EN中文

Tropical Geography >

2024 1 - 18

DOI: https://doi.org/10.13284/j.cnki.rddl.20240248

Spatiotemporal Patterns and Factors Influencing Wildlife Crimes in the Sichuan-Chongqing Region

  • Xiaoxuan Niu , 1, 2 ,
  • Gang Li , 1, 2, 3, 4 ,
  • Xiaowen Zhang 1, 2 ,
  • Annan Jin 1, 2 ,
  • Li Lan 1, 2 ,
  • Jia Li 1, 2 ,
  • Tian Su 3, 4
Expand
  • 1. College of Urban and Environmental Sciences, Northwest University, Xi'an 710127, China
  • 2. Shaanxi Key Laboratory of Earth Surface System and Environmental Carrying Capacity, Xi'an 710127, China
  • 3. College of Carbon Neutrality (Yu Lin), Northwest University, Xi'an 710127, China
  • 4. Shaanxi Key Laboratory for Carbon Neutral Technology, Xi'an 710127, China

Received date: 2024-04-17

  Revised date: 2024-07-05

  Online published: 2024-09-29

Fold

Abstract

Wildlife crime, especially in the notably hard-hit region of Sichuan and Chongqing, constitutes a pivotal research domain within green criminology research. Taking this region as the core research area, grounding our analysis in the theoretical framework of social-ecological systems theory, using spatial analysis, geo-detector and other methods, to explore the spatial and temporal distribution characteristics and influencing factors of wildlife crime in the Sichuan-Chongqing region. Study findings include the following: (1) wildlife crimes in the Sichuan-Chongqing regions mainly involve illegal hunting and killing precious and endangered wildlife, the species involved are predominantly birds and beasts, with the number of pheasants of the pheasant family, owls, and various snakes of the reptile family being the most numerous. The main body of the offence is far more men than women, and young adult Han people are often involved. The overall cultural level is low, and the main job is farming. (2) A single wildlife crime often involves a number of offenses; the most common criminal process involves (seller) hunting/hunting-killing-transportation-selling-(buyer) acquisition. (3) The overall inter-annual variation of the crime shows strong volatility, which can be divided into a gradual growth phase, a sharp decline phase and a sharp growth phase, the monthly distribution is high in November. (4) The overall pattern of "high incidence in the east and west and low incidence in the center" is shown in the city scale; in the county scale, the Shuangliu District of Chengdu City and Wanzhou District of Chongqing City are the most common. In microplaces, there are differences in the main places where offences are committed and transacted under different offences. (5) The occurrence of crime is mainly affected by the average annual temperature, total water resources, the state of natural ecosystems and other natural factors, male and female gender ratio, level of education, transport network density, ease of access and other socio-economic and cultural factors; the level of consumption of the population, the rate of natural growth and the combination of other factors have a significant impact on wildlife crime. The integrated crime pattern theory and rational choice theory suggest that by rationally considering multiple factors such as the natural environment (e.g. abundant wildlife resources and hidden habitats), the social environment (e.g. weak regulation, strong market demand or weak public awareness of protection) and their own psychological characteristics (e.g. the relationship between costs and benefits), offenders are more likely to convert their criminal intent into actual action, which will in turn The criminal intent is more likely to be transformed into actual action, thus contributing to the eventual occurrence of the criminal behaviour.

Key words： wildlife crime; green criminology; socio-ecological systems theory; Geo-detector; Sichuan-Chongqing region

Cite this article

Xiaoxuan Niu , Gang Li , Xiaowen Zhang , Annan Jin , Li Lan , Jia Li , Tian Su . Spatiotemporal Patterns and Factors Influencing Wildlife Crimes in the Sichuan-Chongqing Region[J]. Tropical Geography, 2024 : 1 -18 . DOI: 10.13284/j.cnki.rddl.20240248

在维持生态平衡、保护生物多样性方面，野生动物资源占有非常重要的地位（Claude, 2021）。最新的濒危物种红色名录显示38 543个物种面临不同程度的灭绝危险（IUCN, 2021），占比接近评估物种的28%。全球物种多样性不断降低，对野生动物及其栖息地、生态平衡、国家和全球安全以及公共卫生等多方面造成威胁（Liu, 2023）。绿色犯罪学是近年在西方犯罪学孕育出的一个新视角，主要以野生动物犯罪、生态环境污染等为议题进行研究（刘育金 等，2022）。其中野生动物犯罪是造成物种多样丧失的主要原因之一，《2020年世界野生物种犯罪报告》显示，全球近7 000种野生物种被查获，其中涉及149个国家/地区（CRIME UNOODA, 2020）。截至目前，野生动物犯罪已成为继非法毒品、人口贩运和枪支贩运后利润最大的第四类全球性犯罪（Zimmerman, 2003; United Nations Office on Drugs and Crime, 2015）。因此，许多国家和国际组织采取一系列措施打击野生动物犯罪，包括制定法律法规、加强执法力度、加强国际合作等。中国现行的《野生动物保护法》于1988年制定，之后为进一步改善中国生态环境，恢复野生动物种群，2022年又修订了《野生动物保护法》，于2023-05-01起施行，对野生动物及其栖息地的保护做更全面的保障。由于野生动物犯罪的形式多样，不仅危害野生动物的生存，也对人类健康和经济发展造成影响，早已成为社会和学界关注的热点问题。
国际关于野生动物犯罪方面的研究主要集中在非法贸易（Nafeesa et al., 2020; Daan, 2021）、腐败（Bennett, 2015; Tanya et al., 2018）、贩运（van Uhm et al., 2021）等具体犯罪行为上，探讨野生动物犯罪的社会危害和原因机制（Travers et al., 2019），提出相应的防治对策（Rayburn, 2020），亦有评估野生动物犯罪干预措施效果的系统性研究（Justin et al., 2017; Rytwinski et al., 2021）。其中，Rachel和Carole（2019）提出了保护犯罪学框架，系统地探讨了野生动物非法贸易问题；Tanya等（2018）探讨了腐败如何加剧野生动物走私，并提出应对这一问题的策略和挑战；Inés和Tanya（2019）研究了欧盟和墨西哥之间野生动物贩运的差异，包括贩运的类型、涉及的物种、贩运的原因和影响等；Liu（2023）通过分析中非之间的刑事司法合作机制的特点、优势和局限性，探讨如何改进中非之间在打击野生动物犯罪方面的国际刑事司法合作；Sherman等（2022）通过收集2007—2019年已发表和未发表的文章数据，评估了对猩猩的非法杀害、捕获和贩卖的时空模式，以及影响濒危猩猩的执法工作和保护干预措施。同时，野生动物犯罪时空模式（Weekers et al., 2020）、热点区域（Zafra-Calvo et al., 2018）、犯罪驱动因素（Kwaslema et al., 2019）等方面也是国外学者的研究重点。Ni等（2022）通过收集2014—2019年中国最高人民法院发布的涉及野生动植物犯罪的判决文书建立数据库，发现非法野生动物消费在中国呈现空间异质性，不同地区和群体的消费行为存在差异；Tuana（2022）探讨了利用侦察卫星监测人口和野生动物走私热点的可行性和实施方法；Travers等（2019）采用实际行为评估方法，结合针对不同参与者态度和偏好的定性与定量调查，研究了乌干达2个最大国家公园周围村庄中野生动物犯罪的驱动因素和普遍性。总之，国外对野生动物犯罪的研究相对丰富，为野生动物保护和执法提供了重要参考和支持。
国内关于野生动物犯罪方面的研究主要集中在相关法律的立法缺陷及完善（曾梦怡，2016；华正刚，2012）、犯罪量刑（彭文华，2015）、犯罪预防及治理措施（姜南 等，2017；张春梅，2020）或聚焦某一具体罪名探讨犯罪原因（刘彦慷，2022），从而提出对策建议（彭新林，2020；陈嘉伟，2022；邓琳君 等，2023）。其中，秦天宝（2024）采用个案分析方法，阐述了生物多样性法益在司法实践中解释批判和司法适用的两大核心功能；崔宇航（2012）探讨了中国珍贵、濒危野生动物刑事案件定罪量刑标准；卞宏波等（2020）基于犯罪学视角通过案例研究，对野生动物犯罪问题进行详细阐述并提出解决方案；陈嘉伟（2022）基于犯罪经济学视角，运用收益模型与博弈论，探究危害珍贵、濒危野生动物犯罪的犯罪成因，并提出对应的防控打击对策；毛仲传（2020）通过对广西野生动物犯罪典型案例的分析，总结广西野生动物犯罪刑事治理的特点、困境与对策。
综上，目前野生动物犯罪研究多聚焦法学、犯罪学和社会学等领域，研究内容多关注犯罪类型、动机、影响以及预防措施等方面，研究方法以文献资料、个案研究等质性方法为主，在研究范式、理论借鉴及分析方法上为本研究的开展提供了重要帮助。但随着中国生态环保意识的增强及城市的精细化管理，顾及时空特征、个体行为的针对性犯罪防控对策显得尤为必要。虽然国内已有研究为野生动物立法保护及建立预防机制等提供了重要参考，但从时空层面对该类犯罪的特征规律、驱动因素及影响机制深入解析仍稍显薄弱。
随着时空大数据、裁判数据的快速发展与逐步完善，以分析犯罪时空特征为主的犯罪地理学研究正成为热点，其可揭示犯罪现象的空间发生、发展和分异规律（祝晓光，1989）等。野生动物犯罪过程蕴含多种时空信息，为从地理空间视角挖掘犯罪信息、认识其客观发生规律及深入剖析驱动犯罪行为深层次因素提供了契机，将有助于执法部门进行精细化防控与管理，为野生动物犯罪防控及动物保护提供参考。基于此，本文聚焦川渝地区野生动物犯罪问题，利用中国裁判文书网、新闻媒体等相关数据，以犯罪地理学方法为指导，从空间视角探讨川渝地区野生动物犯罪时空分布格局与多维犯罪影响因素，以期为川渝地区及类似区域预防打击野生动物犯罪提供理论支撑和实践参考。

1 研究区、数据与方法

1.1　研究区域

图1 研究区位图

注：该图基于自然资源部标准地图服务网站下载的审图号为GS（2023） 2767号的标准地图制作，底图无修改。

Fig.1 Location of the study area

川渝地区（图1）位于中国西南内陆地区，由四川省和重庆市2个省级行政区域组成，总面积约为56.84万km2。截至2022年，川渝常驻人口12 586.4万人，占全国8.9%，森林面积2 074.46万hm2，占全国9.4%，自然保护区面积911.32万hm2，占全国9.3% 1。近年来，由于农业占地、道路工程以及水坝的建设，森林面积和物种数量日益减少。而川渝地区的野生动物种类丰富、分布广泛、生境多样，一旦遭到破坏则难以恢复。有关野生动物犯罪案件频发，在引起网络热议的同时，也揭露该类行为对生态系统平衡的恶性影响以及相悖于人与自然和谐发展理念，且西南地区近10年来野生动物犯罪数量远高于其他地区，位居中国七大地理区域首位，其中尤以云南省、四川省及重庆市为主。进一步通过整理数据发现，四川省与重庆市的数据案例较云南省在犯罪人特征、作案手段、案发地点等方面更为详细，有助于深入剖析该类犯罪。因此，选择川渝地区作为研究区开展野生动物犯罪时空分异及影响因素研究。
图2 川渝地区野生动物犯罪主体的性别、年龄分布

Fig.2 Gender and age distribution of wildlife crime subjects in Sichuan-Chongqing region

图3 川渝地区野生动物犯罪主体其他社会人口学特征

Fig.3 Other socio-demographic characteristics of wildlife crime subjects in Sichuan-Chongqing region

图4 川渝地区野生动物犯罪涉案物种类别与罪名

Fig.4 Types and charges of species involved in wildlife crimes in Sichuan-Chongqing region

图5 川渝地区野生动物犯罪作案模式

Fig.5 Wildlife crime patterns in Sichuan-Chongqing region

图6 川渝地区野生动物犯罪数量的年际变化

Fig.6 Interannual variation in the number of wildlife crimes in Sichuan-Chongqing region

图7 2014—2022年川渝地区野生动物犯罪数量的月际变化

Fig.7 Inter-monthly variation in the number of wildlife crimes in Sichuan-Chongqing region

图8 川渝地区野生动物犯罪市域（a）、县域（b）空间分布

Fig.8 Spatial distribution of wildlife crime in Sichuan-Chongqing region municipalities (a) and counties (b)

图9 川渝地区各类野生动物犯罪案发微观地点分布

Fig.9 Micro location distribution of various wildlife crime incidents in Sichuan-Chongqing region

图10 反映野生动物犯罪行为理论框架

Fig.10 Reflects the theoretical framework of wildlife criminal behavior

1.2　数据来源

犯罪数据来源于中国裁判文书网 2以及相关新闻报道数据，对已公开的判决文书资料采用站内高级检索，并结合国内相关新闻搜集的方式进行信息采集，通过常规关键词在指定的网站和渠道（中国海关总署网、各地海关官网、百度搜索）进行开源搜索，以“野生动物犯罪、审判地、查获”等为关键词检索并进行人工判读，经过筛选、去重后得到川渝地区2014—2022年野生动物犯罪案例691起（截至2022年12月）。考虑到具有丰富生态资源和完整栖息地的地区，往往也是一些犯罪行为的高发地区，加之某种类型犯罪的发生时间与野生动物的活跃时间相关（Carvalho et al., 2019），在这些时间段，由于人类活动的减少，犯罪人更容易实施犯罪行为而不被发现（席文渊，2023）。因此，收集犯罪人信息、野生动物活动模式、案发时空等构建基础数据库，包含案件详情、被告人与涉案物种信息、涉案地区（案发、逮捕、交易地）及判决依据，旨在揭示犯罪人社会属性、物种特征、行为时空分布及野生动物活动与犯罪间的关联性。
其他数据方面，自然保护区面积、森林面积、年平均气温等自然环境数据，男女性别比例、居民消费价格指数、受教育水平等社会经济数据均来源于2014—2022年的《四川统计年鉴》（四川省统计局，2014—2022），《重庆统计年鉴》（重庆市统计局，2014—2022）和《中国统计年鉴》（国家统计局，2014—2022），餐厅的POI数据来源于高德地图 3，包括名称和经纬度坐标等。

1.3　研究方法

首先，采用文本分析和数理统计方法对野生动物犯罪的罪名、涉案物种、涉案地区和犯罪人信息等进行分类汇总，对常见的犯罪过程及模式进行还原；其次，应用标准化犯罪强度指数分析野生动物犯罪的年际变化，借助局部加权回归散点平滑法对犯罪月际时间进行拟合，并总结不同罪名下常见的交易场所和抓捕地点，以分析野生动物犯罪影响因素；再次，借助空间统计分析技术如反距离权重插值法，探究野生动物犯罪的空间分布特征；最后，基于已有分析与社会生态系统理论选取影响因子，利用地理探测器模型探究川渝地区野生动物犯罪发生的影响因子，及其两两交互作用。
1）标准化犯罪强度指数（柳林 等，2017）（Standardized Crime Intensity Index, SCII）是一个衡量犯罪强度的标准化工具。SCII是一种经过修正后、更为精确的时位商，将某一时段的犯罪案件密度与总时段内的犯罪案件密度进行对比，能反映犯罪案件时间分布的不均衡性，其表达式为：
S C I I = ( C i / T i ) / ( ∑ i = 1 n C i / ∑ i = 1 n T i )
式中：Ci 表示i时段的犯罪案件数量；Ti 表示i时段所包含的基本时间粒度数量；n为划分的时段数量。SCII>1、=1和<1，分别代表该时段的犯罪案发数量大于、等于和小于研究期内的平均水平。采用SCII指数，从时间尺度分析川渝地区野生动物犯罪的年际分布特征。
2）空间插值法
空间插值（李海涛 等，2019）是地理空间领域常用的分析方法，能将离散点的测量数据转化为连续的数据面，以支持空间数据挖掘中有价值的模式发现。其中反距离权重插值法（Inverse Distance Weighted, IDW）是一种常用的空间插值方法，其以插值点与已知数据点之间的距离为权重，进行加权平均，以估计插值点的值，简单易行，易于理解且直观并效率高，对于不规则分布的数据，插值结果比较准确。可表示为：
z = ∑ i = 1 n 1 ( D i ) p Z i ∑ 1 ( D i ) p
式中：Z为插值点估计值；n为参与计算的实测样本数；Di 为插值点与第i个站点间的距离； P为距离的幂，显著影响内插的结果，其选择标准是最小平均绝对误差。本文利用反距离权重插值进行分析，在ArcGIS10.7完成空间插值。
3）地理探测器
地理探测器是用于探测某种地理属性与其解释因子之间关系的空间分析模型，被广泛运用于自然和经济社会现象的影响因素研究（王劲峰 等，2017）。由于地理探测器可用于分析各种类型的地理数据，包括数值型数据和定性数据，且易于解释结果，在处理混合类型数据时具有明显优势，因此利用其分析野生动物犯罪影响因子及其交互作用。计算公式为：
q = 1 - ∑ h = 1 L N h σ h 2 N σ 2
式中：q为野生动物犯罪人探测因素X的探测力值；N为研究区样本数；L为自变量的分层数量；h为第h层中的样本数量；σ2 为整个区域的离散方差。当q=1时，表明野生动物犯罪发生的空间分异完全由因素X决定；当q=0时，表明因素X对野生动物犯罪发生的分异影响为零。q值越大，因子对野生动物犯罪空间分异的影响越大。

2 川渝地区野生动物犯罪案件特征

2.1　犯罪人社会人口学特征

2.1.1　性别年龄特征

川渝地区野生动物犯罪人（图2），最小20岁、最大74岁，以10岁为起始年龄，每10岁划分为一个年龄段，可发现31~50岁为主要年龄段，以41~50岁为最；在性别类型上，男性315人（95.47%），女性18人（5.44%），男性远多于女性。总体上，犯罪主体多为中青年男性，该类群体大多为家庭主要经济来源，易产生通过违法犯罪行为获取经济利润的动机，且该类群体身强体壮，相较其他人群更易进行相关犯罪行为。

2.1.2　其他人口学特征

对犯罪人的民族、文化水平和职业统计分析发现（图3），川渝地区野生动物犯罪人以汉族为主（61.93%），其次是藏族（17.22%）和彝族（11.18%）；文化水平以小学学历为主（48.04%）、其次是初中学历（23.18%）和文盲/半文盲（20.55%）；职业以务农（48.49%）为主，其次是其他（37.35%）、个体工商户（6.93%）和无业人群（4.82%）。总体上，犯罪人多为文化程度低，以务农为主的汉族人群，该类群体日常生活环境多野生动物出没，易因其相关法律知识的欠缺而产生犯罪行为。
综上所述，青壮年汉族务农人群更易成为野生动物犯罪的犯罪人，该类罪犯的文化水平以小学文化为主，以务农、打猎为主要收入来源，受经济利益驱使选择犯罪，或因缺少法律常识在不知情的情况下触犯相关法律，罪名以非法捕猎/狩猎与非法收购、运输珍贵、濒危野生动物及其制品罪为主。

2.2　野生动物犯罪类型及涉案物种

根据相关法律，野生动物犯罪案例罪名包括：1）走私珍贵动物、珍贵动物制品罪；2）非法猎捕、杀害珍贵、濒危野生动物罪；3）非法狩猎罪；4）非法收购、运输、出售珍贵濒危野生动物、珍贵濒危野生动物制品罪。依据犯罪过程进一步划分为：狩猎、猎捕、杀害、收购、运输、出售、走私7个子类。其中，猎捕和狩猎的犯罪主体均为一般主体，主观上都是故意，但在具体的内容上却有区别：前者为行为人明知是国家重点保护的珍贵、濒危野生动物而捕杀，后者则是行为人知道自己是在禁猎区、禁猎期或者使用禁止的工具和方法进行狩猎。二者主要的不同是犯罪对象与客观行为。川渝地区野生动物犯罪以猎捕为主，占比34%；其次是杀害（22%）和出售（16%），收购和狩猎分别占比11%和8%，以走私为目的的野生动物犯罪较少发生。
各项罪名的占比主要与涉案物种有关。将涉案野生动物物种细分为兽类、鸟类、爬行动物、两栖动物、鱼类及昆虫。通过文本分析对涉案物种与各项罪名进行分类汇总（图4），发现兽类和鸟类是川渝地区主要的犯罪目标，因兽类具有种类多、体型大的特点，鸟类具有数量大、易捕捉、易运输的特点，与其有关的罪名以猎捕和杀害为主。其中兽类涉案物种多为象、小熊猫、猕猴和各种麝类，鸟类多为雉科锦鸡、猫头鹰，两者抓捕目的以食用、获利为主，涉案数量远超其他物种。对于爬行类动物和两栖动物，多以猎捕、杀害和出售为主，涉案动物以各种蛇类、中华蟾蜍的数量基数大。鱼类和昆虫类的涉案动物数量最少，与其有关的罪名以猎捕和出售为主，因川渝地区位于长江上游段，犯罪人往往在长江水域的禁捕区和禁捕期猎捕各种鱼类出售，而对于昆虫类动物，涉案动物最多为珊瑚虫纲。

2.3　野生动物犯罪作案模式

通过文本判读分析发现，川渝地区野生动物犯罪据犯罪目的可分为牟利犯罪和食/药用犯罪。常见的犯罪模式为：（卖方）猎捕/狩猎―杀害―运输/走私―出售―（买方）收购（图5）。
首先，川渝地区野生动物罪犯主要受经济利益（68%）和食用药用（19%）的驱使，通过猎捕/狩猎获取涉案物种的活体或以继续杀害的方式获取野生动物的器官、皮毛或骨骼，所采用的工具和手段由涉案物种的体积、习性和数量决定。以食/药用为目的犯罪往往在将涉案物种杀害后自行食用、做标本等或者通过贿赂、送礼等方式最终流向餐馆、商铺、手工艺加工厂等地方；而以经济利益为目的的犯罪则会利用货车（26%）、摩托车（21%）、飞机（8%）或邮寄（5%）等交通工具进行运输/走私，通过线上/现场交易等方式向买家出售至末端消费者食用或饲养，或经手工艺加工厂加工成饰品、摆件、标本等手工艺品供消费者装饰佩戴，或经制药厂处理制成药酒补品后再向消费者出售，最后再通过运输/走私的方式向下家出售以及其他买家再购入如此循环的模式。然而能完整完成这一链条的案件不多，大部分案例都是犯罪人在猎捕/狩猎并杀害野生动物后被抓捕，少部分案例则是在运输途中或买卖双方进行交易时被逮捕。

3 川渝地区野生动物犯罪时空特征

3.1　时间分布特征

3.1.1　年际变化特征

通过统计川渝地区2014—2022年的案发数量，计算该时间段标准化犯罪强度指数，以其变化趋势反映川渝地区野生动物犯罪案发时间的年际变化（图6），具体地：
1）逐步增长阶段（2014年1月—2019年12月）。该阶段野生动物犯罪数量稳定增长，在2018年12月—2019年12月出现一段相对快速增长的趋势，其原因主要有：①与数据获取的途径有关。数据源裁判文书网于2013年建立，本研究从2014年开始，随着时间的推移，网站可获取的案件数量持续增加。②经济的快速增长。随着人们生活水平的提升，解决温饱的时代已逐渐消逝，不少人存在猎奇、炫耀心理，喜好使用珍稀野生动物皮毛、骨骼等作为衣物饰品，类似追求新奇食材食用等不同交易需求仍存在，不惜以高价收购各类珍稀野生动物及其制品。③相关法律条文细化缺陷。2016年重大修订后颁布的《野生动物保护法》增加了禁食野生动物的规定，但禁食范围较窄，不少人为了满足口腹之欲，钻法律的“空子”对野生动物大肆捕杀，还有不少人因对野生动物禁食范围界定模糊造成“误杀”，因此造成该阶段野生动物犯罪数量处于上升阶段。
2）急剧下降阶段（2020年1月—2020年12月）。2020年初，中国突发重大公共卫生事件，事件暴发最初的传播途径尚不清晰，但当前除了新冠病毒之外，诸如鼠疫、埃博拉以及SARS等病毒性传染疾病已被证实与野生动物有密切联系（毕欣宇，2022）。随后全国人大常委会通过重要决定，从2020-02-24起全面禁止食用野生动物，人们思想的转变和相关法律制度上的突破对野生动物犯罪的发生起抑制作用。加之受新冠疫情影响，全国海关从严从紧开展口岸卫生检疫、国际物流大规模暂停、落地隔离等政策的实施，大幅提升了跨国野生动物犯罪的难度，犯罪数量快速走低且维持在低位水平。
3）急剧增长阶段（2021年1月—2022年12月）。相较疫情初期的不确定性和恐慌情绪，人们的出行意愿普遍较低，非必要不出门的观念深入人心，出行意愿显著降低。然而，至2021年，疫苗接种的普及与疫情防控形势的好转，人们出行意愿显著回升。在此背景下，人们出行更为便利，导致野生动物犯罪案件数量急剧攀升。由于公众普遍缺乏对新出台法律条例的了解或关注，特别是2021-12-5发布的《有重要生态、科学、社会价值的陆生野生动物名录（征求意见稿）》（国家林草局，2021），该草案中新增了“三有动物”（即国家保护的有重要生态、科学、社会价值的陆生野生动物）的详细名录。通过统计分析发现，这几年犯罪案件中涉及“三有动物”数量与前几年数量存在很大差异。其主要原因在于，人们在不清楚“三有动物”具体名录的情况下，不慎触犯法律，从而间接推动该时期野生动物犯罪案件的急剧增长。与此同时，为了切实维护生态安全与生物多样性，执法与司法机关积极响应，加大了对野生动物资源犯罪行为的打击力度，开展了一系列专项行动，如四川省在全国率先组织开展的集中打击破坏生物多样性犯罪专项行动（代号“保护生态2022”），这种高压态势使得原本隐蔽的犯罪行为被更多地揭露和查处，进而在统计数据上体现为犯罪数量的显著增加。

3.1.2　月际变化特征

利用川渝地区案发日期表示野生动物犯罪的发生数，探讨野生动物犯罪的月际变化特征。川渝地区野生动物犯罪季节性显著，在11月形成一个峰值区、7月相应形成一个低谷区（图7）。
借助局部加权回归散点平滑法（LOWESS）对原始数据拟合（图7-a）并绘制月际热点分布（图7-b）发现：11月、次年1—2月是川渝地区野生动物犯罪活动的高频月份，5—7月为低频月份。整体上，川渝地区野生动物犯罪高发于11月，由于冬季来临，部分社会打工及务农人群闲暇时间相较增多，导致打猎者活动频繁。此外，随着月份的变化，动物皮毛的质量随之发生差异（林忠业，1985），11月部分兽类动物毛皮质量最佳，如某些貂类、狐狸等，由于毛皮贸易的需求，这些动物会成为非法猎捕的目标，导致犯罪数量增多；加之进入冬季，许多兽类动物面临食物短缺的问题，为了寻找食物，它们会更频繁地出现在人类活动区域（周飞，2022），增加了被捕猎的风险，进而导致该时段犯罪数量增加。而野生动物犯罪低发期在7月，这个阶段处于夏季，气温高，气候炎热，野生动物活动减少，对野生动物的接触和狩猎机会相应减少，且高温使野生动物变得更加警觉和敏感，对于周围的动静更加敏感（Francisco， 2018），并且许多野生动物在7月左右进入繁殖季节（Huang， 2012），主要活动集中在寻找配偶、繁殖后代上，而不是四处觅食或迁移，大幅度增加了打猎的难度，因而该时段是犯罪的低发时间。

3.2　空间格局特征

3.2.1　市县分布特征

统计川渝地区2014—2022年野生动物犯罪发生数量，通过ArcGIS对案发地区的市域和县域尺度进行空间可视化发现：
市域尺度上（图8-a），重庆市、成都市和凉山彝族自治州高发，其次是阿坝藏族羌族自治州和甘孜藏族自治州，川渝地区野生动物犯罪市域数量呈现“东西部高发，中部低发”格局。由于川渝地区西北高、东南低，中东部人口基数大、发展水平相较更高，交通条件更好，为野生动物犯罪的发生提供便利条件。此外，高发的城市大多处于跨省区的交流范围，由于各地的传统习俗、政策条件等不同，也在某种程度上导致犯罪的发生，依据野生动物犯罪发生数量将其分为5个层级：第一层级为省会城市成都和直辖市重庆，其人口基数大且人口流动性强，外加交通便利易于转移；第二层级为凉山彝族自治州、阿坝藏族羌族自治州和甘孜藏族自治州，其为多民族集聚地区，多高山分布，自然资源丰富，且毗邻野生动物犯罪的其他高发省份云南；第三层级为广元市、绵阳市、雅安市和宜宾市，多位于省界或市界附近，形成多省市交界的犯罪高发区域；第四层级为眉山市、德阳市、乐山市、资阳市和内江市，地处四川省中部地区，邻近省会城市成都，交通条件便利，成为野生动物犯罪的高发地带；第五层级为巴中市、达州市、泸州市和自贡市，分别位于四川省的北部和南部，其中达州市人口密度与其他3个城市相比较高，但总体上，第五层级人口密度普遍较低。野生动物犯罪数量在空间上的差异与各地州市的地理位置存在显著相关性。
区县域尺度上（图8-b），根据反距离加权插值看，万州区、双流区的野生动物犯罪呈现由中心向周围地区递减趋势，这些区域人口密度大、交通条件便利、经济条件优越，为犯罪发生提供条件；其余分布多集中在渝北区、九寨沟县、冕宁县、越西县、美姑县和布拖县，主要与这些区域自然资源丰富，并且其地理位置多在省界交际区域存在关联。

3.2.2　微观环境特征

本文关注的4项罪名中，非法猎捕、杀害珍贵、濒危野生动物罪和非法狩猎罪的犯罪发生地多为自然保护区、国家公园、森林等户外场所；而走私珍贵动物及其制品罪和非法收购、运输、出售珍贵濒危野生动物及其制品罪无固定的犯罪场所；结合抓捕地点、交易场所和犯罪路径等信息，对犯罪抓捕、交易地点的微观空间场所开展研究。
图9显示，非法猎捕、杀害珍贵、濒危野生动物罪和非法狩猎罪案件中，最常见的抓捕地点及其对应罪名中的占比分别为：山林田地占41%（在非法狩猎罪中高达41.88%），村庄占10%（在非法狩猎罪中占比上升至19.74%），而自然水域则占9%（在非法狩猎罪中占比为15.21%）。结合案例分析和文本判读发现，犯罪人多选择在自身熟悉的环境、自然环境良好且目标物种丰富的地点作案，一些野生动物有固定的生活习性和迁移规律，迁移地点多涉及这些地点，且有些动物会闯入当地农田造成农作物损坏，当地人为了自身利益而“除害”（Xu et al., 2019），增加了它们被猎杀的风险。此外，在繁殖季节，一些动物会聚集在山林、自然水域、村庄附近等食物充足、环境优良的地点进行繁殖和照顾幼崽，这样的聚集行为也使它们易被猎杀。犯罪人选择这些特定地点作为作案场所，不仅是因为它们满足了作案便利性的需求，更是因为这些区域本身的生态特性与野生动物行为模式共同构成易被利用的脆弱环节。因此，这些地点频繁出现在涉及非法猎捕、杀害珍贵、濒危野生动物罪和非法狩猎罪的涉案记录中，成为这2类犯罪活动的重灾区。对于非法收购、运输、出售珍贵濒危野生动物及其制品罪，抓捕与交易行为的发生地点多元，其中山林田地（11.74%）与村庄（7.15%）是最常见的抓捕地点；另一方面，从交易场所看，犯罪活动逐渐渗透到人们的日常生活中，其中居民家中（10.80%）作为一个相对私密且易于控制的环境，成为非法交易的重要场所，同时，随着社交媒体的普及，犯罪分子也开始利用社交软件（9.81%）这一便捷平台进行交易活动，其占比紧随居民家中之后。在犯罪发生过程中，当卖家猎捕好目标物种，犯罪人多前往这些抓捕地点收购，主要通过非法通道、乡村小路和便道进行转运，因此该类犯罪的抓捕地点与前两者犯罪抓捕地点一致；而在交易过程中，因家中私密性极高常被作为非法商品的藏匿地，但出于自我保护，犯罪人极少主动暴露私人地址或于家中进行交易。另外，随着网络的快速发展，犯罪人日益倾向于利用线上社交平台，诸如微信、QQ等，作为实施犯罪行为的主要交易和联络渠道，这已成为该类犯罪行为不可忽视的一个重要特征。对于走私珍贵动物及其制品罪，海关口岸（42.16%）与执法检查点（19.35%）成为主要的抓捕场所，该罪名案件数量相对较少，大多为川渝地区海关与相关执法部门查获，因此这2类地点成为该罪名下最常见的场所。

4 川渝地区野生动物犯罪影响因素

社会生态系统理论（Social Ecosystem Theory）近年来被普遍运用于犯罪学、社会工作、禁毒等领域（严明，2019），人与环境之间各个系统相互作用并对人类行为产生重大影响，而区别于早期的社会结构理论，该理论从宏观层面的集聚数据出发，分析城市环境下的社会结构特性，揭示各种生态因素和社会因素的相互作用。
微观系统中，优良的自然生态环境直接影响物种的多样性和动物的活跃度，如食物供应的充足性、栖息地的适宜性以及种间关系的平衡，均能在不同程度上激发或抑制野生动物犯罪行为的发生。中观系统中，山林田地、自然保护区、人们的居住地、市场等地理单元的大小与布局，为野生动物与人类社会的交互提供复杂多变的场景。这些区域的特性，如保护区的严格管理程度、人类活动的频繁度以及市场对野生动物制品的需求，均构成野生动物犯罪行为发生与否的重要背景因素。宏观系统中，政府政策、法律法规的制定与执行、市场经济导向以及区域间的监管协作机制等共同构成了影响野生动物犯罪行为的综合调控体系，这些多维度因素，有些通过设定法律边界遏制犯罪行为，有些则会因监管漏洞或市场驱动而在无意中促进非法活动的发生。由此可知，各个外界系统中的不同主体直接影响个体野生动物犯罪的行为表现。同时，人所处的微观、中观、宏观3个外界系统之间相互作用影响，并反馈在个体行为层面上（吉江慧，2024），形成犯罪的发生条件。因此，本文基于野生动物犯罪与社会生态环境的关系，构建反映川渝地区野生动物犯罪行为的理论框架（图10），从自然、人口、经济、交通、社会文化5个维度，探讨野生动物犯罪主要影响因素。
许多学者认为犯罪并非孤立事件，而是由其所处的空间环境所决定，要想了解其时空分布特性背后的影响根源，需对城市时空环境与犯罪的时空分布之间的内在联系进行深入研究（鉏同君 等，2013）。已有研究表明，野生动物犯罪受社会经济（Kassa, 2021; Obasi and Vivan, 2016）、自然环境（John and Joseph, 2012）、道路密度（Aditya et al., 2021）、监管执法（van Doormaal et al., 2018; Clarke and Babic, 2016）、居民生活水平（Andrew and Ronald, 2009）、群众保护意识（Adom and Boamah, 2020；高陞 等，2009）等多种因素的影响。综上，本文采用地理探测器模型深入探究川渝地区野生动物犯罪的影响因素，以2014—2021年各市域犯罪案发量为因变量，以社会生态系统理论为主要依据，从自然、人口、经济、交通、社会文化要素5个维度选取14个影响因子（表1），经离散化处理后分为5级。
表1 川渝地区野生动物犯罪的变量和指标说明

Table 1 Description of variables and indicators of wildlife crime in Sichuan–Chongqing region

指标类型 编号 影响因子 单位 因子解释
自然因素 X 1 年平均气温 ℃ 衡量区域地表温度冷热状况
X 2 水资源总量 km3 衡量区域水资源欠丰程度
X 3 自然保护区面积 hm2 衡量区域内自然生态系统状况
X 4 森林面积 hm2 衡量区域内森林资源的丰富程度
人口因素 X 5 男女性别比例 — 衡量区域内社会人口性别差异
X 6 自然增长率 % 衡量区域内人口增长速度
X 7 少数民族占比 % 衡量区域内少数民族水平
经济因素 X 8 居民消费价格指数 — 衡量区域内居民消费水平
X 9 城乡人均可支配收入比 — 衡量区域内农村居民收入水平
交通因素 X 10 公路线路里程 km 衡量区域内运输网密度
X 11 客运周转量 亿人·km 衡量区域内交通便捷程度
社会文化因素 X 12 受教育水平 人 用中等以下受教育人数占比衡量区域内人口受教育程度
X 13 城镇化率 % 衡量区域内城市化水平
X 14 餐厅数量 个 衡量区域内居民消费习惯和偏好

4.1　单因子检测

地理探测器单因子探测结果表明（表2），14个因子中除X 6、X 7、X 8、X 11和X 13对野生动物犯罪发生的影响没有产生显著水平外，其余9个因子均对其产生相对显著影响，说明野生动物犯罪的发生受区域自然因素、人口因素、交通因素和社会文化因素共同作用。各影响因子的解释力都在45%~65%，其中显著影响因子包括X 1（年平均气温）、X 5（男女性别比例）、X 2（水资源总量）、X 11（客运周转量）、X 10（公路线路里程）、X 3（自然保护区面积）、X 12（受教育水平）及X 9（城乡人均可支配收入比），其q值分别为0.64>0.62>0.59=0.59>0.58>0.56=0.56>0.55。自然因素方面，区域地表温度、水资源、自然生态系统状况等成为犯罪发生的主导影响要素；人口因素方面，区域社会人口性别差异为主导影响因素；经济方面，农村居民收入水平对犯罪的发生影响较大；交通因素方面，运输网密度、交通便捷程度对犯罪发生影响也较大；社会文化因素方面，人口受教育程度成为影响犯罪发生的主要因素。
表2 川渝地区野生动物犯罪影响因子探测

Table 2 Detection of wildlife crime impact factors in Sichuan-Chongqing region

编号 q统计量 P值
X 1 0.64 0.09
X 2 0.59 0.03
X 3 0.56 0.01
X 4 0.46 0.01
X 5 0.62 0.06
X 6 0.35 0.29
X 7 0.39 0.31
X 8 0.30 0.45
X 9 0.55 0.04
X 10 0.58 0.08
X 11 0.59 0.16
X 12 0.56 0.01
X 13 0.45 0.30
X 14 0.51 0.07
由于川渝地区拥有丰富的生物多样性资源，优越的自然环境为野生动物栖息提供了条件，犯罪对象数量及种类增多，成为犯罪发生的先决条件。在人口性别差异方面，男性在社会中往往承担更多的经济责任和家庭角色，导致部分男性在面临经济压力时更容易选择非法途径获取收入，而女性在家庭和社会中的角色，可能使她们更倾向于通过合法途径解决经济问题，并且男性在风险承受能力和冒险行为上相对更高，这与他们更倾向于参与需要一定体力和勇气的犯罪活动（如非法猎捕）有关，而女性由于体力和社会角色的限制，直接参与这类高风险犯罪较少，因此性别差异对犯罪行为存在潜在影响。在交通强国建设不断加快的基础上，川渝地区城乡交通和道路优化改善，为野生动物犯罪提供了路线运输的便利，成为犯罪发生的客观条件。而在九年制义务教育制度深入发展和城市化进程不断加快的基础上，川渝地区人口受教育程度提高和城市化水平上升，但基础配套设施和素质教育制度滞后，带来文化差异、城乡差异以及阶层差异，涌现了大量文化水平低、对法律认知不健全之人成为犯罪发生主体。基于人、社会、环境三者之间关系互动分析发现：以上因素均导致川渝地区野生动物犯罪发生几率增加。此外，川渝地区与云南省、贵州省接壤，各省份文化的差异易造成交接地区监管机制的混乱，进一步增加了野生动物犯罪发生的几率。

4.2　交互作用检测

采用交互作用探测器进一步分析任意2个影响因子对野生动物犯罪发生的共同作用，14个因子进行交互探测得到85对影响结果（图11）。可以看出，任意2个自变量在交互之后的影响力比原来单独的因子具备更强的解释力，说明野生动物犯罪的空间分布实际上是多种因素共同影响的结果。
图11 川渝地区野生动物犯罪双因子交互作用探测

Fig.11 Detection of two-factor interactions for wildlife crime in Sichuan-Chongqing region

其中，X 8∩X 7、X 8∩X 13、X 8∩X 10、X 8∩X 11、X 6∩X 14、X 6∩X 13、X6 ∩X 11、X 6∩X 1、X 6∩X 2、X 6∩X 10、X 6∩X 3、X 6∩X 4、X 6∩X 12的双因子增强作用最强，影响因子的解释力都在80%~95%以上，其q值分别为0.98、0.98、0.97、0.97、0.96、0.93、0.93、0.92、0.90、0.89、0.88、0.88、0.88。即居民消费水平与城市化水平的交互作用（0.98）和居民消费水平与少数民族水平的交互作用（0.98）影响最强，其次是居民消费水平与公路线路里程交互作用（0.97）和居民消费水平与客运周转量的交互作用（0.97），其他较为显著的影响指数，多源于居民消费价格指数与自然增长率的交互作用，这些交互效应显著增强其整体影响力度，充分说明居民消费水平、自然增长率与其他因子的综合作用是野生动物犯罪发生的最主要影响因素。
通过对裁判文书与新闻数据案例的文本判读发现：在川渝地区，一部分高消费人群抱有猎奇性和炫耀性的消费观念，将食用野生动物视为一种身份和地位的象征，这种消费观念推动了对珍稀野生动物及其制品的需求，从而刺激了野生动物犯罪的发生，也有部分居民错误地认为野生动物具有更高的营养价值和药用价值，这也增加了对野生动物的需求，进而推动了野生动物犯罪。另外，随着居民消费水平的提高，一些餐馆、酒店等为了吸引顾客、提高竞争力，会暗中提供野生动物制品作为招牌菜，这种经济利益的驱使使得一些不法分子铤而走险，非法猎杀、出售野生动物，这种现象尤其是在一些经济相对发达的城市较为多见，而在川渝地区的部分贫困地区，由于经济压力较大，部分居民会通过非法猎杀野生动物来获取经济来源，这些都推动了野生动物犯罪的发生。
川渝地区的人口增长与随之而来的资源需求激增，特别是对野生动物资源的多元化需求（包括食用、药用或观赏等），在合法供给不足的情况下，促使部分人群转向非法途径满足需求，从而加剧野生动物犯罪的发生。而人口增长往往伴随着经济活动的增加，包括农业、工业、旅游业等，这些经济活动会对野生动物的生存环境造成破坏，如森林砍伐、湿地填埋、河流污染等，生态环境的恶化迫使野生动物离开原有的栖息地，进而与人类活动区域发生冲突，增加野生动物犯罪的风险。

4.3　犯罪影响机制

自然环境中的气温、降水、海拔以及地理位置（经纬度）等要素决定了地区的动物活跃度、物种数量和物种丰富度，即地区是否具备犯罪条件以及犯罪实施的难易程度。川渝地区凭借其高度活跃的野生动物生态、丰富的物种多样性及庞大的生物资源数量，为野生动物犯罪活动提供了一个相对有利的自然背景与基础条件。
借助犯罪模式理论和理性选择理论，解析野生动物犯罪的影响机制（图12）。犯罪模式理论主要通过意识空间概念对犯罪人的行为偏好进行解释（Wim et al., 2013），即犯罪主体在搜寻潜在目标时更趋向于选择自身日常活动的区域。具体而言，每个人均有其日常活动的节点（如家、工作地点、购物场所等），和到达这些节点的活动路径，这些一般受其生活习惯的影响而很少发生变化，人们在节点和路径的日常活动中，塑造他们的感知空间，犯罪人对空间的熟悉程度及其对作案机会的感知，会影响犯罪的发生（Brantingham et al., 1993; Bernasco W et al., 2017），表明个体特征和地理环境背景特征对犯罪人决策的重要性。而理性选择理论提供了一种解释犯罪行为的视角，它进一步指出，犯罪人做出犯罪的决定会综合评估犯罪产生的风险、收益和成本，追求效用最大化，但该评估会受犯罪人自身属性的影响，如动机、经验、能力、偏好等（Cornish and Clarke, 1987）。因此，选择这2种理论解释犯罪人在特定时空环境下实施某种犯罪行为的理性原因。
图12 川渝地区野生动物犯罪影响机制

Fig.12 Mechanisms affecting wildlife crime in Sichuan–Chongqing region

野生动物犯罪以野生动物及其制品为目标，犯罪人会优先在自己熟悉或日常活动的区域内进行非法活动，如偷猎、盗取野生动物制品或非法交易等，这使得犯罪人更加高效地利用他们对当地环境的了解和资源，同时降低被执法机构发现和抓捕的风险。具体而言，文化程度低的务农青壮年主要在自家居住地附近对野生动物实施猎捕、杀害、狩猎等犯罪行为；而文化程度相比前者高的个体户与务工青壮年则主要在自身工作地点周围交通便利、经济发达的地区进行野生动物制品犯罪，如走私、运输、出售等犯罪行为。此外，犯罪模式理论进一步指出犯罪人实施犯罪行为与犯罪人的个体特征、潜在犯罪地点的特征以及社会环境背景有关（柳林 等，2022）。由于川渝地区旅游业的快速发展引起急剧的社会变迁，不仅吸引了大量汉族人口的迁入，还导致原住民的外迁现象，进而加剧了该地区的种族异质性和居民流动性。这使得川渝地区的野生动物栖息地逐渐暴露在更多潜在威胁下，新迁入的人群可能对当地生态环境和野生动物保护意识不足，加之经济利益的驱使，一些人可能铤而走险，从事偷猎、盗取野生动物及其制品等非法活动。同时，原住民的外迁也可能导致传统的野生动物保护力量减弱，使得一些地区的野生动物保护监管出现空白这种社会结构的深刻变化，间接导致犯罪的发生；生活在乡村地区的犯罪人，由于其居住地周围犯罪目标基数大，且犯罪群体偏向在其熟悉的地方作案，意味着在其日常生活区域拥有足够的犯罪机会，因此乡村相较城市发生犯罪的概率高很多；此外，川渝地区与云南省接壤，且临近缅甸、越南、老挝国家，各国法律文化的差异易造成监管机制的混乱，进一步增加了野生动物犯罪发生的几率。
野生动物犯罪主体需考虑满足需求所付出的成本（心理成本、时间成本、惩罚措施等）与收益（物质收益、机会收益、社会收益等）之间的关系，进而决定是否进行犯罪。而随着犯罪收益的变动，即野生动物市场价格的变动、相关法律体系的更迭等，与犯罪成本的不确定性，即心理上的负担、犯罪投入时间等，犯罪人经过理性选择后，会推动或抑制犯罪动机的产生并选择是否将其付诸实践。

5 结论与讨论

5.1　结论

以中国野生动物犯罪的高发区川渝地区为研究区，综合运用文本分析、数理统计、空间计量和地理探测器等方法，探讨川渝地区野生动物犯罪的犯罪人、被害物种、作案过程、时空分异及其影响因素及机制。主要结论如下：
1）川渝地区野生动物犯罪人以31~50岁为主要年龄段，以41~50岁为最且男性远多于女性，民族方面以汉族为主，文化水平以小学学历为主，职业方面以务农为主。犯罪类型以猎捕（34%）为主；其次是杀害（22%）和出售（16%），收购和狩猎分别占11%和8%，以走私为目的的野生动物犯罪较少发生。犯罪类型与涉案物种关联，鸟类和兽类是主要的被害物种，兽类多为象、小熊猫、猕猴和各种麝类，鸟类多为雉科锦鸡、猫头鹰，两者抓捕目的以食用、获利为主。川渝地区野生动物犯罪目的有2种，占比较高的是以经济利益导向的犯罪行为，另一部分犯罪则以食用药用为导向。常见的犯罪作案为：（卖方）猎捕/狩猎-杀害-运输-出售-（买方）收购。
2）野生动物犯罪年际变化整体上具有较强的波动性，可分为逐步增长阶段（2014年1月—2019年12月），急剧下降阶段（2020年1月—2020年12月），急剧增长阶段（2021年1月—2022年12月）。受互联网、物流产业发展和经济增长的影响，2014年1月—2019年12月年野生动物犯罪数量稳定增长；2020年初新冠疫情爆发，人们思想观念的转变、法律政策和防疫措施的出台抑制了野生动物犯罪的发生，犯罪数量急剧下降；2021年后人们出行意愿显著回升，在人们出行相对便利但对相关法律认知不健全的情况下，野生动物犯罪案件呈现急剧增长态势。受春节、炎热气候和动物习性的影响，犯罪高发于11月，在7月相应形成低谷。
3）野生动物犯罪在市域尺度上呈现“东西部高发，中部低发”的趋势，可将其分为5个层级，其中重点区域为重庆市、成都市和凉山彝族自治州；县域尺度上主要集中在双流区、万州区，主要与人口密度、交通条件、地理位置和政策存在关联；微观尺度上，不同罪名下，微观犯罪发生地与交易地主要场所存在差异。
4）单因素方面，自然因素中，区域内地表温度、水资源、自然生态系统状况成为犯罪发生的主导影响要素；社会经济文化因素中，男女性别比例、人口受教育程度、城乡人均可支配收入比成为影响犯罪发生的主要因素；交通因素方中，运输网密度、交通便捷程度成为主导因素；双因子交互作用方面，自然增长率和居民消费价格指数与其他因子的综合作用是犯罪发生最主要的影响因素。整合犯罪模式理论和理性选择理论认为，川渝地区野生动物犯罪的发生，是自然环境、社会环境以及犯罪者个体心理特征等多重因素相互作用的结果。野生动物犯罪的动机在特定的、有利于作案的环境条件下——包括优越的自然环境（如丰富的野生动物资源和隐蔽的栖息地）以及支持性的社会环境（如监管不力、市场需求旺盛或公众保护意识薄弱），更有可能被转化为实际行动，从而促使犯罪行为的最终发生。

5.2　讨论

野生动物在生态系统的物种组成中占据重要地位，野生动物犯罪会对自然生态链和生态平衡造成不可逆转的侵害。打击野生动物犯罪已成为当务之急。依据本研究提出以下犯罪防控建议：1）从犯罪的基本特征出发，针对不同物种制定相应的野生动物犯罪防控措施，重点关注体积较小的鸟类和兽类等被害频率较高的物种。2）从犯罪的时空分异出发，重点加强对重庆市、成都市和凉山彝族自治州等城市和边境市县等犯罪高发地区的监管力度，对人员流动频繁的市场、古玩店和餐厅等主要交易场所进行走访、排查。同时，加强对网络平台和加密聊天软件的监控力度，阻断野生动物及其制品的交易渠道。3）以需求为导向，加大对餐饮、医药（含中西药）、服装、旅游业等涉及野生动物犯罪活动较多的产业的监督管理；在此基础上，加强对中药材市场的监督管理，使其价格保持平稳，加强法律宣传，杜绝“野味滋补”、吃野生动物“养生”等误区。4）加强野生动物保护法规的宣传和执行力度，提高公众的法制意识，向公众普及野生动物的名录以及国家“三有”动物的名录清单，将更新后的相关法律及时向公众宣传普及。5）各国应巩固司法体系加强国际合作和跨境调查，采取更多措施，将野生动物犯罪作为一项严重罪行加以惩治。
需要指出的是，本文在研究对象上显著区别于过往研究，后者多聚焦于单一物种或犯罪类型，而本文是对川渝地区野生动物犯罪整体时空分布的把握。研究内容跳出了传统聚焦于野生动物生态习性、迁徙模式、经济价值，以及保护区管理和监控技术影响犯罪的框架，转而深入剖析犯罪者个人特征与社会环境因素的复杂交织。研究方法上，本文摒弃了单纯依赖案例分析、半结构化访谈和参与观察等质性手段的传统路径，结合了大数据分析的定量研究与案例分析的定性研究，以更科学、全面的方式揭示犯罪现象。在理论构建上，本文并未拘泥于针对特定犯罪场景的中微观犯罪学及社会学理论视野，转而从宏观角度深入探讨野生动物犯罪发生的深层机制与规律。这些新的尝试在多个关键维度上一定程度地填补了现有研究空白与不足，为相关机构在预防与打击野生动物犯罪提供了科学依据，有助于制定更加精准有效的策略与措施。
本文仍存在一定的不足，未来需重点关注以下几个方面：1）大部分数据来源于中国裁判文书网和有关新闻报道，有部分野生动物犯罪并未在网络平台完全公开，后续应继续丰富数据获取手段，进一步提升数据的全面性和完整性。2）部分数据的量化表达存在一定难度，导致本文物种具体动物的数量可能存在偏颇，未来拟通过深度访谈和问卷调查等方法获取一手数据，矫正数据偏差，对野生动物犯罪的典型案例进行深度分析。3）通过已有分析和参考已有研究，对野生动物犯罪影响机制进行探讨，但仍存在一定的主观性，还需发掘不同方向的相关因素，在后续研究中将继续跟进和探讨。

1 http://tjj.sc.gov.cn/scstjj/c105855/nj.shtml;https://tjj.cq.gov.cn/zwgk_233/tjnj/

2 https://wenshu.court.gov.cn/

3 https://www.amap.com/

牛晓璇：论文选题提出，数据收集整理，图件制作，论文撰写与修改；

李 钢：提供论文选题与结构的指导性建议，全程审阅与润色修改；

张小文、金安楠、兰利：协助梳理文章结构与论文规范修改；

李佳、苏恬：审阅论文，提出修改建议。

References

Publishing order | Descend order by publishing year | Descend order by cited within
Adom D and Boamah D A. 2020. Local Attitudes Toward the Cultural Seasonal Hunting Bans in Ghana's Bomfobiri Wildlife Sanctuary: Implications for Sustainable Wildlife Management and Tourism. Global Ecology and Conservation, 24: e01243.

Andrew M Lemieux and Ronald V Clarke. 2009. The International Ban on Ivory Sales and Its Effects on Elephant Poaching in Africa. British Journal of Criminology, 49(4): 451-471.

Aditya Vikram, Goswami Rajkamal, Mendis Aristo, and Roopa Ramya. 2021. Scale of the Issue: Mapping the Impact of the COVID-19 Lockdown on Pangolin Trade Across India. Biological Conservation, 257: 109136.

卞宏波，董美珅，周晓英. 2020. 情景犯罪预防视角下野生动物犯罪预防对策研究. 云南警官学院学报，（2）：85-90.

Bian Hongbo, Dong Meishen, and Zhou Xiaoying. 2020. Research on the Prevention Strategies of Wildlife Crimes from the Perspective of Situational Crime Prevention. Journal of Yunnan Police Officer College, (2): 85-90.

Bennett Elizabeth L. 2015. Legal Ivory Trade in a Corrupt World and Its Impact on African Elephant Populations. Journal of the Society for Conservation Biology, 29(1): 54-60.

Bernasco W, Ruiter S, and Block R. 2017. Do Street Robbery Location Choices Vary Over Time of Day or Day of Week? A Test in Chicago. Journal of Research in Crime and Delinquency, 54(2): 244-275.

Brantingham P L and Brantingham P J. 1993. Nodes, Paths and Edges: Considerations on the Complexity of Crime and the Physical Environment. Environmental Psychology, 13(1): 3-28.

毕欣宇. 2022. 疫情背景下我国野生动物保护立法问题研究. 哈尔滨：东北林业大学.

Bi Xinyu. 2022. Research on Legislation for Wildlife Protection in China Against the Background of the Epidemic. Harbin: Northeast Forestry University.

陈嘉伟. 2022. 危害珍贵、濒危野生动物犯罪问题探究——基于犯罪经济学视角. 铁道警察学院学报，32（4）：50-57.

Chen Jiawei. 2022. Exploration of Crimes Against Rare and Endangered Wildlife: From the Perspective of Criminal Economics. Journal of Railway Police Academy, 32 (4): 50-57.

Carvalho L C, Ferreira M V S D, and Fernandez T M P. 2019. Riverine People's Knowledge of the Vulnerable Amazonian Manatee Trichechus Inunguis in Contrasting Protected Areas. Oryx, 54 (4): 1-10.

Clarke A J and Babic A. 2016. Wildlife Trafficking Trends in Sub-Saharan Africa. Paris: OECD Publishing.

Cornish D B and Clarke R V. 1987. Understanding Crime Displacement: An Application of Rational Choice Theory. Criminology, 25(4): 933-948.

Claude Hélène M. 2021. Understanding Wildlife Crime from Eco-Existential and African Perspectives: A Psycho-Philosophical Investigation. International Journal of Environmental Research and Public Health, 18 (21): 11675-11675.

鉏同君，陈友飞，李民强. 2013. 犯罪地理学：理论与实证研究. 福建警察学院学报，27（5）：67-71.

Chi Tongjun, Chen Youfei, and Li Minqiang. 2013. Criminal Geography: Theoretical and Empirical Research. Journal of Fujian Police College, 27(5): 67-7.

重庆市统计局. 2014—2022. 重庆统计年鉴. 北京：中国统计出版社.

Chongqing Municipal Bureau of Statistics. 2014-2022. Chongqing Statistical Yearbook. Beijing: China Statistics Press.

CRIME UNOODA. 2020. World Wildlife Crime Report Trafficking in Protected Species. Austria Vienna: United Nations Office on Drugs and Crime.

崔宇航. 2012. 关于完善我国珍贵、濒危野生动物刑事案件定罪量刑标准的思考. 森林公安，（4）：23-24.

Cui Yuhang. 2012. Reflections on Improving the Conviction and Sentencing Standards for Criminal Cases Involving Precious and Endangered Wildlife in China. Forest Public Security, (4): 23-24.

Daan P van Uhm and Rebecca W Y Wong. 2021. Chinese Organized Crime and the Illegal Wildlife Trade: Diversification and Outsourcing in the Golden Triangle. Trends in Organized Crime, 24(4): 486-505.

邓琳君，徐嘉兴. 2023. 危害珍贵、濒危野生动物罪实证研究——以江苏省诉讼案例为样本. 森林公安，（1）：19-24.

Deng Linjun and Xu Jiaxing. 2023. Empirical Study on the Crime of Endangering Precious and Endangered Wildlife: A Case Study in Jiangsu Province. Forest Public Security, (1): 19-24.

Francisco E Fontúrbel, Antonio Lara, David Lobos, and Christian Little. 2018. The Cascade Impacts of Climate Change Could Threaten Key Ecological Interactions. Ecosphere, 9 (12): e02485.

国家林草局. 2021.《有重要生态、科学、社会价值的陆生野生动物名录（征求意见稿）》. （2021-12-05） [2023-06-07]. https://www.gov.cn/xinwen/2021-12/15/content_5661077.htm.

National Forestry and Grassland Administration. 2021.List of Terrestrial Wildlife with Important Ecological, Scientific, and Social Value (Draft for Comments). (2021-12-05) [2023-06-07]. https://www.gov.cn/xinwen/2021-12/15/content_5661077.htm.

国家统计局. 2014—2022.中国统计年鉴. 北京：中国统计出版社.

National Bureau of Statistics. 2014-2022. China Statistical Yearbook. Beijing: China Statistics Press.

高陞，杨卫琳，董建川，郭玉荣，王建荣. 2009. 德宏州边境地区涉野生动物资源犯罪规律的调查与对策研究 . 林业调查规划，34（2）：4.

Gao Sheng, Yang Weilin, Dong Jianchuan, Guo Yurong, and Wang Jianrong. 2009. Investigation and Countermeasure Research on the Laws of Crimes Involving Wildlife Resources in the Border Areas of Dehong Prefecture. Forestry Survey and Planning, 34(2): 4.

Huang Zhipang, Cui Liangwei, Scott M, Wang Shuangjin, and Xiao Wen. 2012. Seasonality of Reproduction of Wild Black-and-White Snub-nosed Monkeys (Rhinopithecus Bieti) at Mt. Lasha, Yunnan, China. Primates, 53: 237-245.

华正刚. 2012. 论我国野生动物保护法律制度的完善. 哈尔滨：东北林业大学.

Hua Zhenggang. 2012.On the Improvement of the Legal System for Wildlife Protection in China. Harbin: Northeast Forestry University.

Inés Q A and Tanya W. 2019. Wildlife Trafficking Between the European Union and Mexico. International Journal for Crime, Justice and Social Democracy, 8(3): 23-37.

IUCN. 2021. IUCN Red List of Threatened Species. Marseille: International Union for Conservation of Nature.

吉江慧，杨乐乐. 2024. 公众参与废旧手机回收的现状与策略——基于社会生态系统理论视角的分析. 科技和产业，24（12）：205-210.

Ji Jianghui and Yang Lele. 2024. Current Situation and Strategy of Public Participation in Recycling of Used Mobile Phones: An Analysis Based on the Perspective of Social-Ecological System Theory. Science and Industry, 24(12): 205-210.

John K Maingi, Joseph M Mukeka, Daniel M Kyale, and Robert M Muasya. 2012. Spatiotemporal Patterns of Elephant Poaching in South-eastern Kenya. Wildlife Research, 39 (3): 234-249.

Justin Kurland, Stephen F Pires, Sara C McFann, and William D Moreto. 2017. Wildlife Crime: A Conceptual Integration, Literature Review, and Methodological Critique. Crime Science, 6(1): 4.

姜南，王邱文. 2017. 中国与东南亚跨境野生动物犯罪的治理. 中国刑警学院学报，（6）：58-63.

Jiang Nan and Wang Qiuwen. 2017. Governance of Cross-border Wildlife Crimes Between China and Southeast Asia. Journal of China Criminal Police Academy, (6): 58-63.

Kassa Saba, Baez Camargo Claudia, Costa Jacopo, and Lugolobi Robert. 2021. Determinants and Drivers of Wildlife Trafficking: A Qualitative Analysis in Uganda. Journal of International Wildlife Law & Policy, 24(3/4): 314-342.

Kwaslema Malle Hariohay, Peter S Ranke, Robert D Fyumagwa, Jafari R Kideghesho, and Eivin Røskaft. 2019. Drivers of Conservation Crimes in the Rungwa-Kizigo-Muhesi Game Reserves,Central Tanzania. Global Ecology and Conservation, 17: e00522.

Liu B. 2023. Criminal Justice Cooperation to Combat Transnational Wildlife Crime: An Examination of Cooperation Between China and Africa. Review of European, Comparative & International Environmental Law, 32(1): 119-135.

李海涛，邵泽东. 2019. 空间插值分析算法综述. 计算机系统应用，28（7）：1-8.

Li Haitao and Shao Zedong. 2019. A Review of Spatial Interpolation Analysis Algorithms. Computer System Applications, 28(7): 1-8.

柳林，姜超，周素红，刘凯，徐冲，曹晶晶. 2017. 城市入室盗窃犯罪的多尺度时空格局分析——基于中国H市DP半岛的案例研究. 地理研究，36（12）：2451-2464.

Liu Lin, Jianf Chao, Zhou Suhong, Liu Kai, Xu Chong, and Cao Jingjing. 2017. Multi-Scale Spatio-Temporal Pattern Analysis of Urban Burglary Crime: A Case Study Based on DP Peninsula in H City, China. Geography Research, 36 (12): 2451-2464.

柳林，吴林琳，宋广文，周素红，关美宝. 2022. 基于时空行为视角的犯罪地理创新研究框架. 地理研究，41（6）：1748-1764.

Liu Lin, Wu Linlin, Song Guangwen, Zhou Suhong, and Guan Meibao. 2022. A Research Framework for Geographic Innovation in Crime Based on Spatio-Temporal Behavioural Perspective. Geography Research, 41 (6): 1748-1764.

刘育金，李春雷，赵歆慧. 2022. 基于科学知识图谱的绿色犯罪学研究进展及展望——以Web of Science数据库收录文献为例. 犯罪研究，（2）：14-33.

Liu Yujin, Li Chunlei, and Zhao Xinhui. 2022. Progress and Prospects of Green Criminology Research Based on Scientific Knowledge Graph: Taking Literature from Web of Science Database As an Example. Crime Research, (2): 14-33.

刘彦慷. 2022. 非法猎捕、收购、运输、出售陆生野生动物罪相关问题研究. 呼和浩特：内蒙古大学.

Liu Yankang. 2022. Research on Issues Related to the Crime of Illegal Hunting, Acquiring, Transporting, and Selling Terrestrial Wildlife. Hohhot: Inner Mongolia University.

林忠业. 1985. 青猾皮的毛色区别及毛皮质量的季节变化. 毛皮动物饲养，（4）：42.

Lin Zhongye. 1985. Seasonal Variations in Coat Colour and Fur Quality of the Green Sly. Fur Animal Breeding, (4): 42.

毛仲传. 2020. 广西野生动物犯罪刑事治理的特点、困境与对策. 法制博览，（23）：117-118.

Mao Zhongchuan. 2020. Characteristics, Difficulties, and Countermeasures for Criminal Governance of Wildlife Crimes in Guangxi. Legal Expo, (23): 117-118.

Nafeesa Esmail, Bonnie C Wintle, Michael t Sas-Rolfes, Andrea Athanas, Colin M Beale, Zara Bending, Ran Dai, Michael Fabinyi, Sarah Gluszek, Cathy Haenlein, Lauren A Harrington, Amy Hinsley, Kennedy Kariuki, Jack Lam, Matthew Markus, Kumar Paudel, Sofiya Shukhova, William J Sutherland, Diogo Verissimo, Yifu Wang, John Waugh, Jon H Wetton, Catherine Workman, Joss Wright, and Eleanor J Milner-Gulland. 2020. Emerging Illegal Wildlife Trade Issues: A Global Horizon Scan. Conservation Letters, 13(4): e12715.

Ni Qingyong, Yu Guozhi, Nijman Vincent, Nekaris K Anne-Isola, Xu Huailiang, Zhang Mingwang, Yao Yongfang, and Xie Meng. 2022. Spatial Heterogeneity and Socioeconomic Transformation Challenge the Prevention of Illegal Wildlife Consumption in China. Biological Conservation, 275: 109751.

Obasi M T and Vivan E L. 2016. Wildlife Crime and Rural Livelihoods in Develop Countries. International Journal of Innovation and Applied Studies, 18(4): 1047.

彭文华. 2015. 破坏野生动物资源犯罪疑难问题研究. 法商研究，32（3）：130-140.

Peng Wenhua. 2015. Research on the Difficult Issues of Crime of Destroying Wildlife Resources. Legal and Commercial Research, 32(3): 130-140.

彭新林. 2020. 珍贵、濒危野生动物的法教义学分析——以深圳“鹦鹉案”为视角. 法律科学（西北政法大学学报），38（3）：61-70.

Peng Xinlin. 2020. Legal Doctrinal Analysis of Rare and Endangered Wildlife: From the Perspective of the Shenzhen "Parrot Case". Legal Science (Journal of Northwest University of Political Science and Law), 38(3): 61-70.

秦天宝. 2024. 野生动物刑法保护法益之重构. 法商研究，41（1）：71-88.

Qin Tianbao. 2024. Reconstruction of the Legal Benefits of Wildlife Criminal Law Protection. Law and Business Research, 41(1): 71-88.

Rachel B and Carole G. 2019. Advancing Interdisciplinary Research on Illegal Wildlife Trade Using a Conservation Criminology Framework. European Journal of Criminology, 18(6): 147737081988751.

Rayburn, Steven W Anderson, Sidney Sierra, and Jeremy J. 2020. Future Thinking: A Marketing Perspective on Reducing Wildlife Crime. Psychology & Marketing, 37(12): 1643-1655.

Rytwinski Trina, Öckerman Siri L A, Taylor Jessica J, Bennett Joseph R, Muir Matthew J, Miller Jennifer R. B, Pokempner Amy, Lam Wai Yee, Pickles Robert S A, and Cooke Steven J. 2021. What is the Evidence that Counter Wildlife Crime Interventions are Effective for Conserving African, Asian and Latin American Wildlife Directly Threatened by Exploitation? A Systematic Map Protocol. Ecological Solutions and Evidence, 2(4): e12104.

四川省统计局，2014—2022. 四川统计年鉴. 北京：中国统计出版社.

Sichuan Provincial Bureau of Statistics. 2014-2022. Sichuan Statistical Yearbook. Beijing: China Statistics Press.

Sherman Julie, Voigt Maria, Ancrenaz Marc, Wich Serge A, Qomariah Indira N, Lyman Erica, Massingham Emily, and Meijaard Erik. 2022. Orangutan Killing and Trade in Indonesia: Wildlife Crime, Enforcement, and Deterrence Patterns. Biological Conservation, 276: 109744.

Tanya Wyatt, Kelly Johnson, Laura Hunter, Ryan George, and Rachel Gunter. 2018. Corruption and Wildlife Trafficking: Three Case Studies Involving Asia. Asian Journal of Criminology, 13(1): 35-55.

Travers Henry, Archer Lucy J, Mwedde Geoffrey, Roe Dilys, Baker Julia, Plumptre Andrew J, Rwetsiba Aggrey, and Milner-Gulland E J. 2019. Understanding Complex Drivers of Wildlife Crime to Design Effective Conservation Interventions. Conservation Biology: The Journal of the Society for Conservation Biology, 33(6): 1296-1306.

Tuana Y A. 2022. Proposal for the Usage of Reconnaissance Satellites to Monitor International Human and Wildlife Trafficking Hotspots. Acta Astronautica, 195: 77-85.

United Nations Office on Drugs and Crime (UNDOC). 2015. Overview of Wildlife and Forest Crime. Oxford: Oxford University Press.

van Doormaal N, Lemieux A M, and Ruiter S. 2018. Understanding Site Selection of Illegal Border Crossings into a Fenced Protected Area: A Rational Choice Approach. Crime Science, 7: 1-11.

van Uhm Daan, South Nigel, and Wyatt Tanya. 2021. Connections Between Trades and Trafficking in Wildlife and Drugs. Trends in Organized Crime, 24(4): 425-446.

Wim B, Richard B, and Stijn R. 2013. Go Where the Money is: Modeling Street Robbers’ Location Choices. Journal of Economic Geography, 13 (1): 119-143.

Weekers D, Mazerolle L, and Zahnow R. 2020. Space-Time Patterns of Poaching Risk: Using the Near-Repeat Hypothesis to Inform Compliance Enforcement in Marine Protected Areas. Biological Conservation, 248: 108652.

王劲峰，徐成东. 2017. 地理探测器：原理与展望. 地理学报，72（1）：116-134.

Wang Jinfeng and Xu Chengdong. 2017. Geographic Detectors: Principles and Prospects. Journal of Geography, 72 (1): 116-134.

Xu Jianying, Wei Jianying, and Liu Wenhua. 2019. Escalating Human-Wildlife Conflict in the Wolong Nature Reserve, China: A Dynamic and Paradoxical Process. Ecology and Evolution, 9 (12): 7273-7283.

席文渊. 2023. 基于GIS的兰州市盗窃犯罪现状及治理研究. 北京：中国人民公安大学.

Xi Wenyuan. 2023. Research on the Status Quo and Governance of Theft Crime in Lanzhou City Based on GIS. Beijing: People's Public Security University of China.

严明. 2019. 社会生态理论视域下防控经济犯罪的“大数据”思维研究. 云南警官学院学报，（5）：85-89.

Yan Ming. 2019. Research on the "Big Data" Thinking in Preventing and Controlling Economic Crimes from the Perspective of Social Ecology Theory. Journal of Yunnan Police Officer College, (5): 85-89.

Zafra-Calvo N, Lobo J M, Prada C, Nielsen M R, and Burgess N D. 2018. Predictors of Elephant Poaching in a Wildlife Crime Hotspot: The Ruvuma Landscape of Southern Tanzania and Northern Mozambique. Journal for Nature Conservation, 41: 79-87.

曾梦怡. 2016. 我国野生动物保护法律问题研究. 长春：吉林大学.

Zeng Mengyi. 2016. Research on Legal Issues Concerning Protection of Wild Animals in China. Changchun: Jilin University.

周飞. 2022. 雅江县嘎波沟区域鸟兽类多样性及偶蹄目动物活动节律研究. 雅安：四川农业大学.

Zhou Fei. 2022. Study on the Diversity of Birds and Animals and Activity Rhythms of Even-Toed Ungulates in Gabogou Area, Yajiang County. Ya’an: Sichuan Agricultural University.

张春梅. 2020. 生态文明视角下西藏阿里地区野生动物犯罪问题治理研究. 拉萨：西藏大学.

Zhang Chunmei. 2020. Research on the Governance of Wildlife Crime in the Ali Region of Tibet from the Perspective of Ecological Civilization. Lhasa: Tibet University.

Zimmerman M E. 2003. The Black Market for Wildlife: Combating Transnational Organized Crime in the Illegal Wildlife Trade. Vanderbilt Journal of Transnational Law, 36: 1657-1689.

祝晓光. 1989. 论犯罪地理学. 人文地理，4（2）：40-46. [Zhu Xiaoguang. 1989. On the Geography of Crime. Human Geography, 4(2): 40-46.]

Options
Outlines

/

〈 〉