沿海地区风暴潮灾害的脆弱性组合评价及原因探析

袁顺，赵昕，李琳琳

（1.中国海洋大学海洋与大气学院，山东青岛266100；2.中国海洋大学经济学院，山东青岛266100）

沿海地区风暴潮灾害的脆弱性组合评价及原因探析

袁顺1，赵昕2*，李琳琳2

（1.中国海洋大学海洋与大气学院，山东青岛266100；2.中国海洋大学经济学院，山东青岛266100）

以典型海洋灾害风暴潮为研究对象，以国家海洋局统计公报数据、国家统计局和各省市统计数据为数据源，将粗糙集理论（RST）与组合赋权策略（CWM）结合建立了基于RST-CWM的风暴潮灾害脆弱性组合评价模型。利用粗糙集的知识简约属性、投影寻踪组合赋权思想进行沿海各省市地区海洋风暴潮灾害脆弱性的综合评价。测算结果表明：沿海地区基于RST-CWM模型的风暴潮灾害脆弱性呈现出一定的空间差异性，但研究区各省市海洋风暴潮灾害脆弱性与地理位置分布没有必然的联系，说明在沿海地区开展海洋防灾减灾工作，若只注重地理区划并不一定能改善当地风暴潮脆弱程度。研究区各省市海洋灾害脆弱程度大小排序为：山东、天津、福建、广东、广西、辽宁、江苏、浙江、海南、河北、上海，同时，各省市的脆弱性要素即暴露性、敏感性及适应性构成有所差异，说明完备海洋风暴潮防灾减灾机制的驱动力是多样的，风暴潮防治应综合考虑灾害本身和人为因素。

风暴潮灾害；脆弱性；组合评价；粗糙集理论

1　引言

长期以来，我国沿海地区在经济社会发展过程中发挥着主导作用，但同时也面临诸多威胁其可持续发展的复杂自然因素。海洋风暴潮灾害与沿海地区经济社会稳定联系密切，然而当前针对风暴潮灾害风险与沿岸地区经济社会安全研究较少。进行基于脆弱性评估的自然灾害研究将成为分析社会经济系统与自然环境系统耦合关联，探究经济系统与自然环境系统对灾害响应能力、抑制机制和驱动力的新视角［1］。同时，脆弱性评估也是揭示同类且同强度自然灾害在不同地理区域致损程度及破坏性强弱的原因并为沿海各地区科学制定防灾减灾策略提供有效技术支撑的工具。

沿海各省市地处我国海陆交叉边界，该地区的健康发展直接关系我国经济社会的稳定。自20世纪80年代以来，中国作为新兴经济体中的代表，就是面临海洋灾害风险最严重的国家之一。据《国家海洋灾害统计公报》显示：海洋灾害在近20年对我国的致损年均增幅高达30%，是各类自然灾害中导致社会经济损失增长最快的灾种。2013年我国海洋灾害导致的直接经济损失达163.48亿元，其中风暴潮灾害直接经济损失153.96亿元，占沿海地区海洋灾害直接经济损失的94.2%，红色预警级别的台风风暴潮过程为新中国成立以来同期最多，风暴潮逐渐成为为威胁我国生态安全的最主要自然灾种，严重影响我国沿海地区的可持续发展。

当前关于灾害脆弱性组成要素的研究多样且观点不一致［2—4］，脆弱性通常认为是暴露单位由于受到扰动而易于受到伤害的程度以及其适应（应对、恢复）灾害的能力［3］，这种能力与暴露性、应对能力、危险程度、稳健性有关［4］。在此，将地区风暴潮灾害脆弱性界定为地区暴露于风暴潮灾害的人口财产容易遭受损害的程度以及地区在灾害发生后的应急、恢复能力。依据此描述，本文综合灾害经济学、区域经济发展理论、生态学、基于灾害视角的脆弱性评价机理并利用Tunner等［5］的脆弱性要素构成界定，将沿海地区面临的主要海洋气象风暴潮灾害与地理区域暴露性、经济发展敏感性、社会承受适应性结合起来，进行基于RST-CWM组合评价框架下沿海海洋风暴潮灾害脆弱性评估。通过研究整合粗糙集筛选理论与组合赋权思想，为沿海各省市评定风暴潮灾害致损等级以及制定针对性的风暴潮风险防范策略提供科学、合理的依据［6］。

2　研究区域概况与研究方法

2.1研究区域概况

沿海地区地处我国东部，与日本、韩国以及东南亚各国相望，是亚洲陆地板块和太平洋板块的交界区域，同时该区域地形多为平原丘陵，也是我国海陆交通最便利、人口最密集且经济最为发达的地区。行政区划上自北向南包括辽宁、天津、山东、江苏、上海、浙江、福建、广东、广西和海南11个省市地区。我国沿海地区处于季风气候区，受夏季热带气旋以及冬季温带气旋或冷空气影响，常年面临风暴潮灾害风险；同时受主要潮灾半日潮影响，沿海地区在热带气旋、寒潮等灾害气象过程中面临的风暴潮灾害损失可能性相对显著。因此，定量评估沿海地区风暴潮脆弱性对该区域具有较强的现实意义。

2.2研究方法

（1）粗糙集：利用粗糙集理论（RST）对指标信息进行筛选，通过其知识简约核心功能对脆弱性指标体系进行精简，删除冗余属性指标并优化信息系统的决策规则或分类［7］。

（2）单一评价方法集：利用单一评价方法进行风暴潮脆弱性单一评估，其中方法集中涵盖的典型代表性方法包括：①改进序关系法；②熵值法；③坎蒂雷赋权法；④投影寻踪聚类模型。单一评价方法由于评价属性及评价机理存在差异，为解决该问题有必要寻求新的解决路径。

（3）组合赋权法：利用离差最大化组合赋权策略对单一评价框架下的结果进行加权，其优势在于：①最大化脆弱性值的差异程度便于排序及评价；②通过利用Lagrange函数保证最优解唯一并避免非线性规划性局部最小值陷阱；③数值算法优化并能保证权重值求解的准确性及快捷性。

图1　研究区域范围Fig.1 Coastal area of the research

3　基于RST-CWM模型的沿海地区风暴潮脆弱性组合评价

利用波兰学者Pawlak［7］提出的粗糙集理论（RST），为避免单一赋权的片面性，引入组合评价策略（CWM），将粗糙集理论和组合评价策略结合进而构建RST-CWM模型。评估模型具有明显的创新优势，即模型摆脱先验信息的束缚，不仅能利用已知数据库知识近似描述不确定或不精确的知识，挖掘非完备数据隐含信息并揭示其潜在的规律，同时还可通过多种单一方法的“重组”实现单一评价机理的优势互补，强化结果的一致性和代表性进而确保研究结论的准确、可信。

3.1脆弱性评价指标体系的初步构建

针对脆弱性的内涵不同学者构建了不同的指标体系，但上述指标体系的构建到多侧重专一层面，无法综合反映灾害脆弱性综合程度［8-10］。在此，本文基于灾害脆弱性构成要素，依据科学性、完备性、可操作性等原则，综合考虑风暴潮灾害实际对沿海地区农作物、海水养殖、房屋、海岸工程、作业船只等造成影响，选取30个代表性指标。从灾害暴露性、敏感性、适应性3个层面建立基于RST-CWM思想的海洋风暴潮脆弱性初步评价指标体系，指标框架以灾害脆弱性要素为经度、以沿海省市潮灾害脆弱性因子为纬度，相关数据来自《2012年中国海洋统计年鉴》及同期《中国统计年鉴》、《中国城市统计年鉴》、《中国保险统计年鉴》、《中国财政统计年鉴》及各沿海省市统计年鉴，指标体系具体见表1。

表1　基于RST-CWM的海洋风暴潮脆弱性初步评价指标体系Tab.1 Basic index system of storm surge vulnerability based on RST-CWM

（1）暴露性指标：暴露性指标分为绝对指标和相对指标，绝对指标又从绝对规模视角衡量沿海省市风暴潮灾害社会、经济方面的暴露性，包括：①沿海城市人口：衡量人口方面的暴露性，人口数量越多，其暴露于风暴潮灾害下的受灾人口越多进而导致脆弱性越高；②GDP与GOP：GOP用于衡量沿海地区宏观经济发展水平，通常经济越发达地区暴露于风暴潮灾害的财产越多，灾害脆弱性越高，同时考虑到风暴潮灾害对海洋经济的影响显著，因此同样将GOP纳入沿海省市暴露性的评价体系；③其他绝对指标：风暴潮灾害通常使对耕地、海水养殖淹没受损，海岸工程受损，在此将耕地面积、海水养殖面积、确权海域面积、海岸线长度纳入暴露性的衡量指标体系中。相对指标则包括人口密度、海洋经济密度、人均GDP、经济密度、建筑密度，这些指标从相对规模角度衡量沿海省市风暴潮灾害暴露性。

（2）敏感性指标：该体系主要指标衡量沿海省市风暴潮灾害敏感性，①经济层面：选取海洋经济生产总值在地区生产总值占比指标原因在于：相较于陆域经济，风暴潮灾害对海洋经济的影响为显著，同等经济发展水平的沿海地区由于其海洋经济发达不同所面临的潜在经济损失也存在，其可能遭受的损失越大，敏感性越高；②人口层面：风暴潮灾害发生时，老人、儿童、妇女发生伤亡可能性更大，沿海地区各省市中若这3类人群所占的比例越高则灾害敏感性越高，选取海洋经济生产总值在地区生产总值占比、65岁及以上人口占比、15岁以下人口占比、女性占比作为沿海省市风暴潮灾害敏感性衡量指标，而且高中以下学历占比可以作为衡量区人口素质指标，一般高中以下人口占比越高表明该省市人口素质越低，该地区人口整体防灾减灾意识、风险分散意识相对越低，地区风暴潮灾害敏感性越高。

（3）适应性指标：该准则层同样可分为3个层面，①财政支出层面：选取人均财政支出、公共安全及资源气象等财政支出占比作为衡量指标，其中，人均财政支出从相对规模角度衡量沿海省市财政支出，人均财政支出越多说明该地区用于经济社会发展管理、设施建设的投入越多，灾害适应性越高进而海洋风暴潮灾害脆弱性越低；公共安全等财政支出占比则体现政府对公共安全、社会保障、气象预报的重视程度，该比重越高则意味着灾害发生后政府的应急能力高、地区对灾害的适应性强以及该地区风暴潮灾害脆弱性低；②居民收入层面，居民收入水平越高表明居民灾后恢复能力迅速、地区灾害适应性强及脆弱性低，具体指标涵盖城镇居民人均可支配收入、农民人均纯收入、城乡居民人均储蓄额。③基础设施建设层面：每千人医院和卫生院床位数、每千人卫生技术人员衡量地区医疗条件，地区医疗条件与灾后受伤人员有效治疗的成正相关，人均城市道路面积衡量的是地区交通情况，道路面积越大越有利于灾后人员疏散及物资运输，人均绿地面积、城市绿化覆盖率则衡量政府对环境保护的重视程度，指标数值越高则表明该地区越重视环境保护进而提高灾害适应性，而保险密度、保险深度能够衡量地区人身保险、财产保险的普及程度，指标数值越高表明地区灾害风险越分散进而导致地区受损越低、灾害适应性越强及灾害脆弱性越低。

3.2RST框架下的评价指标集的简化

风暴潮脆弱性评价指标集的简化是依据粗糙集属性约简这一重要属性特征，其中数据指标的筛选步骤包括：①采用数据同趋势化及无量纲化对评价指标集数据进行预处理，利用模糊C均值聚类将初始评价指标分为两类并实现各个评价指标的离散化；②运用粗糙集理论中基于遗传算法的属性简约方法，对暴露性、敏感性、适应性3方面的评价指标分别进行属性约简获得单个准则层下可能包括多组评价指标组合；③针对层级中出现指标不唯一的组合，依据指标构建完整性原则进行筛选并确定最终风暴潮灾害脆弱性评价指标体系（表2）。

表2　基于RST-CWM的海洋风暴潮脆弱性最终评价指标体系Tab.2 Final index system of storm surge vulnerability based on RST-CWM

3.3CWM下风暴潮脆弱性指标权重计算

在利用组合赋权策略进行指标权重测算之前，依据表2体系框架下的指标归一化数据进行重新筛选，避免传统方法确定权重主观性并弥补一般粗糙集在确定权重不能完备表达偏好信息的缺陷［9］。通过对所筛选的指标标准化数据进行权重赋权即可测得不同区域风暴潮脆弱性评价值，而基于CWM的权重确定依据如下组合策略进行：

（1）确定单一评价方法及并进行评价值测算：单一评价方法集选取原则包括评价方法选择属性（指标）相同且各评价方法的机理存在一定的差异性。基于这一原则采用依据指标贡献率确定权重的改进序关系法［10］、依据信息量确定权重的熵值法［11］、依据指标与评价值间相关程度确定权重的坎蒂雷赋权法［12］以及保持指标体系数据空间结构角度确定权重值的投影寻踪聚类模型［13］。单一方法集的选择兼顾评价机理的差异性以及评价属性的一致性，利用所得权重对标准化的数据指标加权可测得个单一评价下不同沿海地区风暴潮脆弱性评价值（表3）。

表3　基于单一评价方法的风暴潮脆弱性评价结果Tab.3 Estimation of storm surge vulnerability based on single evaluation method

（2）基于CWM策略的组合权重测算

表3中各单一评价方法得到的评价值存在差异性表明单一评价体系下评估结果可能存在一定的片面性差异，这将影响评价的准确性和可行度，在此，本文采取加权策略对上述单一评价方法进行组合赋权进而实现各单一评价方法优势的结合。

①组合策略实施的前提是方法之间具有一致性，因此方法组合之前需进行方法集相容性检验。为克服早期相容性检验方法Kendall一致性系数检验无法直接验证评价值是否存在一致性的弊端［14］，本文利用ICC法（组内相关系数法）［15］进行相容性检验，结果显示改进序关系分析法、熵值法、坎蒂雷赋权法、投影寻踪聚类模型通过相容性检验，ICC统计量及F检验统计量具体如表4所示。

表4　相容性检验结果Tab.4 Results of compatibility test

②CWM权重组合策略则利用离差最大化组合赋权方法［16］，对单一方法权重向量利用公式，（j=1，2，…，n）进行归一化处理得到单一评价方法改进序关系分析法、熵值法、坎蒂雷赋权法、投影寻踪聚类模型的组合权重系数分别为：0.200 3，0.207 9，0.308 9，0.282 9，利用属性Gs的组合计算公式得到各指标的组合权重，其中，fij、ftj分别为评价对象i、对象t在单一评价j方法下的评价值，为j方法下指标s的权重值，组合权重如表5所示。

表5　评价指标组合权重Tab.5 Weight combination of final index

③基于RST-CWM模型的沿海省市风暴潮灾害脆弱性评价结果依据表5中权重及筛选后的指标标准化数据进行线性加权，得到沿海地区不同省市之间的风暴潮灾害脆弱性及其暴露性、敏感性、适应性，需要说明的是适应性是成本型指标且其评价值越小表明该地区适应性越高，各项指标具体如图1所示。

图1　沿海省市风暴潮灾害脆弱性评价值Fig.1 Estimation of storm surge vulnerability based on RST-CWM

4　基于行政单元的评价结果分析

通过对我国沿海各行政单元风暴潮灾害进行基于RST-CWM模型的脆弱度水平评估，反映沿海地区各省市的均衡风暴潮灾害的致损水平。各省市内基于RST-CWM模型的风暴潮脆弱程度从大到小排序为：山东、天津、福建、广东、广西、辽宁、江苏、浙江、海南、河北、上海，风暴潮灾害脆弱性程度依次呈现降低的态势即风暴潮造成的综合影响程度逐渐削弱，但基于RST-CWM模型风暴潮脆弱程度并未呈现明显的空间地理特征。沿海地区风暴潮脆弱性评价指标体系的完备性以及组合赋权思想保证脆弱性测度是综合反映沿海省市风暴潮脆弱水平的加权平均化指标，依据数理统计常用的等分思想将风暴潮脆弱性简要划分为高度脆弱性、较高脆弱性、中度脆弱性、较低脆弱性、低度脆弱性，临界点分别为0.587 3、0.516 3、0.445 2、0.374 1，依据测度结果可知，沿海各省市地区以风暴潮中度脆弱水平及以上为主，风暴潮灾害对东部及东南沿岸地区的影响相对显著（图2）。

图2　脆弱性评估结果Fig.2 Evaluation results of vulnerability of storm surge

高度脆弱性地区主要指山东省，依据图3显示山东省暴露性最高，敏感性仅次于天津，同时其适应性处于中等水平。山东不仅是耕地面积居全国之首位农业大省，同时海岸线长度居全国第三并拥有明显的海洋区位优势及资源优势显著，海洋生产总值仅次于广东；同时，山东高敏感性主要体现在山东省人口老龄问题突出，老龄人口规模位居全国之首且占人口总量比例也很高，仅次于江苏，此外女性占比也相对较高，仅次于天津、江苏、浙江。

较高脆弱性地区包括天津、福建、广东、广西、辽宁且脆弱性依次降低：①天津风暴潮脆弱性位列山东之后排在沿海省市第二位，但与前者不同的是天津具有很高的敏感性和适应性，原因分别在于天津海洋经济在全市经济中占据重要地位，海洋生产总值占比位列全国之首且老年人口占比、女性占比分别位列全国第四、三位，同时天津市绿化覆盖率最低、保险深度仅高于广西，而且天津市政府对公共财政安全支出仅处于中等水平。②福建省次之，其暴露性、敏感性、适应性排序相对较为集中且较为靠前，分别位于第六、三、四位，其中，福建省女性占比很高且仅次于浙江省，海洋生产总值在地区经济中的占比也比较重要，仅位列天津、上海、海南之后；然而福建医疗条件较低，每千人医院和卫生院床位数位列倒数第三，同时其公共安全等财政支出占比较低，仅高于江苏、福建。③广东省风暴潮灾害脆弱性位列第四的原因主要在于其暴露性排名位于沿海第二，广东社会经济发达海洋经济总值排名全国第一位且沿海城市人口明显高于其他省市，而且广东的海岸线最长、海洋资源丰富、海洋经济发展迅速；受老年人口占比及女性人口占比均低最低的影响其风暴潮敏感性最低进而拉低其脆弱性排名。④广西省脆弱性较高的原因在于其适应性最低，适应性显著低于其他省份，广西经济社会发展较为相对落后，其海洋生产总值和人均生存总值均位列全国最低，而且广西省的沿海城市人口位列倒数第二，这导致关系暴露性及敏感性均不高；但广西落后的医疗条件包括全国每千人医院和卫生院床位数全国最少，以及落后经济条件导致该省人民生活水平较低包括农民人均纯收入全国最低、城镇人民可支配收入位列倒数第三，再加上拥有最低的保险深度，这都导致广西拥有最低的适应性。⑤辽宁省受暴露性、敏感性相对较高分别位于第三、四位影响，但其仅高于上海适应性直接导致其脆弱性处于较高水平，辽宁省海洋渔业很发达，其海水养殖面积位于全国首位，海洋经济发展相对成熟，但辽宁对公共安全等的财政支出占比最高则降低灾害适应性。

处于中度脆弱性及以下的省份可划分3个层次，其中第一层次主要指处于中度脆弱水平的省份，包括江苏、浙江，江苏省风暴潮灾害脆弱性位于第七位且其暴露性、敏感性、适应性分列五、六、七位的中等水平，尽管江苏老龄化严重，但受其他指标表现一般的影响，江苏的灾害脆弱性表现一般；浙江风暴潮灾害脆弱性位于第八位，该省暴露性、敏感性分别处于中等偏上和中等偏下水平，但该省适应性相对较高，仅低于辽宁、上海，这主要因受浙江经济发达进而其城镇居民人均可支配收入及农民人均纯收入相对较高。第二层次则指的是处于较低风暴潮脆弱性的省份包括海南、河北，前者风暴潮灾害脆弱性位于沿海各省市倒数第三，其原因主要在于该省暴露性最低、敏感性中等且适应性较低，由于海南社会经济欠发达且沿海城市人口最少，同时，海南海洋生产总值及人均生产总值位列倒数第二，此外，在适应性方面，海南情况与广西类似，当地人民生活水平较低、医疗条件相对落后且保险深度较低。与形成对比，河北省尽管位列风暴潮灾害脆弱性位于倒数第二位，其主要原因与海南省存在很大不同，突出表现在其较低的暴露性和敏感性以及处于中等水平的适应性，河北海岸线较短且仅高于天津市、上海市，导致其沿海海洋资源缺乏，同时，该省海洋经济发展较慢且总量仅高于广西、海南，海洋经济在地区生产总值中的占比仅位居倒数第二位。第三层次则指的是所有沿海地区具有最低的风暴潮灾害脆弱性的上海市，上海具有中等偏下的暴露性、较低的敏感性及最高的风暴潮灾害适应性，在风险暴露层面，上海地处我国沿海地区中部且地理位置优越，受风暴潮影响不及南部的粤、闽、浙地区，同时也不及其北部苏、鲁等地；同时受其人口竞争优势的影响，上海市15岁以下人口占比最低，且其女性占比仅高于广东位列倒数第二位；但最明显的是上海市人民生活水平、医疗条件、保险深度均位列全国之首，良好的基层设施条件为上海应对风暴潮灾害提供极为可靠的支撑。

5　结论

本文以灾害脆弱性评价为切入视角，将粗糙集理论和组合赋权方法进行优化并实现组合策略优势互补，在删除冗余指标保证指标体系科学性、评价高效的同时，通过多种单一评价的综合确保评价结果客观反映指标体系内含信息，提高评价的准确性及可信度；同时，在利用模糊组合评价在我国典型海洋风暴潮灾害分析过程中，针对性地识别沿海各省市风暴潮灾害脆弱性程度，从暴露性、敏感性及适应性3个层面细化不同省市脆弱性高低差异的具体成因，弥补了现有灾害脆弱性测度方法的不足并获得相对均衡的测度结果；此外，实证结果显示沿海各省市地区风暴潮灾害脆弱性呈现出一定的空间差异性，但风暴潮脆弱程度与地理位置分布无必然的联系，脆弱性的差异主要由暴露性、敏感性及适应性对应地理、经济及社会条件差异导致，这说明完备风暴潮防灾减灾机制的驱动力是多样的。因此，沿海地区海洋防灾减灾工作的不仅需要考虑单一地理区划，同时还应考虑灾害本身和人的因素。

［1］Pelling M.Visions of risk：a review of international indicators of disaster risk and its management［M］.ISDR／UNDP：Kingps College，University of London，2004.

［2］Zapata R，Caballeros R.Un tema del desarrollo：vulnerabilidad frente a los desastres［J］.CEPAL，Naciones Unidas，Mexico，DF，2000：45.

［3］Kasperson J X，Kasperson R E.Global environmental risk［M］.Tokyo：United Nations University Press，2013.

［4］Füssel H M.A generally applicable conceptual framework for climate change research，Global Environmental Change［J］.Global Environmental Change，2007，17（2）：155-167.

［5］Turner II 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，2003，100（14）：8074-8079.

［6］李映红，陶占盛，秦喜文，等.基于组合赋权法的地质灾害可拓学评价模型研究［J］.哈尔滨工业大学学报，2011，11：141-144.Li Yinghong，Tao Zhansheng，Qin Wenxi，et al.Compination Weight Method for determing theindex weight in geological disaster risk extenics evaluation［J］.Journal of Harbin Institute of Technology，2011，11：141-144.

［7］Pawlak Z.Rough sets［J］.International Journal of Computer&Information Sciences，1982，11（5）：341-356.

［8］Pelling M.Visions of risk：A review of international indicators of disaster risk and its management［R］.ISDR／UNDP：Kingps College，University of London，2004：1-56.

［9］吕跃进，张旭娜，韦碧鹏.基于优势关系粗糙集的模糊综合评价的权重确定［J］.统计与决策，2012，20：44-46.Lv Yuejin，Zhang Xuna，Wei Bipeng.Weighting methods of the Fuzzy comprehensive evaluation based rough set theory with dominance［J］.Statistics&Decision，2012，20：44-46.

［10］郭亚军.综合评价理论、方法与拓展［M］.北京：科学出版社，2012：62-101.Guo Yajun.Comprehensive Evaluation Theory，Methods and Extensions［M］.Beijing：Science Press，2012：62-101.

［11］赵庆良，许世远，王军，等.上海城市系统洪灾脆弱度评价［J］.中国人口·资源与环境，2009（5）：143-147.Zhao Qingliang，Xu Shiyuan，Wang Jun，et al.Assessment of urban system vulnerability degree to flood disaster in Shanghai［J］.China Population Resources and Environment，2009（5）：143-147.

［12］马辉.综合评价系统中的客观赋权方法［J］.合作经济与科技，2009，17：50-51.Ma Hui.Objecting weighting methods in comprehensive evaluation system［J］.Cooperative Economy&Science，2009，17：50-51.

［13］陈磊，徐伟，周忻，等.自然灾害社会脆弱性评估研究——以上海市为例［J］.灾害学，2012（1）：98-100，110.Chen Lei，Xu Wei，Zhou Xin，et al.Assessment of social vulnerability to natural disasters：a case study of Shanghai［J］.Journal of Catastrophology，2012（1）：98-100，110.

［14］曾宪报.关于组合评价法的事前事后检验［J］.统计研究，1997（6）：56-58.Zeng Xianbao.Test before and after the combinatorial assess［J］.Statistical Research，1997（6）：56-58.

［15］彭猛业，楼超华，高尔生.加权平均组合评价法及其应用［J］.中国卫生统计，2004（3）：17-20.Peng Mengye，Lou Chaohua，Gao Ersheng.Combinatorial evaluation method of weighting average and its application［J］.Chinese Journal of HealthStatistics，2004（3）：17-20.

［16］李珠瑞，马溪骏，彭张林.基于离差最大化的组合评价方法研究［J］.中国管理科学，2013（1）：174-179.Li Zhurui，Ma Xijun，Peng Zhanglin.Research on combination evaluation method bases on maximizing deviations［J］.Chinese Journal of Management Science，2013（1）：174-179.

Combination evaluation and case analysis of vulnerability of storm surge in coastal provinces of China

Yuan Shun1，Zhao Xin2，Li Linlin2
（1．College of Oceanic and Atmospheric Science，Ocean University of China，Qingdao 266100，China；2．Collegeof Economics，Ocean University of China，Qingdao 266100，China）

This paper researched the storm surge disasters in coastal provinces of China.Based on the data sources including the State Oceanic Administration，statistical yearbooks of State Statistical Bureau and coastal provinces，the Rough Set Theory and the Combination Weighting Method were combined to build the RST-CWM model for the purpose of assessing the vulnerability of storm surge disasters.And the evaluation results show that the vulnerability of storm surge disasters in coastal provinces varied spatially.However，this variation did not show a significant connection with geographical location.In this case，only focusing on geographical location in policy-making was likely to be inefficient.The most vulnerable area was Shandong while the least was Shanghai.Furthermore，the vulnerability of storm surge disasters was discomposed into exposure，sensitivity and adaptability，which varied from provinces.It indicated that diverse driving forces should be employed to optimize marine disaster prevention and reduction policies，during which natural and human factors should be taken into account.

storm surge disasters；vulnerability；combination evaluation model；rough set theory

袁顺，赵昕，李琳琳.沿海地区风暴潮灾害的脆弱性组合评价及原因探析［J］.海洋学报，2016，38（2）：16-24，

10.3969／j.issn.0253-4193.2016.02.002

Yuan Shun，Zhao Xin，Li Linlin.Combination evaluation and case analysis of vulnerability of storm surge in coastal provinces of China［J］.Haiyang Xuebao，2016，38（2）：16-24，

10.3969／j.issn.0253-4193.2016.02.002

X43

A

0253-4193（2016）02-0016-09

2015-03-14；

2015-06-09。

国家自然科学基金项目（71373247）；海洋公益性行业科研专项（201305020）；国家社科基金重大项目（15ZDB171）；中国海洋发展研究会青年项目（CAMAQN201413）；山东省优秀中青年科学家奖励基金项目（BS2015HZ006）；中国博士后基金项目（2015M572077）。

袁顺（1991—），男，山东省菏泽市人，博士研究生，主要从事海洋权益与资源综合管理研究。E-mail：yshydx＠163.com

赵昕（1964—），教授，博士生导师，主要从事海洋经济、风险管理研究。E-mail：zx＠ouc.edu.cn