نقش آمار و ریاضی در جغرافیا

نقش آمار و ریاضی در جغرافیا


نقش آمار و ریاضی در جغرافیا-موسسه چشم انداز هزاره سوم ملل-آموزش کاربردی GIS و RS

نقش آمار و ریاضی در جغرافیا

پس از جنگ جهانی دوم جغرافیا به عنوان یک رشته صرفاً توصیفی و ناتوان از تبیین و توجیه منطقی و علمی الگوهای پراکندگی­ ها تلقی می­ شد. اکثر دانشمندان هنوز نمی ­توانستند جایگاه مشخصی برای جغرافیا در جامعه علمی تعریف کنند. و عمدتاً آن را به صورت یک رشته آموزشی می دانستند تا یک زمینه پژوهشی برای حل مسایل جامعه. نگرش غالب جغرافیا یعنی نگرش ناحیه ­ای فقط به شرح نواحی می­ پرداخت و هر ناحیه به عنوان یک واحد متمایز شناسایی می­ شد. بدین ترتیب راه برای تعمیم و قانون­ سازی بسته شده بود. بطوری که فریمن (1961) مطالعات ناحیه ­ای را در سطح پایین ارزیابی کرده و ادامه آن را به ضرر دانش جغرافیا تلقی کرد. شیفر (1953) هم با حمله به جغرافیای ناحیه ­ای گفت که با ادامه این نگرش جغرافیا نمی ­تواند به کشف قوانین و نظام پراکندگی ­ها برسد و از مطالعات علمی جهان دانش عقب می­ ماند. از طرف دیگر به جهت اینکه جغرافیا در اکثر دانشگاه ­ها با گروه زمین شناسی یک گروه دانشگاهی را تشکیل می­ داد، همیشه جغرافیدانان به عنوان زمین شناسان درجه دوم تلقی می­ شدند. تمام این مسایل باعث شد که جغرافیدانان به فکر تحدید و تبیین توانایی علم جغرافیا بیفتند. در اولین مرحله از گروه ­های زمین شناسی جدا شدند. در این زمان در جامعه بعد از جنگ به تکنیک اهمیت بیشتری داده می ­شد و اکثر رشته های علمی سعی می­ کردند به سوی یک رشته قانون ­مدار و قانون آفرین بروند. جغرافیا نیز از این تغییر مسیر مستثنی نبود. در نتیجه نگرش یا رویکرد توصیفی جغرافیای ناحیه ­ای در آمریکا بتدریج به سوی جغرافیای علمی­ تر و قانون ساز­تر هدایت شد که نتیجه آن روی آوردن به روش ­های کمی و تکنیک شد که نهایتاً به انقلاب کمی معروف گردید.

نقش آمار و ریاضی در جغرافیا

نقش آمار و ریاضی در جغرافیا

توسعه انقلاب کمی در آمریکا توسط جغرافیدانان معروفی در چهار دانشگاه عملی شد. شیفر در دانشگاه آیوا، رابینسون و برایسون در دانشگاه ویسکانسین، گاریسون و اولمن و بانگه و دیگران در دانشگاه واشنگتن در سیاتل، و استوارت در دانشگاه پرینستون افرادی بودند که با کاربرد روش های ریاضی و آمار راه را برای جغرافیا به عنوان علم تحلیل فضایی هموار کردند. اکرمن (1958) در یک بیان خیلی جدی اصرار داشت که جغرافیا همانند علوم دیگر باید قوانین و تعمیم­ های دقیق ارایه نماید. چنین کاری عملی نیست مگر با استفاده از ریاضیات و آمار.

با توجه به اینکه کار جغرافیا خلاصه و ساده­ سازی داده ­های زمین به منظور کشف قوانین و نظم نهفته در آن­ها می­ باشد، عمدتاً از روش­های آماری و مدل­های ریاضی استفاده می­ کند. برای پیدا کردن رابطه فضایی بین دو پراکندگی از ضریب همبستگی فضایی استفاده می­ کند. برای پیش ­بینی آینده توسعه شهر باید از ساده ­ترین مدل رگرسیون استفاده شود. همانطور که در پیش گفته شد، جغرافیا برای مطالعه جمعیت در اکثر موارد از نمونه استفاده می­ کند. در چنین مواردی برای برآورد پارامتر­های جمعیت از روی آماره ­های نمونه باید از روش ­های آماری استفاده شود. خلاصه سازی داده ­ها، تنظیم داده ­ها، اثبات نظریه، برآورد جمعیت از روی نمونه، تعیین اندازه مناسب نمونه، مطالعه رابطه فضایی بین پراکندگی­ها و پیش بینی آینده، انجام ناحیه­ بندی جغرافیایی و صد­ها کار دیگر جغرافیایی همه به روش­های آماری و ریاضی نیاز دارند. بدون آشنایی و کاربرد روش­های آماری و ریاضی نمی ­توان در جغرافیا کار علمی انجام داد مگر اینکه فقط بخواهیم با کلمات بازی کنیم. برای استفاده از کامپیوتر و ایجاد ارتباط با آن باید زبان ریاضی بدانیم. برای اینکه یافته­ های ما را حتی جغرافیدانان دیگر و یا دانشمندان رشته­ های دیگر بفهمند باید به زبان ریاضی بنویسیم.

در استفاده از روش­های آماری و ریاضیات باید به دو نکته زیر توجه کرد:

1- استفاده از روش­های آماری و ریاضیات فقط در ساده ­کردن داده­ ها و بیان یافته ­های ما به صورتی ساده و تفهیم آن­ها برای دانشمندان رشته های دیگر کمک می ­کند و هیچ دخالتی در تصمیم­ گیری علمی ما ندارند. در مرحله تصمیم­ گیری معلومات جغرافیدان است که نقش اصلی و عمده دارد. برای نمونه اگر با استفاده از روش آماری در طبقه ­بندی اقلیمی ایران شهر گنبد کاوس با خرم آباد یکی شد باید محقق باسواد و آشنا به منطقه بداند که این کار منطقی و طبیعی نیست و حتماً اشکالی وجود دارد. یعنی اینکه فرد قاضی و متخصص در استفاده از روش­های آماری و سنجش دقت نتایج آن­ها توان علمی خود جغرافیدان است.

2- در اکثر موارد برای تشخیص رابطه بین دو پراکندگی از روش آماری مانند ضریب همبستگی استفاده می­ شود. برای نمونه اگر ضریب همبستگی بین پراکندگی باران و ارتفاع باشد و در سطح بحرانی هم معنی دار باشد، از نظر آماری می­ توانیم بگوییم که در منطقه مورد مطالعه بین بارندگی و ارتفاع رابطه مثبت وجود دارد. اما هنوز استدلال علمی مانده است. سوالی که از جغرافیدان پرسیده می ­شود اینست که چرا بین بارندگی و ارتفاع رابطه دارد. باید ایشان با استفاده از معلومات خود به این سوال جواب دهد. و به طریق علمی این یافته آماری را اثبات و تحلیل کند. در بیشتر موارد محققین اثبات آماری را پایان کار می­ دانند. در صورتی که همانطور که بیان شد روش­های آماری کار را ساده­ تر و آماده می­ کنند. با روش آماری فهمیدیم که بین این دو رابطه وجود دارد یافته­ ای که ما به صورت دستی نمی­ توانستیم بدست بیاوریم. حالا که فهمیدیم رابطه وجود دارد و از نظر آماری هم معنی دار است باید از نظر علمی اثبات کنیم تا به عنوان یک یافته علمی پذیرفته شود (علیجانی، 1390).

جغرافیا در آمار کلاسیک و آمار فضایی

در آمار کلاسیک (غیر مکانی) فرض بر این است که مشاهدات جغرافیایی در شرایط یکسان و به صورت مستقل از هم جمع ­آوری شده ­اند. به عبارتی هر آزمایش از آزمایش­ های قبلی و بعدی مستقل است. استقلال يک فرض راحت و مناسب است و بسياري از تئوري­ هاي آماري-رياضي را قابل فهم مي­ کند (بهبودیان، 1384). فرض استقلال کمک زیادی به تسهیل مبانی نظری می ­کند؛ اما در عمل ممکن است این فرض ما را از واقعیت دور کرده و موجب از بین رفتن اطلاعات زیادی شود. با اين وجود مدل­ هايی که وابستگی آماری را شامل می­ شوند، اغلب واقعی­ تر هستند.

آمار فضایی شاخه ­ای از آمار است که درباره پدیده ­های وابسته به مکان بحث می ­کند. در آمار فضایی معمولاً انتظار می­ رود بین پدیده ­های مجاور رابطه نسبتاً قابل توجهی وجود داشته باشد (مارتينز و همکاران، 2016). این شاخه از آمار می­ کوشد تا بین مقادیر مختلف یک متغیر، فاصله و جهت­ گیري آن­ها ارتباط برقرار کند. این ارتباط فضایی، ساختار فضایی نام دارد. موقعیت مکانی، تأثیرپذیری مکانی و به کارگیری نقشه از موضوعات مهم در آمار فضایی محسوب می­ شود. مقایسه بین آمار کلاسیک و آمار فضایی در جدول 1-2 نشان داده شده است.

در حقیقت فکر جغرافیایی، توانایی شناخت علل این نظم و وابستگی چهره­ های طبیعی و انسانی به یکدیگر و دریافت نتایج حاصل از آن است.

 

1 نظر

دیدگاهتان را بنویسید