梁娟娟，楊耀民，朱志偉，杜德文＊，王春娟，葉 俊，閆仕娟，楊 剛

（1.國(guó)家海洋局 第一海洋研究所，山東 青島266061；2.國(guó)家深海基地管理中心，山東 青島266061）

多波束測(cè)深數(shù)據(jù)是獲取海底微地形地貌的主要手段［1］。它相對(duì)重力、磁力、地震等地球物理勘探手段，數(shù)據(jù)覆蓋率更高、獲取速度更快、預(yù)算成本更低，并能生成高精度的數(shù)字高程模型（DEM），提取地形特征，進(jìn)行海底地形分類。

基于DEM提取地形特征是遙感信息進(jìn)入地學(xué)數(shù)據(jù)庫(kù)的關(guān)鍵技術(shù)之一［2］。1964年，Hammond［3］提出通過(guò)DEM統(tǒng)計(jì)單元內(nèi)的坡度、相對(duì)起伏度來(lái)劃分地形類型的想法，之后由Dikau等［4］、Brabyn［5］、Morgan和Lesh［6］、Dragut和 Blaschke［7］、Prima等［8］、Iwahashi和 Pike［9］進(jìn)行了實(shí)現(xiàn)、發(fā)展、修正以及完善。Buea等［10］也曾基于DEM提取地形特征對(duì)火星地形進(jìn)行過(guò)非監(jiān)督分類。

前人對(duì)海底地形地貌也做過(guò)諸多研究。耿秀山［11］、林美華［12］、潘定安等［13］對(duì)近海及海灣地形進(jìn)行了深入研究；陶春輝［14］用分形技術(shù)對(duì)多波束測(cè)量的南海大陸坡海底火山地形進(jìn)行了研究；王英等［15］從多波束資料提取水深和坡度信息，探討地形與海底多金屬結(jié)核的分布關(guān)系；劉忠臣等［16］根據(jù)多波束調(diào)查對(duì)東海的地形進(jìn)行了研究；楊剛等［17］提出了基于多波束測(cè)量數(shù)據(jù)進(jìn)行海底地形分割的“三態(tài)值模型”法，可對(duì)數(shù)字海底地形進(jìn)行快速準(zhǔn)確地分割。Herzfeld和Higginson［18］利用統(tǒng)計(jì)學(xué)方法對(duì)大西洋中部海脊進(jìn)行分類，建立了一套海底地形自動(dòng)分類系統(tǒng)。Bishwajit［19］基于多波束原始水深數(shù)據(jù)，利用神經(jīng)網(wǎng)絡(luò)對(duì)海底的海脊、裂谷和平原地形進(jìn)行分類。這說(shuō)明，基于DEM對(duì)海底進(jìn)行地形統(tǒng)計(jì)分類是學(xué)者們認(rèn)可的方法。前人工作多單純針對(duì)地形分類，少有利用地形分類技術(shù)進(jìn)行礦產(chǎn)資源勘探靶區(qū)的圈定。

本文基于DEM的地形統(tǒng)計(jì)分類，將南大西洋中脊示范區(qū)進(jìn)行地形分類，并將分類結(jié)果與熱液硫化物航次調(diào)查信息進(jìn)行關(guān)聯(lián)，尋找見礦大概率地形區(qū)，將其作為下一步找礦詳查區(qū)域，實(shí)現(xiàn)找礦勘探靶區(qū)逐步縮小的目的。

選取南大西洋中脊13°～14°S區(qū)段，針對(duì)每個(gè)水深點(diǎn)提取地形特征；劃分統(tǒng)計(jì)單元，提取每個(gè)單元地形特征的統(tǒng)計(jì)參數(shù)；然后對(duì)這些統(tǒng)計(jì)單元進(jìn)行非監(jiān)督分類；將地形類型圖層與硫化物礦點(diǎn)進(jìn)行關(guān)聯(lián)，篩選出熱液硫化物礦點(diǎn)的大概率地形單元，并將其視為后繼調(diào)查工作的重點(diǎn)靶區(qū)。

1 區(qū)域概況及數(shù)據(jù)來(lái)源

1.1 區(qū)域概況

南大西洋中脊是慢速擴(kuò)張洋脊，構(gòu)造地質(zhì)背景與北大西洋脊較為相似。我國(guó)在13°S，15°S和26°S附近發(fā)現(xiàn)并成功抓取了熱液硫化物，表明南大西洋中脊具有極大的成礦潛力。選取南大西洋13°～14°S脊段作為研究區(qū)（圖1），該區(qū)域位于洋中脊兩組轉(zhuǎn)換斷層之間，南側(cè)是洋中脊與轉(zhuǎn)換斷層的交界地帶，北端位于非轉(zhuǎn)換偏移區(qū)域，區(qū)域整體位于洋中脊裂谷東側(cè)。

圖1 研究區(qū)地理位置Fig.1 Location of the study area

1.2 數(shù) 據(jù)

多波束測(cè)深數(shù)據(jù)：主要來(lái)源于“大洋一號(hào)”科學(xué)考察船22航次（2012－12－2011－12）調(diào)查多波束全覆蓋聲納測(cè)深數(shù)據(jù)，文中所用數(shù)據(jù)是由隨船科學(xué)家對(duì)現(xiàn)場(chǎng)實(shí)測(cè)多波束數(shù)據(jù)插值所得的GRD數(shù)據(jù)，精度約為0.001°×0.001°。文中基于GRD數(shù)據(jù)生成同精度的DEM圖層和網(wǎng)格化的水深點(diǎn)圖層。

站位調(diào)查數(shù)據(jù)：我國(guó)在本研究區(qū)31個(gè)地質(zhì)站位進(jìn)行了取樣，其中有7站取到硫化物樣品，24站未取到硫化物樣品，調(diào)查工作主要由“大洋一號(hào)”科學(xué)考察船21航次（2009－07－2010－05），22航次（2010－12－2011－12）和26航次（2012－04－2012－12）完成。國(guó)外報(bào)道中未見有本研究區(qū)取樣記錄。

2 基于DEM的地形類型分類

2.1 地形特征圖層的生成

通過(guò)地形特征的定性分析，選取水深、坡度、坡度變率、總曲率等微觀地形特征以及地形起伏度、地表切割度、高程變異系數(shù)等宏觀地形特征，在ArcGIS中基于DEM提取各地形特征并生成對(duì)應(yīng)的特征圖層。將網(wǎng)格化的水深點(diǎn)圖層與各特征圖層疊加并提取各特征值。

2.2 統(tǒng)計(jì)單元的劃分

統(tǒng)計(jì)單元?jiǎng)澐质堑V產(chǎn)資源定量評(píng)價(jià)工作的重要步驟之一，按照不同礦種、不同調(diào)查數(shù)據(jù)精度，確定統(tǒng)計(jì)單元的劃分方案，地質(zhì)體單元和網(wǎng)格單元是最常用的劃分方法［20］。針對(duì)海底多金屬硫化物勘探實(shí)際工作，無(wú)法選擇地質(zhì)體單元。結(jié)合多波束地形勘測(cè)精度，選擇擁有適當(dāng)數(shù)目網(wǎng)格的網(wǎng)格組作為統(tǒng)計(jì)單元。

2.2.1 統(tǒng)計(jì)單元?jiǎng)澐值囊罁?jù)

本文劃分統(tǒng)計(jì)單元的目的是為了將點(diǎn)參數(shù)轉(zhuǎn)化為統(tǒng)計(jì)單元參數(shù)，優(yōu)點(diǎn)是增加了變量，降低了以點(diǎn)參數(shù)進(jìn)行分類造成的隨機(jī)性；缺點(diǎn)是降低了數(shù)據(jù)精度。統(tǒng)計(jì)單元大小取決于所獲取數(shù)據(jù)資料的精度，關(guān)系到潛在礦產(chǎn)資源的空間位置和數(shù)量的估計(jì)精度。統(tǒng)計(jì)單元越小，分類精度越高，但統(tǒng)計(jì)參數(shù)的代表性越弱；統(tǒng)計(jì)單元越大，分類精度越低，但統(tǒng)計(jì)參數(shù)的代表性越強(qiáng)［21］。所以，劃分統(tǒng)計(jì)單元時(shí)要考慮2點(diǎn)：1）統(tǒng)計(jì)單元有足夠多的數(shù)據(jù)，保證統(tǒng)計(jì)參數(shù)具有代表性；2）統(tǒng)計(jì)單元的規(guī)格要盡量小，保證地形分類的精度。

2.2.2 統(tǒng)計(jì)單元的劃分

1）研究區(qū)網(wǎng)格整體劃分

考慮到研究區(qū)的實(shí)際情況以及所獲取數(shù)據(jù)的精度（0.001°×0.001°），設(shè)定該區(qū)統(tǒng)計(jì)單元大小為近似0.01°×0.01°的正方形區(qū)域，將其劃分為8 475個(gè)統(tǒng)計(jì)單元，每個(gè)統(tǒng)計(jì)單元包含100個(gè)網(wǎng)格單元。

2）選取有點(diǎn)參數(shù)的統(tǒng)計(jì)單元

劃分統(tǒng)計(jì)單元時(shí)是將研究區(qū)作為規(guī)則的矩形區(qū)，但是由于研究區(qū)的不規(guī)則性，在區(qū)域外圍有很多統(tǒng)計(jì)單元內(nèi)沒有水深數(shù)據(jù)點(diǎn)，因此我們要選取包含水深數(shù)據(jù)點(diǎn)的統(tǒng)計(jì)單元。

3）選取有效的統(tǒng)計(jì)單元

在篩選出來(lái)包含水深數(shù)據(jù)點(diǎn)的統(tǒng)計(jì)單元中，為了削弱邊界統(tǒng)計(jì)單元數(shù)據(jù)點(diǎn)太少對(duì)統(tǒng)計(jì)結(jié)果的影響，剔除點(diǎn)參數(shù)不足（少于10個(gè)點(diǎn)）的統(tǒng)計(jì)單元，最后運(yùn)用ArcGIS的空間分析選取了符合統(tǒng)計(jì)條件的4 267個(gè)統(tǒng)計(jì)單元。

2.3 統(tǒng)計(jì)參數(shù)提取

每個(gè)統(tǒng)計(jì)單元包含約100個(gè)網(wǎng)格化水深數(shù)據(jù)點(diǎn)（不考慮邊界效應(yīng)），對(duì)每個(gè)統(tǒng)計(jì)單元中的7個(gè)地形特征進(jìn)行統(tǒng)計(jì)參數(shù)提取，主要包括平均值、方差、最大值、最小值。最后得到每個(gè)統(tǒng)計(jì)單元中水深、坡度、坡度變率、總曲率、地表切割深度、地表起伏度、高程變異系數(shù)七個(gè)地形特征的平均值、方差、最大值、最小值，共計(jì)28個(gè)變量。

2.4 變量選取

因涉及的變量較多，數(shù)據(jù)處理麻煩且會(huì)造成較大的誤差，因此要對(duì)變量進(jìn)行篩選，去除相關(guān)性較強(qiáng)以及對(duì)分析結(jié)果貢獻(xiàn)不大的變量［22］。為了消除量綱的影響，首先將28個(gè)變量進(jìn)行標(biāo)準(zhǔn)化。傳統(tǒng)選取變量的方法是因子分析和相關(guān)分析相結(jié)合，但由此方法篩選出的變量分類結(jié)果并不理想，因此作者采用不同因子組合的方法選取最佳的變量組合。

經(jīng)過(guò)反復(fù)驗(yàn)證變量組合并與研究區(qū)實(shí)際海底地形相對(duì)比，最終得到水深與坡度的統(tǒng)計(jì)變量組合分類效果最佳，因此，最終參與地形分類的變量為水深均值、方差、最大值、最小值，坡度均值、方差、最大值、最小值，共8個(gè)變量。

2.5 地形分類

由于相同地形類型實(shí)體具有最大的相似性、最小的差異性，不同地形類型實(shí)體具有最小的相似性、最大的差異性［23］，因此從相同地形類型所提取的同種變量參數(shù)，其值也更為接近，而從不同類型的地形實(shí)體提取的地形因子則存在較大的差異。這種相似性和差異性即是地形形態(tài)類型劃分的依據(jù)［23］。

根據(jù)這種劃分依據(jù)，我們將篩選出的8個(gè)變量在統(tǒng)計(jì)軟件SPSS中實(shí)現(xiàn)非監(jiān)督分類，運(yùn)用的方法是K－均值聚類，設(shè)置迭代次數(shù)為10次，聚類數(shù)為5類，得到的分類結(jié)果如表1。從表1可知，地形5只包含一個(gè)統(tǒng)計(jì)單元，因此忽略。

表1 最終聚類中心Table 1 The final clustering center based on cluster analysis

1）地形1 水深最大值、最小值與均值都比較高，水深的方差較??；坡度的最大值、最小值、方差、均值都比較低。說(shuō)明這一類地形總體水深值較大，水深變化起伏??；坡度值較小，起伏也較小。結(jié)合實(shí)際海底地形，可推知此類地形屬于“裂谷”。

2）地形2 坡度最大值、均值和方差都較高，坡度最小值較?。凰钭畲笾?、最小值為4類地形中最低的，水深的均值較小，方差的相對(duì)較大?？煽闯龃祟惖匦蔚貏?shì)相對(duì)較高，坡度起伏較大，坡度高值相對(duì)較多。結(jié)合實(shí)際海底地形，可推知此類地形屬于“裂谷壁”。

3）地形3 坡度最大值、最小值、均值都比較高，尤其是坡度最小值相比其他3類地形高出許多，但坡度的方差不是很大；水深方差相比其他地形高出很多，最大值、最小值和均值都相對(duì)較小。結(jié)合海底地形，可推知此類地形屬于“內(nèi)角高地斜坡”。

4）地形4 8個(gè)變量的值都比較平均，沒有很高或很低的值，水深最大值、最小值以及均值較地形1小，地形2、3大，水深方差較??；坡度各項(xiàng)變量值都較小，水深變化不大，地形起伏度較小，整體趨勢(shì)較平坦。對(duì)比實(shí)際海底地形，可推知此類地形屬于“高地”。

通過(guò)研究區(qū)實(shí)際海底地形與分類結(jié)果對(duì)比（圖2），分類結(jié)果具有一定的可信度，但地形4分類效果不好，結(jié)果具有一定的誤差，因此單獨(dú)將地形4取出重新選取變量進(jìn)行分類。地形4整體地勢(shì)較高，但粗糙度卻有所差異，因此，在水深－坡度的基礎(chǔ)上再引入粗糙度進(jìn)行二次分類。綜合第一次分類結(jié)果，最終分類結(jié)果如圖3a。這樣將地形4分成2類：地形4和地形5。二次分類后的地形4共1 052個(gè)統(tǒng)計(jì)單元，為“洋中脊高粗糙度的高地地形”；地形5共1 093個(gè)統(tǒng)計(jì)單元，為“洋中脊低粗糙度的高地地形”。

綜上所述，我們將大西洋中脊研究區(qū)地形整體分為5類：地形1為“裂谷”，地形2為“裂谷壁”，地形3為“內(nèi)角高地斜坡”，地形4為“高粗糙度的高地”，地形5為“低粗糙度的次高地”。

圖3 調(diào)查數(shù)據(jù)與二次地形分類結(jié)果關(guān)聯(lián)及遠(yuǎn)景區(qū)Fig.3 Relationship between the survey data and secondary landform classification results and proposed prospecting target area

3 地形類型與熱液硫化物調(diào)查結(jié)果的關(guān)聯(lián)

3.1 調(diào)查信息與地形類型的初步關(guān)聯(lián)

將本區(qū)所做的航次調(diào)查結(jié)果與最終所得的地形類型圖層疊加，如圖3a。

為尋找大概率地形，統(tǒng)計(jì)了本區(qū)各類地形的航次調(diào)查的結(jié)果（表2）。表2中站位數(shù)＝地質(zhì)取樣站位數(shù)；見礦數(shù)＝地質(zhì)取樣取得硫化物樣品的站位數(shù)；未見礦數(shù)＝地質(zhì)取樣未取得硫化物樣品的站位；見礦概率＝（見礦數(shù)／站位數(shù)）×100%；未見礦概率＝（未見礦數(shù)／站位數(shù)）×100%；100網(wǎng)格見礦率系數(shù)＝（見礦數(shù)／單元數(shù)）×100。

表2 各類地形調(diào)查結(jié)果Table 2 Survey results for all landform types in the study area

分析表2可知，地形5“低粗糙度的次高地”見礦概率為28.6%，在5類地形中最高，其次是地形3“內(nèi)角高地斜坡”和地形4“高粗糙度的高地”。

各類地形的面積差異很大，為了標(biāo)度單位面積見礦率，引入100網(wǎng)格見礦率系數(shù)。統(tǒng)計(jì)單元的精度為0.01°×0.01°，每個(gè)統(tǒng)計(jì)單元的面積約為1.21km2，100網(wǎng)格見礦率系數(shù)即面積為121km2范圍內(nèi)硫化物的產(chǎn)出概率。結(jié)果顯示地形3“內(nèi)角高地斜坡”100網(wǎng)格見礦率系數(shù)為2.00，為5類地形中最高；地形4“高粗糙度的高地”與地形5“低粗糙度的次高地”分別為0.19和0.18。表明研究區(qū)相同面積區(qū)域內(nèi)“內(nèi)角高地斜坡”發(fā)育熱液硫化物的概率最大，為硫化物產(chǎn)出的大概率地形，如圖3b黑線圈定區(qū)域?？紤]到地質(zhì)調(diào)查站位并不是隨機(jī)分布于各地形類型內(nèi)，100網(wǎng)格見礦率系數(shù)在指示各地形類型的成礦概率方面也只能作為參考指標(biāo)。

本文綜合考慮見礦概率和100網(wǎng)格見礦率系數(shù)，姑且將“內(nèi)角高地斜坡”作為首選后繼勘探靶區(qū)。隨著調(diào)查認(rèn)識(shí)的深入，會(huì)有更完善的指標(biāo)，圈定的后繼重點(diǎn)勘探靶區(qū)也會(huì)更合理。

3.2 礦點(diǎn)漏判與靶區(qū)縮小

本區(qū)共7個(gè)熱液硫化物站位，其中3個(gè)位于本文方法圈定出的遠(yuǎn)景區(qū)內(nèi)，4個(gè)熱液硫化物站位處于漏判狀態(tài)。漏判率＝（漏判熱液硫化物站位／熱液硫化物總站位）×100%＝57%。因此漏判率超過(guò)一半。

研究區(qū)共4 267個(gè)統(tǒng)計(jì)單元，總面積為5 163.07km2，其中圈定出的硫化物發(fā)育的大概率地形“內(nèi)角高地斜坡”有150個(gè)統(tǒng)計(jì)單元，總面積為181.5km2。靶區(qū)縮小倍數(shù)：靶區(qū)縮小率＝（勘探區(qū)域面積／總區(qū)域面積）×100%＝3.5%。

地形分類與已知礦點(diǎn)關(guān)聯(lián)的目的是為了縮小勘探靶區(qū)，以圈定熱液硫化物的后繼勘探區(qū)。縮小靶區(qū)的過(guò)程不可避免會(huì)造成礦點(diǎn)的漏判。雖然漏判率超過(guò)50%，但是我們卻將靶區(qū)縮小到3.5%，即我們用超過(guò)一半的漏判率換回了3.5%的靶區(qū)縮小率。

4 結(jié)論

將大西洋中脊劃分為5類地形：“裂谷”、“裂谷壁”、“內(nèi)角高地斜坡”、“高粗糙度的高地”和“低粗糙度的次高地”。各地形見礦概率：“裂谷”為0，“裂谷壁”為0，“內(nèi)角高地斜坡”為27.3%，“高粗糙度的高地”為20%，“低粗糙度的次高地”為28.6%；各地形的100網(wǎng)格見礦率系數(shù)：“裂谷”為0，“裂谷壁”為0，“內(nèi)角高地斜坡”為2.0，“高粗糙度的高地”為0.19，“低粗糙度的高地”為0.18。其中，“內(nèi)角高地斜坡”100網(wǎng)格見礦率系數(shù)最大，將其認(rèn)定為發(fā)育硫化物的大概率地形，建議作為下一步的重點(diǎn)勘探區(qū)域。雖然該方法礦點(diǎn)漏判率高達(dá)57%，卻獲得了將靶區(qū)縮小到3.5%的效果。

研究區(qū)調(diào)查程度低，地質(zhì)調(diào)查站位少，已知硫化物礦點(diǎn)亦少，本方法基于這些有限數(shù)據(jù)信息建立起來(lái)的認(rèn)識(shí)，為熱液硫化物后繼勘探靶區(qū)的選擇提供一種思路，并不能排除其他地形類型也可能是熱液硫化物礦點(diǎn)產(chǎn)出的有利區(qū)域。

（References）：

［1］YANG S J.Linear structural interpretation of Mid－Atlantic ridge and associate with hydrothermal mineralization［J］.Acta Mineralogica Sinica，2011，（Suppl.1）：706－707.閆仕娟.大西洋中脊區(qū)線性構(gòu)造解譯及熱液成礦關(guān)聯(lián)［J］.礦物學(xué)報(bào)，2011，（增刊1）：706－707.

［2］Lü G N，QIAN Y D，CHEN Z M.Automated extraction of the characteristics of topography from grid digital elevation data［J］.Journal of Geographical Sciences，1998，53（6）：562.閭國(guó)年，錢亞?wèn)|，陳鐘明.基于柵格數(shù)字高程模型提取特征地貌技術(shù)研究［J］.地理學(xué)報(bào)，1998，53（6）：562.

［3］HAMMOND E H.Analysis of properties in landform geography：an application to broad－scale landform mapping［J］.Annals of Association of American Geographers，1964，54（1）：11－19.

［4］DIKAU R，BRABB E E，MARK R M.Landform classification of New Mexico by computer［C］.U.S.Geological Survey，Open－file Report，1991，26：91－634.

［5］BRABYN L.GIS analysis of macro landform［C］∥The 10th Colloquium of the Spatial Information Research Centre.New Zealand，1998：35－48.

［6］MORGAN J M，LESH A M.Developing landform maps using ESRI＇S Model Builder［EB／OL］.［2014－05－20］.http：∥gis.esri.com／library／userconf／froc05／papers／pap2206.pdf，2005.

［7］DRAGUT L，BLASCHKE T.Automated classification of landform elements using object－based image analysis［J］.Geomorphology，2006，81（3－4）：330－344.

［8］PRIMA O D A，ECHIGO A，YOKOYAMA R，et a1.Supervised landform classification of Northeast Honshu from DEM derived the matic maps［J］.Geomorphology，2006，78（3－4）：373－386.

［9］IWAHASHI J，PIKE R J.Automated classifications of topography from DEMs by an unsupervised nested－means algorithm and a threepart geometric signature［J］.Geomorphology，2007，86（3－4）：409－440.

［10］BUEA B D，STEPINSKIB T F.Automated classification of landforms on Mars［J］.Computers and Geosciences，2006，30（5）：604－614.

［11］GENG X S.The geomorphic classification in the East China Sea［J］.Transactions of Oceanology and Limnology，1980，2（3）：32－37.耿秀山.東中國(guó)海的地貌分類［J］.海洋湖沼通報(bào)，1980，2（3）：32－37.

［12］LIN M H.The submarine geomorphological zones and geomorphological types in the Huanghai Sea［J］.Marine Sciences，1989，13（6）：7－15.林美華.黃海海底地貌分區(qū)及地貌類型［J］.海洋科學(xué)，1989，13（6）：7－15.

［13］PAN D A，WANG S M，SHEN H T.Approach to the formation cause of the central deep channel and the Beiniu sands in Meizhou bay［J］.Acta Geographica Sinica，1994，49（1）：55－63.潘定安，汪思明，沈煥庭.湄洲灣中央深槽及白牛淺灘的成因探討［J］.地理學(xué)報(bào)，1994，49（1）：55－63.

［14］TAO C H.The application of the fractal geometry in the study of submarine volcano［J］.Donghai Marine Science，2000，18（2）：9－14.陶春輝.分形幾何在海底火山地形中的應(yīng)用［J］.東海海洋，2000，18（2）：9－14.

［15］WANG Y，LI J B，HAN X Q，et al.The influence of terrain slope on the distribution of poly metallic nodules［J］.Acta Oceanologica Sinica，2001，23（1）：60－64.王英，李家彪，韓喜球，等.地形坡度對(duì)海底多金屬結(jié)核的分布控制作用［J］.海洋學(xué)報(bào)，2001，23（1）：60－64.

［16］LIU Z C，CHE Y L，ZHOU X H，et al.Study on zoned characteristics and formation cause of the East China Sea submarine topography［J］.Advances in Marine Science，2003，21（2）：160－173.劉忠臣，陳義蘭，周興華，等.東海海底地形分區(qū)特征和成因研究［J］.海洋科學(xué)進(jìn)展，2003，21（2）：160－173.

［17］YANG G，DU D W，Lü H L.Segmentation algorithm for digital sea－floor terrain［J］.Advances in Marine Science，2004，22（2）：204－209.楊剛，杜德文，呂海龍.數(shù)字海底地形分割算法［J］.海洋科學(xué)進(jìn)展，2004，22（2）：204－209.

［18］HERZFELD U C，HIGGINSON C A.Automated Geostatistical seafloor classification－principles，parameters，feature vectors，and discrimination criteria［J］.Computer and Geosciences，1996，22（1）：35－52.

［19］BISHWAJIT C.Application of artificial netural network to segmentation and classification of topographic profiles of ridge－flank seafloor［J］.Current Science，2003，85（3）：306－312.

［20］ZHANG F Y，ZHANG W Y，ZHU K C，et al.Principle of resource evaluation and technique of mining area delineate for ocean polymetallic crust［M］.Beijing：China Ocean Press，2001：1－150.張福元，章偉艷，朱克超，等.大洋多金屬結(jié)殼資源評(píng)價(jià)原理和礦區(qū)圈定方法［M］.北京：海洋出版社，2001：1－150.

［21］LIU Y G，DU D W，LI Z S，et al.Estimation of polymetallic nodule distribution and resource quantity in the CC zone and its adjacent areas of the Pacific Ocean［J］.Advances in Marine Science，2009，27（3）：342－349.劉永剛，杜德文，李鐘山，等.太平洋 CC區(qū)及周邊多金屬結(jié)核分布及資源量預(yù)測(cè)［J］.海洋科學(xué)進(jìn)展，2009，27（3）：342－349.

［22］WANG C J，DU D W，MENG X W，et al.Mineral resources prediction model and its application about gas hydrate in the Gulf of Mexico［J］.Acta Oceanologica Sinica，2009，31（3）：67－71.王春娟，杜德文，孟憲偉，等.墨西哥灣天然氣水合物礦產(chǎn)資源預(yù)測(cè)模型及其應(yīng)用［J］.海洋學(xué)報(bào)，2009，31（3）：67－71.

［23］LIU A L，TANG G A.DEM based auto－classification of Chinese landform［J］.Geo－information Science，2006，8（4）：8－16.劉愛利，湯國(guó)安.中國(guó)地貌基本形態(tài) DEM 的自動(dòng)劃分研究［J］.地球信息科學(xué)，2006，8（4）：8－16.