咸寧市城區(qū)火災發(fā)生熱點熱區(qū)分析*

楊念東，施 妮

(1.咸寧市消防支隊，湖北 咸寧 437100；2.武漢市消防支隊，湖北 武漢 430000)

*收稿日期：2013-11-10

當前,我國正處于歷史上最好的發(fā)展時期，在經(jīng)濟社會高速發(fā)展的同時,消防基礎(chǔ)設施和人員消防安全素質(zhì)相對滯后，火災形勢十分嚴峻，發(fā)生了多起重特大火災事故。例如，央視主配樓火災、上海靜安教師公寓火災、大連港油庫大火、長春德惠禽業(yè)公司火災等。因此，科學研判火災發(fā)展形勢，發(fā)現(xiàn)其內(nèi)在的規(guī)律和特點，建立有效的防滅火措施，已成為經(jīng)濟社會發(fā)展過程中急需探索、研究及解決的目標。

筆者以湖北省咸寧市城區(qū)2009年至2011年的火災統(tǒng)計數(shù)據(jù)為例，利用地理信息系統(tǒng)將火災發(fā)生地址轉(zhuǎn)換成空間坐標，生成火災時空分布圖，探測火災發(fā)生熱點和熱區(qū)，以此分析熱區(qū)形成的機制和環(huán)境因素，科學研判火災形勢，從而有的放矢地建立防范對策。

一、咸寧市城區(qū)火災時空分布圖生成

通過運行ArcGIS9.3軟件平臺對咸寧市城區(qū)2009年-2011年3年間的火災發(fā)生地點進行空間地理定位，導出火災發(fā)生地點的經(jīng)緯度坐標，利用OFFICE中的EXCEL將火災數(shù)據(jù)處理為帶有(X,Y)坐標的且符合ArcGIS軟件平臺數(shù)據(jù)格式的文件，再將標準數(shù)據(jù)文件導入已經(jīng)加載咸寧市電子地圖的ArcGIS軟件平臺生成火災時空分布圖。

1.火災數(shù)據(jù)的處理

火災數(shù)據(jù)來源于公安部消防局在全國消防部隊應用的全國火災統(tǒng)計管理系統(tǒng)(網(wǎng)絡版),該火災統(tǒng)計管理系統(tǒng)數(shù)據(jù)輸出文件可直接生成EXCEL格式，其信息包含行政區(qū)域編碼、火災序號、起火時間、起火地點、起火場所、火災原因分類、單位代碼、受災戶數(shù)、直接財產(chǎn)損失、受傷人數(shù)、死亡人數(shù)、審核情況、調(diào)查狀態(tài)等。運用ARCGIS軟件平臺加載咸寧市測繪局2010年繪制的電子地圖，通過地址匹配，給這些火災數(shù)據(jù)賦予地理空間坐標(X，Y)。已添加坐標的年度或跨年度火災數(shù)據(jù)信息EXCEL文件將坐標數(shù)據(jù)文件按年度分別制作出四個文件即2009-2011年度、2009年度、2010年度、2011年度。

2.火災空間分布圖生成

將賦予地理坐標的2009-2011年三年的火災數(shù)據(jù)導入ARCGIS軟件平臺后，就會在咸寧市城區(qū)行政區(qū)劃圖上生成跨年度或分年度的火災空間分布圖。

從所得火災年度空間分布圖，可很直觀地發(fā)現(xiàn)，火災發(fā)生地點在城區(qū)有兩個匯集點，分別是永安辦事處和溫泉辦事處，永安辦事處是咸安城區(qū)的經(jīng)濟文化中心，溫泉辦事處是咸寧市委、市政府所在地，市直機關(guān)、大專院校、商業(yè)中心、居民區(qū)高度集中，因此所生成的火災分布圖與咸寧市城區(qū)的人口分布、建筑物分布、商業(yè)區(qū)分布和住宅區(qū)分布十分吻合。

二、火災發(fā)生空間聚類分析

目前，有許多針對空間分析的研究方法，火災發(fā)生的地點是以點模式存在的，因此針對火災分布比較適宜用點模式分析。點模式分析在空間分析研究中，關(guān)鍵是有沒有一個具體的位置信息，有關(guān)的空間物體的位置特征，尤其是這些對象和關(guān)系的特點，那就是空間分布，如聚集(clumped),隨機(random),規(guī)則(uniform)分布等。常用的點要素空間分布探測的方法包括樣平均最近鄰分析(Average Nearest neighbor analysis)和K函數(shù)分析(Ripleys K Function)等。

1.平均最近鄰分析

平均最近鄰分析 ( Average Neareast Neighbor analysis)的基本原理如下：在空間上，將災害地點轉(zhuǎn)變?yōu)榫哂凶鴺说狞c空間資料，觀察災害的空間分布型態(tài)，聚集、分散或隨機。透過災害熱點分析，找尋空間上點群集密集之處及其可識別的范圍，才能進一步了解其背后形成之原因及其可能產(chǎn)生的影響。因此最近鄰分析一般假設發(fā)生事件點為隨機任意分布，無群集現(xiàn)象發(fā)生。最近鄰分析群集分析演算法，其公式如下所示：

(1)

(2)

在最近鄰分析的演算法中， lmean 是最近鄰距離的平均值，d 是指點i 到與其最近鄰點j 之間的距離， n 是指事件點數(shù)。而單就只看lmean ，此數(shù)值是沒有意義的，其所代表的是最近鄰距離的平均數(shù)，此指數(shù)在點符號形式的資料無法提供其他表示含意。R 是表示最近鄰指數(shù)，ltheroy 為在最近鄰與點密度間的距離平均值，表示此研究區(qū)范圍除以總點數(shù)。

平均最近鄰分析 ( Average Neareast Neighbor ) 是最近鄰距離分析中最簡單的觀測方法，概念類似于平均。平均最近鄰分析可檢視最近鄰距離的累加次數(shù)分配( cumulative frequency distribution )。觀察G 值的函數(shù)圖形可以發(fā)現(xiàn)，如果被觀察的現(xiàn)象和事件呈現(xiàn)聚集現(xiàn)象，G 值會在短距離內(nèi)快速增加；如果情況相反的話，如果被觀察的現(xiàn)象和事件是在空間中是均勻分布的話，G 值呈平穩(wěn)上升的趨勢。因此，透過災害熱點分析，以最近鄰分析方式，了解災害事件發(fā)生有無群集現(xiàn)象發(fā)生。

(3)

w：兩事件間最短的距離；n ：研究區(qū)的事件數(shù)

平均最近鄰分析是用來計算點資料分布狀況的指數(shù)，如果計算數(shù)值大于1，則此資料是屬于分散分布；假設計算分析結(jié)果的數(shù)值小于1，則此資料是屬于聚集分布；如果計算分析結(jié)果數(shù)值接近于1，則此資料是屬于隨機分布的情形。

利用前述的公式，以Arc View的平均最近鄰分析工具對咸寧市城區(qū)火災發(fā)生進行空間分析，其分析結(jié)果如表1：

表1 平均最近鄰分析結(jié)果

平均最近鄰分析是用來計算點資料分布狀況的指數(shù)，假設計算數(shù)值大于1，則此資料是屬于分散的分布；假若計算分析結(jié)果的數(shù)值小于1，則此資料是屬于具有群集的分布；假設計算分析結(jié)果數(shù)值接近于1，則此資料是屬于隨機的分布情形。而2009年-2011年火災的最近距離指數(shù)分別為0.532702、0.4414890.460454、0.424670(2007-2009綜合)，其分析結(jié)果的數(shù)值都小于1，顯示2009-2011年咸寧市城區(qū)火災發(fā)生的空間現(xiàn)象具有聚集分布的趨勢。

2.K函數(shù)分析

K函數(shù)分析(Ripleys K Function)原理如下：計算每個元素與相鄰元素的平均數(shù)量相關(guān);相鄰的元素是小于計算距離因素。更大的距離計算，相鄰元素的元素通常是比較。如果一個特定的計算距離比相鄰的元素/因素的平均數(shù)量比整個研究區(qū)域，平均密度較高，空間分布將被視為聚集。其公式如下：

(4)

n：點的個數(shù)，d：距離尺度，wij(d)：空間個體間距離，A：研究區(qū)域面積

通常情況下，一般使用K函數(shù)的如下變換公式，

(5)

利用前述的公式，以ArcGis9.3的k函數(shù)(Ripleys K Function)計算對咸寧市城區(qū)火災發(fā)生進行空間分析，其分析結(jié)果表明，咸寧市城區(qū)火災發(fā)生的空間格局態(tài)勢有顯著的聚集趨勢。

3.火災發(fā)生聚類分析綜合結(jié)果

平均最近鄰分析(Average Nearest neighbor analysis)結(jié)果顯示咸寧市城區(qū)火災發(fā)生呈聚集狀態(tài)，K函數(shù)分析(Ripleys K Function)結(jié)果也顯示咸寧市城區(qū)火災發(fā)生呈聚集狀態(tài)的結(jié)果，綜合平均最近鄰分析和K函數(shù)分析結(jié)果可以判斷得出咸寧市城區(qū)火災發(fā)生存在高聚集程度。

三、咸寧市城區(qū)火災熱點熱區(qū)探測

綜上，可以初步判斷出咸寧市城區(qū)火災分布存在著高聚集狀態(tài)，但其結(jié)果并無法說明哪一個空間單元是有顯著性。因此需透過LISA(local indicators of spatial association)分析和核密度分析來獲得哪個空間單元相對于整體影響程度較大，以判斷有顯著的火災空間聚集范圍(即顯著熱區(qū))。

1.空間自相關(guān)地區(qū)型LISA分析

空間自相關(guān)地區(qū)型LISA分析(local indicators of spatial association)原理如下：全域型空間自相關(guān)Moran’s I無法明確地指出空間聚集區(qū)位(spatial hot spots)，因此Anselin(1995)提出地區(qū)型空間自相關(guān)的研究方法，稱之為LISA(local indicators of spatial association)，LISA的可以滿足二個要求：(1)LISA可以給每個觀測單元一個指數(shù)，當觀測單元與周邊有相似的數(shù)值時，可以用顯著性來表示空間聚集范圍。(2)所有觀測單元的指數(shù)的LISA總合與全域型空間自相關(guān)指數(shù)是成比例(proportional)的。利用ARCGIS軟件 LISA模塊作聚集分析，并依據(jù)不同年度的災害發(fā)生資料以期獲得火災的分布位置，生成不同年度的火災發(fā)生分布LISA圖，以此來了解火災在城區(qū)整體的區(qū)域差異，以觀察火災歷年聚集位置是基本保持一致還是有所改變,并研判咸寧市城區(qū)火災發(fā)生空間聚集區(qū)位(spatial hot spots)即火災熱區(qū)位置。

要LISA 聚集圖中主要有四種顏色，此四種顏色即表示相對于整體影響程度較大，其中「紅色」(顏色最深)表示該地區(qū)的火災發(fā)生率相對于全區(qū)有顯著較高，且該地區(qū)周邊也有較高的火災發(fā)生率(high-high)，[粉紅色](顏色較深)表示該地區(qū)的火災發(fā)生率相對于全區(qū)顯著較高，但周邊地區(qū)的火災發(fā)生率較低(high-low)，[橙色](顏色較淺)表示該地區(qū)的火災發(fā)生率相對于全區(qū)火災發(fā)生率顯著較低，但周邊地區(qū)的火災發(fā)生率較高(low-high)，[黃色](顏色最淺)表示該地區(qū)的火災發(fā)生率相對于全區(qū)顯著較低，且周邊地區(qū)的火災發(fā)生率也較低(low-low)；通常我們會將high-high 和high-low視為[顯著熱點]，該區(qū)域被視為火災熱區(qū)。憑借LISA 聚集地圖可研判出火災發(fā)生聚集熱區(qū)， 2009年火災熱區(qū)落在溫泉辦事處；2010年火災熱區(qū)多數(shù)落在溫泉辦事處、永安辦事處；2011年火災熱區(qū)多數(shù)落在溫泉辦事處、永安辦事處。2009年-2011年綜合熱區(qū)也落在溫泉辦事處、永安辦事處的桂花路居委會、萬年路居委會、白茶居委會、咸寶路居委會、泉塘居委會、北正街居委會、咸安經(jīng)濟開發(fā)區(qū)、橋頭居委會、雙鶴橋居委會、花壇居委會等區(qū)域。

2.核密度分析

核密度分析主要用于計算點或線要素在其周邊區(qū)域內(nèi)的密度，此工具可用于計算人口、建筑、動植物及犯罪、火災等點要素的密度，也可計算公路、鐵路、市政管網(wǎng)等線要素的密度。本研究利用ARCGIS9.3空間分析工具中的核密度分析工具,對2009年、2010年、2011年火災發(fā)生的空間分布進行分析，得到了咸寧市火災密度分布情況。

根據(jù)2009年、2010年、2011年三個年度的核密度分布圖，判斷出火災發(fā)生的高密度區(qū)域基本在咸寧城區(qū)的永安辦事處和溫泉辦事處的桂花路居委會、萬年路居委會、白茶居委會、咸寶路居委會、泉塘居委會、北正街居委會、咸安經(jīng)濟開發(fā)區(qū)、橋頭居委會、雙鶴橋居委會、花壇居委會等區(qū)域。

四、結(jié)束語

綜上，我們可以基本上可以研判出咸寧市城區(qū)溫泉街道辦事處和永安街道辦事處的桂花路居委會、萬年路居委會、白茶居委會、咸寶路居委會、泉塘居委會、北正街居委會、咸安經(jīng)濟開發(fā)區(qū)、橋頭居委會、雙鶴橋居委會、花壇居委會等區(qū)域相對于周邊是火災發(fā)生的熱區(qū)，上述區(qū)域除咸安經(jīng)濟開發(fā)區(qū)為邊緣城區(qū)外，其余均為中心城區(qū)。火災發(fā)生的熱點和熱區(qū)的現(xiàn)象與咸寧市近年來的城市化進程進一步加快和經(jīng)濟快速發(fā)展緊密相聯(lián)。城市化進程不斷加快，造成城市活動集中且復雜化，進而導致中心城區(qū)火災相對高發(fā)。為遏制上述區(qū)域的火災高發(fā)的形勢，保護人民群眾的生命財產(chǎn)安全，就必須對其火災發(fā)生的機理進行研究，研究分析出導致上述區(qū)域火災發(fā)生率相對較高的根本原因，對癥下藥，采取針對性措施，從消防基礎(chǔ)設施、消防安全管理、消防安全培訓、人員素質(zhì)提高等方面入手，群防群控，落實人防、技防、物防等措施，從根本上遏制和控制火災高發(fā)的勢頭，營造良好的消防安全環(huán)境。

參考文獻:

[1]李杰,宋建學.城市火災危險性分析[J].自然災害學報，1995,4(2):98～103.

[2]鄭雙忠,蘇衛(wèi)東,張素梅.城市火災預測分析的灰色系統(tǒng)方法[J].工業(yè)安全與環(huán)保，2003,29(1):33～35.

[3]楊曉丹,張宏.預測學在火災科學中的應用[J].消防科學與技術(shù),2007, 26 (3):329～331.

[4]范維澄. 火災學簡明教程[M]. 北京:中國科學技術(shù)大學出版社, 1995.

[5]史培軍. 再論災害研究的理論與實踐[J].自然災害學報,1996,5(4):6～17.

[6]宋衛(wèi)國, 王健. 火災系統(tǒng)的復雜性與可持續(xù)防治[J].科技導報,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]司瑞潔.基于GIS的上海城市人為災害空間分布研究[D][碩士學位論文].上海師范大學,2008.

[11]宋衛(wèi)國,王強.葫蘆島市城市火災分布的特點及其對城市火險分析的啟示[J].科技導報，2005,23(8):35-37.

[12]廖曙江,劉方,翁廟成.系統(tǒng)聚類方法在城市火災形勢分析中的應用[J].消防科學與技術(shù),2006,25(5):688-689.

[13]陳子錦,王福亮,陸守香,方兆本.我國火災統(tǒng)計數(shù)據(jù)的聚類分析[J].中國工程科學，2007,9(1):86-88.