中国沿海地区海洋灾害频发,每年都会造成沿岸城市巨大的人员伤亡和经济损失。其中,风暴潮灾害,作为影响我国的主要海洋灾害,已经严重威胁到我国沿海经济的持续发展。近几十年,在全球变暖导致的海平面不断上升的情景下,台风风暴潮灾害强度和影响范围呈现增大趋势,同时,随着沿海地区人口和经济不断集聚,台风风暴潮灾害的风险等级也会进一步上升。因此,需对重点沿海城市开展精细化的风暴潮风险评估与区划,以提前确认风暴潮灾害可能会影响的区域和不同受灾区域的风险等级,进而制定不同的人口转移路线和有效的防灾救灾措施,从而减小风暴潮灾害带来的损失。本文基于国内外风暴潮风险评估与区划的研究现状和研究成果,综合考虑风暴潮灾害的危险性、研究区域的暴露性、承灾体的物理脆弱性和社会脆弱性,提出了一个适用于小尺度区域的精细化风暴潮综合风险评估模型。并使用数值模拟、地理信息系统（GIS）技术、深度学习卷积神经网络、主成分分析、多源数据分析等方法,在惠州大亚湾区开展实例研究。本文主要研究内容如下:（1）首先,使用Jelesnianski台风模型来构造台风场,再通过ADCIRC模型和SWAN模型构建惠州市海域风暴潮模型,开展台风风暴潮数值模拟,计算台风风暴潮增水。采用对惠州市沿岸增水影响较大的9个台风风暴潮时期的最大增水值对风暴潮模型模拟结果进行了验证。实验结果表明,惠州站的最大增水绝对误差在5-18 cm之间,相对误差在2%-30%之间,港口站最大增水的绝对误差在0-17cm之间,相对误差在1%-17%之间,说明基于ADCIRC+SWAN耦合的浪潮模型能很好地模拟惠州市沿海地区的风暴潮位及增水过程。（2）随后,通过概率统计的方法分析了台风历史数据,获取了惠州市1000年一遇,100年一遇,50年一遇,20年一遇,10年一遇的台风中心气压分别为880h Pa,910 h Pa,920 h Pa,930 h Pa,940 h Pa。同时,确定了台风中心气压与最大风速半径、最大风速之间的经验公式。并基于对惠州沿岸水位影响最大的台风“山竹”路径建造了最有利风暴增水的台风路径集合,进而构建了惠州市海域5种典型的台风情景:1000年一遇、100年一遇、50年一遇、20年一遇、10年一遇。之后,利用耦合的ADCIRC及SWAN浪潮模型对5种典型台风情境下的风暴潮进行模拟,得到了5种台风情景下台风风暴潮的增水、漫堤和淹没结果。结果表明,处于不同台风情景下,惠州沿岸地区的风暴潮淹没深度在地理空间分布上差异较大。当台风的重现期为1000年一遇（中心气压为880 h Pa）时,风暴潮淹没水深平均值为5.78 m,显著高于其它重现期台风所引起的风暴潮淹没水深;而台风重现期为100年和50年一遇所引起的淹没水深平均值较为接近,分别为2.64 m和2.39 m;同样,台风重现期为20年和10年一遇时所引起的淹没水深平均值较为相似,分别为2.22 m和1.97 m。（3）然后,基于风暴潮淹没模拟结果,通过GIS插值技术得到惠州市沿岸地区最大可能淹没水深和淹没范围的面数据。同时,根据淹没水深范围将淹没区域划分为低、较低、较高、高危险性四个等级,完成危险性评估和等级划分。之后,根据土地利用类型的数据,通过各个土地类型对应的脆弱值以及脆弱性等级,完成惠州市的脆弱性评估和等级划分。最后,基于风险定性评估理论（Risk=Hazard×Vulnerability）将危险性等级和脆弱性等级相结合,采用风险矩阵法（Risk Matrix）完成惠州市沿岸地区不同典型台风情景下的风险定性评估,并制作惠州市的风暴潮风险等级分布图。结果显示,当台风重现期为1000年一遇（中心气压为880 h Pa）时,惠州市沿岸有83.4%的风暴潮淹没面积（227 km2）的危险等级是高等级,但只有8%的风暴潮淹没面积（21.97 km2）是处于高风险等级。而在100年一遇,50年一遇,20年一遇,10年一遇的台风情景下,多半淹没面积处于高危险等级中,分别为48.5%（76 km2）,53.0%（77.23 km2）,60.8%（77.36 km2）,67.3%（75.8km2）。但是,风暴潮风险等级评估中,则是以较低等级的风险性最为常见,分别为64.9%（33.12 km2）,64.8%（30.34 km2）,68.4%（26.75 km2）,68.3%（22.57km2）,这表明因不同土地类型所对应的脆弱值不相同,处于高危险等级区域不等于该区域也处于高风险等级中。（4）最后,综合考虑风暴潮灾害危险性、研究区域承灾体暴露性、承灾体的物理脆弱性、社会系统的社会脆弱性,将基于物理脆弱性的风险评估和基于社会脆弱性的风险评估相结合,构建了适用于小尺度区域的精细化风暴潮风险评估模型。同时,基于惠州市沿岸风暴潮风险定性评估和区划的结果,选取惠州市沿岸受风暴潮灾害影响严重的大亚湾区作为小尺度区域的实例研究。首先,采用GIS图像处理技术、机器学习的深度神经网络U-Net++、承灾体的脆弱性曲线完成基于物理脆弱性的风险评估与区划。然后,基于社会人口、社会经济环境和社会抗灾能力这三个因素建立了社会脆弱性的评价指标体系,并使用主成分分析法开展社会脆弱性评估,结合风暴潮危险性,完成基于社会脆弱性的风险评估与区划。最后,将基于物理脆弱性的风险区划结果和基于社会脆弱性的风险区划结果按权相加,得到大亚湾区的风暴潮综合风险评估与区划结果。结果表明,风暴潮灾害的综合风险随着台风等级的增强而升高,且综合风险等级在沿海地区是高于内陆地区的,西北地区高于西南沿海,其中大亚湾区的霞涌村和石油化工业区的综合风险性明显高于其它村庄。本文提出风暴潮风险评估模型综合考虑风暴潮的危险性、承灾体的暴露性、研究区域的物理脆弱性和社会脆弱性,并在大亚湾区开展了精细化的综合风险评估与区划。这不仅弥补国内风暴潮风险定量评估研究的不足,还发展了风暴潮风险评估与区划的理论基础。在实例研究中,通过GIS技术和机器学习方法解决了国内因数据不足而无法开展定量评估的问题,其研究成果对于大亚湾区防灾减灾部门开展风险管理提供了一定的指导。同时,建立了集基于概率统计方法构建台风情景、基于浪潮耦合模型模拟风暴潮增水、基于物理脆弱性的风险评估、基于社会脆弱性的风险评估和综合风险评估与区划于一体的方法程序和流程框架,以为国内其它沿海地区开展精细化的风险综合评估提供了示范。