周慶杰，李西雙，徐元芹，劉樂軍，高珊，周航，李天光

(1.國家海洋局第一海洋研究所 海洋沉積與環(huán)境地質國家海洋局重點實驗室，山東 青島 266061；2.青島海洋科學與技術國家實驗室 海洋地質過程與環(huán)境功能實驗室，山東 青島 266061；3.青島海洋科學與技術國家實驗室 海洋礦產資源評價與探測技術功能實驗室，山東 青島 266071)

?

一種基于水深梯度原理的海底滑坡快速識別方法
——以南海北部陸坡白云深水區(qū)為例

周慶杰1,2，李西雙1,3*，徐元芹1,2，劉樂軍1,2，高珊1,2，周航1,2，李天光1,2

(1.國家海洋局第一海洋研究所 海洋沉積與環(huán)境地質國家海洋局重點實驗室，山東 青島 266061；2.青島海洋科學與技術國家實驗室 海洋地質過程與環(huán)境功能實驗室，山東 青島 266061；3.青島海洋科學與技術國家實驗室 海洋礦產資源評價與探測技術功能實驗室，山東 青島 266071)

如何快速而準確的識別并提取海底滑坡的特征形態(tài)信息一直是海洋工程地質、特別是深水工程地質評價中所關注的問題之一。本文根據滑坡后形成的地形形態(tài)，基于水深梯度求值運算的原理，通過Matlab編程建立了一種快速識別海底滑坡的方法。以南海北部陸坡白云深水區(qū)為例進行海底滑坡的識別，并利用淺地層剖面做驗證，結果顯示這一方法是可行的，其最大的優(yōu)點是滑坡識別速度快，對于規(guī)模小且數(shù)量多的滑坡識別效率較高。通過實測數(shù)據進一步的分析表明：(1)閾值的選取對識別結果有明顯影響，閾值的選取需要結合其他物探資料(如淺地層剖面和聲吶影像)綜合判斷來確定；(2)水深數(shù)據的空間分辨率會影響滑坡識別結果的準確度，合適的空間分辨率會提高識別結果的準確性。

南海北部陸坡；海底滑坡；水深梯度；閾值

1 引言

海底滑坡是一種重要的地質營力，對海底地貌塑造、海底沉積物搬運和沉積具有重要意義[1—3]。海底滑坡會破壞海底的穩(wěn)定性，對海上石油鉆井平臺、海底光纜等海底工程構筑物和海洋環(huán)境構成威脅[4—8]?？焖僮R別并提取海底滑坡的形態(tài)信息，了解滑坡發(fā)生的位置和規(guī)模，對于海洋工程地質中區(qū)域風險的評估具有重要的理論價值和實際意義。

目前，對于陸坡海底滑坡的識別主要基于鉆孔、地形、2D/3D地震資料、淺剖資料、多波束及旁掃聲吶等資料[9—12]；識別滑坡的主要方法是經驗性的人工識別，因此主觀因素對識別結果的準確性將造成不同程度的影響。此外，有的學者將地貌解釋技術應用到海底地貌定量分析中[13—14]，該技術方法是海底滑坡定量識別的一種嘗試，但無法對海底滑坡進行細致而準確的描述。

本文基于水深梯度原理提出了一種快速海底滑坡識別方法，并以南海北部陸坡白云深水區(qū)為例驗證該方法的有效性，探討了地形數(shù)據的空間分辨率和閾值變量對識別結果的影響。研究結果可為進一步開展海底滑坡研究和深水工程地質評價提供參考依據。

2 原理

海底滑坡發(fā)生后會在滑坡體后方產生坡度較大的主斷壁陡坎，陡坎的坡度要比相鄰的海底坡度大，滑坡體的兩側通常會出現(xiàn)滑坡側壁，兩側壁近平行或呈弧形，與主斷壁近于垂直，其坡度通常也大于周圍海底坡度[15—16](圖1)。已有的研究表明，局部海底斜坡坡度變化比較大的地方存在滑坡侵蝕的可能[17]。海底滑坡地形上的這種特征為滑坡的自動識別提供了可能性。

在水深地形圖中，水深梯度的變化與海底坡度的差異相對應。水深梯度可表明海底表面上某個位置的最陡下坡傾斜程度。對于網格化水深數(shù)據來說，水深梯度可用每個網格點及與其相鄰的8個網格點數(shù)據計算獲得的最大水深變化率來表示(圖2)。從數(shù)學上講，該理論方法是將一個平面與要處理的網格點或中心網格點周圍一個3×3的網格鄰域的水深值進行擬合，求取其橫向和縱向梯度，該平面的梯度值以橫向和縱向梯度最大值來表示。

圖1 海底滑坡立體結構示意圖(據Hampton和Lee[18])Fig.1 The cartoon showing 3-D structure of the submarine landslide(modified from Hampton and Lee[18])

圖2 梯度計算網格示意圖Fig.2 Gradient computing grid diagram

圖2中，字母a～i表示3×3網格的每個點元，其中e表示當前正在計算梯度的中心點元。為了簡化運算，利用中心點元及其相鄰的8個網格點元的值計算出橫向x和縱向y的梯度值，并取最大值作為中心點元e的梯度值。

點元e在橫向x方向上的梯度分量通過以下算法進行計算：

dz/dx=[(c+2f+i)-(a+2d+g)]/

(8×Cell size).

(1)

點元e在縱向y方向上的梯度分量通過以下算法進行計算：

dz/dy=[(g+2h+i)-(a+2b+c)]/

(8×Cell size).

(2)

水深梯度與海底坡度相對應，梯度值越小，則坡度越小，地勢越平坦；梯度值越大，坡度也越大，地勢越陡峭。因此，根據實際情況及需求設置一個臨界水深梯度值(即閾值)輸出海底局部斜坡坡度(水深梯度)變化較大的位置點，即可能的海底滑坡主斷壁或側壁陡坎。

3 方法的實現(xiàn)

本文中我們通過Matlab算法編程實現(xiàn)水深梯度的求取以及滑坡的判識。Matlab是一個為科學和工程計算專門設計的高級交互式的軟件包，它集成了各種領域的數(shù)據處理工具包，是一個可以完成各種計算和數(shù)學處理的可視化、強有力、易于使用和理解的工具[19]，可以很好地實現(xiàn)該研究區(qū)水深梯度的計算和提取，并對識別的滑坡陡坎實現(xiàn)可視化成圖。

基于水深梯度求值的方法實現(xiàn)海底滑坡的自動識別，是以網格化水深數(shù)據為基礎，分別計算中心點元橫向x方向、縱向y方向的梯度分量值，并比較兩個值的大小，以最大值作為該點元處的梯度值(即自該點元開始的最陡坡降)。通過設置臨界梯度(閾值)，輸出局部海底斜坡坡度變化比較大的位置。通過其他物探資料，如淺地層剖面和側掃聲吶影像等的解譯結果，分析輸出結果的有效性和合理性，以確定合理的臨界梯度，即輸出閾值，具體流程見圖3。

圖3 海底滑坡陡坎識別算法流程圖Fig.3 Algorithm flow chart showing how to recognize submarine landslide scarp

4 算例實驗與分析

4.1 數(shù)據資料

本文試驗區(qū)域為南海北部陸坡白云深水區(qū)，水深約為200～2 500 m，總體上為西北-東南向傾斜的斜坡，但海底地形起伏較大，發(fā)育有典型海底峽谷地貌，溝-脊相間排列，無論是峽谷谷壁還是峽谷之間的臺地上，滑坡都極為發(fā)育[20—23](圖4b)，人工識別滑坡的工作量非常大。

本文中使用的水深數(shù)據為多波速測量(船載多波束和搭載AUV平臺的多波束)獲得的網格化水深數(shù)據，水深網格間距分別為20 m和2 m。另外，為了對該方法識別滑坡的可靠性進行檢驗，還收集了部分淺地層剖面以及側掃聲吶影像等實測資料。

4.2 算法模型的建立與參數(shù)設置

本文選取兩個較有代表性的區(qū)域進行計算試驗?；聟^(qū)Ⅰ位于海底峽谷頭部(圖4c)，水深在700～950 m之間，滑坡的滑動方向既有與峽谷相同或斜交，也有與谷底線垂直或斜交的?；聟^(qū)Ⅱ為峽谷尾部的濁流堆積扇區(qū)的大型滑坡(圖4d)，水深約1 600 m，滑坡后緣形成的陡坎非常明顯，在淺地層剖面上，滑坡后緣非常清楚，近直立較大，滑坡體的內部呈雜亂狀，與未發(fā)生滑坡地層的反射特征有明顯差異。

根據已有的數(shù)據，針對滑坡區(qū)Ⅰ建立了3種空間分辨率的數(shù)字水深模型，分別為2 m、10 m和20 m(圖5)?；聟^(qū)Ⅱ則建立了空間分辨率為20 m的數(shù)字水深模型。

圖4 研究區(qū)地形及2個試驗區(qū)的3-D地形Fig.4 Topographic map of the study area and two selected testing areaa.南海北部地形圖，b.研究區(qū)地形圖, c.滑坡區(qū)Ⅰ三維地形圖, d.滑坡區(qū)Ⅱ三維地形圖a. Northern South China Sea topographic, b. study area topographic map, c. three-dimensional topographic map of landslide area Ⅰ, d. three-dimensional topographic map of landslide area Ⅱ

圖5 不同空間分辨率的數(shù)字水深模型圖(圖中圈出的為人工識別的滑坡區(qū)域)Fig.5 Digital water depth model with different spatial resolution(white circles infer the location of submarine landslides)

圖6 空間分辨率20 m和2 m的數(shù)字地形坡度統(tǒng)計分布圖Fig.6 Digital terrain slope statistical distribution map of 20 m and 2 m spatial resolution

圖7 滑坡區(qū)Ⅰ的識別結果圖Fig.7 Recognization result in area Ⅰ

圖8 滑坡區(qū)Ⅱ海底滑坡識別結果Fig.8 The result of landslide recognition in landslide area Ⅱ

圖9 自動滑坡識別結果(橙色部分為算法識別結果)Fig.9 The result of landslide recognition by using of our proposed method(the orange part is algorithm identification results)

圖10 利用淺地層剖面對自動識別的滑坡識別驗證Fig.10 Checking the identification result with sub-bottom profiles 紅點為淺地層剖面識別出的滑坡的位置，淺藍色區(qū)域為算法識別結果Red point is the landslide location identified based the sub-bottom profiles，blue area is the algorithm identification results

計算滑坡區(qū)Ⅰ的20 m和2 m空間分辨率的數(shù)字水深模型的坡角度數(shù)，并對其分布規(guī)律進行統(tǒng)計分析，結果如圖6所示。大部分區(qū)域的坡度在15°以內，根據坡度的分布規(guī)律，設置4°、6°和9°為計算分析中的閾值坡度。

4.3 滑坡識別結果

對滑坡區(qū)Ⅰ的空間分辨率為20 m的數(shù)字水深模型進行計算，分別以4°、6°和9°為閾值坡度，輸出滑坡識別結果，見圖7a。

對滑坡區(qū)Ⅰ的空間分辨率為2 m的數(shù)字水深模型進行計算，分別以4°、6°和9°為閾值坡度，輸出滑坡識別結果，見圖7b。

在滑坡區(qū)Ⅰ，固定輸出閾值為6°，分別對空間分辨率2 m、10 m和20 m的數(shù)字水深模型進行計算，獲得結果見圖7c。

在滑坡區(qū)Ⅱ，對空間分辨率為20 m的數(shù)字水深模型進行計算，分別以4°、6°和9°為閾值坡度，輸出滑坡識別結果，見圖8。

4.4 滑坡識別結果的驗證

上述2個區(qū)域的算例表明，6°可能是研究區(qū)較為合適的閾值坡度。因此，在對整個區(qū)域的滑坡識別計算中，以6°為閾值，數(shù)字水深模型的分辨率為20 m，得到的計算結果如圖9所示?？梢钥闯觯５仔逼缕露容^大的區(qū)域與海底滑坡的識別結果相對應。

利用收集的淺地層剖面資料對自動識別出的海底滑坡進行驗證，如圖10所示。從圖中可以看出，利用淺地層剖面確定的海底滑坡，在本方法得到的結果中基本都能識別出來。這表明，我們提出的基于水深梯度原理的滑坡快速識別方法可以較好的識別海底滑坡，其結果較為可靠，其效率要比人工識別滑坡高出很多。

5 對影響自動滑坡識別因素的討論

5.1 不同閾值對滑坡識別的影響

使用相同空間分辨率的數(shù)字水深模型計算得到的結果(圖7a,7b)顯示：當閾值坡度為4°時，識別的結果較為雜亂，噪音信息較多，無法準確地判斷海底滑坡的位置等狀態(tài)信息；閾值坡度為6°時，識別結果較為清晰，噪音信息較少，能夠較好的識別和反映海底滑坡的形態(tài)；閾值坡度為9°時，有效信息較少，一些滑坡被遺漏，且無法準確得到海底滑坡的位置等信息。對典型海底滑坡的識別結果(圖8)顯示，不同的輸出閾值下，都較好的識別和反映了海底滑坡的狀態(tài)信息，但是閾值坡度為4°時，所含的噪音信息較多，閾值坡度為6°時，輸出結果比較準確，隨著閾值坡度的增大，部分有效信息會被屏蔽，識別結果相對較差。

由此可見，選擇的輸出閾值較小會使得到的結果較為雜亂，有效信息被噪音覆蓋；選擇的輸出閾值較大則會屏蔽掉許多有效信息，使得到的結果由于信息量較小而無法保證其準確性，因此，選擇合理的輸出閾值對于準確識別和反映海底滑坡是至關重要的。在閾值選取的過程中，需要結合多波束海底地形數(shù)據、淺地層剖面等多種資料的識別結果綜合判斷，以確定一個合理的輸出閾值。

5.2 數(shù)據空間分辨率對滑坡識別的影響

在輸出閾值坡度確定的情況下，對不同空間分辨率的數(shù)字水深模型(如圖7c中2 m、10 m和20 m 3種分辨率模型)計算得到的結果顯示，空間分辨率為10 m的識別結果較為清晰，空間分辨率為2 m的識別結果噪音信息較多，空間分辨率為20 m的識別結果模糊不清。這表明，利用該方法識別海底滑坡，并不一定空間分辨率越高越好，分辨率過高容易產生過多的噪音信息，過低時則會出現(xiàn)遺漏規(guī)模較小的滑坡的現(xiàn)象。因此，在本方法中合理選擇數(shù)字水深模型的分辨率有助于提高滑坡識別的準確性。

6 結論

本文提出了一種基于水深梯度的海底滑坡快速自動識別方法，并通過Matlab編程實現(xiàn)計算。該方法通過確定海底局部斜坡坡度變化較大的位置，提取海底滑坡陡坎特征信息，從而確定海底滑坡及其位置。在此基礎上，以南海北部陸坡白云深水區(qū)為例，通過構建不同空間分辨率的數(shù)字水深模型，對方法進行驗證。結果表明，本文所提出的海底滑坡自動識別方法是可行的，結果也較為可靠；由于這一過程由計算機來實現(xiàn)，因此大大提高了滑坡識別的效率。通過研究區(qū)實測水深的滑坡識別試驗得到的結果表明，影響自動識別滑坡結果包括2個主要因素，一是識別過程中閾值的選取，二是水深模型的空間分辨率。

[1] McAdoo B G, Praston L F, Orange D L. Submarine landslides geomorphology, US continental slope[J]. Marine Geology,2000,69:103-136.

[2] Heezen B C, Ewing M. Turbidity currents and submarine slumps, and the 1929 Grand Banks earthquake[J]. American Journal of Science, 1952, 250(12): 849-873.

[3] Piper D J W, Cochonat P, Morrison M L. The sequence of events around the epicenter of the 1929 Grand Banks earthquake: initiation of debris flows and turbidity current inferred from sidescan sonar[J]. Sedimentology, 1999, 46: 79-97.

[4] 楊啟倫.海洋開發(fā)和海底不穩(wěn)定性調查研究的關系[J]. 海洋技術, 1994, 13(4): 65-67.

Yang Qilun. The relationship between ocean development and the seabed instability[J]. Ocean Technology, 1994, 13(4): 65-67.

[5] Saxov S. Marine-slides-some introductory remarks[J]. Marine Geotechnology, 1990, 9: 110-114.

[6] Haflidason H, Sejrup H P, Nygard A, et al. Architecture, geometry and slide development of the Storegga Slide[J]. Marine Geology, 2004, 213: 201-234.

[7] 朱林, 傅命佐, 劉樂軍,等. 南海北部白云凹陷陸坡海底峽谷地形地貌與沉積地層特征[J]. 海洋地質與第四紀地質,2014, 34(2):1-9.

Zhu Lin, Fu Mingzuo, Liu Lejun, et al. Canyon morphology and sediments on northern slope of the Baiyun Sag[J]. Marine Geology & Quaternary Geology,2014, 34(2):1-9.

[8] Hsueh Y, Zhong Liejun. A pressure-driven South China Sea warm current[J]. Journal of Geophysical Research，2004, 109:9-14.

[9] 李家鋼,修宗祥，申宏,等. 海底滑坡塊體運動研究綜述[J].海岸工程,2012,31(4):67-78.

Li Jiagang, Xiu Zongxiang, Shen Hong,et al. A review of the studies on submarine mass movement[J]. Coastal Engineering, 2012,31(4):67-78.

[10] 寇養(yǎng)琦.南海北部的海底滑坡[J]. 海洋與海岸帶開發(fā),1990,7(3):48-51.

Kou Yangqi. The landslides on the northern South China Sea seabed[J]. Ocean and Coastal Zone Development, 1990,7(3):48-51.

[11] 胡光海,劉振夏,房俊偉. 國內外海底斜坡穩(wěn)定性研究概況[J]. 海洋科學進展,2006,2(1):130-136.

Hu Guanghai, Liu Zhenxia, Fang Junwei. A review of submarine slope stability studies at home and abroad[J]. Advances in Marine Science, 2006,2(1):130-136.

[12] 陳珊珊,孫運寶,吳時國.南海北部神狐海域海底滑坡在地震剖面上的識別及形成機制[J].海洋地質前沿,2012,28(6): 40-45.

Chen Shanshan, Sun Yunbao, Wu Shiguo. Sea bottom landslide in the Shenhu area on the north margin of South China Sea and triggering mechanisms[J]. Marine Geology Frontiers, 2012, 28(6):40-45.

[13] 王磊,吳時國,李偉.人機交互地貌解釋技術在海底滑坡研究中的應用[J].地球物理學進展,2013,28(6):3200-3306.

Wang Lei, Wu Shiguo, Li Wei. The application for interactive geomorphologic interpretation technique in research on submarine landslides[J]. Progress in Geophysis,2013,28(6):3200-3306.

[14] 王磊.白云海底滑坡地貌形態(tài)學研究新技術[C].中國地球物理學會，2012:1.

Wang Lei. A new technique for geomorphological characterization of Baiyun submarine slides[C]. The Chinese Geophysical Society, 2012: 1.

[15] 尹延鴻. 海岸侵蝕和海底滑坡[J].海洋地質前沿,1995(8):4-6.

Yi Yanhong. Coastal erosion and underwater landslides[J]. Marine Geology Frontiers, 1995(8): 4-6.

[16] 吳時國,陳珊珊,王志君,等.大陸邊緣深水區(qū)海底滑坡及其不穩(wěn)定性風險評估[J]. 現(xiàn)代地質,2008,22(3):430-437.

Wu Shiguo, Chen Shanshan, Wang Zhijun, et al. Submarine landslide and risk evaluation on its instability in the deepwater continental margin[J]. Geoscience, 2008,22(3):430-437.

[17] Green A, Ukwn R. Submarine landsliding and canyon evolution on the northern Kwazulu-Natal Continental Shelf ,South Africa, Sw Indian Ocean[J]. Marine Geology, 2008, 254: 152-170.

[18] Hampton M, Lee H. Submarine landslides[J]. Reviews of Geophysics,1996,34(1):33-59.

[19] 楊建強,羅先香. MATLAB軟件工具箱簡介[J].水科學進展,2001(2):237-242.

Yang Jianqiang, Luo Xianxiang. Introduction of the MATLAB Toolbox[J]. Advances in Water Science,2001(2):237-242.

[20] 丁巍偉,李家彪,李軍. 南海北部陸坡海底峽谷形成機制探討[J]. 海洋學研究,2010(1):26-31.

Ding Weiwei, Li Jiabiao, Li Jun. Forming mechanism of the submarine canyon on the north slope of the South China Sea[J]. Journal of Marine Sciences, 2010(1):26-31.

[21] 周慶杰. 南海北部陸坡白云凹陷區(qū)海底滑坡的識別與特征分析[D]. 青島: 國家海洋局第一海洋研究所,2015.

Zhou Qingjie. Identification of submarine landslides and characteristics analysis in the Baiyun Sag of the South China Sea[D]. Qingdao: First Institute of Oceanography, State Oceanic Administration, 2015.

[22] 朱林. 南海北部荔灣3-1氣田管道路由區(qū)災害地質特征研究[D]. 青島:國家海洋局第一海洋研究所,2013.

Zhu Lin. The study of disaster geological characteristics in Liwan 3-1 gas field pipeline routing area[D]. Qingdao: First Institute of Oceanography, State Oceanic Administration, 2013.

[23] 劉樂軍,傅命佐,李家鋼,等. 荔灣3-1氣田海底管道深水段地質災害特征[J]. 海洋科學進展, 2014, 32(2): 162-174.

Liu Lejun, Fu Mingzuo, Li Jiagang, et al. Geologic hazards in the deep pipeline routing area of the Liwan 3-1 gas field in the South China Sea[J]. Advances in Marine Science, 2014, 32(2): 162-174.

A rapid method to recognize submarine landslides based on the principle of water depth gradient: A case of Baiyun deep-water area, north slope of the South China Sea

Zhou Qingjie1,2, Li Xishuang1,3, Xu Yuanqin1,2, Liu Lejun1,2, Gao Shan1,2, Zhou Hang1,2, Li Tianguang1,2

(1.KeyLaboratoryofMarineSedimentologyandEnvironmentalGeology,FirstInstituteofOceanography,StateOceanicAdministration,Qingdao266061,China;2.LaboratoryforMarineGeology,QingdaoNationalLaboratoryforMarineScienceandTechnology,Qingdao266061,China;3.LaboratoryforMarineMineralResources,QingdaoNationalLaboratoryforMarineScienceandTechnology,Qingdao266071,China)

How to recognize submarine landslides and quickly and accurately obtain their geometric information is the key issue concerned in marine engineering geology, especially in the deep-water sea. According to the terrain morphology formed after landsliding, we proposed in this paper a rapid method to recognize the submarine landslides based on the principle of water depth gradient and programmed using Matlab to conduct the calculation. As a case of the Baiyun deep-water area, north slope of the South China Sea, we recognized marine landslides using the proposed method. Some of these landslides were verified in sub-bottom profiles suggesting the feasibility of the new method. This approch can recognize submarine landslides automatically, so it is efficient and suitable for small landslides with numerous amount. Two factors are shown to influence the recognition result. One is the threshold value in calculation which can be determined through testing in combination with geophysical data, i.e. Sub-bottom profile and sonic image, and the other is the spatial resolution of water depth. A reasonable spatial resolution will be helpful to improve the accuracy of the recognition result.

north of the South China Sea; submarine landslides; water depth gradient; threshold value

10.3969/j.issn.0253-4193.2017.01.015

2016-05-17；

2016-07-07。

基本科研業(yè)務費專項資金——近50年來廣西大陸岸線變遷及其與人類活動的關系(2014G05)；國家自然科學基金——南海北部陸坡峽谷區(qū)海底滑坡體的識別與年代界定研究(41506071)；國家重大科技專項——荔灣3-1及周邊氣田地質災害風險評價研究(2011ZX05056-001-02)。

周慶杰(1989—)，男，山東省安丘市人，助理工程師，從事海洋地球物理調查與研究相關工作。E-mail:zhouqj@fio.org.cn

*通信作者：李西雙(1976—)，男，山東省嘉祥縣人，副研究員，博士，主要從事海洋淺層沉積結構、活動構造的聲學探測與研究。E-mail:lxs@fio.org.cn

P736.5

A

0253-4193(2017)01-0138-10

周慶杰，李西雙，徐元芹, 等. 一種基于水深梯度原理的海底滑坡快速識別方法——以南海北部陸坡白云深水區(qū)為例[J]. 海洋學報, 2017, 39(1): 138-147,

Zhou Qingjie, Li Xishuang, Xu Yuanqin, et al. A rapid method to recognize submarine landslides based on the principle of water depth gradient: A case of Baiyun deep-water area, north slope of the South China Sea[J]. Haiyang Xuebao, 2017,39(1): 138-147, doi:10.3969/j.issn.0253-4193.2017.01.015