一种基于水深梯度原理的海底滑坡快速识别方法——以南海北部陆坡白云深水区为例

周庆杰，李西双，徐元芹，刘乐军，高珊，周航，李天光

(1.国家海洋局第一海洋研究所 海洋沉积与环境地质国家海洋局重点实验室，山东 青岛 266061；2.青岛海洋科学与技术国家实验室 海洋地质过程与环境功能实验室，山东 青岛 266061；3.青岛海洋科学与技术国家实验室 海洋矿产资源评价与探测技术功能实验室，山东 青岛 266071)



一种基于水深梯度原理的海底滑坡快速识别方法
——以南海北部陆坡白云深水区为例

周庆杰1,2，李西双1,3*，徐元芹1,2，刘乐军1,2，高珊1,2，周航1,2，李天光1,2

(1.国家海洋局第一海洋研究所 海洋沉积与环境地质国家海洋局重点实验室，山东 青岛 266061；2.青岛海洋科学与技术国家实验室 海洋地质过程与环境功能实验室，山东 青岛 266061；3.青岛海洋科学与技术国家实验室 海洋矿产资源评价与探测技术功能实验室，山东 青岛 266071)

如何快速而准确的识别并提取海底滑坡的特征形态信息一直是海洋工程地质、特别是深水工程地质评价中所关注的问题之一。本文根据滑坡后形成的地形形态，基于水深梯度求值运算的原理，通过Matlab编程建立了一种快速识别海底滑坡的方法。以南海北部陆坡白云深水区为例进行海底滑坡的识别，并利用浅地层剖面做验证，结果显示这一方法是可行的，其最大的优点是滑坡识别速度快，对于规模小且数量多的滑坡识别效率较高。通过实测数据进一步的分析表明：(1)阈值的选取对识别结果有明显影响，阈值的选取需要结合其他物探资料(如浅地层剖面和声呐影像)综合判断来确定；(2)水深数据的空间分辨率会影响滑坡识别结果的准确度，合适的空间分辨率会提高识别结果的准确性。

南海北部陆坡；海底滑坡；水深梯度；阈值

1 引言

海底滑坡是一种重要的地质营力，对海底地貌塑造、海底沉积物搬运和沉积具有重要意义[1—3]。海底滑坡会破坏海底的稳定性，对海上石油钻井平台、海底光缆等海底工程构筑物和海洋环境构成威胁[4—8]。快速识别并提取海底滑坡的形态信息，了解滑坡发生的位置和规模，对于海洋工程地质中区域风险的评估具有重要的理论价值和实际意义。

目前，对于陆坡海底滑坡的识别主要基于钻孔、地形、2D/3D地震资料、浅剖资料、多波束及旁扫声呐等资料[9—12]；识别滑坡的主要方法是经验性的人工识别，因此主观因素对识别结果的准确性将造成不同程度的影响。此外，有的学者将地貌解释技术应用到海底地貌定量分析中[13—14]，该技术方法是海底滑坡定量识别的一种尝试，但无法对海底滑坡进行细致而准确的描述。

本文基于水深梯度原理提出了一种快速海底滑坡识别方法，并以南海北部陆坡白云深水区为例验证该方法的有效性，探讨了地形数据的空间分辨率和阈值变量对识别结果的影响。研究结果可为进一步开展海底滑坡研究和深水工程地质评价提供参考依据。

2 原理

海底滑坡发生后会在滑坡体后方产生坡度较大的主断壁陡坎，陡坎的坡度要比相邻的海底坡度大，滑坡体的两侧通常会出现滑坡侧壁，两侧壁近平行或呈弧形，与主断壁近于垂直，其坡度通常也大于周围海底坡度[15—16](图1)。已有的研究表明，局部海底斜坡坡度变化比较大的地方存在滑坡侵蚀的可能[17]。海底滑坡地形上的这种特征为滑坡的自动识别提供了可能性。

在水深地形图中，水深梯度的变化与海底坡度的差异相对应。水深梯度可表明海底表面上某个位置的最陡下坡倾斜程度。对于网格化水深数据来说，水深梯度可用每个网格点及与其相邻的8个网格点数据计算获得的最大水深变化率来表示(图2)。从数学上讲，该理论方法是将一个平面与要处理的网格点或中心网格点周围一个3×3的网格邻域的水深值进行拟合，求取其横向和纵向梯度，该平面的梯度值以横向和纵向梯度最大值来表示。

图1 海底滑坡立体结构示意图(据Hampton和Lee[18])Fig.1 The cartoon showing 3-D structure of the submarine landslide(modified from Hampton and Lee[18])

图2 梯度计算网格示意图Fig.2 Gradient computing grid diagram

图2中，字母a～i表示3×3网格的每个点元，其中e表示当前正在计算梯度的中心点元。为了简化运算，利用中心点元及其相邻的8个网格点元的值计算出横向x和纵向y的梯度值，并取最大值作为中心点元e的梯度值。

点元e在横向x方向上的梯度分量通过以下算法进行计算：

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

(8×Cell size).

(1)

点元e在纵向y方向上的梯度分量通过以下算法进行计算：

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

(8×Cell size).

(2)

水深梯度与海底坡度相对应，梯度值越小，则坡度越小，地势越平坦；梯度值越大，坡度也越大，地势越陡峭。因此，根据实际情况及需求设置一个临界水深梯度值(即阈值)输出海底局部斜坡坡度(水深梯度)变化较大的位置点，即可能的海底滑坡主断壁或侧壁陡坎。

3 方法的实现

本文中我们通过Matlab算法编程实现水深梯度的求取以及滑坡的判识。Matlab是一个为科学和工程计算专门设计的高级交互式的软件包，它集成了各种领域的数据处理工具包，是一个可以完成各种计算和数学处理的可视化、强有力、易于使用和理解的工具[19]，可以很好地实现该研究区水深梯度的计算和提取，并对识别的滑坡陡坎实现可视化成图。

基于水深梯度求值的方法实现海底滑坡的自动识别，是以网格化水深数据为基础，分别计算中心点元横向x方向、纵向y方向的梯度分量值，并比较两个值的大小，以最大值作为该点元处的梯度值(即自该点元开始的最陡坡降)。通过设置临界梯度(阈值)，输出局部海底斜坡坡度变化比较大的位置。通过其他物探资料，如浅地层剖面和侧扫声呐影像等的解译结果，分析输出结果的有效性和合理性，以确定合理的临界梯度，即输出阈值，具体流程见图3。

图3 海底滑坡陡坎识别算法流程图Fig.3 Algorithm flow chart showing how to recognize submarine landslide scarp

4 算例实验与分析

4.1 数据资料

本文试验区域为南海北部陆坡白云深水区，水深约为200～2 500 m，总体上为西北-东南向倾斜的斜坡，但海底地形起伏较大，发育有典型海底峡谷地貌，沟-脊相间排列，无论是峡谷谷壁还是峡谷之间的台地上，滑坡都极为发育[20—23](图4b)，人工识别滑坡的工作量非常大。

本文中使用的水深数据为多波速测量(船载多波束和搭载AUV平台的多波束)获得的网格化水深数据，水深网格间距分别为20 m和2 m。另外，为了对该方法识别滑坡的可靠性进行检验，还收集了部分浅地层剖面以及侧扫声呐影像等实测资料。

4.2 算法模型的建立与参数设置

本文选取两个较有代表性的区域进行计算试验。滑坡区Ⅰ位于海底峡谷头部(图4c)，水深在700～950 m之间，滑坡的滑动方向既有与峡谷相同或斜交，也有与谷底线垂直或斜交的。滑坡区Ⅱ为峡谷尾部的浊流堆积扇区的大型滑坡(图4d)，水深约1 600 m，滑坡后缘形成的陡坎非常明显，在浅地层剖面上，滑坡后缘非常清楚，近直立较大，滑坡体的内部呈杂乱状，与未发生滑坡地层的反射特征有明显差异。

根据已有的数据，针对滑坡区Ⅰ建立了3种空间分辨率的数字水深模型，分别为2 m、10 m和20 m(图5)。滑坡区Ⅱ则建立了空间分辨率为20 m的数字水深模型。

图4 研究区地形及2个试验区的3-D地形Fig.4 Topographic map of the study area and two selected testing areaa.南海北部地形图，b.研究区地形图, c.滑坡区Ⅰ三维地形图, d.滑坡区Ⅱ三维地形图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

图5 不同空间分辨率的数字水深模型图(图中圈出的为人工识别的滑坡区域)Fig.5 Digital water depth model with different spatial resolution(white circles infer the location of submarine landslides)

图6 空间分辨率20 m和2 m的数字地形坡度统计分布图Fig.6 Digital terrain slope statistical distribution map of 20 m and 2 m spatial resolution

图7 滑坡区Ⅰ的识别结果图Fig.7 Recognization result in area Ⅰ

图8 滑坡区Ⅱ海底滑坡识别结果Fig.8 The result of landslide recognition in landslide area Ⅱ

图9 自动滑坡识别结果(橙色部分为算法识别结果)Fig.9 The result of landslide recognition by using of our proposed method(the orange part is algorithm identification results)

图10 利用浅地层剖面对自动识别的滑坡识别验证Fig.10 Checking the identification result with sub-bottom profiles 红点为浅地层剖面识别出的滑坡的位置，浅蓝色区域为算法识别结果Red point is the landslide location identified based the sub-bottom profiles，blue area is the algorithm identification results

计算滑坡区Ⅰ的20 m和2 m空间分辨率的数字水深模型的坡角度数，并对其分布规律进行统计分析，结果如图6所示。大部分区域的坡度在15°以内，根据坡度的分布规律，设置4°、6°和9°为计算分析中的阈值坡度。

4.3 滑坡识别结果

对滑坡区Ⅰ的空间分辨率为20 m的数字水深模型进行计算，分别以4°、6°和9°为阈值坡度，输出滑坡识别结果，见图7a。

对滑坡区Ⅰ的空间分辨率为2 m的数字水深模型进行计算，分别以4°、6°和9°为阈值坡度，输出滑坡识别结果，见图7b。

在滑坡区Ⅰ，固定输出阈值为6°，分别对空间分辨率2 m、10 m和20 m的数字水深模型进行计算，获得结果见图7c。

在滑坡区Ⅱ，对空间分辨率为20 m的数字水深模型进行计算，分别以4°、6°和9°为阈值坡度，输出滑坡识别结果，见图8。

4.4 滑坡识别结果的验证

上述2个区域的算例表明，6°可能是研究区较为合适的阈值坡度。因此，在对整个区域的滑坡识别计算中，以6°为阈值，数字水深模型的分辨率为20 m，得到的计算结果如图9所示。可以看出，海底斜坡坡度较大的区域与海底滑坡的识别结果相对应。

利用收集的浅地层剖面资料对自动识别出的海底滑坡进行验证，如图10所示。从图中可以看出，利用浅地层剖面确定的海底滑坡，在本方法得到的结果中基本都能识别出来。这表明，我们提出的基于水深梯度原理的滑坡快速识别方法可以较好的识别海底滑坡，其结果较为可靠，其效率要比人工识别滑坡高出很多。

5 对影响自动滑坡识别因素的讨论

5.1 不同阈值对滑坡识别的影响

使用相同空间分辨率的数字水深模型计算得到的结果(图7a,7b)显示：当阈值坡度为4°时，识别的结果较为杂乱，噪音信息较多，无法准确地判断海底滑坡的位置等状态信息；阈值坡度为6°时，识别结果较为清晰，噪音信息较少，能够较好的识别和反映海底滑坡的形态；阈值坡度为9°时，有效信息较少，一些滑坡被遗漏，且无法准确得到海底滑坡的位置等信息。对典型海底滑坡的识别结果(图8)显示，不同的输出阈值下，都较好的识别和反映了海底滑坡的状态信息，但是阈值坡度为4°时，所含的噪音信息较多，阈值坡度为6°时，输出结果比较准确，随着阈值坡度的增大，部分有效信息会被屏蔽，识别结果相对较差。

由此可见，选择的输出阈值较小会使得到的结果较为杂乱，有效信息被噪音覆盖；选择的输出阈值较大则会屏蔽掉许多有效信息，使得到的结果由于信息量较小而无法保证其准确性，因此，选择合理的输出阈值对于准确识别和反映海底滑坡是至关重要的。在阈值选取的过程中，需要结合多波束海底地形数据、浅地层剖面等多种资料的识别结果综合判断，以确定一个合理的输出阈值。

5.2 数据空间分辨率对滑坡识别的影响

在输出阈值坡度确定的情况下，对不同空间分辨率的数字水深模型(如图7c中2 m、10 m和20 m 3种分辨率模型)计算得到的结果显示，空间分辨率为10 m的识别结果较为清晰，空间分辨率为2 m的识别结果噪音信息较多，空间分辨率为20 m的识别结果模糊不清。这表明，利用该方法识别海底滑坡，并不一定空间分辨率越高越好，分辨率过高容易产生过多的噪音信息，过低时则会出现遗漏规模较小的滑坡的现象。因此，在本方法中合理选择数字水深模型的分辨率有助于提高滑坡识别的准确性。

6 结论

本文提出了一种基于水深梯度的海底滑坡快速自动识别方法，并通过Matlab编程实现计算。该方法通过确定海底局部斜坡坡度变化较大的位置，提取海底滑坡陡坎特征信息，从而确定海底滑坡及其位置。在此基础上，以南海北部陆坡白云深水区为例，通过构建不同空间分辨率的数字水深模型，对方法进行验证。结果表明，本文所提出的海底滑坡自动识别方法是可行的，结果也较为可靠；由于这一过程由计算机来实现，因此大大提高了滑坡识别的效率。通过研究区实测水深的滑坡识别试验得到的结果表明，影响自动识别滑坡结果包括2个主要因素，一是识别过程中阈值的选取，二是水深模型的空间分辨率。

[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] 杨启伦.海洋开发和海底不稳定性调查研究的关系[J]. 海洋技术, 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, 刘乐军,等. 南海北部白云凹陷陆坡海底峡谷地形地貌与沉积地层特征[J]. 海洋地质与第四纪地质,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] 李家钢,修宗祥，申宏,等. 海底滑坡块体运动研究综述[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] 寇养琦.南海北部的海底滑坡[J]. 海洋与海岸带开发,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,刘振夏,房俊伟. 国内外海底斜坡稳定性研究概况[J]. 海洋科学进展,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] 陈珊珊,孙运宝,吴时国.南海北部神狐海域海底滑坡在地震剖面上的识别及形成机制[J].海洋地质前沿,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,吴时国,李伟.人机交互地貌解释技术在海底滑坡研究中的应用[J].地球物理学进展,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态学研究新技术[C].中国地球物理学会，2012:1.

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

[15] 尹延鸿. 海岸侵蚀和海底滑坡[J].海洋地质前沿,1995(8):4-6.

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

[16] 吴时国,陈珊珊,王志君,等.大陆边缘深水区海底滑坡及其不稳定性风险评估[J]. 现代地质,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] 杨建强,罗先香. MATLAB软件工具箱简介[J].水科学进展,2001(2):237-242.

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

[20] 丁巍伟,李家彪,李军. 南海北部陆坡海底峡谷形成机制探讨[J]. 海洋学研究,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] 周庆杰. 南海北部陆坡白云凹陷区海底滑坡的识别与特征分析[D]. 青岛: 国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. 南海北部荔湾3-1气田管道路由区灾害地质特征研究[D]. 青岛:国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] 刘乐军,傅命佐,李家钢,等. 荔湾3-1气田海底管道深水段地质灾害特征[J]. 海洋科学进展, 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。

基本科研业务费专项资金——近50年来广西大陆岸线变迁及其与人类活动的关系(2014G05)；国家自然科学基金——南海北部陆坡峡谷区海底滑坡体的识别与年代界定研究(41506071)；国家重大科技专项——荔湾3-1及周边气田地质灾害风险评价研究(2011ZX05056-001-02)。

周庆杰(1989—)，男，山东省安丘市人，助理工程师，从事海洋地球物理调查与研究相关工作。E-mail:zhouqj@fio.org.cn

*通信作者：李西双(1976—)，男，山东省嘉祥县人，副研究员，博士，主要从事海洋浅层沉积结构、活动构造的声学探测与研究。E-mail:lxs@fio.org.cn

P736.5

A

0253-4193(2017)01-0138-10

周庆杰，李西双，徐元芹, 等. 一种基于水深梯度原理的海底滑坡快速识别方法——以南海北部陆坡白云深水区为例[J]. 海洋学报, 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