Tasso, M., Caravello, G., 2010, Cognomi come alleli: distribuzioni spaziali dei cognomi nella provincia di Rovigo (Italia). Antropo, 21, 9-18. www.didac.ehu.es/antropo
Cognomi come alleli: distribuzioni spaziali
dei cognomi nella provincia di Rovigo (Italia)
Surnames as alleles: spatial distribution of surnames in the province
of Rovigo (Italy)
Miro Tasso,
GianUmberto Caravello
Dr. GianUmberto Caravello - Dipartimento di Medicina Ambientale e Sanità Pubblica-sede di Igiene - Università di Padova. Via Loredan, 18 - 35131 Padova - Italia. E-mail: gianumberto.caravello@unipd.it
Key words: Spatial autocorrelation; Surnames; Cline; Isolation by distance; Migratory process.
Vengono studiate le distribuzioni spaziali dei cognomi nella provincia
di Rovigo (Italia), descrivendo la mobilità interna della popolazione in due
aree totalmente pianeggianti e che presentano varie vie di comunicazione nel
loro interno. Lo studio si è basato sull’analisi della similarità delle
frequenze di un certo numero di cognomi ricavati dall’elenco telefonico, in
funzione della loro distanza geografica. La popolazione si dimostra
fondamentalmente stanziale all’interno del territorio provinciale,
probabilmente come conseguenza della situazione economica tradizionale di
questi luoghi.
We studied the spatial distribution of surnames in the province of Rovigo (Italy), through the description of the internal mobility of the population in two completely plain areas with different communication lines inside them. The study is based on the analysis of the similarity of the frequencies of some surnames taken from the telephone directory, as a function of their geographic distance. The population considered turned out to be basically sedentary in the province territory, which is probably a consequence of the traditional economic situation of such places.
Nella nostra società i cognomi vengono ereditati
per linea paterna e si possono quindi assimilare agli alleli neutrali di un
locus trasmesso tramite il cromosoma Y (Zei et al., 1983a,b; 1986), soddisfando
in tal modo quanto aspettato dalla teoria della neutralità dell’evoluzione che
è descritta dalla deriva genetica casuale, migrazione e mutazione (Kimura,
1983). Si può conseguentemente affermare che le distribuzioni dei cognomi in un
territorio dipendono essenzialmente da due fattori evolutivi: la deriva genetica
e la migrazione, tanto da testimoniare fenomeni di isolamento e diffusivi nelle
popolazioni umane (Colantonio et al., 2003; Crow, 1996). Al contrario, le
mutazioni dei cognomi, intese come cambiamenti delle forme scritte, sono eventi
oramai molto rari, legati fondamentalmente alla necessità di sostituire un
cognome dal significato sgradito e, comunque, la procedura è rigidamente
regolata dalla legge.
Le distribuzioni dei cognomi possono essere agevolmente ricavate dagli
elenchi degli abbonati al telefono, i quali sono stati utilizzati in diversi
studi che hanno svolto analisi su interi territori nazionali (Lucchetti et al.
1996; Manni et al., 2005; Scapoli et al., 2007), su quelli provinciali
(Caravello e Tasso, 1999; De Silvestri e Guglielmino, 2000; Guglielmino e De
Silvestri, 1995) e anche comunali (Lucchetti et al., 2001). Nella presente
analisi si intende osservare la mobilità interna della popolazione di una
provincia dell’Italia settentrionale – quella di Rovigo – sulla base della
similarità delle frequenze dei cognomi ricavate dall’elenco telefonico, tra
coppie di località comunali, in funzione della loro distanza geografica. L’idea
di partenza è che i movimenti delle persone siano facilitati grazie alle linee
di comunicazione, come ad esempio le strade ad ampio scorrimento.
Figura 1. Localizzazione della provincia di Rovigo nella regione del Veneto e la sua corrispondente posizione geografica in Italia.
Figure 1. Location of the province of Rovigo in the
Veneto region and its geographic position in Italy.
La provincia di Rovigo è un territorio molto stretto e lungo un
centinaio di chilometri che arriva fino al mare Adriatico (Fig. 1).
Assolutamente piana, tutta compresa fra i corsi inferiori del fiume Adige a
nord e del fiume Po a sud, presenta varie vie di comunicazione stradali e
ferroviarie che la attraversano interamente. Vista l’assenza di rilievi
montuosi e una sostanziale omogeneità geomorfologica, il territorio può essere
sommariamente suddiviso in due grandi aree: il Delta del Po o Basso Polesine e
l’Alto e Medio Polesine. La prima segue ad est il corso del fiume Po fino allo
sbocco sul mare e vede Adria come città principale; la seconda occupa il resto
del territorio provinciale e comprende molti più comuni, fra i quali Rovigo che
è anche città capoluogo (Iei, 2001). Per analizzare le distribuzioni di cognomi
si prenderanno in considerazione due zone: la Zona A,
che connette l’angolo estremo della provincia con i centri rivolti verso il
Mare Adriatico, comprendente 21 comuni distribuiti lungo le principali strade e
linee ferroviarie che la attraversano (Fig. 2); la Zona B che unisce 17 comuni
lungo il corso del fiume Po, ma che è utilizzata principalmente per il traffico
locale (Fig. 3). Dalla prima zona è stata esclusa Rovigo perché presenta una
elevato numero di abitanti e quindi di abbonati al telefono rispetto
alle altre località provinciali.
Figura 2. I 21 comuni della provincia di Rovigo (Zona A) analizzati mediante l’autocorrelazione spaziale. La città di Rovigo è stata esclusa dall’analisi; l’elenco delle sigle è riportato nella Tab. 1.
Figure 2. The 21 municipalities of the province of
Rovigo (Zone A) analysed through spatial autocorrelation. The town of Rovigo
was excluded from this analysis; the abbreviations for each municipality are
listed in Tab. 1.
Figura 3. I 17 comuni della provincia di Rovigo (Zona B) analizzati mediante l’autocorrelazione spaziale. La città di Rovigo è stata esclusa dall’analisi; l’elenco delle sigle è riportato nella Tab. 1.
Figure 3. The 17 municipalities of the province of
Rovigo (Zone B) analysed through spatial autocorrelation. The town of Rovigo
was excluded from this analysis; the abbreviations for each municipality are
listed in Tab. 1.
La presente analisi si basa sull’elenco ufficiale del telefono del
1996, sfruttando i cognomi degli abbonati rappresentati dalle persone fisiche,
con il fine di considerare unicamente i nomi delle famiglie diffuse sull’area
presa in considerazione. Il totale degli abbonati presente nei 21 comuni della
Zona A è pari a 33148, mentre quello nei 17 comuni
della Zona B corrisponde a 16354 (Tab. 1). Il repertorio onomastico della
provincia di Rovigo è alquanto tipizzato localmente, sia per la scarsa presenza
di residenti che superano di poco il 5% della popolazione complessiva del
Veneto, sia per la posizione di tale territorio nel lembo meridionale della
regione (Caffarelli, 2006). Sono stati presi in considerazione 35
cognomi per ciascuna delle due Zone, appartenenti a tre gruppi diversi: cognomi
ad alta frequenza nella Zona esaminata, cognomi a media frequenza nella Zona
esaminata, cognomi ad alta frequenza in un comune e a bassa frequenza nel resto
della Zona esaminata (Tab. 2).
Zona |
Sigla |
Comune |
Abbonati |
Zona |
Sigla |
Comune |
Abbonati |
A |
Ad |
Adria |
7347 |
B |
Br |
Bergantino |
900 |
A |
Aq |
Arquà Polesine |
976 |
B |
Cb |
Castelnovo Bariano |
1035 |
A |
Ar |
Ariano nel Polesine |
1707 |
B |
Cm |
Castelmassa |
1687 |
A |
Bd |
Badia Polesine |
3432 |
B |
Cn |
Canaro |
934 |
A |
Br |
Bergantino |
900 |
B |
Cp |
Crespino |
740 |
A |
Bs |
Bosaro |
418 |
B |
Cr |
Corbola |
920 |
A |
Cb |
Castelnovo Bariano |
1035 |
B |
Ct |
Calto |
298 |
A |
Cg |
Ceregnano |
1322 |
B |
Fc |
Ficarolo |
960 |
A |
Cm |
Castelmassa |
1687 |
B |
Gb |
Gaiba |
352 |
A |
Cn |
Ceneselli |
712 |
B |
Gv |
Guarda Veneta |
395 |
A |
Cr |
Corbola |
920 |
B |
Ml |
Melara |
699 |
A |
Cs |
Costa di Rovigo |
967 |
B |
Oc |
Occhiobello |
3501 |
A |
Fr |
Fratta Polesine |
828 |
B |
Pl |
Polesella |
1411 |
A |
Gc |
Giacciano con Baruchella |
792 |
B |
Pp |
Papozze |
674 |
A |
Ln |
Lendinara |
4036 |
B |
Sl |
Salara |
446 |
A |
Lr |
Loreo |
1230 |
B |
St |
Stienta |
1021 |
A |
Ml |
Melara |
699 |
B |
Vm |
Villanova Marchesana |
381 |
A |
Pl |
Polesella |
1411 |
|
|
|
|
A |
Vd |
Villadose |
1684 |
|
|
|
|
A |
Vg |
Villanova del Ghebbo |
673 |
|
|
|
|
A |
Vz |
Villamarzana |
372 |
|
|
|
|
Tabella 1. Elenco delle sigle con i relativi comuni presi in considerazione nell’analisi dell’autocorrelazione spaziale per la Zona A e quella B. Ad ogni comune corrisponde il numero di abbonati ricavati dagli elenchi telefonici.
Table 1. List of the abbreviations of all the
municipalities considered in the spatial autocorrelation analysis for Zone A
and B. Each muncipality is matched to the total number of telephone subscribers
found in telephone directories.
Zona A |
Zona B |
||||
Cognomi 1 |
Cognomi 2 |
Cognomi 3 |
Cognomi 1 |
Cognomi 2 |
Cognomi 3 |
Crepaldi |
Cappello |
Altieri |
Bergamini |
Antonioli |
Andreotti |
Ferrari |
Furini |
Bergamini |
Crepaldi |
Ferro |
Barotti |
Ferro |
Masiero |
Biancardi |
Ferrari |
Ghisellini |
Bazzi |
Mantovani |
Milani |
Bovolenta |
Furini |
Guerra |
Berveglieri |
Marangoni |
Moretto |
Cecchetto |
Mantovani |
Padovani |
Biancardi |
Milan |
Previato |
Chieregato |
Marangoni |
Pavan |
Bolognesi |
Pavan |
Sivieri |
Franzoso |
Previati |
Pavani |
Bovolenta |
Rossi |
Stocco |
Mazzali |
Ravagnani |
Rizzati |
Cuoghi |
Siviero |
Toso |
Montagnini |
Rossi |
Tosi |
Garbellini |
Zanella |
Zanirato |
Pavani |
Zanella |
Turolla |
Milani |
|
|
Pozzati |
|
|
Monesi |
|
|
Stoppa |
|
|
Negri |
|
|
Targa |
|
|
Segala |
|
|
Tinti |
|
|
Tinti |
|
|
Valentini |
|
|
Vicentini |
Tabella 2. Elenco dei cognomi esaminati con l’autocorrelazione spaziale nelle Zone A e B della provincia di Rovigo. Cognomi 1 = Cognomi ad alta frequenza nella Zona esaminata. Cognomi 2 = Cognomi a media frequenza nella Zona esaminata. Cognomi 3 = Cognomi ad alta frequenza in un comune e a bassa frequenza nel resto della Zona esaminata.
Table 2. List of the surnames analysed with spatial
autocorrelation in the Zone A and B of the province of Rovigo. Surnames 1 =
High frequency surnames in the examined Zone. Surnames 2 = Medium frequency
surnames in the examined Zone. Surnames 3 = Surnames peculiar of a specific
municipality and with low frequency in the rest of the examined Zone.
Il metodo di analisi applicato ai dati
quantitativi è quello dell’autocorrelazione spaziale, che riassume la
similarità genetica tra popolazioni come funzione della loro prossimità nello
spazio. Nel caso specifico, l’autocorrelazione spaziale permette di evidenziare
la similarità dei valori di una variabile, ossia la frequenza di un cognome,
tra coppie di località all’interno di classi di distanza arbitrarie e i cui
limiti chilometrici in linea d’aria siano scelti in maniera tale da rendere il
più uniforme possibile il numero di confronti nel loro interno. Le linee d’aria
sono considerate come delle ragionevoli rappresentazioni delle distanze spaziali
negli studi di genetica di popolazione (Barbujani, 1987). Le classi di distanza
sono determinate sulla base della latitudine e della longitudine di ciascuna
delle località coinvolte. Questo metodo è stato sviluppato da Moran (1950) e
anche se un’importante monografia su tale argomento fu scritta da Cliff e Ord
(1973), venne perfezionato da Ripley (1981) e da Cliff e Ord (1981), mentre
Sokal e Oden (1978a; b) furono i primi ad applicarlo a studi biologici.
La seguente formula permette di calcolare un coefficiente di
autocorrelazione (Moran’s I):
dove pi
e pj sono le frequenze dei cognomi nelle
località i-esima e j-esima, p è la loro media su n località, wij è uguale
a 1 per tutte le coppie di località che rientrano nella classe di distanza
studiata ed uguale a 0 per tutte le altre coppie, W è la somma di tutti i valori wij
per una classe di distanza.
Il coefficiente Moran’s I varia da -1 (autocorrelazione negativa) a +1 (autocorrelazione positiva),
con un valore atteso, in assenza di autocorrelazione spaziale, di -1/(n - 1),
dove n
è la dimensione del
campione (Sokal e Oden, 1978a). Una significativa autocorrelazione negativa
indica che ad una determinata distanza le frequenze di una variabile sono
dissimili, viceversa una significativa autocorrelazione positiva indica
similarità tra popolazioni, invece un valore non significativo rivela che non
esiste una relazione prevedibile tra coppie di frequenze di una variabile ad
una certa distanza (Sokal e Oden, 1978a). I coefficienti di autocorrelazione
sono calcolati entro cinque classi di distanza, i cui limiti chilometrici in
linea d’aria siano scelti in maniera tale da rendere il più uniforme possibile
il numero di confronti nel loro interno, vale a dire con un egual numero di
coppie di località per ciascuno di essi (Tab. 3). Il grafico dei coefficienti
di autocorrelazione rispetto alle classi di distanza è un correlogramma, la cui
significatività totale viene valutata grazie al test di Bonferroni (Oden,
1984). Un correlogramma è schematicamente classificabile (Barbujani, 2000;
Barbujani e Sokal, 1991) in funzione delle distribuzioni spaziali di frequenze
di cognomi che riflettono i movimenti di individui. Il passaggio da valori positivi
di autocorrelazione verso valori negativi, con un andamento monotonicamente
decrescente all’aumentare della distanza, definisce un cline e fa supporre
l’esistenza di processi migratori diffusivi (Sokal et al., 1989). Questi
fenomeni diffusivi sono riconducibili ad individui portatori di un determinato
cognome che si propagano a partire dal luogo ove tale cognome ha un’alta
frequenza (Sokal et al., 1992). Invece, l’isolamento da distanza prevede un
calo, su brevi intervalli, dell’autocorrelazione positiva nelle prime classi di
distanza, ottenendo valori negativi di autocorrelazione nell’ultima classe:
tale fenomeno si verifica quando il drift genetico è bilanciato dalla
dispersione di individui (Barbujani, 1987). Il pattern dell’isolamento da
distanza è probabilmente dovuto alla locale dispersione di persone portanti lo
stesso cognome in una certa area (Sokal et al., 1992), ma generalmente esso è
associato alla depressione che consiste in una chiara diminuzione della
similarità cognominale in una classe di distanza intermedia, il che è
verosimilmente associabile ad un processo diffusivo di individui che ha
interessato soltanto una parte della zona analizzata (Barbujani, 2000).
Esistono anche altri tipi di patterns, ad esempio la differenziazione a lunga
distanza in cui l’autocorrelazione è positiva nelle prime tre o quattro classi
di distanza ed è negativa a distanze superiori; l’intrusione in cui la
similarità mostra un massimo in una classe di distanza intermedia e valori di
autocorrelazione negativi sia a brevi che a maggiori distanze. Queste ultime
distribuzioni spaziali sono associate ad uno sviluppo più complesso o, per
meglio dire, esse non derivano da processi di diffusione semplice di individui
come nel caso dei clini ed è difficile fornire delle chiare e dettagliate
spiegazioni in merito (Barbujani e Sokal, 1991).
L’analisi dell’autocorrelazione spaziale dei
cognomi della provincia di Rovigo ha permesso di individuare che i patterns
statisticamente significativi rappresentano il 57.1% nella Zona A e il 51.4%
nella Zona B (Tab. 3). In dettaglio, la maggior parte delle distribuzioni
spaziali sono classificabili come isolamento da distanza accompagnato da una
depressione, ciò significa che si nota, nel complesso, un’alta similarità per
le frequenze cognominali fra le località poste entro 8 chilometri circa in
linea d’aria. All’aumentare della distanza fra i comuni inizia la diminuzione
della similarità delle frequenze cognominali, raggiungendo la massima
dissimilarità soprattutto per quei centri che si trovano fra i 19 e i 49
chilometri circa in linea d’aria nella Zona A e fra i 52 e i 58 chilometri
circa in linea d’aria nella Zona B (Tab. 3). Patterns diversi da quelli appena
accennati rappresentano approssimativamente un terzo del totale statisticamente
significativo e quelli clinali si rilevano soltanto in tre casi.
Zona A |
Classe di distanza |
|
|
||||
Cognomi 1 |
1 |
2 |
3 |
4 |
5 |
Significatività totale |
Classificazione |
Crepaldi |
0.32** |
0.19* |
-0.04 |
0.11 |
-0.83** |
0.000 |
IBD + D |
Ferro |
0.49** |
0.17* |
0.01 |
-0.07 |
-0.85** |
0.000 |
C |
Marangoni |
0.43** |
-0.19 |
-0.39** |
-0.01 |
-0.10 |
0.000 |
IBD + D |
Milan |
0.57** |
-0.45** |
-0.44** |
-0.02 |
0.09 |
0.000 |
IBD + D |
Pavan |
0.44** |
-0.11 |
-0.53** |
-0.08 |
0.03 |
0.000 |
IBD + D |
Siviero |
0.18* |
0.17* |
0.03 |
0.13* |
-0.76** |
0.000 |
LDD |
Cognomi 2 |
|
|
|
|
|
|
|
Cappello |
0.34** |
-0.54** |
0.07 |
-0.11 |
-0.01 |
0.000 |
IBD + D |
Furini |
0.68** |
-0.18 |
-0.38** |
-0.03 |
-0.34** |
0.000 |
IBD + D |
Previato |
0.13* |
0.03 |
0.10 |
-0.16 |
-0.34** |
0.008 |
LDD |
Stocco |
0.23** |
-0.05 |
-0.38** |
-0.05 |
-0.01 |
0.002 |
IBD + D |
Zanirato |
0.28** |
0.01 |
-0.15 |
0.01 |
-0.40** |
0.003 |
IBD + D |
Cognomi 3 |
|
|
|
|
|
|
|
Biancardi |
0.36** |
-0.14 |
-0.27* |
-0.01 |
-0.19 |
0.000 |
IBD + D |
Bovolenta |
0.16** |
0.12* |
-0.08 |
0.02 |
-0.47** |
0.000 |
IBD + D |
Franzoso |
0.06 |
0.07 |
0.07 |
-0.12 |
-0.33** |
0.011 |
LDD |
Mazzali |
0.19* |
-0.16 |
-0.15 |
0.00 |
-0.13 |
0.050 |
IBD + D |
Montagnini |
0.27** |
-0.12 |
-0.25* |
0.00 |
-0.14 |
0.004 |
IBD + D |
Pozzati |
0.16* |
0.14* |
0.00 |
0.18* |
-0.72** |
0.000 |
LDD |
Stoppa |
0.23** |
-0.05 |
-0.04 |
-0.04 |
-0.35** |
0.011 |
C |
Targa |
-0.02 |
-0.25** |
0.09* |
-0.05 |
-0.02 |
0.038 |
I |
Valentini |
0.14** |
-0.23* |
-0.03 |
-0.02 |
-0.11 |
0.026 |
IBD + D |
Tabella 3. Coefficienti di autocorrelazione (Moran’s I) per i cognomi della provincia di Rovigo (Zone A e B). Sono riportati soltanto i patterns statisticamente significativi. Classe di distanza Zona A: 1 (0-8.2); 2 (8.2-18.9); 3 (18.9-48.8); 4 (48.8-58.3); 5 (58.3-92.1). * = 0.01 < p £ 0.05; ** = 0.001 < p £ 0.01. Classificazione: C (Cline); D (Depressione); I (Intrusione); IBD + D (Isolamento da Distanza e Depressione); LDD (Differenziazione a Lunga Distanza). Cognomi 1 = Cognomi ad alta frequenza nella Zona esaminata. Cognomi 2 = Cognomi a media frequenza nella Zona esaminata. Cognomi 3 = Cognomi ad alta frequenza in un comune e a bassa frequenza nel resto della Zona esaminata.
Tabella 3. Coefficients of autocorrelation (Moran’s I) for the surnames of the province of Rovigo (Zone A and B). Only statistically significant patterns have been reported. Distance class (km) Zona A: 1 (0-8.2); 2 (8.2-18.9); 3 (18.9-48.8); 4 (48.8-58.3); 5 (58.3-92.1). * = 0.01 < p £ 0.05; ** = 0.001 < p £ 0.01. Classification: C (Cline); D (Depression); I (Intrusion); IBD + D (Isolation by Distance and Depression); LDD (Long-Distance Differentiation). Surnames 1 = High frequency surnames in the examined Zone. Surnames 2 = Medium frequency surnames in the examined Zone. Surnames 3 = Surnames peculiar of a specific municipality and with low frequency in the rest of the examined Zone.
Zona B |
Classe di distanza |
|
|
||||
Cognomi 1 |
1 |
2 |
3 |
4 |
5 |
Significatività totale |
Classificazione |
Bergamini |
0.11 |
0.15* |
0.07 |
-0.13 |
-0.49** |
0.001 |
LDD |
Crepaldi |
0.19* |
0.07 |
0.33** |
0.04 |
-0.90** |
0.000 |
LDD |
Furini |
0.47** |
-0.25 |
0.35** |
-0.50** |
-0.37** |
0.004 |
IBD + D |
Mantovani |
0.24* |
0.19* |
-0.04 |
-0.31* |
-0.38** |
0.021 |
C |
Marangoni |
0.37** |
0.30** |
-0.26 |
-0.54** |
-0.18 |
0.003 |
IBD + D |
Ravagnani |
0.14 |
0.05 |
0.06 |
-0.46** |
-0.10 |
0.013 |
IBD + D |
Rossi |
0.48** |
0.19* |
-0.34* |
-0.63** |
-0.02 |
0.001 |
IBD + D |
Cognomi 2 |
|
|
|
|
|
|
|
Antonioli |
0.27* |
0.05 |
0.04 |
-0.49** |
-0.18 |
0.010 |
IBD +D |
Ferro |
0.12* |
0.03 |
0.14* |
0.03 |
-0.62** |
0.000 |
LDD |
Padovani |
0.33** |
-0.15 |
0.02 |
-0.48** |
-0.02 |
0.013 |
IBD + D |
Pavan |
0.08 |
-0.40** |
0.11* |
-0.10 |
-0.01 |
0.008 |
D |
Tosi |
0.35** |
-0.48** |
0.01 |
-0.01 |
-0.18 |
0.011 |
IBD + D |
Cognomi 3 |
|
|
|
|
|
|
|
Andreotti |
0.22** |
-0.22 |
-0.17 |
-0.06 |
-0.08 |
0.009 |
IBD +D |
Biancardi |
0.45** |
0.18* |
-0.23 |
-0.58** |
-0.14 |
0.000 |
IBD + D |
Bovolenta |
0.12 |
0.08 |
0.17* |
0.08 |
-0.74** |
0.000 |
LDD |
Cuoghi |
0.20* |
0.09 |
0.05 |
-0.47** |
-0.18 |
0.002 |
IBD + D |
Milani |
0.30** |
-0.46** |
0.00 |
-0.18 |
0.03 |
0.002 |
IBD + D |
Vicentini |
0.10* |
0.07 |
0.10 |
0.08 |
-0.65** |
0.000 |
LDD |
Tabella 3. Segue. Classe di distanza Zona B: 1 (0-7.9); 2 (7.9-21.4); 3 (21.4-52.4); 4 (52.4-57.8); 5 (57.8-87.0). * = 0.01 < p £ 0.05; ** = 0.001 < p £ 0.01. Classificazione: C (Cline); D (Depressione); I (Intrusione); IBD + D (Isolamento da Distanza e Depressione); LDD (Differenziazione a Lunga Distanza). Cognomi 1 = Cognomi ad alta frequenza nella Zona esaminata. Cognomi 2 = Cognomi a media frequenza nella Zona esaminata. Cognomi 3 = Cognomi ad alta frequenza in un comune e a bassa frequenza nel resto della Zona esaminata.
Table
3. Continued. Distance class (km) Zona B: 1 (0-7.9); 2 (7.9-21.4); 3 (21.4-52.4);
4 (52.4-57.8); 5 (57.8-87.0). * = 0.01 < p £ 0.05; ** = 0.001 < p £ 0.01.
Classification: C (Cline); D (Depression); I (Intrusion); IBD + D (Isolation by
Distance and Depression); LDD (Long-Distance Differentiation). Surnames 1 = High frequency surnames
in the examined Zone. Surnames 2 = Medium frequency surnames in the examined
Zone. Surnames 3 = Surnames peculiar of a specific municipality and with low
frequency in the rest of the examined Zone.
Il territorio della provincia di Rovigo appartenne
per diversi secoli alla Repubblica di Venezia che riuscì a mettere in atto
delle opere di bonifica che permisero un impulso alle attività economiche e
commerciali, grazie anche alla facilità di comunicazioni con varie città
dell’Italia settentrionale (Iei, 2001). Dopo la caduta della Repubblica di
Venezia (1797), con la successiva occupazione francese prima e austriaca dopo,
fino all’annessione al Regno d’Italia (1866), si verificò un generale declino
della situazione socioeconomica (Iei, 2001). Si può affermare che negli anni
successivi all’unità d’Italia prevaleva una situazione di arretratezza
nell’economia e nei rapporti sociali, soprattutto per la mancanza nel Polesine,
assai più accentuata rispetto alle altre province venete, di attività
industriali di una qualche importanza (Lazzarini, 1981). La popolazione di
questi luoghi giunse al limite della capacità di sussistenza e i due conflitti
mondiali esasperarono tale situazione, inoltre nel secondo dopoguerra la
ripresa economica sarà messa a dura prova dalla disastrosa alluvione del Po nel
novembre 1951 che sommerse interi paesi. Soltanto a partire dagli anni Sessanta
del Novecento, in seguito ad ulteriori interventi di bonifica e alla nascita di
attività produttive, la popolazione cominciò a conoscere un certo benessere
socioeconomico (Iei, 2001). Il
presente studio ha considerato due Zone della provincia di Rovigo
caratterizzate dalla presenza di agevoli vie di comunicazione, tanto che oltre
la metà dei cognomi analizzati mediante l’autocorrelazione spaziale mette in
luce delle distribuzioni statisticamente significative (Tab. 3). Quasi tutti i
patterns della provincia di Rovigo sono classificabili come isolamento da
distanza accompagnato da una depressione, si può quindi dire che i comuni
limitrofi sono generalmente simili per quanto riguarda le frequenze di molti
dei cognomi analizzati, viceversa all’aumentare della distanza aumentano le
diversità. Percentuali anche maggiori di patterns statisticamente significativi
alla medesima analisi si riscontrano in altre due province della regione Veneto
(Fig. 1), ossia quella di Venezia con il 60% sul totale (Tasso e Danieli, 1994)
e quella di Belluno con il 68% sul totale (Caravello e Tasso, 2007). Fra queste
aree vi sono tuttavia delle differenze sostanziali, sia dal punto di vista
territoriale, sia per quanto riguarda i risultati dell’analisi
dell’autocorrelazione spaziale. La provincia di Belluno è di carattere alpino e
possiede un’unica arteria viaria principale nota sin dai tempi dei Romani, cioè
la strada Feltria-Littamo, ma i patterns statisticamente significativi
evidenziano degli andamenti molto simili a quelli ottenuti nel presente studio.
Al contrario, la provincia di Venezia, totalmente pianeggiante, rivela molti
patterns clinali che provano l’esistenza di un gradiente di frequenze
cognominali riconducibile a dei processi migratori interni. Viene quindi da
chiedersi perché in una provincia priva di qualsiasi barriera geografica come
quella di Rovigo non siano osservabili migrazioni che hanno interessato
l’intero territorio, ipotizzando al massimo movimenti di persone su brevi
spazi, cioè delle locali dispersioni di individui. I motivi sono essenzialmente
da ricondursi all’economia di tali luoghi che è stata tradizionalmente di
carattere agricolo, vista la natura pianeggiante di queste terre e l’abbondanza
di acqua. Le aziende agricole sono prevalentemente a conduzione familiare e
praticano attività di tipo estensivo, inoltre l’industria si sviluppò con un
certo ritardo rispetto ad altre regioni italiane, pur diversificandosi nel
corso del tempo in varie attività che hanno puntato soprattutto sulle
componenti locali dell’artigianato e delle piccole imprese (Iei, 2001).
Verosimilmente questi fattori favorirono la stanzialità dei gruppi umani in
determinati comuni, esattamente come si è osservato nella provincia di Belluno
dove l’economia montana porta allo sfruttamento delle attività
agricolo-forestali, dell’allevamento, dell’artigianato e del turismo (Caravello
e Tasso, 2007). Nella provincia di Venezia, invece, si rileva una maggiore
diversificazione delle attività produttive non più legate soltanto
all’agricoltura e all’allevamento come un tempo, perciò sono molto più
probabili spostamenti di persone da un comune all’altro (Tasso e Danieli,
1994). Risultati praticamente identici sono stati riscontrati anche in una
provincia della Lombardia, regione limitrofa al Veneto, dove si osserva un
elevato numero di patterns statisticamente significativi e riconducibili a dei
processi di diffusione cognominale favoriti dal contesto socioeconomico
(Caravello e Tasso, 1999). In poche parole, se l’economia locale è basata sulla
sedentarietà della popolazione, vale a dire sul fatto che gli individui
nascono, vivono e muoiono nel medesimo luogo, svolgendo per tutta la vita lo
stesso lavoro e, spesso, tramandandolo ai propri discendenti, viene rallentato
il processo di omogeneizzazione della popolazione, mentre quest’ultimo si
accentua se l’economia comincia a diversificarsi. Tutto ciò, comunque, non
significa che una determinata popolazione non sia stata interessata da fenomeni
emigratori diretti verso destinazioni lontane dalla propria terra natale. La
mancanza di lavoro, accompagnata da scarse retribuzioni, insieme ad una miseria
diffusa, furono le principali cause dell’emigrazione: l’esodo fu veramente di
massa, specialmente verso il Brasile, tanto che nell’ultimo quarto del secolo
XIX se ne andarono stabilmente dalla provincia di Rovigo oltre 63000 persone,
pari a circa il 30% della popolazione dell’epoca (Lazzarini, 1981). Il fenomeno
emigratorio italiano in generale e del Veneto in particolare raggiunse quindi
livelli molto elevati in termini di numero di individui tra la fine
dell’Ottocento e l’inizio del Novecento, coinvolgendo in massima parte
contadini poveri ed analfabeti che conducevano in patria una vita estremamente
grama (Franzina, 1995). Di conseguenza, la persone non si spostano all’interno
di un determinato territorio se non esistono risorse tali da garantire una vita
migliore rispetto a quella condotta nel proprio centro di origine, sia nel caso
di un ambiente montano, sia di un territorio pianeggiante. Del resto, uno
studio sulle distribuzioni di cognomi di 43 popolazioni comunali appenniniche,
indica nella presenza delle vie di comunicazione il fattore più importante per
l’aggregazione delle popolazioni: gli individui si muovono tramite strade o
ferrovie indipendentemente dalla presenza di crinali montuosi (Lucchetti et
al., 1990). Si può quindi concludere che i veri ostacoli alla diffusione degli
individui, perlomeno nelle società occidentali, non siano le barriere
geografiche, bensì quelle economico-sociali.
Barbujani, G.,
1987, Autocorrelation of gene frequencies under isolation by distance.
Genetics, 117, 777-782.
Barbujani, G.,
2000, Geographic patterns: how to identify them and why. Human Biology, 72,
133-153.
Barbujani, G.,
Sokal, R. R., 1991, Genetic population structure of Italy. I. Geographic
patterns of gene frequencies. Human Biology, 63, 253-272.
Caffarelli, E.,
2006, Frequenze onomastiche. I
cognomi più frequenti in Piemonte, Liguria, Veneto, Emilia-Romagna, Toscana,
Umbria e Marche. Rivista Italiana di Onomastica, 12, 619-714.
Caravello, G.U., Tasso, M., 1999 An analysis
of the spatial distribution of surnames in the Lecco area (Lombardy, Italy). American Journal of
Human Biology, 11, 305-315.
Caravello, G.U.,
Tasso, M., 2007, Surnames as alleles: spatial distribution of surnames in a
province of Italian Alps. Journal of Biosocial Science, 39, 409-419.
Cliff, A. D., Ord,
J. K., 1973, Spatial autocorrelation (London: Pion).
Cliff, A. D., Ord,
J. K., 1981, Spatial processes: models and applications (London: Pion).
Colantonio, S.E.,
Lasker, G.W., Kaplan, B.A., Fuster, V., 2003, Use of surnames models in human
populations biology. Human Biology, 75, 785-807.
Crow, J.F., 1996,
Isonymy: a thirty year retrospective. Rivista di Antropologia, 74, 25-34.
De Silvestri, A., Guglielmino, C.R., 2000,
Ethnicity and malaria affect surname distribution in Cosenza province (Italy).
Human Biology, 72, 573-583.
Franzina, E., 1995, Gli italiani al nuovo
mondo. L’emigrazione italiana in America 1492-1942 (Milano: Mondadori).
Guglielmino, C.R.,
De Silvestri, A., 1995, Surname sampling for the study of the genetic structure
of an Italian Province. Human
Biology, 67, 613-628.
Iei, 2001, Comuni d’Italia. Veneto BL-PD-RO-TV
(Monteroduni (IS): Istituto Enciclopedico Italiano).
Kimura, M., 1983,
The neutral theory of molecular evolution (Cambridge: Cambridge University
Press).
Lazzarini, A., 1981, Campagne venete ed
emigrazione di massa (1866-1900) (Vicenza: Istituto per le ricerche di storia
sociale e religiosa).
Lucchetti, E.,
Battisti, D. M., Ghisolfi, G., Soliani, L., 1990, Delimitation and aggregation
between populations analyzed by surname structure. International Journal of
Anthropology, 5 (1), 49-62.
Lucchetti, E., Pizzetti,
P., Soliani, L., 2001, Patronym, structure et évolution d’une population
urbaine: Parme (Italie), 245-262, in Brunet, G., Darlu, P., Zei, G. (eds), Le
patronym histoire, anthropologie, société (Paris: CNRS Editions).
Lucchetti, E.,
Siri, E., Soliani, L., 1996, Internal migrations and relationships between
Italian regional populations: an analysis based on surname distributions.
Rivista di Antropologia, 74, 171-185.
Manni, F.,
Toupance, B., Sabbagh, A., Heyer, E., 2005, New method for surname studies of
ancient patrilineal population structures, and possible application to
improvement of Y-chromosome sampling. American Journal of Physical Anthropology,
126, 214-228.
Moran, P. A. P.,
1950, Notes on continuous stochastic phenomena. Biometrika, 37, 17-23.
Oden, N. L., 1984,
Assessing the significance of a spatial correlogram. Geographical Analysis, 16,
1-16.
Ripley, B. D.,
1981, Spatial Statistics (New York: John Wiley & Sons).
Scapoli, C.,
Mamolini, E., Carrieri, A., Rodriguez-Larralde, A., Barrai, I., 2007, Surnames
in Western Europe: A comparison of the subcontinental populations through
isonymy. Theoretical Population Biology, 71, 37-48.
Sokal, R. R., Harding,
R. M., Lasker, G. W., Mascie-Taylor, C. G. N., 1992, A spatial analysis of 100
surnames in England and Wales. Annals of Human Biology, 19, 445-476.
Sokal, R. R.,
Jacquez, G. M., Wooten, M. C., 1989, Spatial autocorrelation analysis of
migration and selection. Genetics, 121, 845-855.
Sokal, R. R., Oden,
N. L., 1978a, Spatial autocorrelation in biology. 1. Methodology. Biological
Journal of the Linnean Society, 10, 199-228.
Sokal, R. R., Oden,
N. L., 1978b, Spatial autocorrelation in
biology. 2. Some biological implications, and four applications of
evolutionary and ecological interest. Biological Journal of the Linnean Society, 10, 229-249.
Tasso, M., Danieli, G. A., 1994, Studio della
distribuzione dei cognomi in tredici comuni della provincia di Venezia. Un
contributo all’analisi della struttura genetica della popolazione. Atti
dell’Istituto Veneto di Scienze, Lettere ed Arti-Classe di scienze FF., MM.,
NN., 152, 255-288.
Zei, G., Guglielmino, C.R., Siri, E., Moroni,
A., Cavalli-Sforza, L.L., 1983a, Surnames as neutral alleles: observations in
Sardinia. Human Biology, 55, 357-365.
Zei, G., Guglielmino, C.R., Siri, E., Moroni,
A., Cavalli-Sforza, L.L., 1983b, Surnames in Sardinia. I. Fit of frequency
distributions for neutral alleles and genetic population structure. Annals of Human Genetics, 47, 329-352.
Zei, G., Piazza, A., Moroni, A.,
Cavalli-Sforza, L.L., 1986, Surnames in Sardinia. III. The spatial distribution
of surnames for testing neutrality of genes. Annals of Human Genetics, 50, 169-180.