Corso di
POPOLAZIONE TERRITORIO E SOCIETA’ 1
AA 2018-2019
LEZIONE 1
Analisi spaziale in Demografia
Misure della distribuzione della popolazione: la densità
Si definisce densità geografica media di un qualunque attributo i (ad esempio la popolazione) di un sottoinsieme misurabile di luoghi B. il rapporto tra la misura della massa di i disponibile in B e la misura di superficie di B (purché essa non sia nulla):
Misure della distribuzione della popolazione: la densità
Popolazione media stimata
(milioni)
Superficie Densità (migliaia di km
quadrati) (ab/kmq)
Mondo 6.671 136.127 51
Africa 1.051 30.312 35
America Latina 596 20.546 29
America del Nord 346 21.776 16
Asia 4.216 31.880 132
Europa 740 22.049 32
Oceania 37 8.564 4
Fonte: PRB. http://www.prb.org/pdf11/2011population-data-sheet_eng.pdf
Country
name Population Area (sq.
Km.) Density (sq. Km.)
1 Monaco 33.000 2 16.500.0
2 Singapore 4.987.600 693 7.197.1
3 Malta 416.333 316 1.317.5
4 Bahrain 807.000 665 1.213.5
5 Bangladesh 164.425.000 144.000 1.141.8 6 Maldives 314.000 300 1.046.7 7Vatican
City 800 1 800.0
8 Mauritius 1.297.000 2.040 635.8
9 Barbados 257.000 431 596.3
10 San Marino 32.386 61 530.9
LEAST DENSELY POPULATED MOST DENSELY POPULATED
Country
name Population Area (sq.
Km.) Density (sq. Km.) 1 Mongolia 2.768.800 1.565.000 1,8 2 Namibia 2.212.000 825.418 2,7 3 Australia 22.421.417 7.686.850 2,9 4 Iceland 317.900 103.000 3,1 5 Suriname 524.000 163.270 3,2 6 Mauritania 3.366.000 1.030.700 3,3 7 Botswana 1.978.000 600.370 3,3 8 Canada 34.207.000 9.976.140 3,4 9 Guyana 761.000 214.970 3,5 10 Libya 6.546.000 1.759.540 3,7
http://www.worldatlas.com/aatlas/populations/ctypopls.htm#.UpOJeigipLw
DENSITA’ LIVELLO URBANIZZAZIONE
BENESSERE Rwanda VS Giappone
Australia/Islanda VS Rep. Centro Africana/Niger
Non c’è relazione: il 50% dei più densi concentra il 47% della ricchezza
DENSITA’ E URBANIZZAZIONE
DENSITA’ E BENESSERE 17,5%
20,5%
OTTIMO ECOLOGICO
la densità di popolazione che può essere sostenuta dalle risorse naturali disponibili e
che massimizza il benessere complessivo della popolazione
DENSITA’ E COMPORTAMENTO
Quando la scala territoriale è piccola. la densità influenza il comportamento degli individui?
Es. c’è relazione tra livello della criminalità e la densità urbana?
Es. c’è relazione tra la densità abitativa e il disagio (psichico)?
Se si. qual è il livello territoriale adeguato per valutare tale influenza?
La densità come AMPLIFICATORE delle propensioni
ESTENSIONI DELLA DENSITA’
DENSITA’ NETTA: riferita alla sola porzione di territorio occupata da insediamenti umani
DENSITA’ NUTRIZIONALE: rapporto tra popolazione e terra arabile
Es. la densità (lorda) del Bangladesh (1000 persone per kmq) è maggiore di quella del Giappone ( 339); tuttavia. la porzione di territorio dedicata
all’agricoltura è maggiore in Bangladesh
DENSITA’ AGRICOLA: rapporto tra la popolazione occupata in attività agricole e la superficie arabile
DENSITA’ URBANA: funzione esponenziale (negativa) della distanza dal centro
( ) x D e
bxD =
0⋅
−CARATTERISTICHE FISICHE DELLA DENSITA’ URBANA Modello circolare
Densità massima al centro D0 (proporzionale alla radice q. di P0)
r= distanza dal centro
b = costante per ogni città (DISTANZA DI DIMEZZAMENTO)
Varia tra 600 mt a 6.5 km)
0
D0 D0
0
Si dimostra che D0 è proporzionale alla radice quadrata di P0 GRAVITAZIONE
COESIONE
Il traffico. scambi telefonici
Forze che determinano l’estensione delle aree urbane
ADESIONE
Desiderio di vivere in aree ritenute più favorevoli (ad es.
lungo le direttrici principali)
RUOLO DELLE INFRASTRUTTURE DI COLLEGAMENTO r = raggio che delimita la città (BORDO)
Non varia molto
Distorsivi
HOOVER
Indici di concentrazione/dispersione
R: r sub-aree
P p P
A a A
a p H
i i
i i
r
i
i i
=
=
−
⋅
=
∑
=1
50
i
Popolazione media stimata (milioni)
Superficie (migliaia di km
quadrati) ai pi |ai-pi|
Mondo 6.671 136.127 1 1
Africa 965 30.312 0.145 0.223 0.078
America Latina 570 20.546 0.085 0.151 0.065
America del Nord 342 21.776 0.051 0.160 0.109
Asia 4.029 31.880 0.604 0.234 0.370
Europa 731 22.049 0.110 0.162 0.052
Oceania 34.5 8.564 0.005 0.063 0.058
H=50*somma(|ai-pi|)= 36.60
Dipende da r!!!!
ESEMPIO
H = 36%
Cosa significa?
Che il 36% della popolazione dovrebbe spostari sul territorio così che la popolazione risulti distribuita in modo uniforme
SPEZZATA DI LORENZ
100 90 80 70 60 50 40 30 20 10
10 20 30 40 50 60 70 80 90 100
% cumulata di superficie
% cumulata di popolazione
ARIZONA VERMONT
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
RAPPORTO DI CONCENTRAZIONE DI GINI
Misura la concentrazione
relativa della distribuzione di un fenomeno attraverso la
proporzione di popolazione che non è equamente distribuita.
Perfetta
equidistribuzione Massima
concentrazione
Si calcola come differenza tra l’area sottesa alla bisettrice (perfetta equidistribuzione) e l’area sottesa alla spezzata di Lorenz (distribuzione osservata), rapportata all’area sottesa alla bisettrice
Come si calcola GR
Area sottesa alla bisettrice:
i = 2
i i = 1
Area sottesa alla spezzata = somma delle aree di tutti I poligoni sotto la spezzata:
Area sottesa alla spezzata
In definitiva, l’area per differenza
1=
STATISTICHE DESCRITTIVE SU DATI SPAZIALI
MISURE DI TENDENZA CENTRALE
DISTANZE
DISPERSIONE/VARIABILITA’
I dati geografici:
Si possono definire come attributi (o variabili) relativi a oggetti geografici, cioè che occupano uno spazio fisico
Oggetti:
Come anticipato gli oggetti geografici si raggruppano in
Punti
Linee
poligoni
Proprietà degli oggetti
Varia la loro natura a seconda della scala conn cui vengono rappresentati (e quindi in base agli obiettivi dell’analisi)
es. Una città può essere un punto se si vuole rappresentare un fenomeno osservato su un numero di città di un certo territorio
oppure un poligono se si rappresentano valori di un fenomeno in sub- ree della città
• Anche quando si hanno dei punti (fenomeni discreti) è possibile
tenere conto del diverso peso che I punti hanno (il peso può essere, as es. la popolazione residente)
Gli oggetti hanno una posizione geografica (coordinate x e y) che permette di stabilire proprietà di direzione, contiguità e distanza.
TENDENZA CENTRALE
Interesse per la variazione della localizzazione geografica degli oggetti, in quanto risultato di un processo di COMPETIZIONE per lo spazio; tale competizione è un processo naturale provocato dalla natura o dall’uomo Lo studio dei modelli di distribuzione spaziale dei fenomeni hanno come elemento principale la tendenza centrale
CENTRO MEDIO
CENTRO MEDIANO O DI MINIMO PERCORSO
In generale, Data una regione R
Il centro della regione R sarà un punto
Dove
è un peso da attribuire alla i-esima sub-area
Se
Il centro della regione R sarà un punto
Cioè la media semplice dei centri geometrici delle sub-aree CENTRO GEOMETRICO
Spesso il centro geometrico viene chiamato “centroide”
Se
Il centro della regione R sarà un punto
Cioè la media ponderata dei centri geometrici delle sub-aree, con pesi uguali alla proporzione di popolazione che risiede in ciascuna sub-area CENTROIDE/BARICENTRO
Nel caso precedente, l’ipotesi di fondo era che il centro della regione R fosse
proporzionale alla popolazione delle sub-aree (più grande la massa, più forte è la forza di attrazione).
Ipotizziamo ora che il centro della regione, oltre che proporzionale alla
popolazione delle sub-arre, sia anche inversamente proporzionale alla distanza di ciascuna sub-area (più distante la sub-area, più debole è la forza di attrazione).
CENTRO MEDIANO (CENTRE OF MINIMUM TRAVEL)
Resta da definire come calcolare la distanza:
Sia
la distanza euclidea classica tra i due punti i e c
Si dimostra che questo centro è il punto che rende minima la somma delle distanze dei centri delle sub- aree dal centro mediano stesso.
( ) ( )
∑
=− +
−
=
ri
i i
i
x X y Y
P D
1
2 2
ESEMPIO: calcolo del centro mediano (punto azzurro)
aree x y P Calcolo del centroide
a 2 2,5 1000 2000 2500
b 1 5 1600 1600 8000
c 4,5 4,5 2200 9900 9900
d 3,5 2 1800 6300 3600
e 3 5 1400 4200 7000
Me ? ? 8000 24000 31000
il punto verde è il centroide COME
CALCOLIAMO LE DISTANZE DA X e
Y se non lo conosciamo?
Per individuarlo si ricorre ad un algoritmo iterativo che “stima” le coordinate del centro mediano per approssimazioni successive
Come prima stima si utilizzano le coordinate del centroide; essendo ottenuto anch’esso come media ponderata dei centri delle sub-aree, infatti, non
risulterà molto distante dal centro mediano:
si calcolerà
(con X0 e y0 le coordinate del centroide)
Si applicheranno allora le formule per il calcolo di X e Y,
Y1 – Y0 =
X1 – X0 = Se per almeno una delle due coordinate l’approssimazione raggiunta è (ad esempio) nell’ordine di 10-3 (se la distanza è espressa in km, vuol dire una approssimazione in termini di metri) posso decidere di accontentarmi e fermarmi con le iterazioni, altrimenti vado avanti)
Come SECONDA stima si utilizzano le coordinate del centro mediano X1 e Y1 appena trovate;
Si applicheranno allora le formule per il calcolo di X e Y,
Y2 – Y1 =
X2 – X1 = Come prima, se per almeno una delle due coordinate
l’approssimazione raggiunta è soddisfacente posso decidere di accontentarmi e fermarmi con le iterazioni, altrimenti vado avanti
Come TERZA stima si utilizzano le coordinate del centro mediano X2 e Y2 appena trovate;
Si applicheranno allora le formule per il calcolo di X e Y,
Y3 – Y1 =
X3 – X1 = Come prima, se per almeno una delle due coordinate
l’approssimazione raggiunta è soddisfacente posso decidere di accontentarmi e fermarmi con le iterazioni, altrimenti vado avanti
E così via,
Il gioco continua finché non ho raggiunto un’approssimazione
soddisfacente
ESEMPIO: calcolo del centro mediano (punto azzurro)
aree x y P Calcolo del centroide
a 2 2,5 1000 2000 2500
b 1 5 1600 1600 8000
c 4,5 4,5 2200 9900 9900
d 3,5 2 1800 6300 3600
e 3 5 1400 4200 7000
Me ? ? 8000 24000 31000
Centroide 3,0 3,9
Il centroide è il punto verde
Sub aree i X0 Y0
ITERAZIONI a b c d e 3,000 3,875
di,j-1 1,700 2,295 1,625 1,941 1,125
1 Pi 1000 1600 2200 1800 1400
Pi/di,j-1 588,2 697,3 1353,8 927,6 1244,4 4811,3Somma
(%) 0,122 0,145 0,281 0,193 0,259 Pesi
xi 2 1 4,5 3,5 3
X1 0,244 0,145 1,266 0,675 0,776
yi 2,5 5 4,5 2 5 DIFFERENZE
X1 0,306 0,725 1,266 0,386 1,293 3,106 3,975 0,106 0,100
ITERAZIONI a b c d e 3,106 3,975
di,j-1 1,844 2,342 1,489 2,014 1,030
2 Pi 1000 1600 2200 1800 1400
Pi/di,j-1 542,3 683,1 1477,4 893,7 1359,0 4955,4Somma
(%) 0,109 0,138 0,298 0,180 0,274 Pesi
xi 2 1 4,5 3,5 3
X1 0,219 0,138 1,342 0,631 0,823
yi 2,5 5 4,5 2 5
X1 0,27358022
10,68921088
71,34162853
70,36069207
71,37120010
4 3,152 4,036 0,046 0,061
ITERAZIONI a b c d e 3,152 4,036
di,j-1 1,920 2,358 1,425 2,066 0,976
3 Pi 1000 1600 2200 1800 1400
Pi/di,j-1 520,7 678,5 1543,6 871,3 1435,0 5049,1Somma
(%) 0,103 0,134 0,306 0,173 0,284 Pesi
xi 2 1 4,5 3,5 3
X1 0,206 0,134 1,376 0,604 0,853
yi 2,5 5 4,5 2 5
X1 0,25783073
90,67189925
81,37570912
40,34514767
91,42100437
4 3,173 4,072 0,021 0,035
ITERAZIONI a b c d e 3,173 4,072
di,j-1 1,961 2,363 1,394 2,097 0,944
4 Pi 1000 1600 2200 1800 1400
Pi/di,j-1 509,9 677,1 1577,7 858,3 1482,4 5105,4Somma
(%) 0,100 0,133 0,309 0,168 0,290 Pesi
xi 2 1 4,5 3,5 3
X1 0,200 0,133 1,391 0,588 0,871
yi 2,5 5 4,5 2 5
X1 0,24970030
50,66312826
21,39057415
60,33621908
21,45184102
8 3,182 4,091 0,009 0,020
ITERAZIONI a b c d e 3,182 4,091
di,j-1 1,983 2,364 1,379 2,115 0,927
5 Pi 1000 1600 2200 1800 1400
Pi/di,j-1 504,4 676,8 1594,9 850,9 1510,8 5137,7Somma
(%) 0,098 0,132 0,310 0,166 0,294 Pesi
xi 2 1 4,5 3,5 3
X1 0,196 0,132 1,397 0,580 0,882
yi 2,5 5 4,5 2 5
X1 0,24542693
9 0,658676081,39689476
10,33123296
11,47028235
2 3,187 4,103 0,004 0,011
ITERAZIONI a b c d e 3,187 4,103
di,j-1 1,994 2,364 1,372 2,126 0,917
6 Pi 1000 1600 2200 1800 1400
Pi/di,j-1 501,5 676,9 1603,5 846,8 1527,2 5155,8Somma
(%) 0,097 0,131 0,311 0,164 0,296 Pesi
xi 2 1 4,5 3,5 3
X1 0,195 0,131 1,400 0,575 0,889
yi 2,5 5 4,5 2 5
X1 0,24316155
6 0,656426341,39950987
10,32847731
31,48104629
7 3,189 4,109 0,002 0,006
ITERAZIONI a b c d e 3,189 4,109
di,j-1 2,000 2,363 1,368 2,131 0,911
7 Pi 1000 1600 2200 1800 1400
Pi/di,j-1 499,9 677,0 1607,7 844,5 1536,5 5165,7Somma
(%) 0,097 0,131 0,311 0,163 0,297 Pesi
xi 2 1 4,5 3,5 3
X1 0,194 0,131 1,401 0,572 0,892
yi 2,5 5 4,5 2 5
X1 0,24195387
60,65529247
21,40055343
90,32696014
31,48722893
1 3,190 4,112 0,001 0,003
ITERAZIONI a b c d e 3,190 4,112
di,j-1 2,003 2,363 1,367 2,135 0,908
8 Pi 1000 1600 2200 1800 1400
Pi/di,j-1 499,1 677,1 1609,9 843,2 1541,8 5171,2Somma
(%) 0,097 0,131 0,311 0,163 0,298 Pesi
xi 2 1 4,5 3,5 3
X1 0,193 0,131 1,401 0,571 0,894
yi 2,5 5 4,5 2 5
X1 0,24130712
80,65472055
11,40094771
30,32612587
91,49074192
5 3,190 4,114 0,000 0,002
DISTANZA MEDIA SEMPLICE
aree x y P
a 2 2,5 1000
b 1 5 1600
c 4,5 4,5 2200
d 3,5 2 1800
e 3 5 1400
8000
Distanza euclidea
Numero di coppie ESEMPIO
a b c d e
a -
b 2,693 -
c 3,202 3,536 -
d 1,581 3,905 2,693 -
e 2,693 2,000 1,581 3,041 -
10,168 9,441 4,274 3,041 26,924
DISTANZE
NEAREST NEIGHBOUR MEAN DISTANCE
aree x y P
a 2 2,5 1000
b 1 5 1600
c 4,5 4,5 2200
d 3,5 2 1800
e 3 5 1400
8000
Distanza euclidea
ESEMPIO
a b c d e
a - 2,693 3,202 1,581 2,693
b 2,693 - 3,536 3,905 2,000
c 3,202 3,536 - 2,693 1,581
d 1,581 3,905 2,693 - 3,041
e 2,693 2,000 1,581 3,041 -
1,581 2,000 1,581 1,581 1,581 8,325
DISTANZA STANDARD
Equivalente spaziale della deviazione standard, fornisce una misura della dispersione dei punti intorno alla media;
in uno spazio bidimensionale:
Dove il punto centrale è ad esempio il centro geometrico:
DISPERSONE/VARIABILITA’
ESEMPIO
aree x y
a 2 2,5
b 1 5
c 4,5 4,5
d 3,5 2
e 3 5
Centro
geometrico 2,8 3,8
aree x y
a 0,64 1,69
b 3,24 1,44
c 2,89 0,49
d 0,49 3,24
e 0,04 1,44
Dispersione 1,825 2,075 1,975
Le varianze di x e y mostrano che y è più dispersa di x
Misure di accessibilità
SOGLIA DI ACCESSIBILITA’
Px,t
t0 t1 t2 t,x
Sulla base della distanza (raggio r) Sulla base del tempo di percorrenza (Intervallo di tempo t)
Indicatore rozzo: da usare per simulazioni
INDICE AGGREGATO DI ACCESSIBILITA’ (POTENZIALE DI POPOLAZIONE)
Dipende dal livello di disaggregazione del territorio in sub-aree
ESEMPIO
ATTENZIONE! Il sito C si trova nel quartiere 3, quindi la sua distanza dal centroide di 3 è =0; per il calcolo dell’accessibilità ipotizzo che gli individui si distribuiscano in un intervallo di spazio pari alla metà della distanza di 3 dal centroide più vicino.
LA SCELTA RICADE SUL PUNTO CHE HA LA MAGGIORE ACCESSIBILITA’
ESEMPIO
Una catena di supermercati sta considerando due siti per aprire un nuovo magazzino in una città. Le distanze in km fra ciascun sito e i centroidi di popolazione delle 5 sezioni di censimento in cui risulta suddivisa la città sono le seguenti:
individuare il sito ottimale V(A) = 12.985
V(B) = 10.859