基于遥感的台州市海啸脆弱性评估

侯京明，高义，王君成，范婷婷，闪迪，王宗辰

(1.国家海洋环境预报中心，北京100081；2.国家海洋局 海洋灾害预报技术研究重点实验室，北京100081)



基于遥感的台州市海啸脆弱性评估

侯京明1，2，高义1，2，王君成1，范婷婷1，闪迪1，王宗辰1

(1.国家海洋环境预报中心，北京100081；2.国家海洋局 海洋灾害预报技术研究重点实验室，北京100081)

摘要：遥感技术由于具有强大的对地观测能力，因而在灾害评估方面表现出了巨大的潜力。本文基于灾害风险评估理论，利用ASTER GDEM高程数据，NPP/VIIRS灯光数据和LANDSAT卫星影像3种遥感数据对台州市海啸脆弱性进行了评估。主要从暴露性，敏感性和恢复能力3个方面进行了研究：暴露性主要分析了离岸距离因子；敏感性除了考虑到高程、坡度和海岸形状等自然地理因子外，同时也兼顾了社会经济因子；恢复能力主要由土地利用进行分析。利用层次分析法(AHP)计算了敏感性四因子的权重值。最后将脆弱性分为高、较高、中等、较低和低5个等级。脆弱性分析结果显示，台州市沿海研究区域中，78.1%的区域属于低脆弱性，5.9%区域是稍微脆弱，5.4%属于中等脆弱，8.8%是稍高脆弱性，还有1.8%属于高脆弱性区域。脆弱性偏高的地区大多位于近岸6 km内，高程和坡度较小的区域。该脆弱性分析方法可推广到全国其他县市区域的海啸风险评估工作中，为政府海啸防灾减灾工作提供科学参考。

关键词：遥感；海啸；脆弱性；层次分析法

1引言

近年来，世界范围内遭受了多次大海啸袭击，全球各国政府以及国际组织均将海啸防灾减灾工作提升到重中之重的地位。我国相关单位也高度重视海洋防灾减灾工作，国家海洋局于2012年启动了包括海啸在内的5种海洋灾害的风险评估工作。海啸风险评估是海啸减灾的一项重要手段，而脆弱性评估是海啸风险评估的重要组成部分[1]。2004年12月的印度洋大海啸对印度洋沿岸多个国家和地区产生了重大影响。但由于各地的社会、经济和自然环境不同，脆弱状况不同，因此海啸的影响也各不相同[2]。通过海啸脆弱性评估，可以提前了解沿海地区的海啸脆弱区域，为当地的政府和民众防范海啸灾害提供支持和保障。

海洋灾害脆弱性与沿海社会经济、人口、自然环境承载力密切相关，是社会、经济、自然属性和环境与海洋灾害系统相互作用的响应特征。海啸脆弱性评估不仅要考虑自然环境因子，还应考虑社会经济因子[3]。影响因子的选择取决于评估的区域范围和精度要求。比如，若要评估单体建筑的脆弱性时，应对其物理特性，如建材、楼层数等相关因子进行分析评估。相反，评估整个沿海社区的脆弱性，需要研究不同尺度的沿海地理环境和社会经济因子。目前我国的海啸脆弱性评估尚处于起步阶段。国际上，有多位专家学者对沿海社区等小区域的海啸脆弱性进行了评估，如Dall’Osso等[4]、Dominey-Howes和Papathoma[5]研究了建筑物的海啸脆弱性；Papathoma等[6]利用建筑环境和社会人口统计研究了海啸脆弱性；Omira等[7]利用数学模型和GIS工具评估了卡萨布兰卡沿海社区的海啸脆弱性。沿海社区等小区域的海啸脆弱性评估数据主要来自现场调查和普查统计。同时，也有多位专家评估了县市行政区等大区域的海啸脆弱性，如Theilen-Willige[8]利用遥感和地理数据研究了爱琴海北部沿岸的海啸灾害；Dall’Osso、Sinaga和Ajin等专家也从自然地理环境方面评估了海啸脆弱性[3，9—10]，但均未考虑社会经济因子以及承灾体的恢复能力。县市区域海啸脆弱评估主要利用遥感数据。

由于遥感对海啸等灾害场景具有宽广而深刻的观察力[11]，因此在2004年印度洋大海啸之后，遥感技术被广泛用于研究海啸灾害评估，如Yamazaki和Matsuoka[12]学者利用遥感卫星影像评估了印度洋大海啸的灾害损失；Taubenböck等[13]提出了基于遥感技术的脆弱性评估框架；Römer等[14]研究了遥感在海啸风险评估和脆弱性评估中的潜在应用；国内学者Wang和Li[11]利用遥感和GIS技术开发了综合海啸预警系统，该系统可用于海啸监测、评估海啸灾害损失及海啸减灾管理。经过试验，将该系统应用到2004年12月26日的印度洋海啸后，灾害死亡人数可以从30万人大幅减少到3 000人。本文以浙江省台州市沿海一带为例，利用遥感数据，研究了县市行政区的海啸脆弱性评估方法，不仅考虑了自然环境因子和社会经济因子，同时也加入了恢复能力因子。

2方法

“脆弱性”这一科学术语由学者Albinet在1970年提出。脆弱性有许多定义，但在最广泛的层面上，它被认为是“潜在的损害”[3]。联合国人道主义事务部曾在1992年的报告里将脆弱性定义为“由潜在灾害造成的损失程度”[15]。目前脆弱性这一术语已广泛应用于环境，灾害等方面的研究[16]。

2003年，Turner等[17]学者提出了脆弱性评估框架，在这个框架内，脆弱性主要由暴露性、敏感性和恢复能力组成。根据Clark等[18]的理论，暴露性可以定义为承灾体接触到海啸灾害的程度，而敏感性是指可能遭受到损害的程度，恢复能力则意为承灾体遭受损失后的恢复速度和潜力。2006年，Villagrn[19]给出了脆弱性的计算公式，如公式(1)所示：

(1)

由于海啸是一种浅水长波，在大洋里波高不足1 m，但当到达海岸浅水地带时，波长减短而波高急剧增高，可达数10 m，2011年日本大海啸时，海啸爬高达到38 m[20]。本文结合海啸灾害的特点，总结出了6个海啸脆弱性评估因子。暴露性用离岸距离因子表示，敏感性包含高程、坡度、海岸形状和社会经济4个因子，恢复能力采用土地利用因子。在敏感性分析中，运用层次分析法(analytic hierarchy process， AHP)作为权值分配方法。

层次分析法(简称AHP)由Saaty教授提出，是对定性问题进行定量分析的权重决策方法[21]。相比其他主观性的加权方式，层次分析法要更加科学[4]。AHP方法首先对因子进行两两比较，排定各评价指标的相对优劣顺序，构造出判断矩阵。

然后计算判断矩阵的最大特征值和特征向量，并进行归一化处理，由此获得重要性权值排序。矩阵中的标度含义见表1[22]。计算结果还需要进行一致性检验，检验公式如下：

(2)

(3)

公式(2)和(3)中，λmax表示最大特征根，CR代表随机一致性比率，CI为一致性指标，RI是平均随机一致性指标。

表1　AHP标度

3研究区概况

台州市地处浙江省沿海中部，滨临东海。台州辖区设三区二市四县，地形平原丘陵相间，地势由西向东倾斜，海岛岸线长约941 km[23]。台州以东的西北太平洋海域存在着多个地质构造带。根据国家海洋局全国海啸风险评估的初步结果，台州市沿海一带属于我国海啸灾害的高风险区。我国多位海啸研究学者都曾研究过中国东部沿海的潜在海啸危险，影响该区域的主要海啸源来自冲绳海槽、日本南海海槽以及琉球海沟南部[24—26]。台州市在古籍中曾有过海啸的记录，1854年12月24日，日本南海发生8.4级地震并引发海啸，海啸影响到我国多地，据台州《临海县志》记载，“城乡沟池积潦，同时俱沸，历二时止，沿海庐舍多被淹没”[27]。另外，2011年日本大海啸发生时，台州市沿海的多个潮位站监测到约40 cm的海啸波[28]。

图1　研究区域Fig.1　Map of study area

4脆弱性评估

本文主要利用LANDSAT卫星影像、ASTER GDEM高程数据和NPP/VIIRS灯光数据3种遥感数据，分别研究了暴露性、敏感性和恢复能力。相对于统计调查数据等其他数据，遥感数据的使用可以提高数据的准确性及数据采集处理的速度[11]。本研究共采用6个因子，每个因子分为5个等级，数字5、4、3、2和1分别代表着等级的高、稍高、中等、稍低和低。各因子数据的分辨率统一调整为30 m。本研究的海啸脆弱性框架如图2所示。

图2　脆弱性评估框架Fig.2　General framework of the study

4.1暴露性分析

海啸灾害暴露性用离岸距离因子表示，海啸淹没的最大上岸距离可以利用历史海啸爬高数据通过公式(4)计算得出[9]：

(4)

式中，Xmax是海啸的最大可达距离，Y0是海岸处海啸高度。根据2011年日本大海啸的最大海啸爬高度38 m[20]，可以计算出海啸最大可达距离8.302 3 km。

表2　暴露性分级

因此，本文根据这一结果将离岸距离分为5级，分级规则如表2中所示，并利用缓冲区分析方法进行了处理。处理结果见图3，大体上，离岸距离越小，海啸脆弱性越高。

4.2敏感性分析

4.2.1高程

高程是某一地区海啸脆弱性评估的首选因子，本研究利用ASTER GDEM数据分析了该因子。ASTER GDEM数据是根据Terra对地观测卫星观测结果制作完成，空间分辨率为30 m。依照近岸的海啸高度，高程被分为5级[29]，分级标准见表3，分级结果见图4，高程低的地区具有高脆弱性。

图3　暴露性分布图Fig.3　Exposure map

高程/m社会经济坡度/%海岸形状脆弱性等级0～5>41.520～2河口高55～1022.44～41.522～6海湾微高410～1510.46～22.446～13岛屿中等315～202.98～10.4613～20平直海岸微低2>200～2.98>20尖角低1

图4　高程敏感性分布图Fig.4　Sensitivity map based on elevation

图5　社会经济敏感性分布图Fig.5　Sensitivity map based on social and economic factor

图6　坡度敏感性分布图Fig.6　Sensitivity map based on slope

图7　海岸形状敏感性分布图Fig.7　Sensitivity map based on coast shape

4.2.2社会经济

社会经济脆弱性是脆弱性研究中的重要概念。IPCC报告指出[30]，脆弱性评估应当考虑人文因子，相比自然环境因子的难以控制，人文因子的可调节性更强，通过合理研究和规划，可适当降低暴露性和脆弱性。本文利用NPP/VIIRS DNB灯光数据分析社会经济脆弱性因子。NPP/VIIRS传感器综合了 NOAA AVHRR 和 MODIS 传感器的优势，可用于社会经济因子估算，灾害环境监测等方面的研究[31]，其可靠性的及适用性已经被学者所论证过[32—33]。本文利用自然断点分类法将灯光数据同样划分为5级，结果见图5。

4.2.3坡度

坡度是地表单元陡缓的程度，是影响海啸脆弱性的另一个重要因子，因为海啸可以很容易地流到坡度小的平坦区域，但却能受到高山地形的阻挡。地形坡度利用ASTER GDEM数据通过公式(5)计算得出[34]：

(5)

式中，∂z/∂x指代东西方向的角度，∂z/∂y是南北方向的角度。根据Van Zuidam的分级准则[35]，坡度也同样分为5个等级，结果见图6。

4.2.4海岸形状

由于海岸线形状能影响海啸波的高度和速度，比如海湾地形容易造成能量聚集，波高往往较大，因此本文也分析了研究区域的海岸形状，将海岸划分为河口、海湾、岛屿、平直海岸和海角5级[36]。图7为海岸3 km范围内的海岸形状敏感性分析结果。

4.2.5AHP处理

敏感性4因子的权值分配采用层次分析法，通过两两比较，构造出的判断矩阵如表4所示。

表4　判断矩阵

表5　各因子权值

经过处理，得出权值排序，见表5。地形高程具有最大的权重，这是由于地面的高度直接关系到海啸淹没的发生与否。社会经济因子次之，坡度和海岸形状的权值相对较低。四阶矩阵的RI值为0.9，经过计算该矩阵的CR值小于0.1，确定该矩阵具有可靠的一致性。根据权值排序，可以计算出敏感性的分析结果，如图8所示。

图8　敏感性分布图Fig.8　Sensitivity map

图9　恢复能力分布图Fig.9　Resilience map

图10　脆弱性分布图Fig.10　Vulnerability map

4.3恢复能力分析

恢复能力直接影响着承灾体的脆弱性，恢复能力越强的承灾体，脆弱性相对越小。在2004年印度洋大海啸发生6年之后，Kaiser等[37]学者分析评估了泰国Phang Nga省的恢复情况，给出了不同土地利用类型的恢复能力。本文根据这一分析结果，利用LANDSAT卫星数据结合部分实测数据提取了建设用地、湿地、天然水体、林地和耕地5类土地利用，并给出了各类土地的恢复能力(表6)，图9为恢复能力分析结果。

表6　恢复能力分级

4.4脆弱性结果

在暴露性、敏感性和恢复能力分析结果的基础上，利用公式(1)计算得出脆弱性。经过计算，海啸脆弱性数值在0.198和23.9之间，平均为3.72，标准偏差是4.14。本文利用自然断点法将脆弱性分析结果同样划分为5个等级(图10)，5种颜色分别表示脆弱性的高、稍高、中等、稍低和低。脆弱性分析结果显示，78.1%的区域属于低脆弱性，5.9%区域是稍微脆弱，5.4%属于中等脆弱，8.8%是稍高脆弱性，还有1.8%属于高脆弱性区域。脆弱性偏高的地区大多位于近岸6 km内，高程和坡度较小的区域。许多紧邻海岸地区的脆弱性并不很高，这是由于其高程偏高或者恢复能力较强。

5结论

海啸的发生是灾害的驱动因素，而承灾体内在的脆弱性也在一定程度上决定了其遭受损害的程度。脆弱性评估需要全面分析了承灾体的暴露性、敏感性和恢复能力等内在属性。本文基于遥感和GIS技术方法，综合多种影响因子，提出了县市行政区级别的海啸脆弱性分析方法。海啸脆弱评估目的是定性分析某一地区的脆弱性，脆弱分析结果是相对量化结果，非绝对脆弱。脆弱评估结果可以帮助市政规划者提高脆弱地区的防灾能力，尽量减少灾害发生时的损失。

本文共分析利用了ASTER GDEM高程数据，NPP/VIIRS灯光数据和LANDSAT卫星影像3种遥感数据，研究显示，遥感技术可以在海啸脆弱性评估中发挥重要作用，但是需要注意的是，遥感数据必须结合其他现场调查或统计分析数据才能保证评估的准确性。另外，本文是利用遥感数据对海啸脆弱性评估方法的一种尝试研究，还存在一些问题，如恢复能力分析仅考虑了土地利用因子，没有考虑社会应急处置能力，脆弱分析结果也未经过验证等，这些问题值得今后继续研究与探讨。

参考文献：

[1]Birkmann J. Risk and vulnerability indicators at different scales: applicability， usefulness and policy implications[J]. Environmental Hazards， 2007， 7(1): 20-31.

[2]UNEP. After the tsunami: rapid environmental assessment[R]. Berne， Switzerland: UNEP (United Nations Environment Programme)， 2005.

[3]Dall’Osso F， Bovio L， Cavalletti A， et al. A novel approach (the CRATER method) for assessing tsunami vulnerability at the regional scale using ASTER imagery[J]. European Journal of Remote Sensing， 2010， 42(2): 55-74.

[4]Dall’Osso F， Gonella M， Gabbianelli G， et al. A revised (PTVA) model for assessing the vulnerability of buildings to tsunami damage[J]. Nat Hazards Earth Syst Sci， 2009， 9(5): 1557-1565.

[5]Dominey-Howes D， Papathoma M. Validating a tsunami vulnerability assessment model (the PTVA model) using field data from the 2004 Indian Ocean tsunami[J]. Natural Hazards， 2007， 40(1): 113-136.

[6]Papathoma M， Dominey-Howes D， Zong Y， et al. Assessing tsunami vulnerability， an example from Herakleio， Crete[J]. Nat Hazards Earth Syst Sci， 2013， 3(5): 377-389.

[7]Omira R， Baptista M A， Miranda J M， et al. Tsunami vulnerability assessment of Casablanca-Morocco using numerical modelling and GIS tools[J]. Natural Hazards， 2009， 54(1): 75-95.

[8]Theilen-Willige B. Tsunami hazard assessment in the Northern Aegean Sea[J]. Science of Tsunami Hazards， 2008， 27(1): 1-16.

[9]Sinaga T P T， Nugroho A， Lee Y， et al. GIS mapping of tsunami vulnerability: case study of the Jembrana Regency in Bali， Indonesia[J]. KSCE Journal of Civil Engineering， 2011， 15(3): 537-543.

[10]Ajin R S， Mathew J K， Vinod P G. Tsunami vulnerability mapping using remote sensing and GIS techniques: a case study of Kollam District， Kerala， India[J]. Iranian Journal of Earth Sciences， 2014， 6: 43-50.

[11]Wang J F， Li L F. Improving tsunami warning systems with remote sensing and geographical information system input[J]. Risk Analysis， 2008， 28(6): 1653-1668.

[12]Yamazaki F， Matsuoka M. Remote sensing technology in post disaster damage assessment[J]. Journal of Earthquake and Tsunami， 2007， 1(3): 193-210.

[13]Taubenböck H， Post J， Roth A， et al. A conceptual vulnerability and risk framework as outline to identify capabilities of remote sensing[J]. Nat Hazards Earth Syst Sci， 2008， 8(3): 409-420.

[14]Römer H， Willroth P， Kaiser G， et al. Potential of remote sensing techniques for tsunami hazard and vulnerability analysis-a case study from Phang-Nga province， Thailand[J]. Nat Hazards Earth Syst Sci， 2012， 12(6): 2103-2126.

[15]ONUG/DHA. Internationally agreed glossary of basic terms related to disaster management[R]. Geneva， Switzerland: United Nations Department of Humanitarian Affairs， 1992.

[16]Doerfliger N， Jeannin P Y， Zwahlen F. Water vulnerability assessment in Karst environments: a new method of defining protection areas using a multi-attribute approach and GIS tools (EPIK method)[J]. Environmental Geology， 1999， 39(2): 165-176.

[17]Turner B L， Kasperson R E， Matson P A， et al. A framework for vulnerability analysis in sustainability science[J]. Proceedings of the National Academy of Sciences of the United States of America， 2003， 100(14): 8074-8079.

[18]Clark W， Jager J， Corell R， et al. Assessing vulnerability to global environmental risks[R]. Airlie House， Warrenton， Virginia: Report of the Workshop on Vulnerability to Global Environmental Change， 2000.

[20]Lekkas E， Andreadakis E， Kostaki I， et al. Critical factors for run-up and impact of the Tohoku earthquake tsunami[J]. International Journal of Geosciences， 2011， 2(3): 310-317.

[21]Saaty T L. A scaling method for priorities in hierarchical structures[J]. Journal of Mathematical Psychology， 1977， 15(3): 234-281.

[22]Saaty T L. Decision making for leaders: the analytical hierarchy process for decisions in a complex world. The analytical hierarchy process series[C]. Pittsburgh: RWS Publication， 1996.

[23]中国台州政府网. 台州自然地理[EB/OL]. http://www.zjtz.gov.cn/col/col54/index.html， 2015-09-07.

Taizhou Government Website. The physical geography of Taizhou[EB/OL]. http://www.zjtz.gov.cn/col/col54/index.html， 2015-09-07．

[24]温燕林， 赵文舟， 李伟， 等. 日本南海海槽发生罕遇地震情况下我国华东沿海的海啸危险性研究[J]. 地震学报， 2014， 36(4): 651-661.

Wen Yanlin， Zhao Wenzhou， Li Wei， et al. Research on the potential tsunami hazard in East China Coast under rare earthquake occurred in Nankai Trough， Japan[J]. Acta Seismologica Sinica， 2014， 36(4): 651-661.

[25]毛献忠， 祝倩， Wei Yong. 浙江沿海潜在区域地震海啸风险分析[J]. 海洋学报， 2015， 37(3): 37-45.

Mao Xianzhong， Zhu Qian， Wei Yong. Risk analysis of potential regional earthquake tsunami on the coast of Zhejiang Province[J]. Haiyang Xuebao， 2015， 37(3): 37-45.

[26]郭彩玲， 王晓峰. 中国东部海域发生海啸的可能性分析[J]. 自然灾害学报， 2007， 16(1): 7-11.

Guo Cailing， Wang Xiaofeng. Possibility analysis of tsunami taking place in east sea area of China[J]. Journal of Natural Disasters， 2007， 16(1): 7-11.

[27]王锋， 刘昌森， 章振铨. 中国古籍中的地震海啸记录[J]. 中国地震， 2005， 21(3): 437-443.

Wang Feng， Liu Changsen， Zhang Zhenquan. Earthquake tsunami record in Chinese ancient books[J]. Earthquake Research in China， 2005， 21(3): 437-443.

[28]王培涛， 于福江， 赵联大， 等. 2011年3月11日日本地震海啸越洋传播及对中国影响的数值分析[J]. 地球物理学报， 2012， 55(9): 3088-3096.

Wang Peitao， Yu Fujiang， Zhao Lianda， et al. Numerical analysis of tsunami propagating generated by the JapanMw9.0 earthquake on Mar. 11 in 2011 and its impact on China coasts[J]. Chinese J Geophys， 2012， 55(9): 3088-3096.

[29]Iida K. Magnitude， energy and generation mechanisms of tsunamis and a catalogue of earthquakes associated with tsunamis[C]//Proceedings of Tsunami Meeting at the 10th Pacific Science Congress. Honolulu:IUGG Monograph， 1963，24: 7-18.

[30]IPCC. Managing the risks of extreme events and disasters to advance climate change adaptation[C]//A Special Report of Working Groups I and II of the Intergovernmental Panel on Climate Change. Cambridge and New York: Cambridge University Press， 2012.

[31]高义， 王辉， 王培涛， 等. 基于人口普查与多源夜间灯光数据的海岸带人口空间化分析[J]. 资源科学， 2013， 35(12): 2517-2523.

Gao Yi， Wang Hui， Wang Peitao， et al. Population spatial processing for Chinese coastal zones based on census and multiple night light data[J]. Resources Science， 2013， 35(12): 2517-2523.

[32]Li Xi， Xu Huimin， Chen Xiaoling， et al. Potential of NPP-VIIRS nighttime light imagery for modeling the regional economy of China[J]. Remote Sensing， 2013， 5(6): 3057-3081.

[33]Li Xi， Li Deren. Can night-time light images play a role in evaluating the Syrian Crisis？[J]. International Journal of Remote Sensing， 2014， 35(18): 6648-6661.

[34]Burrough P A， McDonnell R A. Principles of Geographical Information Systems[M]. New York: Oxford University Press， 1998: 356.

[35]Van Zuidam R A. Guide to geomorphologic: aerial photographic interpretation and mapping[C]//International Institute for Geo-Information Science and Earth Observation. Enschede， 1983: 325.

[36]Ikawati Y. Tsunami wave is predictable[C]//Canahar P. Earthquake Disaster and Tsunami， Kompas. Jakarta， 2004: 550.

[37]Kaiser G， Burkhard B， Römer H， et al. Mapping tsunami impacts on land cover and related ecosystem service supply in Phang Nga， Thailand[J]. Nat Hazards Earth Syst Sci， 2013， 13(12): 3095-3111.

收稿日期：2015-09-25；

修订日期：2016-03-08。

基金项目：国家自然科学基金项目(41201075)；国家海洋公益项目(201405026)。

作者简介：侯京明(1982—)，男，山东省青岛市人，博士研究生，主要从事海洋灾害和GIS技术研究。E-mail：houjingming1982@126.com

中图分类号:P731.25

文献标志码：A

文章编号：0253-4193(2016)08-0012-12

Using remote sensing to assess tsunami vulnerability for the coast of Taizhou， Zhejiang Province， China

Hou Jingming1，2， Gao Yi1，2， Wang Juncheng1，Fan Tingting1,Shan Di1,Wang Zongchen1

(1.NationalMarineEnvironmentalForecastingCenter，Beijing100081，China; 2.KeyLaboratoryofResearchonMarineHazardsForecasting，StateOceanicAdministration，Beijing100081，China)

Abstract:With its powerful earth observation capability， remote sensing technology shows great potential for disaster assessment. In this paper， multi-source remote sensing data is used to assess tsunami vulnerability from three components of vulnerability: exposure， sensitivity and resilience. Distance from shore is analyzed for exposure; apart from elevation， slope and shape of the coast， social and economic factor is taken into account for sensitivity; resilience is analyzed mainly from the land use factor. The Analytical Hierarchy Process (AHP) is used to construct a weighting scheme for the variables of sensitivity. Finally， five classes of vulnerability (low， slightly low， medium， slightly high and high) are defined and analyzed. The vulnerability map shows that 78.1% of the study area is low vulnerability， 5.9% is slightly low vulnerability， 5.4% is medium， 8.8% is slightly high vulnerability， and 1.8% is high vulnerability. High vulnerability areas are mostly located within 6 km buffer zone with smaller elevation and slope. The vulnerability analysis result can provide strong support for the tsunami disaster prevention and mitigation of local government．

Key words:remote sensing; tsunami; vulnerability; AHP

侯京明，高义，王君成，等. 基于遥感的台州市海啸脆弱性评估[J].海洋学报，2016，38(8)：12—23， doi：10.3969/j.issn.0253-4193.2016.08.002

Hou Jingming， Gao Yi， Wang Juncheng，et al. Using remote sensing to assess tsunami vulnerability for the coast of Taizhou， Zhejiang Province， China[J]. Haiyang Xuebao，2016，38(8)：12—23， doi：10.3969/j.issn.0253-4193.2016.08.002