杨念东，施 妮

(1.咸宁市消防支队，湖北 咸宁 437100；2.武汉市消防支队，湖北 武汉 430000)

*收稿日期：2013-11-10

当前,我国正处于历史上最好的发展时期，在经济社会高速发展的同时,消防基础设施和人员消防安全素质相对滞后，火灾形势十分严峻，发生了多起重特大火灾事故。例如，央视主配楼火灾、上海静安教师公寓火灾、大连港油库大火、长春德惠禽业公司火灾等。因此，科学研判火灾发展形势，发现其内在的规律和特点，建立有效的防灭火措施，已成为经济社会发展过程中急需探索、研究及解决的目标。

笔者以湖北省咸宁市城区2009年至2011年的火灾统计数据为例，利用地理信息系统将火灾发生地址转换成空间坐标，生成火灾时空分布图，探测火灾发生热点和热区，以此分析热区形成的机制和环境因素，科学研判火灾形势，从而有的放矢地建立防范对策。

一、咸宁市城区火灾时空分布图生成

通过运行ArcGIS9.3软件平台对咸宁市城区2009年-2011年3年间的火灾发生地点进行空间地理定位，导出火灾发生地点的经纬度坐标，利用OFFICE中的EXCEL将火灾数据处理为带有(X,Y)坐标的且符合ArcGIS软件平台数据格式的文件，再将标准数据文件导入已经加载咸宁市电子地图的ArcGIS软件平台生成火灾时空分布图。

1.火灾数据的处理

火灾数据来源于公安部消防局在全国消防部队应用的全国火灾统计管理系统(网络版),该火灾统计管理系统数据输出文件可直接生成EXCEL格式，其信息包含行政区域编码、火灾序号、起火时间、起火地点、起火场所、火灾原因分类、单位代码、受灾户数、直接财产损失、受伤人数、死亡人数、审核情况、调查状态等。运用ARCGIS软件平台加载咸宁市测绘局2010年绘制的电子地图，通过地址匹配，给这些火灾数据赋予地理空间坐标(X，Y)。已添加坐标的年度或跨年度火灾数据信息EXCEL文件将坐标数据文件按年度分别制作出四个文件即2009-2011年度、2009年度、2010年度、2011年度。

2.火灾空间分布图生成

将赋予地理坐标的2009-2011年三年的火灾数据导入ARCGIS软件平台后，就会在咸宁市城区行政区划图上生成跨年度或分年度的火灾空间分布图。

从所得火灾年度空间分布图，可很直观地发现，火灾发生地点在城区有两个汇集点，分别是永安办事处和温泉办事处，永安办事处是咸安城区的经济文化中心，温泉办事处是咸宁市委、市政府所在地，市直机关、大专院校、商业中心、居民区高度集中，因此所生成的火灾分布图与咸宁市城区的人口分布、建筑物分布、商业区分布和住宅区分布十分吻合。

二、火灾发生空间聚类分析

目前，有许多针对空间分析的研究方法，火灾发生的地点是以点模式存在的，因此针对火灾分布比较适宜用点模式分析。点模式分析在空间分析研究中，关键是有没有一个具体的位置信息，有关的空间物体的位置特征，尤其是这些对象和关系的特点，那就是空间分布，如聚集(clumped),随机(random),规则(uniform)分布等。常用的点要素空间分布探测的方法包括样平均最近邻分析(Average Nearest neighbor analysis)和K函数分析(Ripleys K Function)等。

1.平均最近邻分析

平均最近邻分析 ( Average Neareast Neighbor analysis)的基本原理如下：在空间上，将灾害地点转变为具有坐标的点空间资料，观察灾害的空间分布型态，聚集、分散或随机。透过灾害热点分析，找寻空间上点群集密集之处及其可识别的范围，才能进一步了解其背后形成之原因及其可能产生的影响。因此最近邻分析一般假设发生事件点为随机任意分布，无群集现象发生。最近邻分析群集分析演算法，其公式如下所示：

(1)

(2)

在最近邻分析的演算法中， lmean 是最近邻距离的平均值，d 是指点i 到与其最近邻点j 之间的距离， n 是指事件点数。而单就只看lmean ，此数值是没有意义的，其所代表的是最近邻距离的平均数，此指数在点符号形式的资料无法提供其他表示含意。R 是表示最近邻指数，ltheroy 为在最近邻与点密度间的距离平均值，表示此研究区范围除以总点数。

平均最近邻分析 ( Average Neareast Neighbor ) 是最近邻距离分析中最简单的观测方法，概念类似于平均。平均最近邻分析可检视最近邻距离的累加次数分配( cumulative frequency distribution )。观察G 值的函数图形可以发现，如果被观察的现象和事件呈现聚集现象，G 值会在短距离内快速增加；如果情况相反的话，如果被观察的现象和事件是在空间中是均匀分布的话，G 值呈平稳上升的趋势。因此，透过灾害热点分析，以最近邻分析方式，了解灾害事件发生有无群集现象发生。

(3)

w：两事件间最短的距离；n ：研究区的事件数

平均最近邻分析是用来计算点资料分布状况的指数，如果计算数值大于1，则此资料是属于分散分布；假设计算分析结果的数值小于1，则此资料是属于聚集分布；如果计算分析结果数值接近于1，则此资料是属于随机分布的情形。

利用前述的公式，以Arc View的平均最近邻分析工具对咸宁市城区火灾发生进行空间分析，其分析结果如表1：

表1 平均最近邻分析结果

平均最近邻分析是用来计算点资料分布状况的指数，假设计算数值大于1，则此资料是属于分散的分布；假若计算分析结果的数值小于1，则此资料是属于具有群集的分布；假设计算分析结果数值接近于1，则此资料是属于随机的分布情形。而2009年-2011年火灾的最近距离指数分别为0.532702、0.4414890.460454、0.424670(2007-2009综合)，其分析结果的数值都小于1，显示2009-2011年咸宁市城区火灾发生的空间现象具有聚集分布的趋势。

2.K函数分析

K函数分析(Ripleys K Function)原理如下：计算每个元素与相邻元素的平均数量相关;相邻的元素是小于计算距离因素。更大的距离计算，相邻元素的元素通常是比较。如果一个特定的计算距离比相邻的元素/因素的平均数量比整个研究区域，平均密度较高，空间分布将被视为聚集。其公式如下：

(4)

n：点的个数，d：距离尺度，wij(d)：空间个体间距离，A：研究区域面积

通常情况下，一般使用K函数的如下变换公式，

(5)

利用前述的公式，以ArcGis9.3的k函数(Ripleys K Function)计算对咸宁市城区火灾发生进行空间分析，其分析结果表明，咸宁市城区火灾发生的空间格局态势有显著的聚集趋势。

3.火灾发生聚类分析综合结果

平均最近邻分析(Average Nearest neighbor analysis)结果显示咸宁市城区火灾发生呈聚集状态，K函数分析(Ripleys K Function)结果也显示咸宁市城区火灾发生呈聚集状态的结果，综合平均最近邻分析和K函数分析结果可以判断得出咸宁市城区火灾发生存在高聚集程度。

三、咸宁市城区火灾热点热区探测

综上，可以初步判断出咸宁市城区火灾分布存在着高聚集状态，但其结果并无法说明哪一个空间单元是有显著性。因此需透过LISA(local indicators of spatial association)分析和核密度分析来获得哪个空间单元相对于整体影响程度较大，以判断有显著的火灾空间聚集范围(即显著热区)。

1.空间自相关地区型LISA分析

空间自相关地区型LISA分析(local indicators of spatial association)原理如下：全域型空间自相关Moran’s I无法明确地指出空间聚集区位(spatial hot spots)，因此Anselin(1995)提出地区型空间自相关的研究方法，称之为LISA(local indicators of spatial association)，LISA的可以满足二个要求：(1)LISA可以给每个观测单元一个指数，当观测单元与周边有相似的数值时，可以用显著性来表示空间聚集范围。(2)所有观测单元的指数的LISA总合与全域型空间自相关指数是成比例(proportional)的。利用ARCGIS软件 LISA模块作聚集分析，并依据不同年度的灾害发生资料以期获得火灾的分布位置，生成不同年度的火灾发生分布LISA图，以此来了解火灾在城区整体的区域差异，以观察火灾历年聚集位置是基本保持一致还是有所改变,并研判咸宁市城区火灾发生空间聚集区位(spatial hot spots)即火灾热区位置。

要LISA 聚集图中主要有四种颜色，此四种颜色即表示相对于整体影响程度较大，其中「红色」(颜色最深)表示该地区的火灾发生率相对于全区有显著较高，且该地区周边也有较高的火灾发生率(high-high)，[粉红色](颜色较深)表示该地区的火灾发生率相对于全区显著较高，但周边地区的火灾发生率较低(high-low)，[橙色](颜色较浅)表示该地区的火灾发生率相对于全区火灾发生率显著较低，但周边地区的火灾发生率较高(low-high)，[黄色](颜色最浅)表示该地区的火灾发生率相对于全区显著较低，且周边地区的火灾发生率也较低(low-low)；通常我们会将high-high 和high-low视为[显著热点]，该区域被视为火灾热区。凭借LISA 聚集地图可研判出火灾发生聚集热区， 2009年火灾热区落在温泉办事处；2010年火灾热区多数落在温泉办事处、永安办事处；2011年火灾热区多数落在温泉办事处、永安办事处。2009年-2011年综合热区也落在温泉办事处、永安办事处的桂花路居委会、万年路居委会、白茶居委会、咸宝路居委会、泉塘居委会、北正街居委会、咸安经济开发区、桥头居委会、双鹤桥居委会、花坛居委会等区域。

2.核密度分析

核密度分析主要用于计算点或线要素在其周边区域内的密度，此工具可用于计算人口、建筑、动植物及犯罪、火灾等点要素的密度，也可计算公路、铁路、市政管网等线要素的密度。本研究利用ARCGIS9.3空间分析工具中的核密度分析工具,对2009年、2010年、2011年火灾发生的空间分布进行分析，得到了咸宁市火灾密度分布情况。

根据2009年、2010年、2011年三个年度的核密度分布图，判断出火灾发生的高密度区域基本在咸宁城区的永安办事处和温泉办事处的桂花路居委会、万年路居委会、白茶居委会、咸宝路居委会、泉塘居委会、北正街居委会、咸安经济开发区、桥头居委会、双鹤桥居委会、花坛居委会等区域。

四、结束语

综上，我们可以基本上可以研判出咸宁市城区温泉街道办事处和永安街道办事处的桂花路居委会、万年路居委会、白茶居委会、咸宝路居委会、泉塘居委会、北正街居委会、咸安经济开发区、桥头居委会、双鹤桥居委会、花坛居委会等区域相对于周边是火灾发生的热区，上述区域除咸安经济开发区为边缘城区外，其余均为中心城区。火灾发生的热点和热区的现象与咸宁市近年来的城市化进程进一步加快和经济快速发展紧密相联。城市化进程不断加快，造成城市活动集中且复杂化，进而导致中心城区火灾相对高发。为遏制上述区域的火灾高发的形势，保护人民群众的生命财产安全，就必须对其火灾发生的机理进行研究，研究分析出导致上述区域火灾发生率相对较高的根本原因，对症下药，采取针对性措施，从消防基础设施、消防安全管理、消防安全培训、人员素质提高等方面入手，群防群控，落实人防、技防、物防等措施，从根本上遏制和控制火灾高发的势头，营造良好的消防安全环境。

参考文献:

[1]李杰,宋建学.城市火灾危险性分析[J].自然灾害学报，1995,4(2):98～103.

[2]郑双忠,苏卫东,张素梅.城市火灾预测分析的灰色系统方法[J].工业安全与环保，2003,29(1):33～35.

[3]杨晓丹,张宏.预测学在火灾科学中的应用[J].消防科学与技术,2007, 26 (3):329～331.

[4]范维澄. 火灾学简明教程[M]. 北京:中国科学技术大学出版社, 1995.

[5]史培军. 再论灾害研究的理论与实践[J].自然灾害学报,1996,5(4):6～17.

[6]宋卫国, 王健. 火灾系统的复杂性与可持续防治[J].科技导报,2004,25(8):15～17.

[7]Jennings C R.urban residential fire: an empirical analysis of building stock and socioe-conomic characteristics for Memphis[J].Tennessee,1996.

[8]Nicolopoulos N ,Murphy M, Sandinata v. Socioeconomic characteristics of communities and fires[J]. Statistical Research Paper No 4/97 Sydney:NSW Fire Brigades,1997.

[9]Harada, Y., & Shimada, T., EXamining the impact of the precision of address geocoding on estimated density of crime locations[J]. Computers and Geosciences, 2006, 32: 1096-1107.

[10]司瑞洁.基于GIS的上海城市人为灾害空间分布研究[D][硕士学位论文].上海师范大学,2008.

[11]宋卫国,王强.葫芦岛市城市火灾分布的特点及其对城市火险分析的启示[J].科技导报，2005,23(8):35-37.

[12]廖曙江,刘方,翁庙成.系统聚类方法在城市火灾形势分析中的应用[J].消防科学与技术,2006,25(5):688-689.

[13]陈子锦,王福亮,陆守香,方兆本.我国火灾统计数据的聚类分析[J].中国工程科学，2007,9(1):86-88.