基于时空因子驱动的故宫古建筑火灾风险评估方法

Fire risk assessment method for ancient buildings in the Palace Museum based on spatio-temporal factors

摘要

基于故宫古建筑的时间特性和空间特征，结合风险管理理论，综合考虑致灾因子危险性、承灾体敏感性、损失控制性等因素，构建故宫古建筑火灾风险因子数据集。利用熵加权的TOPSIS算法构建古建筑火灾风险指数计算模型获取古建筑间的相对火灾风险，并基于2014—2019年月度故宫时空因子数据进行古建筑火灾风险评估。结果表明，故宫火灾综合风险指数分布在0.23~0.58，中轴线区域上的火灾综合风险高于其他分区且高风险等级的古建筑数量在7、8月最多；危险性和敏感性指数在中轴线区域以及西北和东北区较高，控制性指数在中轴线区域的中部和南部以及西北和东北区的中心区域较高，这分别意味着它们暴露于火灾的危险程度高，受到火灾扰动影响的程度大，但在受到火灾扰动后的响应和应对能力强。结合GIS形成的故宫单体古建筑的时间序列火灾综合风险地图，可以为相关部门制定古建筑火灾管理规划以及资源重点配置提供信息指导。

Abstract

Fire poses the greatest threat to the cultural heritage of timber buildings. The fire risk assessment of ancient buildings in the Palace Museum， the world’s largest remaining ancient palace complex， aids in the management， protection， and fire prevention efforts of the heritage site. This study constructed a dataset of fire risk factors， taking into account the hazard of causal factors， the sensitivity of disaster-bearing bodies， and loss control lability， reflecting the temporal and spatial characteristics of the Palace Museum’s ancient buildings. Utilizing the entropy-weighted TOPSIS algorithm， a fire risk index calculation model was developed to determine the relative fire risk among ancient buildings. This assessment was performed using the monthly spatio-temporal factor data of the Palace Museum from 2014 to 2019. The findings reveal that the comprehensive fire risk index of the Palace Museum ranges from 0.23 to 0.58， with the central axis area exhibiting the highest fire risk， especially in July and August. Hazard and sensitivity indices are higher in the central axis， northwestern， and northeastern zones， whereas the control index is higher in the central and southern parts of the central axis area as well as in the northwestern and northeastern zones. These areas are thus more susceptible to fire hazards， more impacted by fire disturbances， and possess a stronger response and coping capacity post-disturbance. In conjunction with GIS， the comprehensive time-series fire risk map of individual ancient buildings in the Palace Museum offers valuable insights for relevant departments to develop fire management plans and allocate resources for ancient buildings.

Graphical abstract

关键词

古建筑 / 火灾 / 风险评估 / 熵权法 / GIS / 时空因子

Key words

ancient buildings / fire / risk assessment / entropy weight method / GIS / spatio-temporal factors

据调查统计，我国文物古建筑场所在2010—2020年共发生火灾420起，博物馆场所发生火灾83起^［1］。火灾是文物古建筑最重要的突发风险之一^［2］，古建筑一旦起火，会造成部分资产损失或不可逆的破坏，无可替代的历史结构将遭到摧毁，其功能也就不复存在^［3-5］。古建筑自建成以来，由于群落密集且多为砖木结构，构件的材料性能随时间发生劣化，建筑物的使用功能也在某种程度上发生了转变^［6］。古建筑整体消防安全达到最佳水平的关键在于全面考虑火灾风险^［4］，火灾风险评估可以为火灾风险管理规划提供指导信息，这对于古建筑消防资源的配置和火灾事故的预防尤为重要^［7］。

面对古建筑火灾风险这样复杂的多属性评估问题^［8］，传统的火灾风险评估方法主要是火灾风险指数法（fire risk index， FRI），即使用经验数据构建风险指标体系对建筑物进行评分和评估^{［3， 9］}。FRI的步骤通常为因子的识别、权重的计算以及指数的计算。在权重确定的方法上，许多研究^［10-13］利用层次分析法（analytic hierarchy process，AHP），例如将专家调查结果与AHP相结合，以评估木质建筑群的火灾风险综合指数（火灾危险性、文化遗产重要性和防火综合指数）^［14］。但是这种方法依赖专家打分建立判断矩阵来确定指标的权重系数，主观因素直接影响评估结果，并且这种方法不能体现单体古建筑间的相对差异。为更大程度减少加权过程中的人为影响，定量方法如基于概率的方法^［15］和熵权法^［16］，可以通过计算大量数据来消除主观因素，以获取相关因子的有效信息。由于古建筑火灾风险中存在巨大的不确定性，利用熵权法不但可以衡量风险决策中不确定性的影响^［17］，还可以避免主观因素在火灾风险评估中产生决定性影响，从而客观地得到古建筑群中单体古建筑间的相对风险。

空间和时间是对火灾风险感知的根本驱动因素^［18］。古建筑通常受到许多内部脆弱性和外部危害的影响，包括静态结构、环境影响和人为因素^［19］。因此，古建筑的火灾风险评估应综合考虑内部与外部、静态与动态特征，这些影响因素往往离不开时空特性。以往的研究^［20］大多采用属性数据（如建筑特征和消防设施）来评估建筑火灾风险，但现有的古建筑火灾风险评估中缺乏结合空间和时间因子的系统性研究。为评估特定古建筑群的火灾风险，空间分析可以实现单体建筑的信息融合^［21］。空间分析是地理信息系统（geographic information system，GIS）的主要特征之一，结合GIS形成的时间序列风险地图具有时空特征，这对于资源分配等防火政策的制定十分有用^［22］。本文提出一种基于时空因子驱动的古建筑火灾风险评估方法，该方法基于古建筑群的时间特性和空间特征，首先通过综合考虑致灾因子、承灾体、损失控制因子3个方面识别火灾风险因子，然后利用熵权-TOPSIS模型计算危险性、敏感性、控制性因子权重，最后运用火灾风险综合评估方法获取古建筑火灾相对风险等级，结合GIS形成时间序列火灾综合风险地图。

1 研究方法

针对故宫古建筑的火灾风险评估方法技术路线如图1所示，主要包括3个部分：1）在古建筑火灾风险因子识别的基础上收集火灾风险因子数据，对不同类型的数据分别进行预处理，形成具有时空特征的火灾风险因子数据集；2）基于熵权-TOPSIS模型对古建筑的致灾因子、承灾体、损失控制因子分别进行危险性（hazard，H）、敏感性（sensitivity，S）、控制性（control，C）分析；3）结合H-S-C因子权重的加权平均结果，对古建筑的火灾风险进行综合评估，利用GIS形成时间序列火灾风险地图。

1.1 H-S-C火灾风险分析

古建筑群中单体建筑物数量庞大、文物类型多样、结构材料易损、火灾隐患众多。与大多数商业、住宅以及公共建筑物不同，古建筑还需要保护其文化和建筑价值^{［3， 23］}。对于上述情况，需要采取火灾风险管理策略来缓解以上隐患^［24］。风险管理信息指数包含3个维度：危险/暴露性、易损/敏感性、应对能力^［25-26］。根据古建筑火灾风险的特点，本研究选择致灾因子危险性、承灾体敏感性、损失控制性来对应风险管理指数的3个维度。其中，1）致灾因子危险性指的是导致古建筑暴露于火灾的危险程度，它与点火、可燃物、环境有关；2）承灾体敏感性指的是建筑群与人员受到火灾扰动影响的程度，它受古建筑和游客固有特性的影响；3）损失控制性指的是古建筑在受到火灾扰动后的响应和应对能力，它受古建筑所在地消防安全管理与技术防范能力的影响。

1.1.1 火灾风险因子识别

基于深入的文献调研、相关消防检测报告以及现场调研，分别从致灾因子、承灾体、损失控制因子3个方面共识别出24个古建筑火灾风险因子，如表1所示。其中包含13个负向因子（对火灾风险产生负影响）和11个正向因子（对火灾风险产生正影响）。时间动态因子包括最高温度、降水量、相对湿度、游客数量4个因子。

1.1.2 熵权法

熵权法通过计算火灾风险因子的信息熵，并利用因子间的差异程度获得已知火灾风险因子数据中包含的有效信息和因子权重^［40］。分别在致灾因子、承灾体、损失控制因子数据集中计算相应的权重W_{\mathrm{H}}、W_{\mathrm{S}}、W_{\mathrm{C}}，熵权法的步骤如下：

1）构建m个评估单元和n个火灾风险因子的矩阵 X

\begin{array}{c}\mathit{X}=\left[\begin{array}{ccc}{x}_{\mathrm{11}}& x_{\mathrm{12}}& \cdots \\ x_{\mathrm{21}}& x_{\mathrm{22}}& \cdots \\ ⋮& ⋮& \\ x_{m\mathrm{1}}& x_{m\mathrm{2}}& \cdots \end{array}\begin{array}{c}{x}_{\mathrm{1}n}\\ x_{\mathrm{2}n}\\ ⋮\\ x_{mn}\end{array}\right],\end{array}（1）

其中，x_{ij}（i=1，2，…，m；j=1，2，…，n）表示用于评估第i座古建筑的第j个火灾风险因子的数据值。由于火灾风险因子涉及空间、时间、类别数据，x_{ij}的值采用的是分别经过空间分析、数理统计、特征值表征法处理后的数据值。

经过标准化处理后得到的矩阵用{\mathit{X}}^{\text{'}}表示

x_{ij}^{+}=\frac{x_{ij}-\mathrm{m}\mathrm{i}\mathrm{n}\left(x_{ij}\right)}{\mathrm{m}\mathrm{a}\mathrm{x}\left(x_{ij}\right)-\mathrm{m}\mathrm{i}\mathrm{n}\left(x_{ij}\right)},（2）

x_{ij}^{-}=\frac{\mathrm{m}\mathrm{a}\mathrm{x}\left(x_{ij}\right)-x_{ij}}{\mathrm{m}\mathrm{a}\mathrm{x}\left(x_{ij}\right)-\mathrm{m}\mathrm{i}\mathrm{n}\left(x_{ij}\right)},（3）

\begin{array}{c}{\mathit{X}}^{\text{'}}=\left[\begin{array}{ccc}{x}_{\mathrm{11}}^{\text{'}}& x_{\mathrm{12}}^{\text{'}}& \cdots \\ x_{\mathrm{21}}^{\text{'}}& x_{\mathrm{22}}^{\text{'}}& \cdots \\ ⋮& ⋮& \\ x_{m\mathrm{1}}^{\text{'}}& x_{m\mathrm{2}}^{\text{'}}& \cdots \end{array}\begin{array}{c}{x}_{\mathrm{1}n}^{\text{'}}\\ x_{\mathrm{2}n}^{\text{'}}\\ ⋮\\ x_{mn}^{\text{'}}\end{array}\right].\end{array}（4）

为消除各指标不同量纲对评价的影响，分别使用式（2）、式（3）对正、负向因子进行标准化，通过转换数据到同一尺度，消除量纲的影响。

2）计算火灾风险因子j的信息熵E_j

E_j=\frac{-{\sum }_{i=\mathrm{1}}^m{p}_{ij}\mathrm{l}\mathrm{n}{p}_{ij}}{\mathrm{l}\mathrm{n}m}\left(i=\mathrm{1,2},\cdots ,m;j=\mathrm{1,2},\cdots ,n\right),（5）

其中，p_{ij}是估计j因子的比重，p_{ij}的计算如下

p_{ij}=\frac{x_{ij}}{{\sum }_{i=\mathrm{1}}^m{x}_{ij}}\left(i=\mathrm{1,2},\cdots ,m;j=\mathrm{1,2},\cdots ,n\right).（6）

3）计算火灾风险因子j的权重W_j

W_j=\frac{\mathrm{1}-E_j}{{\sum }_{j=\mathrm{1}}^n\left(\mathrm{1}-E_j\right)}.（7）

1.1.3 熵权法-TOPSIS

TOPSIS模型考虑了每个备选方案与正理想解和负理想解之间的距离，并计算相对接近度来对其进行排序，这也是它与简单线性和非线性评估方法之间的一个重要区别^［41］。利用熵加权的TOPSIS模型分别计算H、S、C的火灾风险指数T_{\mathrm{H}}、T_{\mathrm{S}}、T_{\mathrm{C}}，主要步骤如下：

1）构建熵加权的因子矩阵 R

\begin{array}{c}\mathit{R}=\left[\begin{array}{ccc}{r}_{\mathrm{11}}& r_{\mathrm{12}}& \cdots \\ r_{\mathrm{21}}& r_{\mathrm{22}}& \cdots \\ ⋮& ⋮& \\ r_{m\mathrm{1}}& r_{m\mathrm{2}}& \cdots \end{array}\begin{array}{c}{r}_{\mathrm{1}n}\\ r_{\mathrm{2}n}\\ ⋮\\ r_{mn}\end{array}\right],\end{array}（8）

其中，r_{ij}=x_{ij}\times p_{ij}(i=\mathrm{1,2},\cdots ,m;j=\mathrm{1,2},\cdots ,n)。

2）计算正理想解A^{+}和负理想解A^{-}

\begin{array}{l}{A}^{+}=\left\{\left(\underset{i}{\mathrm{m}\mathrm{a}\mathrm{x}}{r}_{ij}|j\in B\right),\left(\underset{i}{\mathrm{m}\mathrm{i}\mathrm{n}}{r}_{ij}|j\in C\right)\right\}\\ =(r_j^{+}\left|j=\mathrm{1,2},\cdots ,n\right.),\end{array}（9）

\begin{array}{l}{A}^{-}=\left\{\left(\underset{i}{\mathrm{m}\mathrm{i}\mathrm{n}}{r}_{ij}|j\in B\right),\left(\underset{i}{\mathrm{m}\mathrm{a}\mathrm{x}}{r}_{ij}|j\in C\right)\right\}\\ =(r_j^{-}\left|j=\mathrm{1,2},\cdots ,n\right.),\end{array}（10）

其中，B是正向因子的集合，C是负向因子的集合。

3）通过欧几里得距离计算正理想解和负理想解的观测距离D^{+}和D^{-}

D^{+}=\sqrt[]{{\sum }_{j=\mathrm{1}}^n{\left(r_{ij}-r_{ij}^{+}\right)}^{\mathrm{2}}}=(r_j^{+}\left|\right.j=\mathrm{1,2},\cdots ,n),（11）

D^{-}=\sqrt[]{{\sum }_{j=\mathrm{1}}^n{\left(r_{ij}-r_{ij}^{-}\right)}^{\mathrm{2}}}=(r_j^{-}\left|\right.j=\mathrm{1,2},\cdots ,n).（12）

4）计算相对接近度表示火灾风险指数

T_i=\frac{D_i^{-}}{D_i^{+}+D_i^{-}}\left(i=\mathrm{1,2},\cdots ,m\right).（13）

5）对得分结果进行排名。

自然断点法通过识别火灾风险因子数据的自然断点，减少了人为判断对分类结果的影响，从而获得古建筑间的相对风险。因此，利用自然断点法将火灾风险指数划分为5个等级（1~5），分别用于确定古建筑的H、S、C火灾风险评估等级。这样可以确保同火灾风险等级的古建筑之间区别较小，而不同火灾风险等级古建筑间的区别较大，从而确保火灾风险等级的划分更加科学和准确。

1.2 火灾风险综合评估

古建筑的火灾风险综合评估是基于危险性、敏感性、控制性风险分析，火灾综合风险指数的权重是按照这3个层次因子权重的加权平均数所得。将加权的火灾综合风险因子矩阵代入式（9）~式（13），即通过TOPSIS模型计算火灾综合风险指数。同样地，利用自然断点法将火灾综合风险指数划分为5个等级，表示古建筑间的相对火灾风险，包括低风险、较低风险、一般风险、较高风险和高风险。

2 研究区概况与数据处理

2.1 研究区概况

故宫始建于1406年并在1420年竣工，位于北京市城市中轴线的中心，占地1.060 9×10⁶ m²。故宫是我国现存古代宫城的唯一实例和最高典范，也是世界现存建筑基址中占地规模最大、保存完整的古代宫殿建筑群^［42］。故宫是国务院宣布的第一批全国重点文物保护单位，并且被联合国教科文组织列为世界文化遗产。

故宫历史悠久的木结构建筑系统包括宫殿画廊、亭台楼阁和宫殿花园，其殿堂廊道相连相接，结构架空有序，供氧便利^［43］。建筑的主体含有大量的木质可燃构件以及易燃的装饰材料，建筑内含有大量的文物（绘画、古籍文献、织绣等），建筑周围约有2.77×10⁴ m²的宫廷花园（含古树名木）。一旦发生火灾很容易迅速蔓延扩大，造成不可估量的损失。

2.2 数据来源

本研究的数据来源于2014─2019年故宫古建筑具有时间特性和空间特征的火灾风险相关数据，包括卫星影像数据、气象数据、古建筑的信息以及内部设施分布数据、消防安全检测数据，如表2所示。其中，具有时间特征的数据包括：在气象数据中的每月最高温度、每月平均降水量和每月平均相对湿度；在古建筑信息数据中的每月累计游客数量。

2.3 数据处理

1）空间数据

对获取的故宫影像数据（图2（a））进行地理空间信息提取，按照影像上显示的屋顶、植被、水系分别形成建筑物、植被、水系的矢量多边形（图2（b）），便于火灾风险因子在空间数据上处理与分析。针对空间数据主要采用空间分析（缓冲区分析、近邻分析、欧氏距离、空间句法等）：例如，需要利用半径为30 m的缓冲区分别进行植被面积、火灾报警系统数量、消防给水系统数量的累加计算；通过近邻分析计算单体古建筑间的最邻近距离；通过欧氏距离计算单体古建筑的几何中心到内水系或外水系路口的距离；利用空间句法计算研究区内的道路穿行度等。经提取共形成868个建筑物多边形，部分因子处理结果如图2（c）、2（d）所示。

2）时间数据

通过对故宫博物院2014—2019年逐日游客和气象相关数据的统计，得到月尺度的时间动态因子数据，其逐月变化情况如图3所示。

3）类别数据

类别数据（共8个）来自表2提到的古建筑信息数据、设施分布数据及消防安全检测数据。针对类别数据主要采用特征值表征法，具体表征值如表3所示。

3 结果与讨论

每个月的868个评估单元×24个风险因子，形成一个矩阵；共6年，每年12个月，因此一共构建了72个这样的评价矩阵。分别利用熵权法计算的平均权重结果如表4所示。其中，危险性因子占综合评估的权重最高，达到36.20%；其次是敏感性因子，占33.30%；控制性因子占比最低，为30.50%。分别按照3个层次中各个因子的权重降序排列，在危险性、敏感性、控制性因子中分层权重最高的因子分别是燃气使用情况（50.12%）、游客数量（35.35%）和工作人员数量（27.60%）；分层权重最低的分别是降水量（1.77%）、建筑间距（0.29%）和火灾探测系统密度（0.19%）。

3.1 故宫古建筑H-S-C火灾风险分析

3.1.1 危险性（H）分析

在火灾危险性因子中，故宫的燃气使用主要是在厨房及食堂，集中分布在西北区。故宫内的用电设施主要是用于照明、制冷供热、监测、办公等，分布零散。木质结构元素的不同复杂程度在各个区域均有分布，而植被主要分布在各个分区以及中轴线区域的顶端。2014─2019年，故宫所处区域的月平均最高温度在6—8月，其中在7月最高，为32.38 ℃；降水量在1、2、12月分布最少，且1月最少，为0.01 mm；相对湿度在1—3月最低，且3月最低，为34.40%。在危险性层中，最高温度、相对湿度、降水量这3个因子属于时间动态因子，会引起火灾危险性评估随时间变化。

故宫2014─2019年火灾危险性月均总体分布如图4（a）所示，火灾危险性指数平均值在0.12~0.69。故宫火灾危险性等级（第1~5级）的古建筑数量平均每月分别占比15.26%、25.39%、22.82%、32.49%、4.03%。第4、5级危险性古建筑在5、7、8月份最多，在10月最少。总体来说，较高的危险性等级（第4、5级）主要集中分布在中轴线区域以及西北和东北区；东南区主要集中分布着第3、4级危险性的古建筑；而西南区集中分布着较低的危险性等级（第1、2级）。因此，中轴线区域以及西北和东北区暴露于火灾的危险程度最高，而西南区最低。西南区不存在燃气使用情况，文物数量相对较少，古建筑木质结构元素复杂程度较低，因此危险性较小。图4（b）~4（m）主要展现故宫核心区域“三大殿”的火灾危险性等级逐月变化图。就“三大殿”而言，太和殿和保和殿在每月均为第5级，而中和殿在每月均为第4级。其周边古建筑在上半年火灾危险性等级较高，在下半年火灾危险性等级较低。

3.1.2 敏感性（S）分析

由表4可知，敏感性层中时间动态因子（游客数量）所占平均权重为35.35%，所以火灾敏感性等级也是逐月变化的。在2014─2019年中，故宫火灾敏感性等级（第1~5级）的古建筑数量平均每月分别占比67.05%、11.34%、14.24%、6.92%、0.45%。故宫2014─2019年火灾敏感性月均总体分布如图5（a）所示，火灾敏感性指数平均值在0.14~0.78。第4、5级敏感性古建筑在7、8、10月份最多；在1、12月最少。总体来说，较高的敏感等级（第4、5级）主要集中分布在中轴线区域以及西北和东北区；西南和东南区主要集中分布着第1和第2级较低敏感性的古建筑，部分古建筑为第3、4级敏感性。由此，中轴线区域以及西北和东北区受到火灾扰动影响的程度较大，而西南区程度较小。西南区建筑间距相对较大，道路通达性好且离水系近，多为办公区域且不对游客开放，因此敏感性风险较小。同样地，图5（b）~5（m）主要展现 “三大殿”火灾敏感性等级的逐月变化图，在1和12月它们的火灾敏感性等级最低。而在7、8、10月它们的火灾敏感性等级均为第5级。这个时期处于暑假与国庆假期高峰，因此月均游客数量基本在每年都达到最高，增加了火灾风险的敏感性。

3.1.3 控制性（C）分析

火灾损失控制性因子主要是基于故宫古建筑群消防与安全管理与技术防范特征。其中不含有时间动态因子，因此火灾损失控制性等级不随时间发生变化。故宫2014─2019年火灾控制性月均总体分布如图6所示，火灾控制性指数平均值在0.19~0.76。故宫火灾控制性等级第1~5级的古建筑数量平均每年每月分别占比19.12%、15.32%、23.96%、30.18%、11.41%。危险性、敏感性、控制性等级数量最多的均是第4级且最少的是第5级。总体来说，第5级控制性等级的古建筑集中分布在中轴线区域的中部和南部两侧以及西北和东北区的中心区域；较低的控制性等级（第1、2级）主要集中分布在中轴线上以及西北和东北区；西南和东南区主要集中分布着第3、4级控制性等级的古建筑，部分古建筑为第1、2级控制性等级。据此，中轴线区域的中部和南部两侧在受到火灾扰动后的响应和应对能力最强，西北和东北区的整体响应和应对能力高于西南和东南区。

3.2 故宫古建筑火灾风险综合评估

在24个火灾风险因子中，4个时间动态因子综合权重共占14.82%，引起故宫火灾风险综合等级的古建筑数量逐月发生变化（如图7所示）。在2014─2019年中，从低至高的故宫火灾风险综合等级的古建筑数量，平均每月分别占比11.87%、26.24%、31.60%、17.61%、12.68%。一般风险等级的古建筑最多，低风险等级的最少，其次是高风险等级的古建筑较少。低风险等级的古建筑数量变化平稳，而高风险等级的古建筑数量变化较大，且高风险等级的古建筑数量与普通风险等级的古建筑数量逐月变化有相反趋势。

总体上，2014─2019年间较高风险与高风险等级数量最多的时间是在7、8月。由图3可以看出，此时正值平均温度最高的夏季且为假期，游客量达到全年峰值，火灾综合风险增加。其中，高风险等级数量在2015、2018年的8月较其他同期时间明显偏少，这2个时间的累计游客数量低于其他同期时间；而高风险等级数量在2018、2019年的10月较其他同期时间明显偏多，这2个时间的相对湿度低于其他同期时间，且累计游客数量高于其他同期时间。

故宫2014─2019年火灾风险综合指数平均值在0.23~0.58，火灾风险综合月均总体分布如图8（a）所示，总体综合风险分布情况与危险性结果相似，较高和高风险等级主要集中分布在中轴线区域以及西北和东北区；而西南和东南区集中分布着较低的综合风险等级，部分有第3、4级综合风险的古建筑。图8（b）~8（m）主要展现“三大殿”火灾风险综合等级的逐月变化图，除春季及冬季的10和12月外，它们火灾风险综合等级均在较高风险和高风险等级；在夏季7、8月综合火灾风险最高，均为高风险等级。“三大殿”四周古建筑的综合火灾风险等级大部分较高，为一般风险至高风险等级。中轴线区域的古建筑面积较大，建筑结构较为复杂，内含有大量文物，且对游客几乎都是开放的，尤其是“三大殿”周围游客较为密集。

3.3 故宫古建筑火灾管理对策

防止火灾蔓延、消防扑救与疏散合一、技术管理双控是历史建筑的适宜性消防设计措施的关键技术^［44-45］。本研究综合考虑古建筑火灾的危险性、敏感性、控制性，依据对故宫古建筑进行的火灾风险评估结果，提出结合火灾风险地图的预防性保护措施建议。

较高和高风险等级的古建筑主要集中分布在中轴线区域以及西北和东北区。这是因为中轴线区域以及西北和东北区暴露于火灾的危险程度最高且受到火灾扰动影响的程度较大，中轴线区域的中部和南部两侧在受到火灾扰动后的响应和应对能力最强。针对火灾风险地图中火灾风险等级较高的区域，加强木质结构元素以及易燃文物的保护与隔离；禁止占用消防通道并增设其周围的消防车车道，对其中面向游客开放的古建筑实施限流措施；建议增加火灾探测系统、火灾报警系统、消防给水系统等相关消防设施的设置，鼓励增设防火分区、防火控制区，以及微型消防站。针对其他火灾风险等级的古建筑，在进行日常消防保护工作的基础上，仍然要加强定期消防安全检查工作。在古建筑分布密集的区域，增加应急照明及疏散指示系统。通过这些措施，减小古建筑暴露于火灾的危险程度，降低古建筑一旦失火而受到的扰动影响，增强古建筑受到火灾扰动后的响应和应对能力。此外，故宫博物院在2023年6月15日发布《故宫博物院参观须知》及《故宫博物院禁止携带物品目录》，严格规范游客的行为，防止包括火灾在内的各种意外发生。

火灾规划在减少火灾对建筑的影响方面具有重要价值，并有助于减少因火灾而造成的重要文化遗产的损失^［5］。而对于故宫博物院整体而言，高风险等级的古建筑数量月变化趋势较大，且在7、8月份最多。建议针对高风险等级的古建筑数量较多的月份，制定相应的消防管理方案和应急规划。建议搭建消防智慧管理平台，将火灾风险评估与日常管理、物联网技术联动，以时间序列火灾风险地图为辅助手段动态更新火灾风险评估结果。

4 结论

故宫博物院作为世界文化遗产，是人类共同的瑰宝。而火灾构成了对故宫最大的威胁，系统性地对故宫火灾风险进行识别和评估不可或缺。本研究结合故宫的时间环境特性和空间固有特征，综合考虑致灾因子危险性、承灾体敏感性、损失控制性等因素，构建故宫古建筑火灾风险评估研究方法。并进行基于时空因子驱动的2014─2019年间故宫古建筑火灾风险综合评估，得出如下主要结论：

1）故宫火灾综合风险指数分布在0.23~0.58，中轴线区域上的火灾综合风险高于其他分区，且高风险等级的古建筑数量在7、8月最多；

2）故宫火灾致灾因子危险性和承灾体敏感性指数在中轴线区域以及西北和东北区较高，而损失控制性指数在中轴线区域的中部和南部两侧以及西北和东北区的中心区域较高；

3）故宫火灾致灾因子危险性等级最高的古建筑在5、7、8月份最多，敏感性等级最高在7、8、10月份最多，而控制性等级不随时间变化；

4）主张预防性保护措施，建议针对不同火灾综合风险等级古建筑的时空特征，结合时间序列火灾综合风险地图制定相应的火灾预防保护和管理方案。

参考文献

[1] 胡安雄， 谢景荣. 文物建筑火灾风险及防控对策研究［J］. 中国文化遗产， 2022， （1）： 66-71. DOI： 10.3969/j.issn.1672-7819.2022.01.013 .

[2] Marrion C E. More effectively addressing fire/disaster challenges to protect our cultural heritage［J］. Journal of Cultural Heritage， 2016， 20： 746-749. DOI： 10.1016/j.culher.2016.03.013 .

[3] Watts J M， Kaplan M E. Fire risk index for historic buildings［J］. Fire Technology， 2001， 37（2）： 167-180. DOI： 10.1023/A： 1011649802894 .

[4] Kincaid S. The upgrading of fire safety in historic buildings［J］. The Historic Environment： Policy Practice， 2018， 9（1）： 3-20. DOI： 10.1080/17567505.2017.1399972 .

[5] Kincaid S. Emergency planning for fire in historic buildings［J］. The Historic Environment： Policy Practice， 2019， 10（1）： 19-39. DOI： 10.1080/17567505.2018.1531645 .

[6] Yuan C Y， He Y P， Feng Y B， et al. Fire hazards in heritage villages： a case study on Dangjia Village in China［J］. International Journal of Disaster Risk Reduction， 2018， 28： 748-757. DOI： 10.1016/j.ijdrr.2018.02.002 .

[7] Kincaid S. Fire prevention in historic buildings：approaches for safe practice［J］. The Historic Environment： Policy Practice， 2022， 13（3）： 361-380. DOI： 10.1080/17567505.2022.2098633 .

[8] Koutsomarkos V， Rush D， Jomaas G， et al. Tactics， objectives， and choices： building a fire risk index［J］. Fire Safety Journal， 2021， 119： 103241. DOI： 10.1016/j.firesaf.2020.103241 .

[9] Wei Y Y， Zhang J Y， Wang J. Research on building fire risk fast assessment method based on fuzzy comprehensive evaluation and SVM［J］. Procedia Engineering， 2018， 211： 1141-1150. DOI： 10.1016/j.proeng.2017.12.121 .

[10] 李晨. 基于模糊数学的高层建筑消防安全评估方法研究［D］. 武汉： 湖北工业大学， 2016.

[11] Liu F， Zhao S Z， Weng M C， et al. Fire risk assessment for large-scale commercial buildings based on structure entropy weight method［J］. Safety Science， 2017， 94： 26-40. DOI： 10.1016/j.ssci.2016.12.009 .

[12] Mi H F， Liu Y L， Wang W H， et al. An integrated method for fire risk assessment in residential buildings［J］. Mathematical Problems in Engineering， 2020， 2020： 9392467. DOI： 10.1155/2020/9392467 .

[13] Wen Z Z. Based on fuzzy theory analysis method applied to community underground building fire risk assessment［J］. IOP Conference Series： Earth and Environmental Science， 2020， 546（5）： 052034. DOI： 10.1088/1755-1315/546/5/052034 .

[14] Kwon H S， Lee J S. A study on the fire fighting general index for fire fighting of crowded wooden building cultural asset［J］. Journal of Architectural History， 2012， 21（2）： 37-52. DOI： 10.7738/jah.2012.21.2.037 .

[15] Zhang X， Li X， Mehaffey J， et al. A probability-based Monte Carlo life-risk analysis model for fire emergencies［J］. Fire Safety Journal， 2017， 89： 51-62. DOI： 10.1016/j.firesaf.2017.02.003 .

[16] Li J M， Chen Y Y， Yao X H， et al. Risk management priority assessment of heritage sites in China based on entropy weight and TOPSIS［J］. Journal of Cultural Heritage， 2021， 49： 10-18. DOI： 10.1016/j.culher.2021.04.001 .

[17] Dong X， Lu H， Xia Y P， et al. Decision-making model under risk assessment based on entropy［J］. Entropy， 2016， 18（11）： 404. DOI： 10.3390/e18110404 .

[18] Ardianto R， Chhetri P. Modeling spatial-temporal dynamics of urban residential fire risk using a Markov chain technique［J］. International Journal of Disaster Risk Science， 2019， 10（1）： 57-73. DOI： 10.1007/s13753-018-0209-2 .

[19] Prieto A J， Verichev K， Carpio M. Heritage， resilience and climate change： a fuzzy logic application in timber-framed masonry buildings in Valparaíso， Chile［J］. Building and Environment， 2020， 174： 106657. DOI： 10.1016/j.buildenv.2020.106657 .

[20] 闫晨， 陈锦涛， 段芮， 等. 韧性城市视角下的历史街区防火韧性评估体系构建［J］. 中国安全生产科学技术， 2020， 16（10）： 133-138. DOI： 10.11731/j.issn.1673-193x.2020.10.021 .

[21] Masoumi Z， van L Genderen J， Maleki J. Fire risk assessment in dense urban areas using information fusion techniques［J］. ISPRS International Journal of Geo-Information， 2019， 8（12）： 579. DOI： 10.3390/ijgi8120579 .

[22] Brimblecombe P， Hayashi M， Futagami Y. Mapping climate change， natural hazards and Tokyo’s built heritage［J］. Atmosphere， 2020， 11（7）： 680. DOI： 10.3390/atmos11070680 .

[23] Arumägi E， Kalamees T. Analysis of energy economic renovation for historic wooden apartment buildings in cold climates［J］. Applied Energy， 2014， 115： 540-548. DOI： 10.1016/j.apenergy.2013.10.041 .

[24] Lee S-Y S. A new fire protection framework that incorporates fire risk indexing for developing and evaluating alternative solutions for Canadian heritage rehabilitation projects ［D］. University of Waterloo， 2018.

[25] Parente J， Pereira M G. Structural fire risk： the case of Portugal［J］. Science of the Total Environment， 2016， 573： 883-893. DOI： 10.1016/j.scitotenv.2016.08.164 .

[26] Bernardini G. Fire safety and building heritage： the occupants perspective［M］//SpringerBriefs in Applied Sciences and Technology. Cham： Springer International Publishing， 2017： 7-43. DOI： 10.1007/978-3-319-55744-1_2 .

[27] Granda S， Ferreira T M. Assessing vulnerability and fire risk in old urban areas： application to the historical centre of guimaraes［J］. Fire Technology， 2019， 55（1）： 105-127. DOI： 10.1007/s10694-018-0778-z .

[28] Salazar L G F， Romao X， Pauperio E. Review of vulnerability indicators for fire risk assessment in cultural heritage［J］. International Journal of Disaster Risk Reduction， 2021， 60： 102286. DOI： 10.1016/j.ijdrr.2021.102286 .

[29] Naser M Z， Kodur V K R. A probabilistic assessment for classification of bridges against fire hazard［J］. Fire Safety Journal， 2015， 76： 65-73. DOI： 10.1016/j.firesaf.2015.06.001 .

[30] Li J J， Li H W， Zhou B， et al. Investigation and statistical analysis of fire loads of 83 historic buildings in Beijing［J］. International Journal of Architectural Heritage， 2020， 14（3）： 471-482. DOI： 10.1080/15583058.2018.1550535 .

[31] Brambilla A， Gasparri E. Mould growth models and risk assessment for emerging timber envelopes in Australia： a comparative study［J］. Buildings， 2021， 11（6）： 261. DOI： 10.3390/buildings11060261 .

[32] Ibrahim M N， Abdul-Hamid K， Ibrahim M S， et al. The development of fire risk assessment method for heritage building［J］. Procedia Engineering， 2011， 20： 317-324. DOI： 10.1016/j.proeng.2011.11.172 .

[33] Prieto A J， Vásquez V， Silva A， et al. Protection value and functional service life of heritage timber buildings［J］. Building Research Information， 2019， 47（5）： 567-584. DOI： 10.1080/09613218.2017.1404827

[34] Garcia-Castillo E， Paya-Zaforteza I， Hospitaler A. Analysis of the fire resistance of timber jack arch flooring systems used in historical buildings［J］. Engineering Structures， 2021， 243： 112679. DOI： 10.1016/j.engstruct.2021.112679 .

[35] Dong Q， You F， Hu S Q. Investigation of fire protection status for Nanjing representative historical buildings and future management measures［J］. Procedia Engineering， 2014， 71： 377-384. DOI： 10.1016/j.proeng.2014.04.054 .

[36] Fafet C， Mulolli Zajmi E. Qualitative fire vulnerability assessments for museums and their collections： a case study from Kosovo［J］. Fire， 2021， 4（1）： 11. DOI： 10.3390/fire4010011 .

[37] Zhang L， Tian F S， Zheng X， et al. Spatial configuration of fire protection for historical streets in China using space syntax［J］. Journal of Cultural Heritage， 2023， 59： 140-150. DOI： 10.1016/j.culher.2022.11.014 .

[38] 徐欣， 李启路， 唐文娟，等. 历史文化街区改造提升项目火灾风险评估与研究：以重庆市磁器口古镇磁横街片区为例［J］. 消防界（电子版）， 2022， 8（7）： 27-30. DOI：10.16859/j.cnki.cn12-9204/tu.2022.07.047 .

[39] Fan W C. Fire safety research of historical buildings in China［EB/OL］. （2001）［2024-05-06］.

[40] He D Y， Xu J Q， Chen X L. Information-theoretic-entropy based weight aggregation method in multiple-attribute group decision-making［J］. Entropy， 2016， 18（6）： 171. DOI： 10.3390/e18060171 .

[41] Chen C H. A novel multi-criteria decision-making model for building material supplier selection based on entropy-AHP weighted TOPSIS［J］. Entropy， 2020， 22（2）： 259. DOI： 10.3390/e22020259 .

[42] 单霁翔.《故宫保护总体规划》的意义及实施对策［J］. 故宫博物院院刊， 2015（5）： 6-16+156. DOI：10.16319/j.cnki.0452-7402.2015.05.001 .

[43] 李月. 吸气式感烟探测报警系统在故宫明清官式高大建筑早期火灾报警的探究［J］. 中国文物科学研究， 2020（2）： 26-30. DOI： 10.3969/j.issn.1674-9677.2020.02.005 .

[44] 白成军， 韩旭， 吴葱. 预防性保护思想下建筑遗产变形监测的基本问题探讨［J］. 西安建筑科技大学学报（社会科学版）， 2013， 32（2）： 54-58. DOI：10.15986/j.1008-7192.2013.02.001 .

[45] 李爱群， 周坤朋， 解琳琳 等. 中国建筑遗产预防性保护再思考［J］. 中国文化遗产， 2021， 101（1）： 13-22. DOI： 10.3969/j.issn.1672-7819.2021.01.002 .

基金资助

国家重点研发计划项目(2021YFC1523503)