Nedskräpning i gatumiljö 2013 Stockholm Kommentarer Om undersökningen Skräpmätningar genomförs i ett antal centrala stadsdelar i Sverige. Alla kommuner ges samma instruktioner för hur den centrala staden ska avgränsas och samråd med SCB sker. Inom samma kommun och stadsdel är jämförbarheten mellan åren stor. Skräpmätningen genomfördes i Stockholm 2013 under veckorna 25 till 27. För mer detaljerad information om metoden, se dokumentet Teknisk rapport.
2013 Stockholm Fakta: Areal och folkmängd Hela tätorten Undersökningsområde Landareal (km 2 ) 382 Landareal (km 2 ) Folkmängd (31/12-2010) 1 372 565 Folkmängd (31/12-2011) Folkmängd per km 2 3 597 Folkmängd per km 2 Dagbefolkning (1/1-2011) Dagbefolkning per km 2 4,99 46 332 9 287 31 362 6 286 Skräpfördelning: Genomsnittligt antal skräpföremål per 10 m 2 fördelat efter kategori 2012 Stockholm 2013 Stockholm Kategori Skräp % Skräp % Fimp 3,11 D 66 2,93 D 67 Papper 0,48 D 10 0,50 D 11 Snus 0,48 D 10 0,33 D 8 Glas 0,02 E 0 0,02 E 0 Övrigt 0,60 D 13 0,59 D 14 Totalt 4,69 C 100 4,37 C 100 3 2 1 Relativ osäkerhet redovisas med bokstavsbeteckning A till G, se nedan. Procentfördelningen anger andelen skräp per skräpkategori. 0 Fimp Papper Snus Glas Övrigt 2012 2013 Dagfördelning: Genomsnittligt antal skräpföremål per 10 m 2 fördelat efter veckodag 2012 Stockholm 2013 Stockholm Veckodag Skräp Punkter Skräp Punkter Måndag 4,84 E 93 4,55 D 169 Tisdag 5,26 D 157 4,41 D 133 Onsdag 4,45 D 132 4,39 D 109 Torsdag 4,10 D 117 4,45 D 107 Fredag 4,62 E 73 3,09 E 41 Totalt 4,69 C 572 4,37 C 559 6 4 2 Relativ osäkerhet redovisas med bokstavsbeteckning A till G, se nedan. Punkter anger hur många punkter som har mätts respektive veckodag. 0 Måndag Tisdag Onsdag Torsdag Fredag 2012 2013 Standard för bokstavsbeteckning av relativa osäkerhetsmarginaler Relativ osäkerhetsmarginal Bokstavsbeteckning Övre gränsen är uteslutande 0-2% 2-5% 5-10% 10-20% 20-50% 50-100% 100 - A B C D E F G Redovisning av urvalsosäkerheter Statistikvärdet ± (statistikvärdet relativa osäkerhetsmarginalen) utgör ett konfidensintervall för den efterfrågade storheten med cirka 95% konfidensnivå.
2013 Stockholm Stadsdelar: Genomsnittligt antal skräpföremål per 10 m 2 fördelat efter stadsdel Stadsdelar Punkter Skräp Kungsholmen 189 5,22 D Bromma 181 3,68 D Farsta 189 4,31 D Totalt 559 4,37 C För mer information om osäkerheter, se första sidan. Punkter anger antal punkter som mätts i varje stadsdel. Stadsdelar: Genomsnittligt antal skräpföremål per 10 m 2 fördelat efter stadsdel och kategori Kategori Kungsholmen Bromma Farsta Fimp 3,30 D 2,45 E 3,18 D Papper 0,77 D 0,44 E 0,25 E Snus 0,59 D 0,20 E 0,20 E Hårdplast 0,18 E 0,20 E 0,22 E Mjukplast 0,10 E 0,22 E 0,14 E Metall 0,04 E 0,10 E 0,13 E Kartong 0,04 F 0,01 G 0,05 E Organiskt 0,04 F 0,01 G 0,02 F Glasspinne 0,00 G 0,03 G 0,03 F Glas 0,03 F 0,01 G 0,02 F Annat 0,15 E 0,01 G 0,08 E Totalt 5,22 D 3,68 D 4,31 D För mer information om osäkerheter, se första sidan. Fimp Papper Snus Hårdplast Mjukplast Metall Kartong Organiskt Glasspinne Glas Annat 0 1 2 3 Kungsholmen Bromma Farsta Antal Dessutom förekommer tuggummi, antal per 10m 2. Tuggummi 0,23 D Skräpsituation: Andel mätytor fördelat efter upplevd skräpsituation Upplevd Andel skräpsituation ytor (%) Ej nedskräpad 29 Lätt nedskräpad 53 Ganska nedskräpad 15 Mycket nedskräpad 3 Extremt nedskräpad 1
2013 Stockholm Kartbilder: fimpar Skräptäthet, fimpar Lägg in bild manuellt Kommentar Färgerna ger en översiktlig bild av hur mängden fimpar var spridda över respektive stadsdel vid mättillfället. Kungsholmen Lägg in bild manuellt Färgerna ger en översiktlig bild av hur mängden fimpar var spridda över respektive stadsdel vid mättillfället. Bromma Lägg in bild manuellt Färgerna ger en översiktlig bild av hur mängden fimpar var spridda över respektive stadsdel vid mättillfället. Farsta
2013 Stockholm Kartbilder: skräp exklusive fimpar Skräptäthet, skräp exklusive fimpar och tuggummi. Lägg in bild manuellt Kommentar Färgerna ger en översiktlig bild av hur mängden skräp, exklusive fimpar och tuggummi var spridda över respektive stadsdel vid mättillfället. Kungsholmen Lägg in bild manuellt Färgerna ger en översiktlig bild av hur mängden skräp, exklusive fimpar och tuggummi var spridda över respektive stadsdel vid mättillfället. Bromma Lägg in bild manuellt Färgerna ger en översiktlig bild av hur mängden skräp, exklusive fimpar och tuggummi var spridda över respektive stadsdel vid mättillfället. Farsta
2013 Stockholm Tidsserie: Genomsnittligt antal skräpföremål per 10 m 2 fördelat efter år och kategori Kategori 2009 2010 2011 2012 2013 Fimp 3,93 D 3,24 C 2,81 D 3,11 D 2,93 D Papper 0,57 D 0,60 D 0,43 D 0,48 D 0,50 D Snus 0,48 D 0,42 D 0,38 D 0,48 D 0,33 D Hårdplast 0,28 D 0,18 E 0,14 D 0,14 D 0,20 D Mjukplast 0,27 D 0,22 D 0,24 E 0,21 D 0,16 E Metall 0,12 E 0,11 E 0,10 E 0,08 E 0,09 E Kartong 0,05 E 0,06 E 0,07 E 0,04 E 0,03 E Organiskt 0,04 E 0,07 F 0,02 E 0,02 F 0,02 E Glasspinne 0,05 E 0,03 E 0,05 E 0,01 F 0,02 F Glas 0,04 E 0,03 E 0,04 E 0,02 E 0,02 E Annat 0,06 E 0,04 E 0,05 E 0,09 E 0,08 E Totalt 5,90 C 5,00 C 4,32 C 4,69 C 4,37 C Tuggummi 0,58 D 0,54 D 0,30 D 0,37 D 0,23 D Tidsserie: Genomsnittligt antal skräpföremål per 10 m 2 fördelat efter år Årtal Skräp 2009 5,90 C 2010 5,00 C 2011 4,32 C 2012 4,69 C 2013 4,37 C 6 4 2 0 2009 2010 2011 2012 2013
Teknisk Rapport En beskrivning av genomförande och metoder Nedskräpning i stadens centrala gatumiljö 2013-09-03 Stockholm
Inledning Enheten för Miljö- och turismstatistik vid Statistiska centralbyrån (SCB) har på uppdrag av stiftelsen Håll Sverige Rent (HSR) tagit fram en metod för att genomföra skräpmätningar i stadens centrala gatumiljö. Skräpmätningar bör genomföras under en 2-4 veckor lång period under maj till september så att variationer i väder och andra förhållanden kanfångas upp. 2013 genomfördes fältundersökningen i Stockholm under veckorna 25 till 27. Tre stadsdelar i Stockholm har valts ut för skräpmätning. Syftet med undersökningen var att ge en bild av skräpsituationen i Stockholm. Stadsdelarna där mätning genomfördes benämns som Kungsholmen, Bromma och Farsta. För stadsdelarnas geografiska avgränsningar se SkräpFacit. De beräknade värdena för Stockholm är ett viktat medelvärde av de tre ingående stadsdelarnas värden. Det som en skräpmätning vill kunna uttala sig om är skräp på trottoarer, gågator samt gång- och cykelbanor. Hur de geografiska avgränsningarna gjorts har kommunen avgjort i samråd med SCB. Resultatet levererades till kommunen i form av ett SkräpFacit. Projektledare på SCB var Olof Dunsö, Stefan Svanström stod för GIS- och kartunderlag och Anna Björkesjö var ansvarig metodstatistiker. Kontaktpersoner på HSR gentemot SCB var Tomas Thernström och Emma Martinelle. Omfattning Population och urval Målpopulationen, d.v.s. de objekt som man vill kunna dra slutsatser om, utgjordes av trottoarer, gågator samt gång- och cykelbanor i undersökta områden. Kommunen har avgränsat, i samråd med SCB, de områden som är aktuella för en skräpmätning. För att kunna slumpa ett urval av mätpunkter från populationen skapades en urvalsram för varje stadsdel som avgränsade, identifierade och möjliggjorde koppling till objekten i populationen. Ramarna för skräpmätningen avgränsades från Nationella vägdatabasen (NVDB), som är byggd i ett GISformat. NVDB underhålls och administreras av Trafikverket. För att möjliggöra avgränsningen av ramarna försåg kommunen SCB med yttre gränser som representerar stadsdelarnas centrala områden, i GIS-format. SCB tog för varje stadsdel fram punkter med fem meters avstånd längs vägarna, vilka representeras av linjeobjekt i NVDB. Punkterna avgränsar vägstycken som är fem meter långa, med en noggrannhet på cirka en decime- 2
ter. Dessa vägstycken utgör undersökningens (operationaliserade) ramobjekt och representeras av en koordinatpunkt i x- och y-led. Listorna med dessa koordinatpunkter utgjorde ramarna för undersökningen. För Stockholm 2013 har NVDB från 2006 använts. Ramen för Kungsholmen utgjordes av 3 980 punkter, för Bromma 6 836 punkter och för Farsta 3 676 punkter. För varje stadsdel valdes 200 punkter ut genom ett systematiskt urval. Tillvägagångssättet var följande: inom den centrala delen av den aktuella stadsdelen grupperades sammanhängande vägar, därefter skapades punkter var femte meter i vägens riktning. Därefter valdes 200 punkter ut genom ett systematiskt urval och slutligen gjordes en randomisering av koordinatpunkterna, för att erhålla en slumpmässig mätordning. Det optimala är att undersöka platserna i given slumpordning. Det vill säga att punkt 1 undersöks först, därefter punkt 2, även om exempelvis punkt 82 ligger intill punkt 1. Om möjligt undersöktes alltid båda trottoarytorna (mätytorna) vid en vald koordinatpunkt. Detta ger mer information till en lägre kostnad jämfört med om endast en trottoaryta undersöks. Det totala antalet mätytor kan följaktligen maximalt uppgå till 400 stycken per stadsdel. Frågor/Variabler HSR har utformat frågorna i protokollet som användes i fält, detta i samarbete med SCB. Vilka skräpklasser som ska användas har beslutats utifrån erfarenheter från genomförda pilotmätningar. I fält fyllde tillsatta arbetsgrupper i det antal skräp som observerades per skräpkategori, samt även mätytans bredd. Om mätytans bredd varierade inom mätytan angavs bredden varje halvmeter. För att få med det skräp som samlas vid trottoarkanten ska mätningen börja 15 centimeter ut i körbanan. Bredden mäts fram till ett naturligt hinder, t.ex. en husvägg eller en rabatt. Hindren skall vara permanenta och nå ända ned till marken. Datainsamling Datainsamling utfördes av kommunens tillsatta arbetsgrupper under veckorna 25 till 27. Registrering av uppgifterna skedde via webben. Som underlag har kommunen haft tillgång till instruktioner som behandlat såväl metodiken som det praktiska arbetet. I fält fyllde mätpersonalen i upplevd skräpsituation på en skala från 1 till 5. Skalsteget 1 innebär att ytan var helt skräpfri och skalsteget 5 representerar den högsta graden av nedskräpning. Till hjälp för detta har man fått tillgång till en fotoguide av Håll Sverige Rent. Möjligheter att kontakta SCB och HSR under datainsamling och registrering har funnits. 3
Det insamlade datamaterialet har granskats av SCB:s personal innan skattningar genomförts. I Kungsholmen var det möjligt att räkna antalet skräp vid 189 av de utvalda punkterna och sammanlagt 288 mätytor undersöktes. I Bromma var det möjligt att räkna antalet skräp vid 181 punkter och sammanlagt 272 mätytor undersöktes. I Farsta var det möjligt att räkna antalet skräp vid 189 punkter och sammanlagt 270 mätytor undersöktes. Bortfall Bortfallsfel uppstår då en mätyta inte kan undersökas. Detta kan exempelvis bero på ett omfattande renoveringsarbete som pågår under hela mätperioden. Om en mätyta tillfälligt inte går att undersöka, exempelvis på grund av en parkerad bil, ska platsen undersökas vid ett senare tillfälle under mätperioden. Totalt var 11 punkter i Kungsholmen, 19 punkter i Bromma och 11 punkter i Farsta icke möjliga att undersöka under mätperioden. Viktberäkning och estimation För varje utvald punkt (nedan kallat objekt) har en vikt beräknats. Syftet med detta är att kunna redovisa resultat för hela det område som definierats i undersökningen, och inte bara för de ytor där mätningen genomförts. Vikten kallas därför även för uppräkningstal. Ett stratifierat systematiskt urval har genomförts, där varje stadsdel utgör ett stratum. Detta innebär att det första urvalsobjektet, som även representerar startpunkten (B), har valts ut slumpmässigt, med lika sannolikhet bland de första a elementen i stadsdelens urvalsram. Steglängden kallas för a, och utgörs av det närmsta heltalet till kvoten N/n. N är antalet objekt i urvalsramen och n är antalet objekt i urvalet. Efter att startpunkten slumpats fram erhölls resten av urvalet, detta genom att dra var a:te objekt. Urvalet bestod således av objekten B, B+a, B+2*a,, B+(n-1)*a. För att erhålla en slumpmässig mätordning randomiserades slutligen de 200 utvalda mätpunkterna. Vikterna har beräknats utifrån urvalsdesignen samt antaganden om objektsbortfall och täckningsfel. Beräkningen gjordes med hjälp av ett av SCB egenutvecklat SAS-makro (CLAN). Vikterna i denna undersökning kan beskrivas med formeln: N h w k * nh n m h h N m h h 4
Där wk = vikt/uppräkningstal för objekt k Nh nh mh = antal objekt i urvalsramen för stadsdel h = antal objekt i urvalet för stadsdel h = antal objekt där mätning var genomförbar i stadsdel h Vikterna bygger på antagandet att ramarna återspeglar populationen väl, och därmed att över- och undertäckningen är försumbar. Beräkningsmässigt antas de 600 punkterna vara dragna ur samma ram. Dessutom antas att de mätytor som ej gick att undersöka inte skiljer sig från de där mätning var genomförbar, med avseende på skräpsituationen. Vikterna/uppräkningstalen multipliceras med objektens variabelvärden för att skapa statistikvärden gällande för populationen. Vikterna kompenserar för objektsbortfallet men inte för det partiella bortfallet. För beräkning av skattningen av totaler har följande formel använts: Ŷ r w k y k där wk = vikt/uppräkningstal för objekt k yk = variabelvärde för objekt k r = antalet punkter där mätning var genomförbar. Alla skattade värden har ett skattat medelfel som redovisas i SkräpFacit av ett osäkerhetsmått beskrivet som bokstäver enligt nedan. Standard för bokstavsbeteckning av relativa osäkerhetsmarginaler Relativ osäkerhetsmarginal Bokstavsbeteckning Övre gränsen är uteslutande 0-2 % A 2-5 % B 5-10 % C 10-20 % D 20-50 % E 50-100 % F 100 - G 5
Kvalitetsbedömning Yttre påverkan Två faktorer som har stor påverkan på resultatet av skräpmätningar är väder och städning. Genom att undersökningen görs under ett antal veckor och fördelat över veckodagarna kan man förvänta sig att den naturliga variationen i vädret för tidsperioden täcks in. Genom att mätpunkterna undersöks i deras randomiserade ordning reduceras risken att närliggande mätpunkter har samma påverkan av eventuell städning. Ramproblem Ett problem som kan uppstå med linjeobjekten är att deras längd inte är multipler av fem meter. Om linjeobjektet exempelvis är 23 meter långt får man fyra vägstycken plus en rest på tre meter. Problemet löses delvis genom att man lägger samman linjeobjekt för en och samma väg eller gata, så att avgränsningen kan göras för större linjeobjekt. Därmed blir antalet restlängder färre, i förhållande till antalet linjeobjekt. De restlängder som ändå uppkommit har valts med samma sannolikhet som övriga vägstycken, varvid de överrepresenteras något. Problemet bedöms dock vara marginellt. Statistikens tillförlitlighet Ramtäckning Täckningsfel, under- och övertäckning, innebär att urvalsram och population inte helt stämmer överens. Undertäckning innebär att vissa objekt som ingår i populationen saknas i urvalsramen. Övertäckning innebär att objekt som inte ingår i populationen ändå finns i urvalsramen. Ett sätt att minska täckningsfelen är att ha uppdaterade register och databaser av god kvalitet. Undertäckning i undersökningen skulle kunna utgöras av trottoarer som inte är representerade i ramen. Detta kan t.ex. bero på att nytillkomna vägar ännu inte finns med i NVDB. I undersökningen användes NVDB från år 2006 som bedöms ha god relevans. Övertäckning skulle kunna förekomma om linjeobjekt är representerade i ramen men inte längre existerar i verkligheten p.g.a. att de byggts över eller brutits upp. Urval Denna kvalitetskomponent avser fel som uppkommer på grund av att endast ett urval av populationen undersöks. Urvalsfel utgör avvikelsen mellan det skattade värdet och det faktiska värdet, som uppkommer då man 6
inte undersöker alla objekt i populationen. Urvalsfelets storlek minskar vanligtvis då antalet objekt i urvalet ökar. Som osäkerhetsmått redovisas den skattade relativa osäkerhetsmarginalen. Denna anger hur stor osäkerhet man i genomsnitt kan räkna med när man uttalar sig om populationen, utifrån uppgifterna i urvalet. Detta går att läsa om i avsnittet Viktberäkning och estimation. Mätytorna kan aldrig exakt återspegla hur det ser ut i hela populationen, men genom att göra ett sannolikhetsurval kan vi på ett kontrollerat sätt skatta den osäkerhet som uppstår på grund av att vi genomfört ett urval. Mätning Ett fel som kan uppstå vid mätning är att lämnade uppgifter skiljer sig från faktiska uppgifter. Mätfel uppstår främst på grund av att arbetsgruppen missat att räkna något skräp inom en mätyta, att skräpet felklassificerats, eller att det varit oklart huruvida ett skräpföremål skulle räknats med eller ej. Dessa fel kan motverkas genom den initiala utbildningen av undersökare som hålls av HSR. De kan också motverkas genom att tydliga instruktioner finns tillgängliga, som används när själva mätningarna genomförs. Att mätning, räkning och registrering görs i grupp bör också minska risken för mätfel. Det har inte framkommit till SCB att några oklarheter uppstått vid mätningarna. Bearbetning Bearbetningsfel uppstår på grund av fel i dataregistrering, granskning och beräkningar. Kommunen har uppmanats att organisera arbetsgrupper där man arbetar i par och samarbetar vad gäller mätning med måttband, räkning av skräpföremål samt registrering av skräpföremålen i ett protokoll. Regnskydd skall finnas så att uppgifter som noteras i regn skall vara läsbara vid dataregistrering. Om arbetsgrupperna själva registrerar protokollen i dataregistreringsverktyget har de kännedom om materialet och kan granska innehållet. En detaljerad instruktion för dataregistrering har funnits tillgänglig. En viss logisk kontroll sker i dataregistreringsverktyget och materialet har även granskats av SCB:s statistiker i samband med skattningarna. Bortfall Bortfallsfel är skillnaden mellan ett erhållet undersökningsresultat och det resultat man skulle ha fått om inget bortfall förekommit. Bortfallsfel inträffar om de mätytor som inte var möjliga att mäta skiljer sig från de punkter där skräpmätning var möjlig, med avseende på skräpsituationen. 7
Beskrivning av SkräpFacit Tabeller och diagram Tabellerna har räknats upp till populationsnivå, vilket innebär att resultatet avser hela området som definierats i undersökningen och inte endast de ytor där skräpmätning genomförts. Antalsuppgifterna är således skattningar av antal skräp i populationen. Det statistiska mått som används är genomsnittligt antal skräpföremål per 10 kvadratmeter. De beräknade totalvärdena för Stockholm är ett viktat medelvärde för de tre ingående stadsdelarna. Redovisat finns också en tabell som beskriver visuell bedömning av skräpmängden. Fältpersonalen har fått ange hur de upplevt skräpsituationen på varje punkt, på en skala från ett till fem. I tabellen visas andel mätpunkter fördelat på upplevd skräpsituation. SkräpFacit innehåller, förutom tabeller och diagram, även en del relevant bakgrundsinformation som behandlar folkmängd, dagbefolkning och areal. För den undersökta tätorten finns uppgifter om folkmängd och landareal samt befolkningstäthet. För undersökningsområdet finns dels arealuppgifter men också folkmängd och dagbefolkning. Folkmängden kan enklast beskrivas som de folkbokförda inom området. Dagbefolkning avser förvärvsarbetande som redovisas efter arbetsställets geografiska belägenhet. Dagbefolkningen tar inte hänsyn till var personen är folkbokförd. I begreppet dagbefolkning ingår inte studerande. Isoplethkartor som visar skräpmängdens fördelning redovisas i SkräpFacit. Kartorna är framräknade med hjälp av interpolerade värden som skapats utifrån de faktiska mätvärdena, vilka kopplats till koordinatpunkterna. Färgerna ger en översiktlig bild över hur mängden skräpföremål var spridda vid mättillfället. För att ta fram Isoplethkartorna har Inverse Distance Weighted (IDW) använts och räknats fram via GIS-programvara. En kartbild över de 200 urvalspunkternas belägenhet finns också med i SkräpFacit. Jämförbarhet Jämförbarhet över tid Detta är femte gången som undersökningen genomförs i Stockholm. Jämförbarheten över tiden inom samma kommun är god, då samma undersökningsmetodik används. Jämförbarhet mellan tätorter Jämförelse av skräpnivå mellan olika tätorter bör inte göras och om sådan jämförelse görs måste resultatet tolkas med försiktighet. Hur den centrala staden avgränsats har påverkan på resultatet. Om exempelvis områden längre ut från stadskärnan tas med, där färre personer passerar på trottoarerna, bör detta ge färre skräpföremål i genomsnitt. 8