ΧΩΡΙΚΟΠΟΙΗΣΗ ΚΟΙΝΩΝΙΚΟΟΙΚΟΝΟΜΙΚΩΝ ΜΟΝΑ ΩΝ ΜΕ ΤΗ ΜΕΘΟ Ο MDS (MULTI-DIMENSIONAL SCALING): ΕΦΑΡΜΟΓΗ ΣΤΗΝ ΝΗΣΙΩΤΙΚΗ ΕΛΛΑ Α Αθανασία άρρα, Μαρίνος Κάβουρας, Ελένη Τοµαή Σχολή Αγρονόµων Τοπογράφων Μηχανικών Εθνικό Μετσόβιο Πολυτεχνείο 15780 Πολυτεχνειούπολη Ζωγράφου Τηλ.. 010 7722731, Fax: 010 7722734 e-mail: {nancyd, mkav}@survey.ntua.gr, etomai@mail.ntua.gr ΠΕΡΙΛΗΨΗ Στόχος της παρούσας εργασίας είναι η απεικόνιση γεωγραφικών οντοτήτων (στην περίπτωση αυτή νησιών του ελλαδικού χώρου), σε δισδιάστατο «χάρτη» µε τη χρήση δεδοµένων που αφορούν την κοινωνική και οικονοµική πραγµατικότητα αυτών. Επειδή οι µεταβλητές της ανάλυσης είναι περισσότερες από δύο, η απεικόνιση των κοινωνικοοικονοµικών αυτών µονάδων (ΚΟΜ) σε χάρτη δύο διαστάσεων απαιτεί τη µείωση της διαστασιµότητάς τους (dimensionality reduction). Έτσι, χρησιµοποιείται µια µέθοδος χωρικοποίησης (spatialization) και ο παραγόµενος χάρτης, αποτελεί µια χαρτογραµµατική απεικόνιση των κοινωνικοοικονοµικών µονάδων, αφού η θέση τους σε αυτόν δεν αντιστοιχεί στην γεωγραφική τους θέση και οι µεταξύ τους τοπολογικές σχέσεις δεν διατηρούνται. Ο «χάρτης» που προκύπτει από τη µέθοδο αυτή οπτικοποιεί τη σηµασιολογική οµοιότητα (semantic similarity) των ΚΟΜ. ΛΕΞΕΙΣ ΚΛΕΙ ΙΑ Χωρικοποίηση (spatialization), κοινωνικοοικονοµικές µονάδες, χαρτόγραµµα, multi-dimensional scaling. 1. ΕΙΣΑΓΩΓΗ Μια µεγάλη κατηγορία φαινοµένων τα οποία έχουν ιδιαίτερη συµπεριφορά και σηµασία στη γεωγραφία, είναι αυτά που εκφράζουν τις κοινωνικοοικονοµικές διαστάσεις του χώρου. Ο ορισµός γεωγραφικών οντοτήτων µε βάση κοινωνικοοικονοµικά χαρακτηριστικά τα οποία έχουν και χωρική διάσταση δηµιουργεί τις ονοµαζόµενες «κοινωνικοοικονοµικές µονάδες KOM» (socioeconomic units SEU). Η σηµασιολογική οµοιότητα των ΚΟΜ, όπως και άλλων γεωγραφικών οντοτήτων, βασίζεται στην οµοιότητα των κοινωνικοοικονοµικών χαρακτηριστικών τους. Σηµαντικό εργαλείο στην µελέτη της σηµασιολογικής οµοιότητας αποτελεί η οπτικοποίηση. Με αυτή επιτυγχάνεται η ανάδειξη του βαθµού οµοιότητας των οντοτήτων και των οµάδων όµοιων οντοτήτων. Απώτερος σκοπός είναι η µελέτη της σηµασιολογικής ετερογένειας συστηµάτων η αναζήτηση και σύµπτυξη πληροφοριών καθώς και η εξαγωγή συµπερσµάτων για την ύπαρξη κοινωνικοοικονοµικών διαφορών των υπό µελέτη µονάδων.. Στόχος της παρούσας εργασίας είναι η οπτικοποίηση της κοινωνικοοικονοµικής πραγµατικότητας γεωγραφικών οντοτήτων µέσω της παραγωγής ενός χαρτογράµµατος. Το χαρτόγραµµα δηµιουργείται αφού πρώτα εφαρµοστεί µια µέθοδος χωρικοποίησης των υπό µελέτη δεδοµένων. ύο ορισµοί της χωρικοποίησης είναι οι εξής: 1. «Χωρικοποίηση είναι η διαδικασία κατά την οποία αφηρηµένη πληροφορία απεικονίζεται στο φυσικό χώρο µε τη βοήθεια χωρικών µεταφορών» (Kuhn & Blumenthal, 1996) 2. «Χωρικοποίηση είναι η διαδικασία κατά την οποία πολυδιάστατη πληροφορία απεικονίζεται σε χώρο περιορισµένων διαστάσεων» (Skupin & Buttenfield, 1997). Ο πρώτος ορισµός συµπίπτει µε την δηµιουργία του χαρτογράµµατος στην περίπτωση αυτή, ενώ ο δεύτερος αντανακλά περισσότερο την διαδικασία χωρικοποίησης που ακολουθήθηκε.
Ως ΚΟΜ µελέτης επιλέχθηκαν τα κατοικηµένα νησιά της Ελλάδας, γιατί (α) αποτελούν αυθύπαρκτες µονάδες πολυδιάστατης κοινωνικής και οικονοµικής δραστηριότητας, (β) έχουν σαφή όρια, (γ) δεν έχουν κοινά όρια µε άλλες ΚΟΜ, (δ) έχουν µεγάλη εσωτερική συνοχή, (ε) δηµιουργούν ένα ευρύτερο δίκτυο µεταξύ τους, (στ) έχουν αναγνωρίσιµη µορφή (απαραίτητη στα χαρτογράµµατα), και τέλος (ζ) κάποιες µπορούν να αποτελέσουν πόλους έλξης (ιδίως αν είναι µακριά από άλλους πόλους όπως είναι τα µεγάλα αστικά κέντρα τη ηπειρωτικής Ελλάδας). Επιπλέον, τα νησιά επιλέχθηκαν λόγω της πολυπλοκότητας εύρεσης και οπτικοποίησης της σηµασιολογικής τους οµοιότητας. Αποφασίστηκε ότι για τον καθορισµό της σηµασιολογικής οµοιότητας των νησιών έπρεπε να συλλέξουµε δεδοµένα που αφορούν στην κοινωνική και οικονοµική δραστηριότητα και ανάπτυξή τους. Κύριοι δείκτες της ανάπτυξης αποτελούν τα στοιχεία των υφιστάµενων υποδοµών. Ως υποδοµή γενικά ορίζεται το σύνολο των υλικών εγκαταστάσεων και του συστήµατος θεσµικών και λοιπών υποστηρικτικών υπηρεσιών οι οποίες έχουν σκοπό την κάλυψη των κοινωνικών αναγκών και την εξυπηρέτηση των οικονοµικών δραστηριοτήτων, συµβάλλοντας καθ αυτόν τον τρόπο στην ανάπτυξη. Η µεθοδολογία χωρικοποίησης που χρησιµοποιήθηκε ήταν η MDS (Multi-Dimensional Scaling). Σκοπός της µεθόδου είναι η απεικόνιση πολυδιάστατων δεδοµένων σε χώρο περιορισµένων διαστάσεων. Συγκεκριµένα, τα πολυδιάστατα δεδοµένα απεικονίζονται ως σηµεία σε χώρο 2 ή 3 διαστάσεων. Μέσω της οπτικοποίησης µεταδίδεται πληροφορία η οποία εκφράζει την οµοιότητα των δεδοµένων. Ως βασική µεταφορά για την οπτικοποίηση της οµοιότητας χρησιµοποιείται η απόσταση, και τούτο συνάδει µε τον πρώτο νόµο της Γεωγραφίας: «Everything is related to everything else, but closer things are more closely related» (Tobler, 1970). Κατ επέκταση, ή απόσταση µεταξύ µη γεωγραφικών πληροφοριών είναι, κατά µια έννοια, ανάλογη της οµοιότητάς τους. Η χρήση της απόστασης ως µέτρο οµοιότητας έχει ως αποτέλεσµα την ανάδειξη «γειτονιών» οι οποίες περιλαµβάνουν νησιά µε παρόµοια κοινωνικοοικονοµικά χαρακτηριστικά. Στο κεφάλαιο που ακολουθεί (Κεφ. 2) αναπτύσσονται διεξοδικά οι κατηγορίες των στοιχείων που χρησιµοποιήθηκαν στην παρούσα ανάλυση καθώς και η µεθοδολογία χωρικοποίησης που ακολουθήθηκε. Στο Κεφάλαιο 3 παρατίθενται τα αποτελέσµατα της ανάλυσης. Αυτά αφορούν στην παραγωγή του χαρτογράµµατος κάνοντας χρήση της χαρτογραφικής µεταφοράς. Από το χαρτόγραµµα µπορούν να εξαχθούν συµπεράσµατα για το βαθµό ανάπτυξης των νησιών βάσει των στοιχείων µελέτης και να δηµιουργηθούν ζώνες σηµασιολογικά όµοιων νησιών που δεν συµπίπτουν µε τα υφιστάµενα νησιωτικά συµπλέγµατα της παραδοσιακής γεωγραφίας του ελλαδικού χώρου. Στο τελευταίο κεφάλαιο (Κεφ. 4) παρατίθενται τα συµπεράσµατα για την µεθοδολογία που αναπτύχθηκε στην παρούσα εφαρµογή, την αξιοπιστία του τελικού προϊόντος και γίνεται λόγος για συνέχιση των πειραµάτων καθώς και την χρήση άλλων µεθόδων χωρικοποίησης και σύγκρισης µεταξύ τους. 2. Ε ΟΜΕΝΑ ΚΑΙ ΜΕΘΟ ΟΛΟΓΙΑ Στο κεφάλαιο αυτό αναφέρονται τα δεδοµένα που χρησιµοποιήθηκαν στην παρούσα ανάλυση καθώς και οι λόγοι που οδήγησαν σε αυτήν την επιλογή. Επίσης αναπτύσσεται η µεθοδολογία που ακολουθήθηκε για την οπτικοποίηση των δεδοµένων. 2.1 εδοµένα Ως περιοχή µελέτης επιλέχθηκε η νησιωτική Ελλάδα. Από την ανάλυση εξαιρέθηκαν η Κρήτη και η Εύβοια λόγω της πολύ µεγάλης τους ανάπτυξης σε όλους τους τοµείς, γεγονός που θα επηρέαζε δυσµενώς την λύση. Έτσι, καταλήξαµε σε εβδοµήντα τέσσερα (74) κατοικηµένα νησιά για τα οποία συλλέξαµε χωρικά και περιγραφικά στοιχεία. Τα στοιχεία που χρησιµοποιήθηκαν στην ανάλυση αυτή αναφέρονται στις εξής συνιστώσες: ΥΠΟ ΟΜΕΣ
- Υγεία - Εκπαίδευση - Μεταφορές - ιοίκηση ΤΟΥΡΙΣΜΟΣ ΠΥΚΝΟΤΗΤΑ ΠΛΗΘΥΣΜΟΥ (κατ/m 2 ) ΑΠΟΣΤΑΣΗ από πόλους-κέντρα Οι επόµενες τέσσερις κατηγορίες (µεταφορές, υγεία, εκπαίδευση, διοίκηση) θεωρήθηκαν στο τελικό στάδιο της ανάλυσης ως µια γενικότερη κατηγορία αυτή των υποδοµών. Για τις µεταφορές, αποφασίστηκε να ληφθεί υπόψη το απλό στοιχείο της ύπαρξης ή όχι αεροδροµίου στο νησί, και αυτό γιατί θέλαµε να κρατήσουµε το µοντέλο όσο πιο απλό γίνεται. Σε ότι αφορά την υγεία τα στοιχεία που συλλέχθηκαν αφορούν την ύπαρξη: 1. Περιφερειακού Ιατρείου 2. Κέντρου Υγείας 3. Νοσοκοµείου και δύο υποκατηγοριών 3.1. Νοσοκοµείου µε Αξονικό Τοµογράφο ή Μονάδα Τεχνητού Νεφρού 3.2. Νοσοκοµείου µε Αξονικό Τοµογράφο και Μονάδα Τεχνητού Νεφρού Τα στοιχεία της υγείας προστίθενται ανά κατηγορία, ενώ δίνονται βάρη σε κάθε µία από αυτές ανάλογα την σηµασία της εκάστοτε υποδοµής όπως φαίνεται και στην προηγούµενη ιεραρχηµένη δοµή της πληροφορίας. Ανάλογη πορεία ακολουθήθηκε για την εκπαίδευση, τα στοιχεία που επιλέξαµε αφορούν την ύπαρξη: 1. Γυµνασίου 2. Λυκείου 3. Πανεπιστηµίου εν συµπεριλάβαµε στην ανάλυση την ύπαρξη δηµοτικού σχολείου, θεωρώντας ότι υπάρχει τουλάχιστον ένα δηµοτικό σχολείο σε κάθε νησί του ελλαδικού χώρου και έτσι, παράλειψη του από τα δεδοµένα δεν αλλάζει την λύση αφού δεν αποτελεί στοιχείο διαφοροποίησης. Οµοίως µε την υγεία, τα στοιχεία της εκπαίδευσης προστίθενται ανά κατηγορία, ενώ δίνονται βάρη σε κάθε µία από αυτές ανάλογα την σηµασία της εκάστοτε υποδοµής. Για την διοίκηση τέλος, ορίστηκαν τα εξής: 1. Επαρχείο 2. Πρωτεύουσα νοµού 3. Πρωτεύουσα Περιφερείας Οµοίως, τα στοιχεία αυτά προστίθενται ανά κατηγορία, ενώ δίνονται βάρη σε κάθε µία από αυτές ανάλογα την σηµασία της εκάστοτε διοικητικής βαθµίδας. Για τον τουρισµό τα στοιχεία που συλλέξαµε αφορούν στον αριθµό των κλινών ανά νησί. Ενώ για πυκνότητα του πληθυσµού στηριχθήκαµε σε στοιχεία από την ΕΣΥΕ (απογραφή του 2001). Τέλος, για την απόσταση από µεγάλο αστικό κέντρο, µετρήσαµε την απόσταση (γεωµετρική σε χιλιόµετρα) κάθε νησιού από τον κοντινότερό του πόλο έλξης εκ των τριών που ορίσαµε: Αθήνα, Θεσσαλονίκη, Πάτρα. Αποφασίσαµε την χρήση και άλλων κέντρων εκτός της Αθήνας για να µην ευνοηθούν έναντι αποµακρυσµένων νησιών του Ιονίου, και του Βορείου Αιγαίου, τα νησιά πολύ κοντά στην Αθήνα, όπως αυτά του Αργοσαρωνικού. Οι τιµές για τα παραπάνω δεδοµένα, µετασχηµατίστηκαν ώστε να γίνουν αδιάστατες και κανονικοποιήθηκαν ώστε να γίνουν συγκρίσιµες. Για να επιτευχθεί αυτό, ορίστηκαν κατηγορίες τιµών σε κάποιες περιπτώσεις ή ανηγµένες τιµές σε κάποιες άλλες στην κλίµακα 0-100. Έτσι προέκυψε ο πίνακας των κοινωνικοοικονοµικών στοιχείων των νησιών, τµήµα του οποίου φαίνεται στον πίνακα 1 που ακολουθεί.
Πίνακας 1. Τελικές τιµές µεταβλητών µελέτης ανά νησί. Α/Α Νήσος Πυκνότητα Πληθυσµού Ανηγµένη Απόσταση Υποδοµές Τουριστική Ανάπτυξη 1 ΑΓΚΙΣΤΡΙ 50 5 4 29 2 ΑΙΓΙΝΑ 90 3 26 43 3 ΑΝΤΙΚΥΘΗΡΑ 10 41 0 14 4 ΠΟΡΟΣ 50 7 11 29 5 ΣΠΕΤΣΕΣ 90 14 7 57 6 Υ ΡΑ 30 11 11 57 7 ΚΥΘΗΡΑ 10 36 24 57 8 ΣΑΛΑΜΙΝΑ 100 0 19 14 9 ΡΟ ΟΣ 50 77 89 100 10 ΚΩΣ 70 59 54 86 2.2 Μεθοδολογία Όπως αναφέρθηκε και στην εισαγωγή, η µέθοδος χωρικοποίησης που εφαρµόστηκε στην παρούσα ανάλυση είναι η Multi-Dimensional Scaling (MDS). Βασίζεται στη στατιστική πολλών µεταβλητών µε σκοπό την µείωση των µεταβλητών των (εν προκειµένω κοινωνικοοικονοµικών) µονάδων. Η µέθοδος αυτή χρησιµοποιεί έναν αλγόριθµο ο οποίος βασίζεται σε ένα µέτρο οµοιότητας. Το µέτρο οµοιότητας στα δεδοµένα εκφράζεται από έναν πίνακα (αν)οµοιότητας. Ο πίνακα (αν)οµοιότητας αναπαριστά τα δεδοµένα (74 νησιά στην περίπτωση αυτή) σε δισδιάστατο χώρο. Προκύπτει δε από το ορισµό ενός µέτρου οµοιότητας µεταξύ δύο νησιωτικών ΚΟΜ. Για την περίπτωση που εξετάζουµε, ως µέτρο οµοιότητας ορίστηκε η απόσταση (distance-type measure) µεταξύ δύο νησιών i,j ως εξής: S = 2 2 2 ( Π 1i Π1 j ) + ( Π2i Π2 j ) + ( Π3i Π3 j ) + ( Π4i Π4 j ) 2 όπου Π1 έως Π4 οι τιµές των προς εξέταση µεταβλητών (πυκνότητα πληθυσµού, ανηγµένη απόσταση, υποδοµές, τουριστική ανάπτυξη). Είναι φανερό ότι όσο µεγαλύτερο είναι το S τόσο πιο ανόµοια είναι τα νησιά, και ο πίνακας που προκύπτει είναι πίνακας ανοµοιότητας. Ο πίνακας αυτός είναι τετραγωνικός µε όλες τις τιµές της διαγωνίου ίσες µε το µηδέν (0) αφού κάθε νησί ταυτίζεται µε τον εαυτό του. Από τον πίνακα 1 λοιπόν και µε εφαρµογή του µέτρου οµοιότητας προκύπτει ο πίνακας εισόδου για το MDS, τµήµα του οποίου φαίνεται στον πίνακα 2. Πίνακας 2. Τµήµα του πίνακα ανοµοιότητας για τα αντίστοιχα δεδοµένα του πίνακα 1. ΑΓΚΙΣΤΡΙ ΑΙΓΙΝΑ ΑΝΤΙΚΥΘΗΡΑ ΠΟΡΟΣ ΣΠΕΤΣΕΣ Υ ΡΑ ΚΥΘΗΡΑ ΣΑΛΑΜΙΝΑ ΡΟ ΟΣ ΚΩΣ ΑΓΚΙΣΤΡΙ 0,00 ΑΙΓΙΝΑ 47,96 0,00 ΑΝΤΙΚΥΘΗΡΑ 55,66 96,34 0,00 ΠΟΡΟΣ 7,82 45,17 55,09 0,00 ΣΠΕΤΣΕΣ 50,13 25,71 94,88 49,74 0,00 Υ ΡΑ 36,10 63,84 57,17 35,02 60,21 0,00 ΚΥΘΗΡΑ 61,71 87,65 49,36 58,40 84,66 34,97 0,00 ΣΑΛΑΜΙΝΑ 54,30 31,36 100,54 53,06 47,54 83,10 106,22 0,00 ΡΟ ΟΣ 132,52 119,40 134,80 126,49 118,52 112,72 96,48 144,05 0,00 ΚΩΣ 95,40 78,19 109,20 90,28 73,42 81,15 76,29 103,66 46,52 0,00
Το εξαγόµενο, από την µέθοδο MDS είναι ένας χάρτης δύο διαστάσεων του οποίου οι τοπολογικές σχέσεις είναι ανάλογες µε αυτές των συµβατικών/ παραδοσιακών χαρτών. Αυτό πρακτικά σηµαίνει ότι ΚΟΜ που εµφανίζονται κοντινές προσοµοιάζουν και σηµασιολογικά, δηλαδή µοιράζονται κοινά χαρακτηριστικά σύµφωνα µε τα στοιχεία που µελετήσαµε. Το αντίστροφο συµβαίνει για ΚΟΜ που εµφανίζονται αποµακρυσµένες. Αυτή η αρχή λοιπόν µπορεί να µας δώσει απαντήσεις για την οµοιότητα που παρουσιάζουν τα υπό εξέταση νησιά ως προς τις παραπάνω µεταβλητές. Στο σχήµα 1 φαίνεται το αποτέλεσµα της µεθόδου για τα δεδοµένα µας. Κέρκυρα Ρόδος Σαντορίνη Μυτιλήνη Σύρος Κώς Χίος Σάµος Ζάκυνθος Μύκονος Σκιάθος Κεφαλλονιά Κάλυµνος Λευκάδα Πάρος Σαλαµίνα Αίγινα Σπέτσες Λέρος Πάτµος Νάξος Μήλος Τήνος Θάσος Ικαρία Σκόπελος Λήµνος Ίος Άνδρος Ύδρα Σίφνος Ιθάκη Κύθηρα Πόρος Παξοί Αµοργός Αγκίστρι Σύµη Ερεικούσσα Σέριφος Μεγανήσι Κέα Αλόννησος Αστυπάλαια Σκύρος Σαµοθράκη Οινούσσες Νίσυρος Φούρνοι Φολέγανδρος Κουφονήσια Λειψοί Κύθνος Αντίπαρος Ελαφόνησος Κάσος Κάρπαθος Καστελόριζο Ψαρά Μαθράκι ΚίµωλοςΣίκινος ονούσαανάφη Αγ. Ευστράτιος Ηρακλειά Σχοινούσα Αγαθονήσι Καστός Κάλαµος Αντικύθηρα Τήλος Χάλκη Οθωνοί Σχήµα 1. Οι θέσεις των νησιών όπως προέκυψαν από το MDS 3. ΑΠΟΤΕΛΕΣΜΑΤΑ Η θέση των ΚΟΜ του παραγόµενου χάρτη δεν είναι αληθινή (γεωγραφική), αλλά εξαρτάται από τις µεταβλητές που χρησιµοποιήθηκαν για την κατασκευή του χαρτογράµµατος. Το χαρτόγραµµα αυτό καταδεικνύει νησιωτικά συµπλέγµατα, διαφορετικά από τα πραγµατικά, τα οποία παρουσιάζουν κοινά χαρακτηριστικά ως προς τις κοινωνικοοικονοµικές µεταβλητές που χρησιµοποιήθηκαν. Ο χάρτης 1, απεικονίζει µε χρήση χαρτογραφικής µεταφοράς τα νησιωτικά συµπλέγµατα που προκύπτουν. Από την ανάλυση των οµοιογενών συµπλεγµάτων που φαίνονται στον χάρτη προκύπτει ότι τα µικρά σε µέγεθος νησιά, των Κυκλάδων κυρίως, αλλά και του Ιονίου, αποτελούν ένα οµοιογενές σύµπλεγµα που περιλαµβάνει όλα εκείνα τα νησιά µε µηδενικές υποδοµές, πολύ χαµηλή τουριστική ανάπτυξη, σχετικά µακριά από κάποιο πόλο έλξης, και χωρίς δυνατότητα πρόσβασης από αέρα. Αν παρατηρήσει κανείς, αντιλαµβάνεται επίσης, πως οι αποστάσεις µεταξύ αυτών των νησιών είναι πολύ µικρές, που σηµαίνει πρακτικά ότι αυτή η οµάδα είναι πολύ πιο οµοιογενής από τις άλλες που προκύπτουν
δηλαδή τα νησιά αυτά δεν διαφοροποιούνται σε µεγάλο βαθµό σε καµία από τις παραµέτρους που µελετήθηκαν. Εκτός από την ερµηνεία των αποτελεσµάτων ως προς (α) την οµοιότητα και (β) τη δηµιουργία οµάδων, µπορούν περαιτέρω (γ) να εντοπιστούν και άξονες έτσι ώστε οι ΚΟΜ που προβάλλονται στα αντίστοιχα άκρα κάθε άξονα να διαφέρουν µε κάποιο ερµηνεύσιµο τρόπο. Οι δύο άξονες του παραδείγµατος, οι οποίοι φαίνονται και στον χάρτη 2, εκφράζουν τα εξής: Οριζόντιος άξονας (άνω αριστερά προς κάτω δεξιά): εκφράζει κύρια την πυκνότητα πληθυσµού µε µικρή επίδραση της (ανηγµένης) απόστασης από πόλο έλξης. Κάθετος άξονας (άνω δεξιά προς κάτω αριστερά): εκφράζει το σύνολο των υποδοµών και την τουριστική ανάπτυξη. Έτσι, διακρίνουµε ότι στο άνω αριστερά τεταρτηµόριο του χάρτη βρίσκονται νησιά που παρουσιάζουν ικανοποιητικό πλήθος υποδοµών και µεγάλη πυκνότητα πληθυσµού. Εδώ διακρίνουµε νησιά όπως η Σύρος και η Σκιάθος που παρουσιάζουν µεγάλη πυκνότητα πληθυσµού και ικανοποιητική εικόνα ως προς την ύπαρξη υποδοµών. Στο πάνω δεξιά τεταρτηµόριο, διακρίνουµε νησιά µε ικανοποιητικό πλήθος υποδοµών αλλά µικρότερη πυκνότητα πληθυσµού. Στο άνω µέρος, εκατέρωθεν του άξονα, βλέπουµε να δηµιουργείται µία οµάδα µε τα τρία µεγαλύτερα νησιά (Κέρκυρα, Ρόδο, Λέσβο), µε υψηλό αριθµό υποδοµών (σε συνδυασµό µε τουριστική ανάπτυξη) και µέτρια πυκνότητα πληθυσµού. Τα νησιά αυτά λόγω και της απόστασής τους από κέντρα πόλους, έχουν µεγαλύτερη αυτοδυναµία και µπορούν να λειτουργήσουν ως νέα κέντρα. Στο κάτω αριστερά τεταρτηµόριο, διακρίνουµε νησιά όπως η Σαλαµίνα, Αίγινα, Λέρος, τα οποία έχουν µεγάλη πυκνότητα πληθυσµού αλλά βρίσκονται κάτω του µέσου όρου στις υποδοµές. Τέλος, κάτω δεξιά, βρίσκεται η πλειοψηφία των µικρών νησιών της χώρας µε φτωχότερες υποδοµές, λίγο πληθυσµό και αρκετή απόσταση από τους πόλους. Το µοντέλο που χρησιµοποιήθηκε στην εφαρµογή αυτή υιοθετεί ένα απλό µέτρο οµοιότητας που προκύπτει από τη σύγκριση τεσσάρων παραµέτρων. Η µεθοδολογία όµως δεν εξαντλείται εδώ. Το µέτρο οµοιότητας που χρησιµοποιείται κάθε φορά µπορεί να είναι πολύπλοκο. Οι προς µελέτη παράµετροι εναπόκεινται στην βούληση του µελετητή και στο είδος της οµοιότητας που θέλει να διερευνήσει/ αναδείξει. Όµως η εµπειρία µας στην χρήση αυτής της µεθόδου µας έχει δείξει ότι όσο πιο πολλές παραµέτρους βάζουµε στο µοντέλο τόσο πιο δύσκολο είναι να ερµηνεύσουµε το προϊόν της χωρικοποίησης µε την µέθοδο MDS (ορισµός των αξόνων) και πιο επίπονο να αξιολογήσουµε το αποτέλεσµα του ίδιου του αλγόριθµου (αξιοπιστία της τελικής λύσης). 4. ΣΥΜΠΕΡΑΣΜΑΤΑ ΚΑΙ ΜΕΛΛΟΝΤΙΚΗ ΕΡΕΥΝΑ Με τη χωρικοποίηση, µπορούµε να πετύχουµε : Την ανάδειξη των σηµασιολογικών σχέσεων. Την αποκάλυψη οµάδων οντοτήτων µε κοινά χαρακτηριστικά καθώς και της κρυµµένης δοµής τους. Την απεικόνιση πολύ µεγάλης ποσότητας δεδοµένων από λιγότερη πληροφορία µε µειωµένες διαστάσεις. Η µεθοδολογία χωρικοποίησης που ακολουθήθηκε είναι απλή στην υλοποίηση και κατανόηση των αποτελεσµάτων, αλλά η αξία των ευρηµάτων είναι σηµαντική. Η δηµιουργία οµογενών οµάδων των αρχικών δεδοµένων έχει σηµασία για την µελέτη πολλών κοινωνικών και οικονοµικών φαινοµένων. Επίσης, η διαδικασία εύρεσης της σηµασιολογικής οµοιότητας κοινωνικοοικονοµικών µονάδων, όπως αυτή που χρησιµοποιήθηκε στην παρούσα ανάλυση, µπορεί να δηµιουργήσει ζώνες οµοιότητας στο χώρο και να καταδείξει σχέσεις και συγγένειες που δεν ήταν από πριν εµφανείς. Η µεθοδολογία αυτή µπορεί να αποτελέσει την βάση ενός εκλογικευµένου περιφερειακού σχεδιασµού. Συγκεκριµένα, για την περιοχή της νησιωτικής Ελλάδος που αποτέλεσε και την περιοχή
εφαρµογής της µεθοδολογίας, το αποτέλεσµα της µελέτης αναδεικνύει ζώνες κοινωνικοοικονοµικών µονάδων στις οποίες απουσιάζει πλήθος υποδοµών γεγονός που εξηγεί αλλά και απορρέει την ερήµωση τους. Από την άλλη, η ύπαρξη νησιών µε πληθώρα υποδοµών και µεγάλη πυκνότητα πληθυσµού ( Κέρκυρα, Ρόδος, Μυτιλήνη) µπορούν να αποτελέσουν από µόνα τους πόλους έλξης για τους κατοίκους µικρότερων κοντινών νησιών έτσι ώστε να δηµιουργηθούν χώροι δράσης χωρίς την εµπλοκή ηπειρωτικών αστικών κέντρων. Η µελλοντική έρευνα αφορά στην: εφαρµογή της προτεινόµενης µεθοδολογίας και σε άλλες κοινωνικό-οικονοµικές µονάδες της χώρας, χρήση και άλλων παραµέτρων στο µέτρο οµοιότητας, διερεύνηση και άλλων τεχνικών χωρικοποίησης όπως οι Αυτό-Οργανούµενοι Χάρτες (Selforganizing Maps) και τέλος σύγκριση των αποτελεσµάτων που δίνουν οι διάφορες τεχνικές. ΒΙΒΛΙΟΓΡΑΦΙΑ Kruskal, J. B. and Wish, M., 1978, Multidimensional Scaling. Sage University Paper series on Quantitative Applications in the Social Sciences, number 07-011. Sage Publications, Newbury Park, CA. Kuhn, W. and Blumenthal B., 1996, Spatialization: Spatial Metaphors for User Interfaces. Geoinfo Series, 8, ed. Andrew U. Frank. Skupin, A. and Buttenfield, B. P. 1997, Spatial Metaphors for Display of Information Spaces. Proceedings, AUTO-CARTO 13,116-125, Seattle, Washington, Apr. 7-10. Tobler, W. 1970, A Computer Model Simulating Urban Growth in the Detroit Region. Economic Geography, 46(2), 234-240. Πραγµατικός Πληθυσµός κατά Νοµούς, ήµους, ηµοτικά ιαµερίσµατα και Οικισισµούς http://www.statistics.gr/gr_tables/s1100_sap_1_pinakas2b_i.pdf Έκταση Ο.Τ.Α. σε στρέµµατα: http://www.ypes.gr/kapodistrias/greek/kapo/ie4ver.html Νοσοκοµεία του Εθνικού Συστήµατος Υγείας ανά Πε.Σ.Υ.Π. http://www.ypyp.gr/nos_pesy.pdf Γυµνάσια, Λύκεια, Πανεπιστήµια
Κέ ρκυ ρα Ρόδος Μυτιλήνη Θήρ α Σύρος Κώς Σάµος Ζάκυνθος Μύκονος Χίος Σκιάθος Κε φ αλλ ονιά Κά λυµνος Λευκάδα Πάρος Αίγινα Πάτ µος Σπέτ σες Λέρος Νάξος Λήµνος Μήλος Τήνος Άνδρος Σαλ αµίνα Σκόπελ ος Θάσος Ικαρία Ίος Ύδρα Σίφνος Ιθάκη Κύ θηρ α Ερε ικού σσα Πόρος Αγκίστρι Μεγανήσι Παξοί Αµοργός Σύµη Κέ α Σέριφος Αστυπάλαια Σκύρο ς Οινούσσε ς Αλόννησος Σαµοθράκη Φολέγανδρος Νίσυρος Φο ύρνο ι Λειψοί Κο υφο νήσια Ελ αφόνησος Αντίπαρος Κάσος Κύ θνος Ψα ρά Σίκινο ς Κίµωλος Ανάφη Τήλ ος Χά λκη Μα θράκι ονούσα Αγ. Ευστ ράτιος Ηρακλ ειά Καστό ς Αγαθονήσι Οθωνοί Σχοι νούσα Κά λαµος Αντικύθηρα Κάρπα θος Καστε λ όριζ ο ΚΛΙΜΑΚΑ 1: 3 000 000 Χάρτης 1. Χαρτογραµµατική Απεικόνιση των νησιών της Ελλάδας
Κέ ρκυ ρα Ρόδος Μυτιλήνη Θήρ α Σύρο ς Κώς Σάµος Ζάκυνθος Μύ κονος Χίος Κε φ αλλ ονιά Σκιάθος Κάλυµνος Λευκάδα Πάρος Αίγινα Πάτ µος Σπέτ σες Λέρος Νάξος Λήµνος Τήνος Μήλος Άνδρος Σαλ αµίνα Σκόπελ ος Θάσος Ικαρία Ίος Ύδρα Σίφνος Ιθάκη Κύ θηρ α Ερε ικού σσα Πόρος Αγκίστρι Μεγανήσι Παξοί Κέ α Σέριφος Σκύρος Αµοργός Σύµη Αστυπάλαια Κάρπα θος Καστε λ όριζ ο Οινούσσες Αλόννησος Σαµοθράκη Φολέγανδρος Νίσυρος Φο ύρνο ι Λειψοί Κο υφο νήσια Ελ αφό νησος Αντίπαρος Κάσος Κύθνος Ψα ρά Σίκινο ς Κίµωλος Ανάφη Τήλ ος Χά λκη Ηρακλ ειά Καστό ς Κά λαµος Αγαθονήσι Αντικύθηρα Οθωνοί Χάρτης 2. Κύριοι άξονες ερµηνείας χωρικοποίησης.