…ή αλλιώς η αξία των ανοικτών δεδομένων για την τοπική αυτοδιοίκηση!
Στον Δήμο Θεσσαλονίκης υπάρχει η Εφαρμογή Διαχείρισης Αστικών Δένδρων (GreenTree). Σε αυτήν την εφαρμογή, εν γένει, ο επισκέπτης μπορεί να δει την κατανομή των δένδρων στον Δήμο Θεσσαλονίκης σε μορφή χάρτη αλλά και κάποια στατιστικά στοιχεία για το πράσινο στον Δήμου Θεσσαλονίκης 👇
Η Θεσσαλονίκη πιθανότατα δεν έχει όσα δένδρα θα έπρεπε. Το καταλαβαίνουμε αυτό – στην πράξη – όταν, τους καλοκαιρινούς μήνες κυρίως, περπατούμε στο κέντρο της πόλης και η θερμοκρασία είναι υψηλή ενώ οι σκιές λίγες. Σκεπτόμενος λοιπόν ότι μάλλον δεν έχουμε αρκετό πράσινο, μου δημιουργήθηκαν οι εξής απορίες:
- Τι σημαίνει αρκετό πράσινο σε μια πόλη;
- Αν δεν έχουμε όσο πράσινο πρέπει, πόσα δένδρα παραπάνω θα έπρεπε να είχαμε;
- Τι συμβαίνει σε άλλα ευρωπαϊκά αστικά κέντρα;
Κοιτάζοντας την εφαρμογή του Δήμου Θεσσαλονίκης και τα δεδομένα που μας παρέχει, αναρωτήθηκα αν θα μπορούσα να βρώ απαντήσεις στις ερωτήσεις μου. Σε πρώτη ανάγνωση, δεν φαίνεται να υπάρχει κάποια αναφορά στο κατά πόσο τα υπάρχοντα δένδρα, καλύπτουν τις βασικές ανάγκες πρασίνου του δήμου Θεσσαλονίκης. Αυτό όμως που υπάρχει σε αυτήν την εφαρμογή, είναι η καταγραφή των δένδρων που σήμερα θεωρούνται ζωντανά στον Δήμο Θεσσαλονίκης, μαζί με κάποια βασικά χαρακτηριστικά τους (τύπος δένδρου, ύψος, στηθιαία διάμετρος και προβολή κόμης). Αυτά τα στοιχεία είναι διαθέσιμα εδώ.
Αποφάσισα λοιπόν να προσπαθήσω να αναζητήσω απαντήσεις στα παραπάνω ερωτήματά, συζητώντας με το ChatGPT.
Disclaimer: Δεν έχω την απαραίτητη εκπαίδευση ενός δασολόγου οπότε είναι πιθανό σε αυτήν “την συζήτηση” να έχω παρανοήσει κάποιους όρους. Ο στόχος της δημοσίευσης, ωστόσο, δεν είναι να προσεγγίσω μια στρατηγική δενρδοφύτευσης ή να λύσω το πρόβλημα πρασίνου της πόλης. Προσπαθώ να αναδείξω πως η ύπαρξη καλοδιατηρημένων συνόλων ανοικτών δεδομένων, φέρνει μια σειρά πλεονεκτημάτων:
- Η ίδια η διοίκηση μπορεί να παίρνει αποφάσεις, οδηγούμενες από δεδομένα (data-driven decision making).
- Οι δημότες και οργανισμοί που ενδιαφέρονται μπορούν να έχουν πρόσβαση στα δεδομένα και να κάνουν τις δικές τους αναλύσεις. Τέτοιοι δημότες θα μπορούσαν να είναι ερευνητές, φοιτητές που φοιτούν σε σχετικές σχολές, πανεπιστήμια, ερευνητικά κέντρα, ΜΚΟ, κοκ.
- Τα ανοικτά δεδομένα αποτελούν εξαιρετικό μέσο για εκπαιδευτικές διαδικασίες. Θα μπορούσαν να χρησιμοποιηθούν από εκπαιδευτικούς για περιβαλλοντικά σχολικά προγράμματα ή άλλα σχολικά projects.
***
H συζήτηση
Ξεκίνησα την κουβέντα ζητώντας πληροφορίες για το πως μπορώ να καταλάβω αν το πράσινο στην πόλη μου είναι αρκετό. Σύμφωνα με το ChatGPT, ο τρόπος για να απαντηθεί αυτή η ερώτηση, είναι να γνωρίζω το Tree Canopy Cover (TCC) του δήμου, δηλαδή το ποσοστό της περιοχής του Δήμου Θεσσαλονίκης που καλύπτεται από δένδρα.
Το ChatGPT “με συμβουλεύει” ότι ένα καλό TCC είναι το 40%. Επίσης μου γράφει τί κερδίζω αν έχω καλό TCC στον δήμο μου:
- Καλύτερες μέσες θερμοκρασίες και επίπεδα υγρασίας.
- Καλύτερη ποιότητα αέρα.
- Υψηλότερη αισθητική και σημεία αναψυχής και χαλάρωσης για τους κατοίκους.
- Βιοποικιλότητα.
Στην συνέχεια, αναρωτήθηκα ποιο είναι το μέσο TCC μιας ευρωπαϊκής αστικής πόλης για να δω αν το 40%, που μου ανέφερε, έχει νόημα να είναι το κατώφλι της έρευνάς μου.
Φαίνεται ότι ο μέσος όρος κυμμαίνεται στο 15% ενώ μια “πιο ρεαλιστική πρόταση” είναι το 30% ώστε να αρχίσει η πόλη να επωφελείται από το πράσινο. Οπότε η ερώτηση μετασχηματίστηκε ως ακολούθως: Βάσει των δένδρων που έχουμε σήμερα, πόσα δένδρα μακριά είμαστε από τον στόχο του 15%, 30% ή 40%.
Για να βοηθήσω το ChatGPT να με βοηθήσει, έφτιαξα ένα αρχείο τιμών, χρησιμοποιώντας την Εφαρμογή Διαχείρισης Αστικών Δένδρων του Δήμου Θεσσαλονίκης που ανέφερα παραπάνω. Το αρχείο είναι διαθέσιμο εδώ (για όποιον ενδιαφέρεται να το χρησιμοποιήσει). Εν τέλει έδωσα στο ChatGPT την ακόλουθη είσοδο:
και πήρα τις ακόλουθες πληροφορίες:
Αυτή είναι η λογική που θα ακολουθήσει το ChatGPT για να μου δώσει τις απαντήσεις στις ερωτήσεις μου. Ακολουθούν οι υπολογισμοί:
Το τρέχον TCC του Δήμου Θεσσαλονίκης φαίνεται να είναι είναι 2.68%!
Οπότε φθάνουμε στο τελικό ερώτημα που είναι: Πόσο μακριά είμαστε από τους στόχους των 15%, 30% και 40% TCC; Εδώ το ChatGPT σωστά έλαβε υπόψη τις 3 κατηγορίες δένδρων με βάση την προβολή κόμης των δένδρων όπως υπάρχει στο σύνολο δεδομένων του Δήμου Θεσσαλονίκης και δημιούργησε 3 σενάρια ανά επιθυμητό ποσοστό.
- Το Category 1 αναφέρεται στον αριθμό δένδρων που θα χρειαζόμασταν αν φυτεύαμε αποκλειστικά δένδρα με προβολή κόμης < 4 τ.μ.
- Το Category 2 αναφέρεται στον αριθμό δένδρων που θα χρειαζόμασταν αν φυτεύαμε αποκλειστικά δένδρα με προβολή κόμης 4 – 16 τ.μ.
- Το Category 3 αναφέρεται στον αριθμό δένδρων που θα χρειαζόμασταν αν φυτεύαμε αποκλειστικά δένδρα με προβολή κόμης > 16 τ.μ.
Τα τελικά νούμερα φαίνονται στην παρακάτω ανάλυση.
***
Το ChatGPT ως σύμβουλος
Ας υποθέσουμε τώρα ότι θέλουμε να το πάμε λίγο παρακάτω και να προσπαθήσουμε να πάρουμε κάποιες πρώτες πληροφορίες για το τι θα σήμαινε για τον Δήμο Θεσσαλονίκης, να “κυνηγούσε” τον στόχο του 15% TCC. Υπενθυμίζουμε ότι σήμερα βρισκόμαστε στο 2.68%.
Δίνουμε την παρακάτω είσοδο:
Εξηγούμε στο ChatGPT ότι θα θέλαμε έναν ρεαλιστικό χρόνο δενδροφύτευσης και μας ενδιαφέρει να κρατήσουμε το κόστος χαμηλό.
Με βάση αυτούς τους περιορισμούς, το ChatGPT μας κάνει μια πρώτη ανάλυση των υπέρ και κατά της κάθε κατηγορίας δένδρου.
Στην συνέχεια υπολογίζει την έξτρα περιοχή που πρέπει να καλύψουμε με δένδρα.
Και μας φτιάχνει μια “πιθανή στρατηγική” συνδυάζοντας τις 3 κατηγορίες δένδρων.
Τέλος υπολογίζει τους αριθμούς δένδρων που θα χρειάζονταν να αγοράσουμε και να φυτεύσουμε με βάση αυτήν την πιθανή στρατηγική.
***
Συμπεράσματα
Η ύπαρξη ανοικτών δεδομένων μπορεί να πυροδοτήσει ενδιαφέρον μελετών και αναλύσεων γύρω από τα δεδομένα μιας πόλης ή ενός δήμου. Αυτή η πρόχειρη “συνομιλία” που έκανα εγώ – από προσωπική περιέργεια – δαπανώντας περίπου 2 ώρες, θα μπορούσε να είναι η ανάθεση μιας σοβαρής πτυχιακής ή διπλωματικής εργασία ενός σπουδαστή ενός σχετικού κλάδου – που δεν θα είχε καμία από τις δικές μου απορίες -. Όταν μάλιστα τα διαθέσιμα δεδομένα είναι ανοικτά, ο σπουδαστής, το τμήμα, το πανεπιστήμιο δεν χρειάζεται να μπουν στην διαδικασία να ζητήσουν τα δεδομένα από τον δήμο και να εμπλακούν σε γραφειοκρατεία. Μπαίνουν, αναλύουν και τα δημοσιευμένα αποτελέσματα μπορούν εύκολα να γυρίσουν πίσω στον Δήμο Θεσσαλονίκης για αξιοποίηση.
Ένα άλλο συμπέρασμα είναι πως τα ανοικτά δεδομένα μπορούν να δημιουργήσουν τις προϋποθέσεις, ο δήμος να συνεργαστεί απευθείας με τους δημότες του. Τα ανοικτά δεδομένα δημιουργούν αίσθηση διαφάνειας οπότε οι δημότες εμπιστεύονται ευκολότερα τα συμπεράσματα που μοιράζεται ο δήμος μαζί τους και, εφόσον μπορούν να τα επαληθεύσουν, ενδιαφέρονται ευκολότερα να συμμετέχουν σε πιθανές λύσεις, εθελοντικά.
Κοίταζα για παράδειγμα την εφαρμογή PotiZo, που καλεί τους δημότες να αναλάβουν εθελοντικά να ποτίζουν ένα δένδρο στην περιοχή τους. Σκεπτόμουν πως αν υπήρχε η αντίστοιχη χαρτογράφιση των νέων δένδρων που θέλει ο δήμος να φυτεύσει, θα μπορούσαμε να είχαμε και την έννοια του αναδόχου – δημότη ενός νέου δένδρου, μέσω της ίδιας ή μιας άλλης εφαρμογής.
Μία άλλη ιδέα θα ήταν να εκμεταλλευθούμε τις πλατφόρμες και τις εφαρμογές που αφορούν στο θέμα του πρασίνου για να αναζητήσουμε χορηγούς (π.χ. κάποια φυτώρια) και σε αντάλλαγμα, να αναφέρουμε την χορηγία τους στις πλατφόρμες αυτές.
