Search
E-mail
RSS

Online submission Editor-in-chief Peer review Staff Login

Journal of Tropical Oceanography >

2023 , Vol. 42 >Issue 2: 113 - 123

DOI: https://doi.org/10.11978/2022072

Quantitative analysis of geological environment stability of the Zhongsha Atoll based on K-means clustering AHP model

  • QIN Maogang , 1, 2 ,
  • LONG Genyuan , 1, 2 ,
  • LI Haiyun 1, 2 ,
  • HUANG Haibo 3 ,
  • CHEN Wanli 4 ,
  • CHEN Wen 2
Expand
  • 1. Hainan Key Laboratory of Marine Geological Resources and Environment, Haikou 570206, China
  • 2. Marine Geological Institute of Hainan Province, Haikou 570206, China
  • 3. Key Laboratory of Ocean and Marginal Sea Geology (South China Sea Institute of Oceanology), Guangzhou 511458, China
  • 4. Institute of Deep-Sea Science and Engineering, Chinese Academy of Sciences, Sanya 572000, China
LONG Genyuan. email:

Copy editor: YIN Bo

Received date: 2022-04-08

  Revised date: 2022-05-31

  Online published: 2022-06-16

Supported by

Open Project of Hainan Key Laboratory of Marine Geological Resources and Environment(HNHYDZZYHJKF003)

Geological Tectonic research of South China sea(T100731)

Natural Science Foundation of China(42176081)

Natural Science Foundation of China(42174110)

Key Special Project for Introduced Talents Team of Southern Marine Science and Engineering Guangdong Laboratory (Guangzhou)(GML2019ZD0204)

Hainan Provincial Natural Science Foundation of China(2021JJLH0047)

Fold

Abstract

The Zhongsha Atoll is in the center of the South China Sea, and is a key location that connects the Dongsha, Xisha and Nansha Islands. This paper is based on the survey data of the Zhongsha Atoll topography, geological sampling, and multi-channel seismic profiles. We selected five influencing factors of water depth, sediment type, structural distance, landslide-prone area, and slope, and used the K-means clustering algorithm and analytic hierarchy process method to quantitatively analyze the stability of the Zhongsha Atoll. The study area was divided into five grades of stability: good, fair, medium, poor, and worse. We discussed the influence of different factors affecting the stability of Zhongsha Atoll. The deposition type, slope, and water depth are the main factors that affect the stability of the platform. The slope’s stability around the platform is mainly controlled by the factors such as slope, structure, and landslide-prone areas. However, the slope factor in the deep-water area outside the slope around the platform has the largest contribution. Overall, the stability of the north and west of the atoll is better than the east and south, in addition, the stability of the platform and the deep-water area outside the slope around the platform is the best. The evaluation results can provide basic geological services for development and planning, submarine pipeline engineering, disaster prevention and mitigation in the study area.

Key words： Zhongsha atoll; geological environment; stability; K-means clustering algorithm

Cite this article

QIN Maogang , LONG Genyuan , LI Haiyun , HUANG Haibo , CHEN Wanli , CHEN Wen . Quantitative analysis of geological environment stability of the Zhongsha Atoll based on K-means clustering AHP model[J]. Journal of Tropical Oceanography, 2023 , 42(2) : 113 -123 . DOI: 10.11978/2022072

南海作为海上运输生命线, 具有重要战略地位, 同时南海拥有丰富的油气资源, 使得南海海域建设不断加速(胡进军 等, 2018)。中沙群岛是南海诸岛四大群岛之一, 位于南海中心地带, 是连接东沙、西沙和南沙群岛的重要枢纽。中沙环礁作为中沙群岛重要组成部分, 是南海面积最大的碳酸盐台地, 是典型的深远海孤立岛礁型碳酸盐台地, 是南海岛礁形成、发育和演化过程研究的优势靶区。然而, 因其常年处在海面之下, 同时具有复杂的地形地貌及地质环境, 因此一直以来都是地质和地球物理调查和研究的薄弱地区。
中沙环礁海域调查和研究从80年代至今从未停止。刘韶(1987)调查了环礁的水深资料, 并初步分析了环礁的地形地貌特点。Huang等(2020a)通过二维反射地震, 研究了中沙台地的层序地层、地貌及沉积过程, 反演了该台地沉积及构造演化过程。黎雨晗等(2020)通过广角地震和多道地震测线数据, 初步模拟了中沙环礁中部的地壳结构, 划分并解释了环礁层序地层和构造。徐子英等(2020)对环礁南部断裂发育特征及其成因机制进行了研究。Li等(2021)根据穿越西北次海盆、中沙海槽、中沙海台、西南次海盆的广角反射/折射深地震测线获得的纵波速度结构模型, 揭示了中沙环礁及其邻区的深部地壳结构横向变化特征。陈俊锦等(2022)研究了环礁表层沉积物粒度特征及其输运趋势。另外随着海南省三沙市成立及国防需要, 岛礁稳定性调查和研究越来越受到众多学者的关注。胡进军等(2018)认为影响南海岛礁场地地震稳定的因素包括特殊地形、岩土工程材料、海水-岛礁体动力相互作用以及地震动等; 詹文欢等(2010)对雷州半岛西南部珊瑚礁区地基的承载力及变形特征进行了场地稳定性分析, 但目前中沙环礁的地质环境稳定性研究仍是空白。
K均值聚类算法(K-means)属于无监督学习, 具有不需要事先知道样本类别标签的情况下对数据进行聚类划分的优势, 而层次分析法可以对已有调查资料进行空间叠加, 两种方法的结合能很好地运用现有的成果进行分析。本文基于前期中沙环礁的调查数据, 结合两种方法从地形地貌、构造、表层沉积物和地质灾害影响范围等方面, 对中沙环礁地质环境稳定性进行探索和研究, 为涉海工程建设和资源环境调查提供基础资料和地质依据。

1 研究区概况及数据来源

1.1 研究区概况

中沙环礁位于南海中北部海域, 距西北方向的海南岛约300km, 距西沙群岛的永兴岛约200km (图1a), 是中沙群岛的主要组成部分; 其全部礁体都在海平面以下, 呈东北—西南延伸的椭圆形, 长轴方向141km, 短轴方向55km; 环礁周缘隆起较高, 水深13 ~ 20m, 礁环为断续的暗沙群, 潟湖内水深75 ~ 100m, 最浅处9m, 大部分为80m上下的平缓湖底平台, 平台发育多处礁体或暗沙(海南省地方志办公室, 2010)。
图1 研究区地理位置及底质类型图

a. 区域背景图。该图基于标准地图服务网站下载的审图号为GS(2021)5447的标准地图制作, 底图无修改。图中红色方框为研究区范围; b. 多道地震测线位置; c. 中沙环礁底质类型图, 改自陈俊锦等(2022)

Fig. 1 Geographic map and substrate type. (a) regional background of the South China Sea; (b) multi-channel seismic profiles location; (c) substrate type map of the Zhongsha Atoll, from Chen et al (2022)

研究区冬季为东北季风期, 该时期产生东北向为主的波浪, 海况一般在5级以上, 平均波高1.1 ~ 2.9m, 波浪平均周期为5.4 ~ 11.5s; 夏季西南季风期, 海区盛行西南向波浪, 海况一般为3 ~ 4级, 波型以混合浪为主, 平均波高为0.5 ~ 2.2m, 以中浪为主, 波浪平均周期为4.5 ~ 14s, 波浪的大小比冬季低(海南省地方志办公室, 2010)。
样品测试分析采用福克(Folk)三角形沉积物分类命名, 结合表层沉积物类型划分结果和研究区海底地形特征, 绘制出中沙环礁底质类型分布图(图1c)。总体上表现为西南部表层沉积物颗粒相对较粗, 北部深水平台和环礁中部表层沉积物颗粒相对较细, 主要沉积砂质粉砂(sZ)和砾质砂(gS); 泥质砂(mS)和粉砂质砂(zS)沿环礁外斜坡呈环带状分布, 环礁西南(NW)向洼地中地质取样站位现场多见珊瑚碎块和生物碎屑质砾石为主, 底质类型以珊瑚礁及珊瑚礁砾石(G)或砂质砾(sG)为主, 该区疑似一北西(NW)向水槽, 底流流速较大, 细粒物质被冲刷搬运造成表层沉积物以粗颗粒物质为主。

1.2 数据来源

本次实测数据中的多道地震和表层取样由中海油田服务股份有限公司天津分公司承担, 使用“海洋石油707”船进行野外作业, 数据采集和取样时间为2018年9月。多道地震使用中海油田服务股份有限公司的海亮地震采集系统、GCS90枪控系统, 采集参数为: 采样率0.5ms, 记录长度6s, 炮间距25m, 道间距3.125m, 实际作业震源压力1900 ~ 2000psi。海底表层取样使用箱式取样器或抓斗取样器。多道地震处理在FOCUS及CGG地震资料处理软件系统下, 经过频率分析、球面扩散补偿、去噪及多次波、精细速度分析、叠前时间偏移等完成数据处理。地名和水深来自2006年6月第1版1 : 500000西沙、中沙群岛海图, 采用WGS-84坐标系, 利用SPSS和ArcGIS软件进行数据处理及制图。

2 研究方法

2.1 评价原理

2.1.1 K-means聚类

K-means聚类算法是由Steinhaus 于1955年、Lloyd 于1957年以及Ball & Hall于1965年在不同领域提出(Ball et al, 1965; 王千 等, 2012)。1967年, MacQueen给出了K-means的具体算法(MacQueen, 1967; 吴夙慧 等, 2011)。K-means算法简单、易于描述, 处理大规模数据集时效率较高, 该算法在地质灾害、土壤、投资和图像等众多领域得以快速发展(任恒妮, 2019)。周天伦等(2021)认为K-means聚类模型比等距分类模型在滑坡灾害易发性预测方面有更高的精度。
K-means聚类是通过对聚类中心的迭代更新, 将N个样本划分在K个类别中, 并保证每个数据到对应聚类中心的距离(误差)平方和最小。当数据误差没有任何变化时, 说明聚类函数已经收敛。在每次迭代过程中都要考虑每个样本的分类是否正确, 若不正确, 就要调整, 从而保证各数据组内尽量相似, 组间相似性尽可能小, 其分类时应用欧式距离法和就近原则确定聚类中心和样本所属类别(周天伦 等, 2021), 如公式(1)所示。
d ( X i , X c ) = ∑ j = 1 w ( X i j − X j c ) 2
式中: Xi为样本i (i=1, 2, 3, …, Q), Q为样本个数; Xc为样本总体聚类中心(c=1, 2, 3, …, K), K为聚类数; w 为样本Xi属性指标个数; Xij为样本Xi的j属性指标值; Xjc为指标属性j的聚类中心(c=1, 2, 3, …, K); d(Xi, Xc)为样本Xi关于聚类中心Xc的欧式距离。
样本Xi通过公式(1)计算后, 将样本分为K类, 并计算各组内样本平均值作为新的聚类中心, 然后重新计算样本与聚类中心的距离, 通过多次迭代聚类中心不再移动后分类完成, 如公式(2)所示。
X j c ( m ) = 1 h t ( m − 1 ) ∑ X i ∈ D t ( m − 1 ) X i
式中: m为迭代次数; X j c ( m )为第m次迭代后属性指标j的聚类中心; D t ( m − 1 )为第m-1次迭代后的分类结果(t=1, 2, 3, …, K); h t ( m − 1 )为第m-1次迭代后类别 D t ( m − 1 )中的样本个数。

2.1.2 层次分析法

层次分析法是把复杂的问题分解为不同的层次和组成因子, 将这些因子按支配关系分组形成有序的递阶层次结构, 并造两两比较的判断矩阵, 然后计算各层因子的组合权重; 其次构建评价因子栅格图, 利用ArcGIS空间分析中的栅格计算器对各评价指标进行叠加, 最后构建研究区稳定性分区图, 具体工作流程见徐建华(2002)提供的计算方法, 这里不再详述。
本次成图是利用ArcGIS的栅格图进行叠加, 在叠加前需要统一单元格的大小, 每个单元格存储评价的数据, 单元格越小, 分区图的划分越精确, 但单元格过小, 数据量会很庞大, 从而导致计算机卡顿, 所以本研究采用李军等(2003)提供的栅格大小计算公式, 见公式(3)。通过计算, 确定单元格的大小为170m×170m, 本研究区共划分出1347840个评价单元格。
G s = 7.49 + 0.0006 S − 2.0 × 10 − 9 S 2 + 2.9 × 10 − 15 S 3
式中: Gs为栅格大小; S为底图比例尺分母, 本文底图采用的比例尺为1: 500000。

2.2 评价因子的选取

岛屿稳定性的影响因素很多, 胡进军等(2018)提出南海岛礁场地震稳定性需要考虑地形、岩土工程材料、水动力作用和海底输入地震动等因素; 詹文欢等(2010)提出珊瑚礁区建设工程场地稳定性需要考虑地基承载力、礁体结构和水动力作用等因素; 周天伦等(2021)选取坡度、坡向、高程、岩性、构造、水系和土地利用作为滑坡易发性分区的主要因子。基于前人的研究, 并结合本次的实测资料和收集到的数据, 本文选取水深、坡度、构造、滑坡易发区、底质类型分区作为中沙环礁稳定性的评价因子(图2)。
图2 中沙环礁地质环境稳定性评价体系图

Fig. 2 Diagram showing the evaluation of geological environment stability system in the Zhongsha Atoll

2.2.1 评价因子相关性分析

本次选择Pearso相关系数算法对水深、坡度和构造缓冲区等5个评价因子进行相关性分析(表1)。结果显示, 水深和构造缓冲区相关系数为0.236, 两者存在弱相关性; 底质类型分区与水深、坡度、构造缓冲区和滑坡易发区缓冲区存在负相关性, 相关系数为-0.063 ~ 0.031, 其余评价因子相关系数为0 ~ 0.079, 表明这些因子两两之间极弱相关或无相关性。由此可见出本次选择的5个评价因子相关性不强, 因子的选择较合理。
表1 评价因子相关系数统计表

Tab. 1 Statistics table of evaluation factor correlation coefficient

水深 坡度 构造缓冲区 滑坡易发区缓冲区 底质类型分区
水深 / / / / /
坡度 0.079 / / / /
构造缓冲区 0.236 0.074 / / /
滑坡易发区缓冲区 0.009 0.000 0.071 / /
底质类型分区 -0.063 -0.062 -0.031 -0.046 /

注: / 表示无数据

2.2.2 水深影响分析

中沙环礁呈“上截锥型”形态特征(赵焕庭 等, 2014)。环礁台地水深约80m, 台地北面为水深逐渐加深的中沙北海岭, 东面和南面均为水深大于4000m的东部次海盆; 西南为水深大于3000m的中沙南盆地和中沙南海岭; 西北与西沙群岛相邻, 中间以地形较为平坦、槽底水深约2500m的中沙海槽相隔(图1c)。中沙环礁的水深从80m急剧增至4000m, 礁体上层为松散未胶结的钙质砂和弱胶结的礁灰岩, 下层为胶结较坚硬的礁灰岩, 力学性质良好(胡进军 等, 2018)。在地震、风暴潮、洋流和潮汐等外力的作用下, 上层礁体受力较大, 会首先发生失稳。由此可见, 台地周缘斜坡浅水区礁体的稳定性比深水区要差。

2.2.3 坡度影响分析

研究区内地形坡度在0 ~ 62°, 环礁台地周缘斜坡坡度较大, 在5° ~ 62°。其中东南部的坡度明显大于西北部的坡度。台地和台地阶地坡度较缓, 大部分区域坡度小于3°。礁盘北部坡度大于平台内其他区域坡度。坡度对环礁的稳定性影响较大, 一般来说坡度越大, 在外力作用下发生失稳的可能性越大, 但规模会变小。

2.2.4 构造影响分析

根据研究区内实测的多道地震剖面和收集的水深资料, 断裂主要分布于环礁区边缘。环礁西南部存在一北西西(NWW)向基底断裂, 断裂活动时间为古新世—中中新世, 控制了环礁内部的半地堑(黎雨晗 等, 2020)。环礁东西两侧被北东向断裂带所切割, 南北侧则被北西西向断裂所围限。其中, 环礁西南侧北北西向断裂所控制的半地堑在西部形成环礁峡谷。环礁北侧依然为一系列北西西向断裂带, 属于北部陆缘的拆离断层系统。环礁东侧紧邻深海盆, 北东向断裂可能同样切穿整个地壳。断裂主要发育于晚渐新世到中中新世时期, 并控制了该时期的沉积发育, 随后对沉积控制的作用逐渐减弱, 晚中新世为继承性活动期, 到上新世末就基本停止活动(徐子英 等, 2020), 由此可见断裂构造对近现代岛礁的稳定性影响较小。

2.2.5 滑坡易发区影响分析

研究区造礁生物非常发育, 生物礁死后形成的碎屑在原地堆积, 斜坡上沉积物不断沉积引起坡度变大。当斜坡之上正在进行快速沉积时, 往往形成未固结沉积物, 其孔隙水排除不畅, 积累了较大的孔隙压力, 使得沉积物的抗剪强度变低。地震、风暴潮、洋流和潮汐等外在的载荷施加在岛坡上后, 会使斜坡所受的剪切应力增加, 从而引起斜坡失稳。另外, 第四纪南海经历了多次大的海平面变化, 多次海平面的旋回也会引起海底滑坡的增加。
钙质砂的水下休止角在28° ~ 35.22°之间(金宗川, 2018)。本次将坡度大于28°的区域和多道地震解译的结果进行融合分析, 划分出滑坡易发区(图3a), 主要位于礁体的斜坡坡体上, 面积9092km2。多道地震测线发现的滑坡多位于环礁区边缘坡度较大处。滑坡(滑塌)在多道地震剖面中呈连续的、中等至弱振幅的反射地震相, 与其他地层之间存在不整合接触面, 滑坡体厚度在20 ~ 90m不等, 滑坡长度在3 ~ 7km之间(图3b)。
图3 滑坡剖面图

图a中深蓝色长方形为图b区域, 浅蓝色实线表示多道地震测线, 粉色区域表示滑坡易发区, 绿色区域表示礁滩/暗沙; 图b中黄色虚线表示滑塌面; 右上角箭头和数字表示剖面方向

Fig. 3 Landslide Profile

2.2.6 底质类型影响分析

研究区表层沉积砾级颗粒物含量高值区集中在环礁西南侧小范围的区域内, 体现该区域具有较强的水动力条件; 砂级颗粒物分布范围广, 高值区主要集中在环礁东侧及南侧的大范围区域内; 粉砂含量的高值区主要分布在环礁北侧和东侧的台阶区的台面上, 这从侧面反映出环礁北侧和东侧水动力条件较弱, 同时也揭露了环礁北侧和东侧沉积物分布较厚。根据海图地形可以看出, 礁体平台沉积厚度可达60m。沉积越厚, 在地震、风暴潮、洋流和潮汐等外力的作用下发生滑坡、崩塌和运移的可能性越大。本次根据表层沉积物的粒度特征和分布类型, 将研究区划分为砾质沉积区、砂质沉积物区、粉砂质沉积区和泥质沉积区(图4)。
图4 底质类型分区图, 改自陈俊锦等(2022)

Fig. 4 Substrate type map, from Chen et al (2022)

2.3 K-means聚类法分级

2.3.1 水深分级

采样K-means聚类法对数字水深模型进行聚类分析, 共分为6类(图5a): 水深0 ~ 172m分布在环礁的台地上, 主要为松散未胶结的钙质砂沉积; 172 ~ 1563m分布在环礁台地阶地和台地周缘斜坡上缘, 礁体为弱胶结的礁灰岩; 1563 ~ 2501m位于环礁台地周缘斜坡的下缘, 礁体为胶结较坚硬的礁灰岩; 2501 ~ 3258m则位于环礁的坡脚及中沙海槽, 礁体为胶结较坚硬的礁灰岩, 海槽则为泥质沉积; 3258 ~ 4149m位于环礁的东南侧坡脚, 4149 ~ 4314m位于研究区东南侧的东部次海盆, 均为泥质沉积。
图5 K-means聚类法分级图

a. 水深; b. 坡度; c. 距构造距离; d. 距易滑区距离

Fig. 5 K-means clustering classification diagram

2.3.2 坡度分级

研究区坡度共分为7级(图5b): 0 ~ 0.97°分布于环礁台地和东部次海盆, 该海域地势平坦, 礁体发生失稳的可能性较小; 0.97° ~ 5.08°主要分布于环礁台地、环礁坡脚和中沙海槽; 0 ~ 5.08°分布范围较大, 在占研究区面积的70%; 5.08° ~ 10.44°位于环礁台地周缘斜坡的下缘、中沙南海岭和中沙北海岭; 10.44° ~ 62.89°主要分布于环礁台地周缘斜坡上, 其中39.59° ~ 62.89°位于环礁台地周缘斜坡的上缘, 该海域为研究区坡度最大值区, 其稳定性较差。

2.3.3 构造分级

构造活动会引起地壳变动, 从而导致周边地震、地层错动及边坡失稳等, 本次按距离将构造影响范围分为7级(图5c)。其中, 0 ~ 2233m距断层最近, 受到的影响最大, 越远受断层的影响越小, 在环礁中间受断层的影响最小。

2.3.4 滑坡易发区分级

在滑坡易发区范围外共分为7级(图5d)。0 ~ 3170m距滑坡易发区最近, 其中坡脚外缘主要受滑坡、滑塌体、碎屑流等地质灾害沉积体覆盖和堆积的影响; 环礁台地外缘则相反, 主要受滑坡、滑塌体等的牵引从而引起次生灾害, 在距离上, 距滑坡易发区越远, 受到的影响越小。

2.4 评价因子权重的确定

本文选取水深、坡度、构造、滑坡易发区和底质沉积物类型作为评价因子, 构建层次结构模型。本次构造判断矩阵使用常用的标度法, 用数值直观地表达出来, 如公式(4)所示:
$\begin{align} \hline A_k & B_1 & B_2 & \cdots & B_n \\ \hline B_1 & a_{11} & a_{12} & \cdots & a_{1 n} \\ B_2 & a_{21} & a_{22} & \ldots & a_{2 n} \\ \ldots & \ldots & \ldots & \ldots & \ldots \\ B_n & a_{n 1} & a_{n 2} & \cdots & a_{n n} \\ \hline \end{align}$
式中: aij> 0, aij=1/aij, aii=1; A为层次; B为评价因子的元素。
由于中沙环礁呈“上截锥型”形态, 我们认为坡度和滑坡易发区对岛礁的稳定性影响较大。以此构造判断矩阵(表2), 对各评价因子进行两两比较, 并依次打分, 加以平衡后在满足一致性的情况下, 计算各评价因子的权重(表3)。
表2 标度及其含义

Tab. 2 Scale and its implications

标度值 含义
1 B2与B1同等重要
3 B2比B1稍微重要
5 B2比B1明显重要
7 B2比B1强烈重要
9 B2比B1极端重要
2, 4, 6, 8 分别表示相邻数字判断的中值
表3 各评价因子组合权重

Tab. 3 The weight of each evaluation factor combination

影响因子 因子权重 级别 级别权重 组合权重 影响因子 因子权重 级别 级别权重 组合权重
3 0.0775 0~172 0.0699 0.0054 滑坡易发区 0.2459 易滑区 0.3267 0.0803
172~1563 0.2905 0.0225 0~3170 0.2273 0.0559
1563~2501 0.2596 0.0201 3170~9503 0.1568 0.0386
2501~3258 0.2150 0.0167 9503~16413 0.1077 0.0265
3258~4149 0.1030 0.0080 16413~24583 0.0734 0.0180
4149~4314 0.0620 0.0048 24583~34471 0.0498 0.0122
沉积物类型 0.0675 砾质沉积 0.4889 0.0330 34471~48641 0.0340 0.0084
砂质沉积 0.3079 0.0208 48641~64776 0.0243 0.0060
粉砂沉积 0.1531 0.0103 坡度 0.5142 0~0.97 0.0318 0.0164
泥质沉积 0.0501 0.0034 0.97~5.08 0.0462 0.0238
构造 0.0949 0~2233 0.3503 0.0332 5.08~10.44 0.0697 0.0358
2233~6975 0.2375 0.0225 10.44~16.85 0.1056 0.0543
6975~12817 0.1590 0.0151 16.85~25.19 0.1589 0.0817
12817~18981 0.1056 0.0100 25.19~39.59 0.2375 0.1221
18981~25932 0.0697 0.0066 39.59~62.89 0.3503 0.1801
25932~34336 0.0462 0.0044
34336~50247 0.0317 0.0030

3 评价结果

利用ArcGIS的栅格计算功能, 对各评价因子进行叠加, 接着用自然间断点分级法分成5个区, 分别是稳定性好、稳定性较好、稳定性中等、稳定性较差、稳定性差(表4和图6)。可以看出, 整体上环礁北部和西部的稳定性优于东部和南部。另外, 环礁台地和台地周缘斜坡外深水区稳定性最好, 越靠近台地斜坡稳定性逐渐变差, 台地斜坡上缘区域稳定性最差。
表4 稳定性分级表

Tab. 4 Stability grading table

稳定程度 稳定性好 稳定性较好 稳定性中等 稳定性较差 稳定性差
分值 0.336~0.758 0.758~1.120 1.120~1.553 1.553~2.092 2.092~3.491
面积/km2 11672 12549 7011 5618 2035
占比/% 30 32 18 14 6
图6 中沙环礁稳定性分区图

Fig. 6 Stability zoning map of the Zhongsha Atoll

稳定性好区面积为11672km2, 占研究区面积的30%, 主要分布在环礁台地中间和环礁底部外缘较平缓区。其中, 环礁台地中间坡度小于3°, 以砂质粉砂和砾质砂沉积为主, 水深小于155m, 无断层构造发育, 后续开发选址时建议优先考虑; 环礁底部外缘较平缓区域坡度小于23°, 以粉砂、泥和砂质泥沉积为主, 水深1828 ~ 4311m, 无断层构造发育, 由于该区域水深较深, 开发难度大, 不建议在该区域选址。整体上稳定性好区地势平坦, 无断层发育, 地质环境条件较好。
稳定性较好区面积为12549km2, 占研究区面积的32%, 主要分布在稳定性好区的周边。其中, 环礁台地外缘坡度小于22°, 以砾石、砂质粉砂、砾质砂和粉砂质砂沉积为主, 水深小于402m, 无断层发育, 可以作为开发选址规划的备选区; 台地周缘斜坡下缘坡度小于47°, 以砂质泥和泥沉积为主, 水深100 ~ 4314m, 由于水深较深, 开发难度大, 不建议在该区域选址。
稳定性中等区面积为7011km2, 占研究区面积的18%, 主要分布在环礁台地边缘和台地周缘斜坡中间区。其中, 环礁台地边缘坡度小于26°, 以砂质砾、粉砂质砂、砂、泥质砂、砾和砾质砂沉积为主, 水深小于771m, 断层弱发育。该区域靠近滑坡易发区, 受滑坡的影响较大, 不适宜开发利用; 台地周缘斜坡中间坡度小于50°, 以砂质泥和泥沉积为主, 水深359 ~ 4298m, 该区域靠近滑坡易发区及在环礁坡脚处, 滑坡体的运移可能会覆盖该区域。整体上稳定性中等区的不稳定因素主要受外部滑坡的影响。
稳定性较差区面积为5618km2, 占研究区面积的14%。沿环礁四周分布在环礁的斜坡上, 坡度小于51°, 以砂质泥沉积为主, 水深150 ~ 4291m, 断层较发育。该区域坡度较陡, 且位于滑坡易发区内, 边坡上发育大量冲沟(图1c), 表明该区域的潮流很急且边坡受潮流侵蚀较严重。因此, 稳定性较差区在潮流及重力的作用下发生滑坡或崩塌的可能性较大。
稳定性差区面积为2035km2, 占研究区面积的6%, 沿环礁四周分布于环礁斜坡的上缘, 坡度1° ~ 62°。其中东部和南部分布范围较大, 在北部和西部主要沿冲沟分布, 是中沙环礁坡度最陡、断层最为发育、冲沟发育最多、受到的侵蚀最为严重的区域, 也是地质环境最差的区域, 因此为研究区稳定性最差区。

4 讨论

影响中沙环礁稳定性的因素有很多, 本文选取水深、沉积物类型、构造、滑坡易发区和坡度为评价因素, 充分考虑了在现有工作条件下影响环礁稳定性的地质环境因素, 各评价因子在不同条件下对稳定性的影响不同。在环礁台地, 沉积物类型、坡度和水深是影响稳定性的主要因素; 在台地周缘斜坡上, 稳定性主要受坡度、构造和滑坡易发区等因素的控制; 台地周缘斜坡外深水区, 坡度因子贡献最大, 构造和沉积物类型也有一定影响。因此在评价过程中, 应根据自身特点、海洋环境因素和开发需求等, 选取合适的因子开展研究。
环礁选址开发适宜性方面, 本文初步研究后, 优先推荐稳定性好区的环礁台地中间区域, 稳定性较好区的台地外缘区可作为备选区。其中环礁台地中间区域水深14 ~ 80m, 坡度小于3°, 以砂质粉砂和砾质砂沉积为主, 无断层构造发育, 地质环境较好; 另外环礁台地外缘坡度小于22°, 以砾石、砂质粉砂、砾质砂和粉砂质砂沉积为主, 水深小于402m, 无断层发育。
南海北部仅历史记录的地震活动有5次, 震级均在4.5级左右, 最大震级为6.7级。这些地震比较分散, 其中海南岛南部陆架和陆坡区出现2次, 西沙群岛东部靠近高尖石出现1次, 最大1次位于西沙海槽北缘的珠江口盆地中部, 级别6.7。中沙环礁东南部靠近海陆边界地区发生1次、级别4.5, 地震发生位置处在断裂交汇地带, 存在北东向超壳断裂和北西西向基底断裂的交切作用, 推测此地震发生于地壳深部。另外, 根据华南沿海地震带的大震等距现象, 7级以上地震的原地重复率较低, 我们认为本研究区受地震影响较小, 未来发生大地震的危险性较低。但中沙环礁区以较强的差异升降运动为主, 区内断裂交错、深部热流物质交换频繁(Huang et al, 2020b; Li et al, 2022), 并且具有历史地震记录, 因此本区存在发生4.5级地震的可能性。天然地震能够触发海底滑坡及海床失稳, 建议将环礁台地周缘斜坡区作为地质灾害易发区持续进行调查与监测。
西沙群岛由一系列岛屿和暗礁组成, 东侧以中沙海槽与中沙环礁相隔。宣德环礁是西沙群岛重要组成部分, 也是三沙市政府所在地。宣德环礁及其附近海域地质调查与研究比中沙环礁程度高, 其地质灾害或者稳定性主要受地形地貌、块体搬运沉积体系或者滑坡、海底峡谷-水槽搬运沉积体系影响, 其次是断层(Wu et al, 2014; 李学杰 等, 2017; 陈梅 等, 2022), 但定量稳定评价目前还很缺乏。中沙环礁目前调查资料和研究程度偏低, 根据我们资料初步研究表明其稳定性主要受地形、沉积物类型、断裂构造及海底滑坡影响。二者稳定性受到地形、断裂构造、海底滑坡影响是一致的, 另外也同时受到海流、风暴潮及地震的影响(余克服 等, 2004; Ren et al, 2015; 杨马陵 等, 2020), 但由于受到资料与评价方法的限制, 仅作为影响的定性因素, 无法参与定量评价。

5 结论与建议

1) 采用K-means聚类法和层次分析法对中沙环礁的稳定性进行分析, 研究划分了稳定性好、较好、中等、较差和差5个区, 总结了各区面积、坡度、沉积物类型、水深和构造情况。
2) 整体上环礁北部和西部的稳定性优于东部和南部, 另外环礁台地和台地周缘斜坡外深水区稳定性最好, 越靠近台地斜坡稳定性逐渐变差, 台地斜坡上缘区域稳定性最差。
3) 环礁选址开发适宜性方面, 优先推荐稳定性好区的环礁台地中间区域, 稳定性较好区的台地外缘区可作为备选区, 其他区域现阶段不适宜开发。
本文根据钙质砂的水下休止角和多道地震解译的结果划分滑坡易发区, 建议后续工作对滑坡易发区进行更精细化的划分。岛礁稳定性分析不仅与沉积物类型有关, 还与沉积物的结构、力学性质及水动力条件有关, 涉海工程的建设更是如此, 建议今后研究应该增加该方面的测试分析。鉴于中沙环礁地理位置特殊性、地质研究重要性、地质环境复杂性, 以及目前调查研究程度偏低现状, 建议对中沙环礁进行大比例海洋地质调查及科学钻探研究, 为南海地质研究、地质安全以及后续岛礁开发建设打下坚实基础。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
陈俊锦, 张经纬, 刘时桥, 等, 2022. 南海中沙群岛海域表层沉积物粒度特征及其输运趋势[J]. 海洋地质与第四纪地质, 42(2): 15-27.

CHEN JUNJIN, ZHANG JINWEI, LIU SHIQIAO, et al, 2022. Grain size distribution pattern of surface sediments and its implications for transportation trend: A case from the waters off Zhongsha islands, the South China Sea[J]. Marine Geology & Quaternary Geology, 42(2): 15-27. (in Chinese with English abstract)

[2]
陈梅, 夏真, 刘文涛, 等, 2022. 南海宣德环礁东南海域地质灾害特征[J]. 热带海洋学报, 41(2): 103-111.

DOI

CHEN MEI, XIA ZHEN, LIU WENTAO, et al, 2022. Geohazards characteristics in the southeast of Xuande atoll, Xisha, South China Sea[J]. Journal of Tropical Oceanography, 41(2): 103-111. (in Chinese with English abstract)

DOI

[3]
海南省地方志办公室, 2010. 海南省志. 自然地理志[M]. 海南出版社. (in Chinese)

[4]
胡进军, 徐长琦, 谢礼立, 等, 2018. 南海岛礁场地地震稳定性研究中的关键问题探讨[J]. 地震工程学报, 40(2): 279-287.

HU JINJUN, XU CHANGQI, XIE LILI, et al, 2018. Key issues in seismic stability analysis of reef sites in South China Sea[J]. China Earthquake Engineering Journal, 40(2): 279-287. (in Chinese with English abstract)

[5]
金宗川, 2018. 钙质砂的休止角研究与工程应用[J]. 岩土力学, 39(7): 2583-2590.

JIN ZONGCHUANG, 2018. Study of natural repose angle of calcareous sand and engineering application[J]. Rock and Soil Mechanics, 39(7): 2583-2590. (in Chinese with English abstract)

[6]
李军, 周成虎, 2003. 基于栅格GIS滑坡风险评价方法中格网大小选取分析[J]. 遥感学报, (2): 86-92.

LI JUN, ZHOU CHENGHU, 2003. Appropriate grid size for terrain based landslide risk assessment in Lantau island, Hong Kong[J]. Journal of Remote Sensing, (2): 86-92. (in Chinese with English abstract)

[7]
李学杰, 王大伟, 吴时国, 等, 2017. 三沙海底峡谷识别与地貌特征分析[J]. 海洋地质与第四纪地质, 37(3): 28-36.

LI XUEJIE, WANG DAWEI, WU SHIGUO, et al, 2017. Geomorphology of Sansha canyon: identification and implication[J]. Marine Geology & Quaternary Geology, 37(3): 28-36. (in Chinese with English abstract)

[8]
黎雨晗, 黄海波, 丘学林, 等, 2020. 中沙海域的广角与多道地震探测[J]. 地球物理学报, 63(4): 1523-1537.

LI YUHAN, HUANG HAIBO, QIU XUELIN, et al, 2020. Wide-angle and multi-channel seismic surveys in Zhongsha waters[J]. Chinese Journal of Geophysics, 63(4): 1523-1537. (in Chinese with English abstract)

[9]
刘韶, 1987. 中沙群岛礁湖沉积特征的探讨—兼论礁湖的地貌单元[J]. 海洋学报(中文版), 9(6): 794-797. (in Chinese)

[10]
任恒妮, 2019. 大数据K-means聚类算法的研究与应用[J]. 信息技术, 43(11): 20-23.

REN HENGNI, 2019. Research and application of big data K-means clustering algorithm[J]. Information Technology, 43(11): 20-23. (in Chinese with English abstract)

[11]
王千, 王成, 冯振元, 等, 2012. K-means聚类算法研究综述[J]. 电子设计工程, 20(7): 21-24.

WANG QIAN, WANG CHENG, FENG ZHENYUAN, et al, 2012. Review of K-means clustering algorithm[J]. Electronic Design Engineering, 20(7): 21-24. (in Chinese with English abstract)

[12]
吴夙慧, 成颖, 郑彦宁, 等, 2011. K-means算法研究综述[J]. 现代图书情报技术, 27(5): 28-35.

WU SUHUI, CHENG YING, ZHENG YANNING, et al, 2011. Survey on K-means Algorithm[J]. New Technology of Library and Information Service, 2011, 27(5): 28-35. (in Chinese with English abstract)

[13]
徐建华, 2002. 现代地理学中的数学方法[M]. 北京: 高等教育出版社:229-230.

XU JIANHUA, 2002. Mathematical methods in contemporary geography[M]. Beijing: Higher Education Press: 229-230. (in Chinese with English abstract)

[14]
徐子英, 汪俊, 高红芳, 等, 2020. 中沙地块南部断裂发育特征及其成因机制[J]. 中国地质, 47(5): 1438-1446.

XU ZIYING, WANG JUN, GAO HONGFANG, et al, 2020. The characteristics and formation mechanism of the faults in the southern part of the Zhongsha Bank[J]. Geology in China, 47(5): 1438-1446. (in Chinese with English abstract)

[15]
杨马陵, 魏柏林, 2020. 南海海域地震海啸潜在危险的探析[J]. 灾害学, 20(3): 41-47.

YANG MALING, WEI BAILIN, 2020. The potential seismic tsunami risk in South China Sea and it’s surrounding region[J]. Journal of Catastrophology, 20(3): 41-47. (in Chinese with English abstract)

[16]
余克服, 蒋明星, 程志强, 等, 2004. 涠洲岛42年来海面温度变化及其对珊瑚礁的影响[J]. 应用生态学报, 15(3): 506-510.

YU KEFU, JIANG MINGXING, CHENG ZHIQIANG, et al, 2004. Latest forty two years’ sea surface temperature change of Weizhou island and its influence on coral reef ecosystem[J]. Chinese Journal of Applied Ecology, 15(3): 506-510. (in Chinese with English abstract)

[17]
詹文欢, 詹美珍, 孙宗勋, 等, 2010. 雷州半岛西南部珊瑚礁礁体结构与场地稳定性分析[J]. 热带海洋学报, 29(3): 151-154.

ZHAN WENHUAN, ZHAN MEIZHEN, SUN ZONGXUN, et al, 2010. Rock mass structure and ground stability of coral reefs in the southwestern Leizhou peninsula[J]. Journal of Tropical Oceanography, 29(3): 151-154. (in Chinese with English abstract)

DOI

[18]
赵焕庭, 王丽荣, 宋朝景, 2014. 南海珊瑚礁地貌模型研究[J]. 海洋学报, 36(9): 112-120.

ZHAO HUANGTING, WANG LIRONG, SONG CHAOJING, 2014. Geomorphological model of coral reefs in the South China Sea[J]. Acta Oceanologica Sinica, 36(9): 112-120. (in Chinese with English abstract)

DOI

[19]
周天伦, 曾超, 范晨, 等, 2021. 基于快速聚类-信息量模型的汶川及周边两县滑坡易发性评价[J]. 中国地质灾害与防治学报, 32(5): 137-150.

ZHOU TIANLUN, ZENG CHAO, FAN CHEN, et al, 2021. Landslide susceptibility assessment based on K-means cluster information model in Wenchuan and two neighboring counties, China[J]. The Chinese Journal of Geological Hazard and Control, 32(5): 137-150. (in Chinese with English abstract)

[20]
BALL G H, HALL J, 1965. Isodata, a novel method of data analysis and pattern classification[J]. Stanford Research Institute.

[21]
HUANG HAIBO, HE ENYUAN, QIU XUELIN, et al, 2020a. Insights about the structure and development of Zhongsha bank in the South China Sea from integrated geophysical modelling[J]. International Geology Review, 62(7-8): 1070-1080.

DOI

[22]
HUANG XIAOXIA, BETZLER C, WU SHIGUO, et al, 2020b. First documentation of seismic stratigraphy and depositional signatures of Zhongsha atoll (Macclesfield Bank), South China Sea[J]. Marine and Petroleum Geology, 117: 104349.

DOI

[23]
LI YUHAN, GREVEMEYER I, HUANG HAIBO, et al, 2022. Crustal compositional variations from continental to oceanic domain: A VP/ VS ratio study across the Zhongsha block, South China Sea[J]. Journal of Geophysical Research: Solid Earth, 127: e2021JB023470. Doi: 10.1029/2021JB023470.

DOI

[24]
LI YUHAN, HUANG HAIBO, GREVEMEYER I, et al, 2021. Crustal structure beneath the Zhongsha block and the adjacent abyssal basins, South China Sea: new insights into rifting and initiation of seafloor spreading[J]. Gondwana Research, 99(6): 53-76.

DOI

[25]
MACQUEEN J B. 1967. Some methods for classification and analysis of multivariate observations[C]. In: Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability. University of California Press.

[26]
REN ZHIYUAN, LIU HUA, 2015. Numerical study of potential extreme tsunami hazard in South China Sea[J]. Procedia Engineering, 126: 332-338.

DOI

[27]
WU SHIGUO, YANG ZHEN, WANG DAWEI, et al, 2014. Architecture, development and geological control of the Xisha carbonate platforms, northwestern South China Sea[J]. Marine Geology, 350: 71-83.

DOI

Options
Outlines

/

〈 〉