我国旅游景区火灾事故的关联影响因素研究——基于最优尺度分析

殷 杰，郑向敏，焦念涛

（华侨大学旅游学院，福建泉州 362021）

我国旅游景区火灾事故的关联影响因素研究
——基于最优尺度分析

殷 杰，郑向敏，焦念涛

（华侨大学旅游学院，福建泉州 362021）

影响景区火灾事故的风险因素众多，而时间、空间以及景区特征因素是地理、气候、人流、容量等火灾风险因素的集中体现。根据2004—2014年间我国景区发生的202起火灾事故案例，利用聚类分析和最优尺度分析我国景区火灾事故的发生特征及其与时空、景区特征等因素的关联关系。利用最优尺度分析发现，时间、空间和景区特征因素均与景区火灾事故相关变量呈现锐角关系，存在非线性典型相关关系。时间维度、空间尺度以及景区特征不同，其与景区火灾事故相关变量的关联关系表现出明显的差异性。

景区火灾事故；时空因素；景区特征；最优尺度分析

0 引言

旅游业逐渐成为我国的战略性支柱产业，其对国民经济的作用也愈发重要。旅游活动是食、住、行、游、购、娱等多种要素的综合，它极易受到各类风险的侵袭。由风险导致的旅游安全事故会严重制约旅游产业的发展，甚至是带来重大的人员伤亡和经济损失，严重的旅游安全事故甚至可以改变旅游业发展的进程。在各种突发灾害中，火灾的涉及面、频率和影响都处于比较危险的状态。其发生多是因为物体的突发性燃烧或爆炸，进而在空间层面和时间层面上丧失可控性，对人员、财产和社会造成极大损失和影响［1］。

火灾事故对于景区的危害性极大：2014年贵州久吉苗寨突发大火，60余栋房屋被烧毁，619人受灾；2014年丽江束河古镇火灾致使10间铺面损毁；同年，香格里拉县独克宗古城发生火灾，损失过亿；2013年丽江古城光义街现文巷突发火灾，100多间古建筑被毁。因此识别景区火灾事故的影响因素成为景区火灾事故风险防范的重要基础。

时间和空间因素是地理、气候、人流、容量等各种综合风险因素的集中体现，其对旅游突发事件具有显著影响［2］。相应地，时空因素对火灾变化态势具有显著影响［3］。此外，景区容量、景区开发情况也是景区火灾事故需要重点关注的因素之一［4］。相关研究表明［5－9］，时间因素对不同区域的火灾类型、火灾发展态势影响各不相同。而不同地形、区域的火灾事故诱因也截然不同［10－15］。此外，建筑特征为代表的景区特征也被纳入古镇火灾事故的影响因素中［16］。由此可推断，不同的时空条件和景区类型，景区火灾事故的特征可能存在差异。因此，探求时空因素、景区特征对旅游景区火灾事故的关联影响机制，对于景区火灾防控具有重要意义。

1 数据来源与研究方法

1.1 数据来源

旅游安全研究的难点之一便是数据采集与获取。在研究过程中难以搜集足够数量的景区火灾事故亲历者，而问卷调查等传统研究方法很难对真实发生的景区火灾事故进行全面的信息模拟和反馈［17］，因此，基于案例统计的方法是一种可行的选择［18］。随着我国逐渐进入网络时代，媒体传播、反馈作用愈发重要。大部分具有一定社会影响的典型事件一般都会通过网络进行反馈和传播。随着网络与新媒体的兴起，为搜集具有典型意义的旅游景区火灾事故案例提供了便利。

为广泛搜集与旅游景区火灾事故有关的案例数据，本文通过百度、谷歌等主流搜索引擎进行网络搜索和案例遴选。以“景区＋火灾”、“旅游＋火灾”以及“古建筑＋火灾”等作为搜索关键词进行搜索，甄选案例的基本标准包括：（1）案例发生时间应为2004年1月1日至10月31日之间；（2）案例信息应来自报纸媒体的网络版；（3）案例应具有基本齐全的信息要素，即包括文章在案例信息编码时所要求的80%以上的编码信息内容。

根据以上标准，本文共搜集到2004—2014年间旅游景区火灾事故202起，其中火灾事故中过火面积前五位景区分别是新疆喀纳斯景区（过火面积约100公顷）、云南大理石门关景区（过火面积约70公顷）、丽江玉龙雪山景区（过火面积约60公顷）、江西庐山景区（过火面积约48公顷）、云南大理巍宝山景区（过火面积约12公顷）。利用内容分析法对甄选后的旅游景区火灾事故案例进行了信息分解，信息分解的变量主要包括时间因素（季度、旬数）、空间因素（发生地域、景区类型）、景区特征因素（门票价格、景区等级）、火灾事故因素（发生原因、火灾类型）。

1.2 研究方法

对应分析（Correspondence analysis）与最优尺度分析（Optimal scalaig）由荷兰Leiden大学DTSS课题组研制、于SPSS11.0之后新增的两个应用程序。它们通过主成分分析来描述两个或多个分类变量各水平间的相关性，用多维图示方法反映变量之间的相互关系［19］。最优尺度分析允许任何变量类型，可以研究多个变量间的关系，但其不像多元回归方法那样可以自动筛选变量，因此变量较多时可能会掩盖真实联系，同时图形较为混乱，需要耐心筛选。在进行最优尺度分析前，需要对类别变量进行编码处理，具体编码原则见表1。

表1 我国旅游景区火灾事故相关变量编码原则Tab．1 The code principles of scenic fire accidents related variables in China

2 时间因素与我国旅游景区火灾事故的关联特征

2.1 火灾事故时间分布特征

从时间维度对我国旅游景区火灾事故进行统计分析发现：（1）从月度分布来看，2月、3月、4月以及10月是我国景区火灾事故的高峰期，其占比分别为10.89%、17.33%、20.30%以及9.9%。对旅游景区火灾事故的月份分布进行快速聚类，聚类数设定为2，研究发现3月和4月被聚为一类，其他月份聚为一类，其F值31.04，sig值小于0.05，具有统计意义；（2）从旬数分布来看，上旬是火灾事故发生的高峰期，其分布比率达到41.58%，而中旬与下旬的发生占比基本一致；（3）从发生的季度看，四季度的分布比率为36.63%、31.68%、11.88%和19.80%，一、二季度景区火灾事故发生的比率明显高于三、四季度。

2.2 时间因素与火灾事故的关联关系

时间因素反映了环境因素在不同时间状态下的变化节点，也反映了旅游活动或旅游者行为在特定事件阶段及时间周期内的变化特征，两者的结合将会影响风险结构［2］。同样地，时间因素同样是影响景区火灾事故的重要因素。利用最优尺度分析中的非线性典型相关（Overals）分析方法研究季度、旬数等时间因素与景区火灾事故原因与火灾类型之间的关联影响，输出结果如图1、图2所示。

图1 时间因素与火灾事故的多元对应辨别度量Fig．1 The relationship between the time factors and multiple correspondence identifying metrics of fires accident

由图1可知，景区火灾事故的事故类型、发生原因与季度、旬数等时间因素之间呈现紧密的锐角关系，这表明景区火灾事故与时间因素间存在着紧密的相关关系。而图2表示不同的火灾事故类型、发生原因与时间因素间的关系，为了方便分析，本研究分别添加半径为0.5、1的两个虚线圆。值得指出的是，质心图是反映多维变量之间的互动关系，各点之间的相互关联关系是依据距离判定，各点落在不同象限并无实际意义。图2所示的具体关联关系包括：

（1）距离圆点越近表示该变量发生频次较多。研究发现大多数变量均位于虚线圆内，仅车辆起火、车辆火灾、游客疏忽大意以及清明祭祀等引发的火灾事故位于虚线圆外部，这表明其发生的频数较小。虽然其发生频数较少，但在火灾事故防控过程中仍应注意。

图2 景区火灾事故与时间因素关系的质心图Fig．2 The cnetroid map of relationship between scenic spots fire accidents and time factors

（2）季度因素与景区火灾事故的关联关系分析。图2表明季度因素各点与景区火灾事故的原因、火灾类型距离较近，这表明季度因素与景区火灾事故的发生原因以及火灾类型存在着关联关系。而其关联关系可以通过原点与季度的射线及其反向延长线进行判断。第一季度与人为故意等火灾诱发原因存在关联关系，且易发生建筑火灾和森林火灾；第二季度与第四季度同样位处第四象限，且距离较近，其与火灾事故的关联关系差异性较小，该时段内的火灾事故由人为故意、气象因素以及小孩玩火等原因引发，且多发建筑火灾事故；第三季度则处于旅游旺季，旅游车辆众多，景区游客接待量大，各类火灾隐患众多。该时段内的景区火灾事故大多由游客疏忽大意、人为故意、员工疏忽、社区居民疏忽以及气象因素等众多因素造成，且车辆火灾事故也较为多发。

（3）发生旬数与景区火灾事故的关联关系分析。景区火灾事故发生原因与发生旬数的关联关系较为紧密。其中，上旬的景区火灾事故主要由人为故意、小孩玩火以及气象原因等因素造成，且易于发生建筑火灾与森林火灾事故；人为故意、气象因素以及小孩玩火容易引发中旬景区火灾事故；人为故意因素则是下旬景区火灾事故的重要诱因。

3 空间因素与我国旅游景区火灾事故的关联特征

旅游活动空间包括宏观地域空间、行程要素空间和景区游览空间三种典型的空间结构类型［2］。本研究选取景区火灾事故发生的宏观地域空间以及景区游览空间与景区火灾事故进行关联分析。宏观地域空间是指按照地理区域进行划分的空间，而景区游览空间主要是不同类型景区游览场所承载的景观空间。根据景区火灾事故发生的地域不同，将其分别归类为华东、华南等七大地理分区和山岳类、湖泊类等11类风景名胜区。

3.1 火灾事故的空间分布特征

我国景区火灾事故地域空间分布情况如表2所示。从宏观地域空间来看：（1）云南、浙江、山东、四川、江苏等地的景区火灾事故发生率较高，而西藏、天津、内蒙古以及江西等省、市的景区火灾事故比率较低。利用快速聚类对景区火灾事故进行分析，将聚类数设定为3，研究发现云南、浙江、山东归为一类，四川、江苏、广西、福建等10个省、市被归为一类，重庆、河北、贵州、山西等14个省、市被分为一类。快速聚类的F值为75.33，sig值小于0.05，具有显著统计意义。（2）华东、西南成为景区火灾发生率较高的两大区域，其发生率分别为32.18%和23.27%。而华北、华中、西北和华南景区火灾事故的发生率基本一致，在10%上下波动，东北景区火灾事故的发生率较低，仅为0.99%。

表2 2004—2014我国景区火灾事故地域空间分布Tab．2 The regional spatial distribution of scenic spots fire accidents in China from 2004 to 2014

从火灾事故发生的景区类型来看，不同景区类型代表着不同的资源类型，其面临的火灾隐患与火灾风险均不同，而火灾事故发生率也不同。山岳类景区火灾事故发生率遥遥领先其他类型的景区，其发生率达到51.98%，民俗风情类、城市风景类以及湖泊类景区，其发生率分别为15.35%、11.88%和10.4%。而壁画石窟类、海滨海岛类、江河类、陵寝类、生物景观类、特殊地貌类、纪念地类景区火灾事故的发生率较低，均在3%以下。

3.2 空间因素与火灾事故的关联关系

经济发展、气候变化是促使火灾变化的宏观原因［21］。景区火灾事故与气温、湿度、地形、植被、经济发展等因素关系密切，而地理区域的划分恰恰是这些因素的综合体现。影响旅游突发事件发生发展的环境风险因素主要包括游览环境风险、大气环境风险和道路环境风险［22］。游览环境风险与景区类型存在密切联系，而景区类型是水体、景观、资源分布等要素的综合体现。利用SPSS19.0最优尺度分析中的非线性典型相关（Overals）分析方法研究地域空间、景区类型与景区火灾事故类型、发生原因之间的关联关系，输出结果如图3、图4所示。

图3 空间因素与火灾事故的多元对应辨别度量Fig．3 The relationship between space factor and multiple correspondence identifying metrics of fire accident

由图3可知，空间因素与景区火灾事故的类型与发生原因存在锐角关系，表明空间因素和火灾事故类型与发生原因存在着紧密的关联关系。图4则表示景区火灾事故的发生地域、景区类型与火灾事故类型、发生原因的具体对应关系。由图4可知：

图4 景区火灾事故与空间因素关系的质心图Fig．4 The centroid map of relationship between scenic spots fire accidents and space factors

（1）从发生频数来看，景区火灾事故在空间上呈现出分布范围的分散性以及发生比率的相对集中性。景区火灾事故分布于7个地区11中景区类型空间，呈现分布范围的分散性。地域空间上华东、华北等地成为“重灾区”，景区类型空间上山岳类、湖泊类等景区类型“遥遥领先”其他类型的景区，呈现发生比率的相对集中。因此，景区火灾事故防控应关注重点区域和重点景区类型，进行针对性防控。

（2）景区类型与景区火灾事故存在密切的关联关系。以火灾事故发生率前三位的山岳类、城市风景类和民俗风情类景区为例，山岳类景区的火灾类型主要以森林火灾、车辆火灾为主，且易于发生社区居民疏忽大意、人为故意以及车辆起火等因素引发的火灾事故；城市风景类景区是指位于城市边缘，兼具绿地休闲、日常娱乐活动的景区，其火灾事故引发的原因多为游客疏忽大意、人为故意以及车辆起火，火灾类型主要以森林火灾和建筑火灾为主；民俗风情类是指以特色传统民居、民俗风情和特产为主要特征的景区，该类景区主要以古城、古建筑为典型代表，易发生建筑火灾，而火灾多由社区居民疏忽、人为故意以及小孩玩火引发。

（3）图4中火灾事故发生地域与发生原因、火灾类型距离较近，这表明三者间的关联关系较为密切。华东地区景区火灾事故主要由社区居民疏忽、人为故意、小孩玩火等因素引发，且火灾事故类型主要为建筑火灾和森林火灾；而西南、华北、华中均处于同一射线及其反向延长线附件，三者与其火灾事故的关联关系相似，火灾事故的发生原因较为相似，主要由员工疏忽、游客疏忽大意、气象原因等因素引发，且易于发生森林火灾和建筑火灾事故；华南、东北以及西北地区与同一射线及其反向延长线临近，其与火灾事故的关联关系相近。人为故意和小孩玩火则是华南、东北、西北地区景区火灾事故的主要发生原因，且火灾类型表现为森林火灾。

4 景区特征与我国旅游景区火灾事故的关联关系

4.1 火灾事故的景区分布特征

以景区等级以及景区门票价格作为景区特征来分析2004—2014年间景区火灾事故的特征与规律，结果如表3所示。由表3可知，3A、4A景区火灾事故发生比例较高，两者火灾事故占比近60%。从景区门票价格来看，免门票的景区发生火灾事故的比率较高，达46.53%。此外，门票较高的景区火灾事故发生的比率较低。

表3 2004—2014我国景区火灾事故景区分布特征Tab．3 The distribution characteristics of scenic spots of fire accidents in China from 2004 to 2014

4.2 景区特征因素与火灾事故的关联关系

利用SPSS19.0最优尺度分析中的非线性典型相关（Overals）分析景区特征与火灾事故间的关联关系。从图5可知，景区门票情况、景区等级与火灾类型、发生原因呈现锐角关系，且角度较小，这表明景区特征与景区火灾事故存在着关联关系。为了方便分析，添加半径为0.5和1的虚线圆，景区特征与火灾事故的具体关联关系如下：

图5 景区特征与火灾事故的多元对应辨别度量图Fig．5 The relationship between scenic spots features and fire multiple correspondence identifying metrics of fire accident

（1）从图6可知，大部分的变量均位于半径为1的虚线圆内，仅5A级景区、门票的100元以上的景区远离虚线圈，这表明该类型的景区火灾事故发生率较低。此外，由车辆起火引发的火灾事故发生率也较低，清明祭祀以及游客疏忽大意等因素并非景区火灾事故发生的主要因素。

（2）从景区等级与火灾事故的关联关系来看，不同景区等级与火灾事故关联关系差异并不十分明显。3A及以下景区、5A级景区均位于同一射线及其反向延长线附近，表明其与火灾事故关联关系差异较小，多数火灾事故由于人为故意、员工疏忽、气象因素等原因引发。该等级的景区多发建筑火灾以及森林火灾。4A级景区的火灾事故主要由人为故意以及社区居民疏忽等因素引发，建筑火灾和森林火灾是4 A级景区的主要火灾事故类型。

图6 景区火灾事故与景区特征的质心图Fig．6 The cnetroid map of scenic spots fire accidents and scenic characteristics

（3）从景区门票价格与火灾事故的关联关系来看，人为故意、小孩玩火成为免门票的景区火灾事故的主要发生原因；门票价格区间在（1，33）的景区火灾事故发生的主要原因是人为故意、气象原因以及员工疏忽；门票价格区间在（34，66）和（67，99）的景区均位于同一射线及其反向延长线附近，两者差异较小，火灾事故发生原因多源于人为故意、电气电路、气象因素以及小孩玩火；气象因素、人为故意以及小孩玩火等则是门票价格在100元以上的景区火灾事故的主要原因，该类景区主要以建筑火灾事故为主。

5 结论

本文以2004—2014年间发生的202起景区火灾事故为研究样本，对其进行信息分解，从时间、空间角度描述景区火灾事故的发布特征：

（1）利用最优尺度分析方法很好地揭示了时空因素、景区特征因素与景区火灾事故间多变量的相互关系，非线性典型相关分析发现时间、空间、景区特征与景区火灾事故存在着关联关系。

（2）不同时间维度下的景区火灾事故具有明显的差异性和关联性。季度因素与景区火灾事故存在关联性，不同季度间的关联性存在显著差异；不同发生旬数与景区火灾事故的关联性也存在差异性。

（3）空间因素也是影响景区火灾事故发展态势的重要因素。具体表现为：从发生区域来看，发生区域差异导致其与景区火灾事故间的关联关系也存在显著差异；从景区类型来看，不同的景区类型与景观火灾事故的关联关系也存在差异性。

（4）景区特征与景区火灾事故间同样存在密切的关联关系。从景区等级来看，景区等级越高，火灾事故发生率越小，且不同的景区等级与景区火灾事故的关联关系也不同，其中5 A、3A及其以下等级景区与景区火灾事故的关联关系较为类似。而不同的景区门票价格与景区火灾事故表现出的关联关系也不同，其中门票价格在（34，99）区间内的景区与火灾事故的关联关系较为一致。

本研究利用最优尺度分析方法探究了时空因素、景区特征因素与火灾事故的关联关系，为构建景区火灾事故防范体系奠定了基础。在今后的研究中，可进一步探究景区火灾事故的发生机理与演化特征，进而提出全面、高效的景区火灾事故保障体系。

［1］ 席洪林．基于模糊模式识别的城市火灾综合风险评价研究［D］．天津：天津大学，2012．

［2］ 谢朝武，张俊．时空因素与我国旅游突发事件的关联影响——基于最优尺度分析［J］．经济管理，2014，（3）：126－134．

［3］ 徐波，王振波．时空因素对中国城市火灾态势变化的影响［J］．地理研究，2012，31（6）：1143－1156．

［4］ 殷杰，郑向敏，董斌彬．景区古建筑火灾风险模糊综合评价研究——以福建土楼为例［J］．龙岩学院学报，2014，32（4）：19－26．

［5］ 吴龙标，卢结成．火灾与时空关系的分析研究［J］．人类工效学，1996，2（4）：11－15．

［6］ 徐海峰，于占宇．北京市森林火灾发生的原因、时间及对策分析［J］．森林防火，2005，（2）：24－26．

［7］ 姜立平，张晓珺．城市火灾风险的时间序列分析［J］．消防技术与产品信息，2013，（8）：8－12．

［8］ 张思玉．夏季森林火灾现状及其趋势［J］．防灾科技学院学报2008，10（3）：1－5．

［9］ 张思玉，李杰．我国夏季森林火灾危害特征分析［J］．防灾科技学院学报，2009，11（04）：1－5．

［10］ Lozano F J，Suarez Seoane S，Luis E D．Assessment of several spectral indices derived from multi⁃temporal landsat data for fire occurrence probability modeling［J］．Remote Sensing of Environment，2007，107（4）：533－544．

［11］ Martimez Fernandez J，Chuvieco E，Koutsias N．Modeling long⁃term fire occurrence factors in Spain by accounting for local variations with geographically weighted regression［J］．Neural Hazards and Earth System Sciences，2013，13（2）：311－327．

［12］ 韩志刚，田大伦，张贵．湖南省森林火灾空间分布特征分析［J］．中南林业科技大学学报，2010，30（6）：113－118．

［13］ 李杰，张靖岩，郭建中，等．基于聚类分析的我国火灾空间分布研究［J］．中国安全生产科学技术，2012，8（2）：61－64．

［14］ 张海军．河南省火灾影响因素的空间分析［J］．地理科学进展，2014，33（7）：958－968．

［15］ 韦益金．火灾与聚落空间的调适研究——以林略侗寨为例［D］．桂林：广西师范大学，2013．

［16］ 徐钟铭．木结构古镇消防安全现状调查及火灾风险评估——以四川某古镇为例［D］．成都：四川师范大学，2014．

［17］ 谢朝武．我国酒店业盗窃案件的发生特征及其管理体系研究［J］．华侨大学学报（哲学社会科学版），2010，（3）：74－82．

［18］ 胡晓娟．人的安全心理特性研究方法的综述研究［J］．中国安全科学学报，2009，（7）：5－13．

［19］ 贾士军．对应分析与最优尺度分析在购房者行为研究中的运用［J］．系统工程，2005，23（8）：121－126．

［20］ CJJ／T 121—2008．中华人民共和国住房和城乡建设部．风景名胜区分类标准［S］．北京：中国建筑工业出版社，2008．

［21］ 徐波．经济发展及气候变化对中国城市火灾时空变化的宏观影响［D］．南京：南京大学，2012．

［22］ 谢朝武，申世飞．旅游地环境风险对中国旅游突发事件的影响及其区域分布研究［J］．地理科学进展，2013，32（3）：455－464．

Research on the Influencing Factors in Scenic Spots Fires of China——an Optimal⁃scale⁃based Analysis

Yin Jie，Zheng Xiangmin，Jiao Niantao
（School of Tourism，Hua Qiao University，Quanzhou362021，C hina）

Factors of time，space，and scenic features are the typical ones of the numerous fire risk factors such as geography，climate，pedestrian volume，capacity etc．Based on the 202 cases of fires in China scenic spots between 2004 and 2014，cluster⁃based and optimal⁃scale⁃based analyses were made on the characteristics of fires and the correlation between these fires and such factors as temporal⁃spatial features and scenic features．As the optimal⁃scale⁃based analysis shows，between these factors and the scenic spots fire⁃related variables lies a correlation of acute angle，a kind of non⁃linear typical relationship．As time dimension，spatial scale and scenic features vary，their correlation with the scenic spots fire⁃related variables differ prominently．

scenic spots fires accident；temporal⁃spatial factors；scenic spots features；optimal⁃scale⁃based analysis

F59

：A

：1673－8047（2017）01－0071－08

2016－10－24

国家旅游局万名旅游英才计划（WMYC20151036）；2015年华侨大学研究生科学创新基金．

殷杰（1991—），男，博士研究生，研究方向为旅游安全。

郑向敏（1954—），男，博士，教授，主要从事旅游安全、饭店管理研究。