Читать книгу Podstawy geografii ludności - Dobiesław Jędrzejczyk - Страница 10

Do badań w zakresie geografii ludności można z powodzeniem stosować znane w statystyce miary koncentracji. W przeciwieństwie do innych miar nie dają one odpowiedzi na pytanie, jaka jest gęstość zaludnienia poszczególnych obszarów, lecz przede wszystkim, ilu ludzi mieszka na określonej powierzchni, czyli jaka jest koncentracja ludności.

Miary koncentracji można zastosować wówczas, gdy dla badanego obszaru mamy dane dotyczące liczby ludności i powierzchni poszczególnych jednostek. Po obliczeniu gęstości zaludnienia szereguje się te jednostki według wzrastającej gęstości i oblicza skumulowane odsetki powierzchni i zaludnienia. Następnie w układzie współrzędnych na osi rzędnych (pionowej) nanosi się poszczególne kumulowane wielkości zaludnienia (w odsetkach), a na osi odciętych (poziomej) poszczególne kumulowane wielkości powierzchni (także w odsetkach). Łącząc poszczególne punkty reprezentujące jednostki według kolejności wzrastającej gęstości zaludnienia, otrzymuje się linię krzywą, znaną krzywą Lorenza (ryc. 7).

Przebieg krzywej odpowiada zmianom gęstości. Jeśli nachylenie stycznej do krzywej wynosi 45°, to w tym miejscu znajdują się jednostki o przyjętej dla całego obszaru gęstości zaludnienia. Większe odchylenie w górnej części krzywej spowodowane jest istnieniem większych skupisk ludności (kąty nachylenia stycznych są tam duże), natomiast większe odchylenie w części dolnej oznacza istnienie obszarów słabo zaludnionych (kąty nachylenia stycznych są niewielkie).

W badaniach ludnościowych posługujemy się też współczynnikiem koncentracji, który obliczamy przez porównanie powierzchni figury zawartej między krzywą a przekątną (a) z całym dodanym trójkątem (a+b). Stosunek koncentracji oznaczamy zazwyczaj grecka literą eta (). Wyraża się on liczbą właściwą mniejszą od 1. Jeśli bowiem ludność jest idealnie równomiernie rozmieszczona, to wówczas krzywa pokrywa się z przekątną, a wartość koncentracji równa jest 0. W przypadku skrajnej koncentracji, gdy cała ludność skupiona jest w jednym punkcie, krzywa zbliża się do przyprostokątnych i wówczas stosunek równa się jedności:

Ryc. 7. Typy przebiegu krzywej Lorenza (Kosiński 1967, s. 48)

Powierzchnię pól można obliczyć, posługując się planimetrem lub papierem milimetrowym. Można też zastosować bardziej dokładne sposoby rachunkowe, między innymi metodę zaproponowaną przez C. Giniego. Polega ona na porównaniu poszczególnych wielkości obu szeregów:

przy czym CR oznacza współczynnik koncentracji Giniego (concentration rado), x i y – kumulowane poszczególne odsetki obu wielkości, k - liczbę jednostek prostych, a c – badaną jednostkę.

Inną miarą koncentracji jest wskaźnik koncentracji, oznaczony grecką literą delta (∆), będący maksymalną pionową odległością między krzywą a przekątną, lub ujmując rzecz algebraicznie – maksimum w szeregu (xi – yi), składającym się z k wartości. Miarę tę zastosował do badań ludnościowych E. Hoover, posługując się następującym wzorem:

gdzie xi, yi są nieskumulowanymi odsetkami powierzchni i zaludnienia.

Do obliczenia współczynnika wystarczy wziąć połowę sumy różnic bezwzględnych wartości. Wartość tego wskaźnika oblicza się w odsetkach.

Posługując się szeregiem rozdzielczym, w którym występują grupy zamiast poszczególnych jednostek, otrzymamy nieco wyższe wartości obu współczynników. Oczywiście oba współczynniki nie są ze sobą porównywalne wprost, a ich zależność wzajemna przedstawia się następująco:

Można wykazać, że oba te współczynniki mogą być wyrażone jako wskaźniki dyspersji gęstości jednostek przestrzennych (średnia różnica i średnie odchylenie).

Należy podkreślić, że wartość miar koncentracji zależy w znacznej mierze od przyjętych jednostek odniesienia, przy czym w zasadzie im podział jest bardziej szczegółowy, tym wyższy jest stopień koncentracji ludności. Zagadnienie wielkości jednostek jest szczególnie istotne przy badaniach porównawczych. Pamiętać należy, że właśnie w badaniach porównawczych tkwi główny walor metody. Przykładem właśnie takiej analizy porównawczej może być studium wykonane dla obecnego obszaru Polski, w którym zmiany koncentracji ludności zbadano w podziale na powiaty w czterech okresach: 1910/1913 – 1931/1933 – 1950 – 1960 r. (ryc. 8).

Ryc. 8. Zmiany koncentracji ludności na obecnym obszarze Polski w latach 1910-1960 (Kosiński 1967, s. 52)

Porównanie krzywych wykazuje, że stopień koncentracji ludności ustawicznie wzrasta. Jednakże bardziej precyzyjnie zjawisko to można określić posługując się współczynnikami koncentracji (tab. 2).

Tab. 2. Zmiany stopnia koncentracji ludności na obecnym obszarze Polski w latach 1910-1960 (Kosiński 1967, s. 52)

Przedstawione metody obliczania koncentracji przestrzennej mają niewątpliwie zalety, stwarzają jednak wiele trudności przy interpretacji wyników. Do najważniejszych z nich zaliczyć można nieporównywalność wyników, opartych jedynie na stosunkach wybranych pól. Dwie krzywe dadzą ten sam wskaźnik, mimo że dotyczą obszarów, na których ludność jest różnie skoncentrowana, na przykład gdy pierwsza krzywa ma wybrzuszenie w górnym rogu kwadratu, a druga w dolnym. Innym mankamentem tej metody jest wpływ wielkości jednostki podziału terytorialnego, przez co rezultaty są nieporównywalne dla różnego rodzaju jednostek administracyjnych (ryc. 9).

Ryc. 9. Graficzna interpretacja zjawiska i współczynnika koncentracji Lorenza (Jagielski 1974, s. 104)

Asymetrią krzywej koncentracji zajął się R. Jedut (1961), który wprowadził iloraz korygujący k:

Można go nazwać wskaźnikiem asymetrii krzywej koncentracji, przy czym a1 i a2 to dwie części pola koncentracji, przedzielonego drugą przekątną, zaś oznacza stosunek górnej części pola koncentracji (a₁) do jego dolnej części (a₂). Krzywa ekwipartycji, czyli pierwsza przekątna, jest linią równomiernego rozdziału. Wskazuje ona, że pewnemu określonemu odsetkowi ludności odpowiada identyczna część powierzchni (ryc. 10).

Ryc. 10. Krzywa koncentracji ludności (krzywa Lorenza) (Kurkus 1984, s. 24)

W ten sposób zmodyfikowany współczynnik koncentracji R. Jeduta przybiera postać:

W sytuacji, gdy a1>a2, czyli , współczynnik koncentracji k przybiera wartości większe niż klasyczny współczynnik | (tzn.k>). Wskazuje to na większe wychylenie krzywej w jej części górnej, co świadczy o dominującej roli wielkich skupisk. Natomiast gdy krzywa jest bardziej wychylona w części dolnej, wtedy a1<a2, czyli i k<. Koncentracja ludności wynika wówczas przede wszystkim z istnienia obszarów słabo zaludnionych.

Zmodyfikowany współczynnik k jest miarą syntetyczną, charakteryzującą całość rozkładu badanej zbiorowości i wraz z klasycznym współczynnikiem koncentracji t] wyjaśnia przyczynę charakteru krzywej oraz wielkości koncentracji.

Doskonałym uzupełnieniem krzywej Hoovera i wskaźnika koncentracji jest mapa, przedstawiająca w sposób typowo geograficzny rozmieszczenie ludności. Wskaźnik ten pokazuje nierównomierny rozkład dwóch badanych cech, tj. liczby ludności i powierzchni. Mapa zaś przedstawia strefy koncentracji, utworzone z różnej wielkości powierzchni zamieszkanych przez 20% ludności. Przy jej konstrukcji wykorzystuje się uprzednio utworzone szeregi kumulacyjne ludności i powierzchni. Strukturę mapy konstruuje się w ten sposób, by różnym odsetkom ludności odpowiadały określone wielkości powierzchni (ryc. 11).

Ryc. 11. Koncentracja ludności w 1910-1913 i w 1950 r. (Dziewoński, Kosiński 1967, s. 105)

Za pomocą tak utworzonego kartogramu można pokazać zarówno skali koncentracji (nierównomiernego rozmieszczenia) ludności na badanym obszarze, jak również zmiany stopnia koncentracji w poszczególnych okresach.