14% 70.11% 1000-1500 94 15.44% 85.55% 1500-2000 64 10.51% 96.06% 2000-2500 24 3.94% 100.00% Total 609 364.70% Απόσταση από το Αριθµός Ποσοστά επι Προσθετικές κέντρο χρήσεων του συνόλου συχνότητες 0-500 19 10.38% 10.38% 500-1000 80 43.72% 54.10% 1000-1500 70 38.25% 92.35% 1500-2000 14 7.65% 100.00% 2000-2500 0 0.00% 100.00% Total 183 356.83% Απόσταση από το Αριθµός Ποσοστά επι Προσθετικές κέντρο χρήσεων του συνόλου συχνότητες 0-500 185 15.29% 15.29% 500-1000 557 46.03% 61.32% 1000-1500 362 29.92% 91.24% 1500-2000 102 8.43% 99.67% 2000-2500 4 0.33% 100.00% Total 1210 367.52% Πίνακας 5: Υπολογισµός προσθετικών συχνοτήτων για την παραγωγή των καµπυλών Λόρενς Με την βοήθεια της τελευταίας στήλης προκύπτουν οι καµπύλες Lorenz για κάθε χρήση ξεχωριστά: 12

Καµπύλη Lorenz Προσθετικές συχνότητες 100.00% 90.00% 80.00% 70.00% 60.00% 50.00% 40.00% 30.00% 20.00% 10.00% 0.00% 0-500 500-1000 1000-1500 1500-2000 2000-2500 Χρηση 1 Χρηση 2 Χρηση 3 Χρηση 4 Χρηση 5 Σύνολο των χρήσεων Χωρικές ζώνες Γράφηµα 1: Καµπύλες Λόρενς των πέντε κατηγοριών χρήσεων γης ανά ζώνη Στο παραπάνω διάγραµµα η διαγώνιος αποτελεί ενδεικτική απεικόνιση της απόλυτα οµοιόµορφης κατανοµής µιας δραστηριότητας ή στην προκειµένη περίπτωση µιας χρήσης στο χώρο. Προφανώς οι χρήσεις γης που εξετάζονται στην παρούσα εργασία δεν είναι οµοιόµορφα κατανεµηµένες στο χώρο καθώς οι αντίστοιχες καµπύλες Lorenz αποκλίνουν από την διαγώνιο. Σύγκλιση εµφανίζουν οι κατανοµές για τις χρήσεις εµπόριο, ελεύθερος χρόνος και άλλες χρήσεις ενώ η κατοικία παρουσιάζει σύγκλιση µε την κατανοµή όλων των χρήσεων ανά ζώνη. Την µεγαλύτερη απόκλιση στη χωρική της κατανοµή παρουσιάζει η κατηγορία υπηρεσίες καθώς εµφανίζει µεγάλο ποσοστό (το µεγαλύτερο σε σύγκριση και µε τις υπόλοιπες χρήσεις) στη ζώνη 500-1000 µέτρων. 3.2.2 Εφαρµογή της καµπύλης Lorenz ανά ζώνη βάσει ευκλείδειων αποστάσεων Ακολουθούµε την πιο πάνω διαδικασία µόνο που αυτή τη φορά σηµείο αναφοράς δεν είναι οι χρήσεις γης αλλά οι ζώνες στις οποίες έχει διαιρεθεί ο χώρος. Θα προκύψει δηλαδή ένας πίνακας της µορφής (βλέπε επίσης χάρτη Ι για γραφική απεικόνιση του ποσοστού των χρήσεων ανά ζώνη): Χρήσεις γης Ζώνη 0-500 Ζώνη 500-1000 Ζώνη 1000-1500 Ζώνη 1500-2000 Ζώνη 2000-2500 1 78.21% 71.94% 80.32% 86.62% 80.00% 2 85.35% 79.45% 87.57% 89.92% 80.00% 3 89.44% 86.71% 89.79% 93.51% 97.14% 4 90.42% 88.38% 91.45% 94.29% 97.14% 5 100.00% 100.00% 100.00% 100.00% 100.00% Πίνακας 6: Προσθετικές συχνότητες χρήσεων γης του Π.Σ. Βόλου ανά ζώνη 13

14

Και: Καµπύλη Lorenz Προσθετικές συχνότητες 100.00% 90.00% 80.00% 70.00% 60.00% 50.00% 40.00% 30.00% 20.00% 10.00% 0.00% 1 2 3 4 5 Χρήσεις γης Ζώνη 0-500 Ζώνη 500-1000 Ζώνη 1000-1500 Ζώνη 1500-2000 Ζώνη 2000-2500 Total of area ιαγώνιος οµοιόµορφης κατανοµής Γράφηµα 2: Καµπύλες Λόρενς των ζωνών ανά κατηγορία χρήσης γης Στο παραπάνω διάγραµµα η διαγώνιος αποτελεί ενδεικτική απεικόνιση της απόλυτα οµοιόµορφης κατανοµής µιας δραστηριότητας ή στην προκειµένη περίπτωση µιας χρήσης στο χώρο. Προφανώς οι χρήσεις γης που εξετάζονται στην παρούσα εργασία δεν είναι οµοιόµορφα κατανεµηµένες στο χώρο καθώς οι αντίστοιχες καµπύλες Lorenz αποκλίνουν από την διαγώνιο. Σύγκλιση στην κατανοµή τους παρουσιάζουν οι ζώνες των 0-500 µέτρων και των 1000-1500 µέτρων, οι οποίες µάλιστα συγκλίνουν και µε την κατανοµή των χρήσεων σε όλη την περιοχή. Την µεγαλύτερη απόκλιση παρουσιάζει η ζώνη 2000-2500 µέτρων. 3.2.3 Εφαρµογή της καµπύλης Lorenz ανά χρήση βάσει οδικών αποστάσεων Σε αυτό το υποκεφάλαιο ακολουθείται ακριβώς η ίδια διαδικασία, όπως και προηγουµένως, µε την µόνη διαφορά ότι για τον υπολογισµό των αποστάσεων µεταξύ των σηµείων δεν χρησιµοποιούνται οι ευκλείδειες αποστάσεις αλλά οι οδικές. Τα διαγράµµατα που προέκυψαν τελικά έχουν ως εξής: 15

Καµπύλες Lorenz 100.00% Προσθετικές συχνότητες 90.00% 80.00% 70.00% 60.00% 50.00% 40.00% 30.00% 20.00% 10.00% Χρήση 1 Χρήση 2 Χρήση 3 Χρήση 4 Χρήση 5 0.00% 0-500 500-1000 1000-1500 1500-2000 2000-2500 2500-3000 3000-4000 Απόσταση από το κέντρο Γράφηµα 3: Καµπύλες Λόρενς των πέντε κατηγοριών χρήσεων γης ανά ζώνη Σε αυτήν την περίπτωση οι διαφοροποιήσεις είναι σαφώς µεγαλύτερες από την περίπτωση στην οποία ο υπολογισµός των αποστάσεων γίνεται µε βάση την ευκλείδεια απόσταση. Σύγκλιση στις κατανοµές τους εµφανίζουν οι χρήσεις υπηρεσίες και άλλες χρήσεις καθώς και οι ελεύθερος χρόνος και εµπόριο (µε µια µικρή απόκλιση για τις τελευταίες στη ζώνη των 1000-1500 µέτρων. 3.2.4 Εφαρµογή της καµπύλης Lorenz ανά ζώνη βάσει οδικών αποστάσεων Καµπύλη Lorenz Προσθετικές συχνότητες 100.00% 90.00% 80.00% 70.00% 60.00% 50.00% 40.00% 30.00% 20.00% 10.00% 0.00% Χρήση 1 Χρήση 2 Χρήση 3 Χρήση 4 Χρήση 5 Χρήσεις γης Ζώνη 0-500 Ζώνη 500-1000 Ζώνη 1000-1500 Ζώνη 1500-2000 Ζώνη 2000-2500 Ζώνη 2500-3000 Ζώνη 3000-4000 Γράφηµα 4: Καµπύλες Λόρενς των ζωνών ανά κατηγορία χρήσης γης Όπως και στην προηγούµενη περίπτωση διακρίνουµε µεγάλη απόκλιση από την οµοιόµορφη κατανοµή (την διαγώνιο) αλλά και µεταξύ των ζωνών. 16

3.2.5 Συµπεράσµατα Με την εφαρµογή της καµπύλης Λόρενς για την κατανοµή των χρήσεων ανά ζώνη προέκυψε ότι οι υπηρεσίες εµφανίζουν µεγάλη διαφοροποίηση στην κατανοµή τους ανά ζώνη σε σύγκριση µε τις υπόλοιπες χρήσεις, εµφανίζοντας µεγαλύτερα ποσοστά στις ζώνες που βρίσκονται πιο κοντά στο κέντρο, γεγονός που εναρµονίζεται απόλυτα και µε την πιο πάνω ανάλυση. Οι χρήσεις εµπόριο και ελεύθερος χρόνος συγκλίνουν περισσότερο στον τρόπο κατανοµής τους στο χώρο παρουσιάζοντας και την µεγαλύτερη απόκλιση από την οµοιόµορφη κατανοµή. Όταν η ίδια µέθοδος εφαρµοστεί µε γνώµονα τις οδικές και όχι τις ευκλείδειες αποστάσεις, η διαφοροποίηση µεταξύ των κατανοµών γίνεται µεγαλύτερη ενώ µεγαλύτερη είναι και η απόκλιση από την οµοιόµορφη κατανοµή. Τα πρότυπα των χρήσεων εµπόριο και άλλες χρήσεις συγκλίνουν εµφανώς, παρουσιάζοντας µεγαλύτερα ποσοστά στις πιο αποµακρυσµένες από το κέντρο ζώνες. 3.3 είκτης ιαφοροποίησης Gibbs-Martin 3.3.1 είκτης ιαφοροποίησης Gibbs-Martin ανά χρήση Στο παράδειγµα που εξετάζουµε για τον υπολογισµό του δείκτη Gibbs Martin προέκυψε ο παρακάτω πίνακας: Χρηση 1 Χρηση 2 Χρηση 3 Χρηση 4 Χρηση 5 Ζώνη x x 2 x x 2 x x 2 x x 2 x x 2 0-500 1511 2283121 138 19044 79 6241 19 361 185 34225 500-1000 3449 11895601 360 129600 348 121104 80 6400 557 310249 1000-1500 3400 11560000 307 94249 94 8836 70 4900 362 131044 1500-2000 1547 2393209 59 3481 64 4096 14 196 102 10404 2000-2500 112 12544 0 0 24 576 0 0 4 16 Σx 2 28144475 246374 140853 11857 485938 Σx 10019 864 609 183 1210 (Σx) 2 100380361 746496 370881 33489 1464100 I GM 0.7196217 0.669959 0.62022 0.64594 0.6681 Πίνακας 7: Υπολογισµός του δείκτη διαφοροποίησης Gibbs-Martin ανά χρήση Η τελευταία σειρά δίνει τον δείκτη διαφοροποίησης για κάθε χρήση. Παρατηρούµε ότι για το σύνολο των χρήσεων ο δείκτης κυµαίνεται από 0,62 έως 0,71 γεγονός που σηµαίνει ότι η κατανοµή των χρήσεων παρουσιάζει σηµαντική διαφοροποίηση 17

ιδιαίτερα για τις χρήσεις που παρουσιάζουν τις ακραίες τιµές, δηλαδή την κατοικία (0,72) και τις υπηρεσίες (0,62). Οι χρήσεις εµπόριο και άλλες χρήσεις παρουσιάζουν µικρή διαφορά. 3.3.2 είκτης ιαφοροποίησης Gibbs-Martin ανά ζώνη Όπως και στην εφαρµογή της καµπύλης Lorenz υπολογίζουµε τον δείκτη διαφοροποίησης για κάθε ζώνη ξεχωριστά. Ο πιο πάνω πίνακας δηλαδή παίρνει τώρα τη µορφή: Χρήσεις γης Ζώνη 0-500 Ζώνη 500-1000 Ζώνη 1000-1500 Ζώνη 1500-2000 Ζώνη 2000-2500 x x 2 x x 2 x x 2 x x 2 x x 2 1 1511 2283121 3449 11895601 3400 11560000 1547 2393209 112 12544 2 138 19044 360 129600 307 94249 59 3481 0 0 3 79 6241 348 121104 94 8836 64 4096 24 576 4 19 361 80 6400 70 4900 14 196 0 0 5 185 34225 557 310249 362 131044 102 10404 4 16 Σx 2 2342992 12462954 11799029 2411386 13136 Σx 1932 4794 4233 1786 140 (Σx) 2 4 22982436 17918289 3189796 19600 373262 I GM 0.37229 0.457718 0.341509 0.244031 0.3297959 Πίνακας 8: Υπολογισµός του δείκτη διαφοροποίησης Gibbs-Martin ανά ζώνη (για όλες τις χρήσεις) Στην περίπτωση αυτή ο δείκτης παίρνει τιµές από 0,24 έως 0,45 παρουσιάζοντας δηλαδή µεγαλύτερη συγκέντρωση σε ορισµένες κατηγορίες, γεγονός που είναι λογικό εάν λάβει κανείς υπόψη τα ποσοστά της χρήσης κατοικία επί του συνόλου των χρήσεων σε κάθε ζώνη. 3.3.3 Συµπεράσµατα Ο υπολογισµός του δείκτη διαφοροποίησης Gibbs-Martin στην πρώτη περίπτωση, δηλαδή για κάθε χρήση ανά ζώνη, απέδειξε ότι υπάρχει σηµαντική τάση κάθε χρήση να είναι οµοιόµορφα κατανεµηµένη ανά ζώνη. Η χρήση µάλιστα που εµφανίζει τον µεγαλύτερο δείκτη διαφοροποίησης και εποµένως την πιο οµοιόµορφη κατανοµή ανά ζώνη είναι η κατοικία. Από την άλλη στην δεύτερη περίπτωση ο δείκτης σε όλες τις περιπτώσεις παρουσιάζει τις τάσεις συγκέντρωσης σε ορισµένες κατηγορίες όπως για παράδειγµα στη ζώνη 1500-2000 µέτρων η οποία έχει δείκτη 0,244031 και εµφανίζει µεγάλη συγκέντρωση στη χρήση κατοικία. Γενικά παρατηρείται στην πλειοψηφία των 18

ζωνών έντονη συγκέντρωση στη συγκεκριµένη χρήση σε σύγκριση και µε τις υπόλοιπες γεγονός απόλυτα αναµενόµενο εφόσον η κατοικία υπερτερεί αριθµητικά σε σύγκριση µε τις υπόλοιπες χρήσεις, σε όλες τις ζώνες ανεξάρτητα. 19

4. Γενικά συµπεράσµατα - Προοπτικές Η ενασχόληση των επιστηµόνων µε την κατανόηση και την ανάλυση των χωρικών προτύπων και των χωρικών κατανοµών έχει εντατικοποιηθεί τα τελευταία χρόνια στα πλαίσια του ερευνητικού πεδίου της χωρικής ανάλυσης. Η µορφή που αποκτούν οι λειτουργίες στο χώρο συµβάλουν στην κατανόηση των διαδικασιών που συνδράµουν στην ίδια την εξέλιξη. Αντικείµενο της παρούσης εργασίας υπήρξε η παρατήρηση και ανάλυση του χωρικού προτύπου των χρήσεων γης στο Πολεοδοµικό Συγκρότηµα Βόλου. Η πόλη του Βόλου όντας µια περιοχή µε έντονο γεωγραφικό χαρακτήρα αλλά και έντονα επιφορτισµένη των συνεπειών των σύγχρονων οικονοµικών εξελίξεων (βλέπε παγκοσµιοποίηση), παρουσιάζει σε επιστηµονικό επίπεδο µεγάλο ενδιαφέρον για την κατανόηση των διαδικασιών που επιδρούν στη δοµή, τη µορφή και το χαρακτήρα της. Ιδιαίτερα επικεντρωθήκαµε στο να προσεγγίσουµε τον τρόπο διάχυσης των ανθρώπινων δραστηριοτήτων στην πόλη µε την εφαρµογή τριών µεθόδων στην ανάλυση των χωρικών κατανοµών των χρήσεων γης. Αυτές ήταν: η ανάλυση απόστασης από γειτονικό σηµείο, η εφαρµογή της καµπύλης Λόρενς και ο δείκτης διαφοροποίησης Gibbs-Martin. Η εφαρµογή που ακολουθήθηκε περιελάµβανε την επεξεργασία των δεδοµένων µε βάση τις τρεις αυτές µεθόδους και την εξαγωγή συµπερασµάτων όπως αυτά προέκυψαν από την ανάλυση των αποτελεσµάτων τις κάθε µεθόδου. Έτσι, µε την ανάλυση απόστασης από γειτονικό σηµείο αναλύθηκαν τα χωρικά πρότυπα των χρήσεων, τα οποία µάλιστα στην προκειµένη περίπτωση είχαν σαφή τάση προς οµαδοποίηση. Με τον τρόπο αυτό και µε γνώµονα επίσης την οπτική απεικόνιση των κατανοµών προέκυψαν σηµαντικές παρατηρήσεις που αφορούν την δηµιουργία αλλά και την εξέλιξη των συγκεκριµένων χωρικών προτύπων. Από την άλλη η εφαρµογή µεθόδων όπως η καµπύλη Λόρενς και ο υπολογισµός του δείκτη διαφοροποίησης λειτούργησαν συµπληρωµατικά της ανάλυσης απόστασης από γειτονικό σηµείο καθώς και αυτές συνδράµουν στην κατανόηση του τρόπου διάχυσης των χρήσεων στην υπό εξέταση περιοχή. Κρίνοντας από την διαδικασία που ακολουθήθηκε στην συγκεκριµένη εργασία καταλήγουµε στο εξής τελικό συµπέρασµα, ότι δηλαδή απαιτείται περαιτέρω ανάλυση και εφαρµογή περισσότερο περίπλοκων στατιστικών µεθόδων για την 20

πραγµατοποίηση στόχων όπως η πρόβλεψη εξέλιξης χρήσεων γης ή η επίπτωση δραστηριοτήτων στην µεταβολή / µετεξέλιξη των χρήσεων γης. Οι µέθοδοι που εφαρµόστηκαν στα πιο πάνω κεφάλαια αποτελούν απλώς τα προγενέστερα στάδια µιας πιο διευρυµένης επιστηµονικά και µεθοδολογικά έρευνας µε περισσότερο διευρυµένους ερευνητικούς σκοπούς. 21

5. Βιβλιογραφία 1. Bennet R. (1979), Spatial Time Series, Academic Press, London 2. Jiao Y., Ma M., Xiao D. (2002), «Quantifying Landscape Pattern and Human impacts on Oases Using Remote Sensing and GIS», in http://www.westgis.ac.cn 3. Φώτης Γ. (2003), «Σηµειώσεις Χωρικής Ανάλυσης», Πανεπιστηµιακές Εκδόσεις Θεσσαλίας, Βόλος 4. Weng Q. (2002), Land use change analysis in the Zhujiang Delta of China using satellite remote sensing, GIS and stochastic modelling, in the Journal of Environmental Management, 64, pp. 273-284 22