داده‌های آماری مکانی و بلوک‌های آماری چیست؟ راهنمای استفاده در GIS

داده آماری مکانی چیست؟

داده آماری مکانی از پیوند یک متغیر آماری با یک مکان یا واحد جغرافیایی به وجود می‌آید. اگر جدول سرشماری فقط شامل مقادیر جمعیت، خانوار یا سایر شاخص‌ها باشد، هنوز به‌تنهایی یک Dataset مکانی نیست. زمانی که هر رکورد با یک عارضه جغرافیایی مشخص ــ برای مثال بلوک آماری، محله یا منطقه ــ مرتبط شود، می‌توان آن را در GIS نمایش و تحلیل کرد.

این تمایز مهم است، زیرا GIS صرفاً برای ترسیم نقشه به کار نمی‌رود. هدف اصلی از مکانی‌کردن آمار، پاسخ به پرسش‌هایی است که «کجا» بخشی از مسئله است: کدام بخش شهر تراکم جمعیت بیشتری دارد؟ توزیع خانوارها چگونه است؟ کدام محدوده‌ها از نظر ساختار سنی یا وضعیت اشتغال متفاوت‌اند؟ آیا یک الگوی آماری در فضا خوشه‌ای است یا پراکنده؟

برای درک تفاوت داده مکانی، لایه برداری و Raster می‌توانید ابتدا راهنمای داده GIS چیست؟ را مطالعه کنید.

بلوک آماری چیست؟

بلوک آماری یک واحد جغرافیایی برای سازمان‌دهی و ارائه اطلاعات آماری در مقیاس خرد است. در Datasetهای سرشماری، بلوک معمولاً به شکل یک عارضه پلیگونی نمایش داده می‌شود و یک کد یا شناسه دارد که امکان اتصال آن به رکوردهای آماری را فراهم می‌کند.

نباید «بلوک آماری» را با بلوک شهری، قطعه ثبتی یا بلوک ساختمانی یکسان فرض کرد. هدف و منطق مرزبندی این واحدها متفاوت است. بلوک آماری برای نظام جمع‌آوری و انتشار آمار تعریف می‌شود، در حالی که قطعه یا بلوک شهرسازی ممکن است بر اساس مالکیت، شبکه معابر، ضوابط طرح یا ساختار کالبدی تعریف شده باشد.

همچنین اندازه، شکل و کد بلوک‌های آماری می‌تواند میان دوره‌های مختلف تغییر کند. ساخت‌وساز جدید، تغییر شبکه معابر، اصلاح مرزها یا بازطراحی واحدهای آماری می‌تواند باعث شود بلوک یک سال با بلوک سال دیگر تطابق یک‌به‌یک نداشته باشد. به همین دلیل مقایسه زمانی بدون بررسی مرزهای هر دوره می‌تواند نتیجه نادرست ایجاد کند.

ساختار داده‌های آماری در GIS چگونه است؟

برای تحلیل قابل اتکا، داده آماری مکانی معمولاً به چهار جزء نیاز دارد: هندسه، شناسه، جدول اطلاعات و Metadata. وجود نقشه بدون جدول یا جدول بدون کلید ارتباطی، کاربرد تحلیلی Dataset را محدود می‌کند.

۱. هندسه واحدهای آماری

در بسیاری از Datasetهای شهری، واحدهای آماری به‌صورت Polygon ذخیره می‌شوند. هندسه مشخص می‌کند هر رکورد آماری به کدام محدوده در فضا تعلق دارد. CRS لایه نیز باید معلوم باشد تا داده با سایر لایه‌ها درست منطبق شود.

۲. شناسه یا کد مشترک

یک شناسه پایدار در همان Dataset، حلقه اتصال میان نقشه و جدول است. این شناسه باید در لایه مکانی و جدول آماری به شکل سازگار وجود داشته باشد. اگر صفرهای ابتدایی حذف شوند، نوع داده Text به Number تبدیل شود یا کدها در یکی از فایل‌ها تغییر کنند، Join ممکن است ناقص یا اشتباه شود.

۳. جدول اطلاعات توصیفی

متغیرهای آماری در جدول Attribute یا جدول جداگانه ذخیره می‌شوند. هر ستون یک متغیر یا شاخص و هر ردیف یک واحد آماری را توصیف می‌کند. معنای دقیق فیلدها باید از مستندات Dataset مشخص شود؛ نام کوتاه یک Field همیشه برای تفسیر آن کافی نیست.

۴. Metadata

Metadata باید حداقل منبع، سال مرجع، تعریف متغیرها، واحد اندازه‌گیری، محدوده جغرافیایی، نحوه کدگذاری و محدودیت‌های داده را روشن کند. در تحلیل آماری، Metadata بخشی از خود داده است؛ زیرا بدون آن ممکن است عدد درست با معنای نادرست استفاده شود.

سال مرجع سرشماری چرا مهم است؟

سال مرجع یا Data Vintage مشخص می‌کند آمار مربوط به چه دوره‌ای است. برای مثال داده‌های سرشماری عمومی نفوس و مسکن ۱۳۹۵، وضعیت ثبت‌شده در همان دوره سرشماری را بازنمایی می‌کنند و نباید در سال‌های بعد به‌عنوان آمار جاری یا «آخرین وضعیت» معرفی شوند.

مرکز آمار ایران سرشماری عمومی نفوس و مسکن ۱۳۹۵ را در سال ۱۳۹۵ اجرا کرده و نتایج آن در گزارش‌های رسمی همان سرشماری منتشر شده است. بنابراین در استفاده از Datasetهای مبتنی بر سرشماری ۱۳۹۵ باید این سال به‌صورت روشن در عنوان، توضیحات تحلیل و منبع ذکر شود.

اهمیت سال مرجع فقط به قدیمی یا جدید بودن عدد محدود نیست. مرز واحدهای آماری، تعریف برخی متغیرها و نحوه طبقه‌بندی نیز ممکن است در دوره‌های مختلف تغییر کند. در مقایسه دو سال، ابتدا باید بررسی شود آیا واحد جغرافیایی و تعریف شاخص در هر دو دوره قابل مقایسه هستند یا نه.

در دیجی‌مپس نیز دسته‌های مرتبط با آمار ۱۳۹۵ باید به‌عنوان Datasetهای دارای سال مرجع ۱۳۹۵ در نظر گرفته شوند، نه داده زمان حال.

چه نوع اطلاعاتی می‌تواند در داده‌های آماری مکانی وجود داشته باشد؟

محتوای دقیق به Dataset و منبع آن بستگی دارد، اما داده‌های سرشماری و جمعیتی می‌توانند متغیرهایی درباره جمعیت، خانوار، جنس، سن، سواد، فعالیت و اشتغال، وضعیت مسکن و نحوه تصرف محل سکونت داشته باشند. وجود هر متغیر باید در Schema همان Dataset تأیید شود و نباید صرفاً از عنوان کلی «داده آماری» نتیجه گرفت که همه شاخص‌ها در فایل موجودند.

تفاوت تعداد، درصد، نرخ و تراکم چیست؟

بزرگ‌ترین عدد لزوماً به معنای بیشترین شدت یک پدیده نیست. تعداد خام، سهم، درصد، نرخ و تراکم مفاهیم متفاوتی هستند و باید بر اساس سؤال تحلیل انتخاب شوند.

تعداد یا Count

Count مقدار مطلق یک پدیده است؛ مانند تعداد جمعیت یا خانوار. برای سنجش حجم کل مناسب است، اما هنگام مقایسه واحدهایی با اندازه یا جمعیت پایه متفاوت می‌تواند گمراه‌کننده باشد.

درصد یا نسبت

درصد نشان می‌دهد یک زیرگروه چه سهمی از یک کل دارد. مخرج باید صریح باشد. برای مثال «درصد جمعیت یک گروه سنی» فقط زمانی قابل تفسیر است که مشخص باشد نسبت به کل جمعیت کدام واحد و کدام جامعه آماری محاسبه شده است.

نرخ

Rate معمولاً یک رخداد یا وضعیت را نسبت به جمعیت در معرض یا پایه مناسب بیان می‌کند. انتخاب مخرج اشتباه می‌تواند نتیجه را به‌طور جدی تغییر دهد.

تراکم

Density مقدار یک متغیر نسبت به مساحت است؛ مانند نفر در هکتار یا نفر در کیلومتر مربع. قبل از محاسبه باید واحد مساحت، CRS مناسب برای سنجش سطح و نوع مساحت مورد استفاده مشخص باشد.

چگونه جدول آماری را به لایه بلوک‌های آماری متصل کنیم؟

اتصال درست بر اساس یک کلید مشترک انجام می‌شود، نه شباهت ظاهری نام‌ها. در ArcGIS Pro و QGIS می‌توان جدول را با استفاده از Field مشترک به لایه مکانی Join کرد. پیش از Join باید یکتایی، نوع داده و قالب کدها کنترل شود.

برای مثال اگر کد بلوک در فایل مکانی Text و در جدول آماری Number باشد، ممکن است صفرهای ابتدایی از بین بروند. همچنین اگر یک جدول برای هر بلوک چند رکورد داشته باشد، Join ساده یک‌به‌یک ممکن است ساختار مورد انتظار را ایجاد نکند و لازم باشد ابتدا داده Aggregate یا رابطه مناسب تعریف شود.

پس از Join نیز کنترل نتیجه ضروری است: تعداد Featureها، تعداد رکوردهای Match نشده، Nullهای ایجادشده و چند نمونه تصادفی باید بررسی شوند. اجرای بدون خطای ابزار به‌تنهایی اثبات نمی‌کند که ارتباط داده‌ها صحیح بوده است.

اگر داده مکانی در قالب SHP است، محدودیت‌های آن مانند طول نام Field و Encoding نیز اهمیت دارند. جزئیات بیشتر در راهنمای Shapefile چیست؟ آمده است.

تجمیع داده‌های آماری چه خطاهایی می‌تواند ایجاد کند؟

وقتی داده بلوک‌ها به محله، منطقه یا محدوده دلخواه تجمیع می‌شود، جزئیات درون واحدها از بین می‌رود. نتیجه ممکن است برای گزارش مدیریتی مناسب باشد، اما الزاماً برای استنباط درباره افراد یا بخش‌های کوچک‌تر مناسب نیست.

خطای بوم‌شناختی یا Ecological Fallacy

یک رابطه آماری در سطح بلوک یا محله را نمی‌توان بدون شواهد تکمیلی به افراد ساکن آن محدوده نسبت داد. اگر یک محله سهم بالایی از یک گروه جمعیتی داشته باشد، این موضوع به‌تنهایی درباره ویژگی هر فرد آن محله چیزی ثابت نمی‌کند. مستندات Spatial Statistics در ArcGIS نیز درباره استنباط از داده‌های تجمیع‌شده به این مسئله اشاره می‌کنند.

اثر واحدهای فضایی قابل تغییر یا MAUP

نتیجه تحلیل می‌تواند با نحوه تقسیم فضا تغییر کند. همان داده‌های پایه اگر یک بار در بلوک، بار دیگر در محله و بار سوم در منطقه تجمیع شوند، ممکن است الگوهای متفاوتی نشان دهند. بنابراین سطح جغرافیایی باید متناسب با سؤال پژوهش انتخاب شود.

تجمیع کامل و تجمیع وزنی

اگر مرز مقصد دقیقاً از مجموعه‌ای از بلوک‌های کامل تشکیل شده باشد، Sum یا سایر روش‌های تجمیع می‌تواند مستقیم‌تر باشد. اما اگر محدوده تحلیل بخشی از بلوک‌ها را قطع کند، اختصاص کل جمعیت بلوک به آن محدوده معمولاً فرض ضعیفی است. در چنین مواردی بسته به داده موجود می‌توان از روش‌های وزنی مبتنی بر مساحت، جمعیت یا داده کمکی استفاده کرد؛ هر روش فرض‌های خود را دارد و باید در گزارش ذکر شود.

داده‌های آماری مکانی در چه پروژه‌هایی کاربرد دارند؟

کاربرد اصلی این داده‌ها زمانی است که تصمیم یا تحلیل به تفاوت‌های جغرافیایی جمعیت و جامعه وابسته باشد. انتخاب متغیر و سطح جغرافیایی باید از سؤال پروژه شروع شود، نه از فهرست فیلدهای موجود.

چگونه داده‌های آماری را درست روی نقشه نمایش دهیم؟

نوع نقشه باید با ماهیت متغیر هماهنگ باشد. نمایش Count خام در یک Choropleth می‌تواند واحدهای بزرگ یا پرجمعیت را بیش از حد برجسته کند. در بسیاری از مقایسه‌ها، درصد، نرخ یا تراکم مناسب‌تر از تعداد مطلق است؛ البته فقط زمانی که مخرج و روش محاسبه معتبر باشد.

روش طبقه‌بندی نیز بر برداشت مخاطب اثر دارد. Equal Interval، Quantile، Natural Breaks و سایر روش‌ها خروجی بصری متفاوتی ایجاد می‌کنند. انتخاب روش باید با توزیع داده و هدف نقشه هماهنگ باشد و در گزارش‌های تحلیلی بهتر است روش طبقه‌بندی ذکر شود.

همچنین باید با مقادیر صفر و Null متفاوت برخورد کرد. صفر می‌تواند به معنای «مقدار واقعی صفر» باشد، در حالی که Null ممکن است نشان‌دهنده نبود داده، عدم شمول یا Match نشدن در Join باشد. یکی‌کردن این دو وضعیت می‌تواند نقشه را گمراه‌کننده کند.

قبل از استفاده از داده بلوک آماری چه چیزهایی را بررسی کنیم؟

1. منبع داده: تولیدکننده یا منبع اصلی آمار و لایه مکانی را مشخص کنید.
2. سال مرجع: سال سرشماری یا دوره زمانی Dataset را صریح ثبت کنید.
3. تعریف واحد آماری: بدانید هر Polygon دقیقاً چه واحدی را نشان می‌دهد.
4. کد اتصال: Field مشترک میان نقشه و جدول را از نظر نوع، طول و یکتایی کنترل کنید.
5. تعریف متغیرها: معنای Field، واحد اندازه‌گیری و جامعه آماری را از Metadata بخوانید.
6. Count یا Rate: مشخص کنید تحلیل به مقدار مطلق نیاز دارد یا شاخص نرمال‌شده.
7. CRS: برای Overlay و به‌ویژه محاسبه مساحت، سیستم مختصات مناسب را بررسی کنید.
8. Null و صفر: مقادیر فاقد داده را با صفر واقعی یکسان نگیرید.
9. تغییر مرزها: در مقایسه چند سال، سازگاری واحدهای جغرافیایی را بررسی کنید.
10. سطح استنباط: از نتیجه واحدهای تجمیع‌شده درباره افراد نتیجه‌گیری مستقیم نکنید.

داده‌ها و نقشه‌های آماری مرتبط در دیجی‌مپس

برای استفاده عملی، ابتدا مشخص کنید به Dataset قابل تحلیل نیاز دارید یا نقشه آماده نمایش. در دیجی‌مپس مسیرهای زیر به محتوای مرتبط متصل می‌شوند:

• آمار و نقشه‌های مبتنی بر داده‌های سال ۱۳۹۵ — برای مشاهده مجموعه‌های آماری با سال مرجع مشخص.
• داده‌ها و نقشه‌های جمعیتی ۱۳۹۵ — برای موضوعات مرتبط با جمعیت.
• تراکم جمعیت ۱۳۹۵ — برای مقایسه شدت جمعیت نسبت به مساحت.
• جمعیت باسواد ۱۳۹۵ — برای بررسی شاخص سواد با سال مرجع ۱۳۹۵.
• نرخ اشتغال ۱۳۹۵ — برای مقایسه شاخص اشتغال با توجه به تعریف جمعیت مبنا.
• نرخ مالکیت مسکونی ۱۳۹۵ — برای تحلیل وضعیت مالکیت با توجه به جامعه آماری شاخص.
• مساحت زیربنای مسکونی ۱۳۹۵ — برای شاخص‌های مرتبط با زیربنای مسکونی و مقایسه فضایی آن.
• لایه بلوک‌های آماری ۱۳۹۵ — برای دسترسی به هندسه و شناسه‌های مکانی بلوک‌ها در GIS.
• نقشه‌ها و داده‌های تهران — برای ورود از مسیر جغرافیایی شهر، مناطق و محلات.

وجود یک دسته یا عنوان محصول به معنی وجود همه متغیرهای ذکرشده در این راهنما نیست. مشخصات هر Dataset باید در صفحه همان محصول یا Metadata فایل بررسی شود.

پرسش‌های متداول درباره بلوک‌های آماری و داده‌های سرشماری در GIS

بلوک آماری چیست؟

بلوک آماری یک واحد جغرافیایی برای سازمان‌دهی و ارائه آمار در مقیاس خرد است. در GIS معمولاً به شکل Polygon همراه با یک کد شناسه دیده می‌شود. تعریف دقیق مرز و کد هر بلوک به Dataset، نظام آماری و سال مرجع وابسته است.

آیا بلوک آماری همان بلوک شهری است؟

خیر. بلوک آماری برای اهداف آماری و سرشماری تعریف می‌شود، در حالی که بلوک شهری یا شهرسازی ممکن است با منطق کالبدی، معابر یا ضوابط طرح تعریف شده باشد. گاهی مرزها مشابه‌اند، اما نباید بدون بررسی آن‌ها را معادل فرض کرد.

داده آماری چگونه به نقشه متصل می‌شود؟

معمولاً یک Field شناسه در جدول آماری با Field متناظر در لایه مکانی Join می‌شود. نوع داده، صفرهای ابتدایی، یکتایی کد و رکوردهای Match نشده باید کنترل شوند. شباهت نام جغرافیایی جایگزین مناسبی برای کلید معتبر نیست.

چرا سال ۱۳۹۵ باید در عنوان داده ذکر شود؟

چون متغیرهای سرشماری ۱۳۹۵ وضعیت ثبت‌شده در همان دوره را نشان می‌دهند. این داده‌ها برای تحلیل تاریخی و مبنا بسیار ارزشمندند، اما نباید بدون منبع جدید به‌عنوان وضعیت جاری یا آخرین آمار معرفی شوند.

برای مقایسه مناطق از جمعیت استفاده کنیم یا تراکم؟

به سؤال تحلیل بستگی دارد. تعداد جمعیت حجم کل را نشان می‌دهد، در حالی که تراکم مقدار جمعیت را نسبت به مساحت بیان می‌کند. برای مقایسه شدت استقرار جمعیت، تراکم غالباً مفیدتر است؛ اما CRS، واحد مساحت و نوع سطح باید درست انتخاب شوند.

آیا می‌توان جمعیت بلوک‌ها را برای محله جمع کرد؟

اگر بلوک‌ها به‌طور کامل داخل مرز محله باشند، تجمیع ساده می‌تواند مناسب باشد. اگر مرز محله بلوک‌ها را قطع کند، اختصاص کل مقدار بلوک به محله می‌تواند خطا ایجاد کند و باید روش تخصیص مناسب با توجه به داده و هدف تحلیل انتخاب شود.

آیا داده‌های دو سرشماری را می‌توان مستقیم با هم مقایسه کرد؟

نه همیشه. ابتدا باید تغییر مرز واحدهای آماری، تغییر کدها، تعریف متغیرها و جامعه آماری بررسی شود. اگر جغرافیای دو دوره متفاوت باشد، ممکن است به Crosswalk، تجمیع به یک واحد مشترک یا روش بازتخصیص نیاز باشد.

Null و صفر در داده آماری یک معنی دارند؟

خیر. صفر معمولاً یک مقدار عددی معتبر است، در حالی که Null می‌تواند به معنی نبود داده، عدم شمول یا شکست Join باشد. تفسیر دقیق باید با Metadata و فرایند تولید Dataset کنترل شود.

آیا برای تحلیل آماری فقط فایل SHP کافی است؟

نه لزوماً. فایل SHP هندسه را نگهداری می‌کند و برای Attributeها به DBF و برای CRS معمولاً به PRJ نیاز دارید. همچنین ممکن است جدول آماری اصلی جداگانه باشد و از طریق یک شناسه به لایه Join شود.

از سؤال تحلیل شروع کنید، نه از تعداد فیلدهای آماری

داده بلوک آماری زمانی ارزش تحلیلی پیدا می‌کند که سه چیز روشن باشد: متغیر دقیقاً چه چیزی را اندازه می‌گیرد، مربوط به چه زمانی است و به کدام واحد جغرافیایی تعلق دارد. بعد از آن می‌توان درباره Join، تجمیع، نرخ، تراکم یا روش نمایش تصمیم گرفت.

مشاهده داده‌ها و نقشه‌های آماری ۱۳۹۵   |   راهنمای داده GIS   |   راهنمای Shapefile

منابع فنی

مفاهیم این راهنما با منابع رسمی و تخصصی زیر تطبیق داده شده‌اند:

• UNFPA Iran — گزیده نتایج سرشماری عمومی نفوس و مسکن ۱۳۹۵، با انتساب به پژوهشکده آمار / مرکز آمار ایران
• ArcGIS Pro Documentation — Spatial Join
• ArcGIS Pro Documentation — Aggregated Data and Ecological Fallacy
• QGIS Documentation — Vector General and Attribute Joins