南海海盆海山形态特征的定量化和无监督聚类分析

Quantification and Unsupervised Clustering Analysis of Morphological Characteristics of Seamounts in South China Sea Basin

摘要

不同的火山喷发模式形成的海底火山在形态上存在差别，但由于缺乏有效方法，两者之间的关系仍不清晰.创新性地运用机器学习聚类分析法，基于高分辨率多波束水深数据，对南海海盆中的海山地形开展多维的形态参数量化分析，并对其结果进行无监督式聚类研究.结果表明，南海海盆中共发育三类海山：类型I，体积大、坡度陡、底盘圆的大型孤立海山；类型II，体积大、坡度缓、底盘长的大型线状海山；以及类型III，体积小、坡度缓、底盘椭圆的小型海山.类型I和II位于东部次海盆洋中脊区，类型I高耸的海山形态代表了活跃且快速的喷发模式，类型II的平缓形态代表了缓慢且喷发物质流动性更强的火山活动，类型III沿着转换断层及远离东部次海盆的洋中脊区，代表了缓慢且不强烈的火山活动.本文定量证实了不同构造背景下形成的海山形态具有普遍规律；针对海山形态学建立的聚类分析新方法，可为获得大量岩石学信息之前研究火山喷发模式提供新思路.

Abstract

Morphological differences are evident among submarine volcanoes formed by varying eruption patterns. However, their interrelationship remains elusive due to methodological constraints. This study innovatively employs machine learning clustering analysis on high-resolution multibeam bathymetry data to quantitatively evaluate the morphological parameters of seamounts in the South China Sea Basin. The analysis discerns three distinct seamount types. Type I: large, isolated seamounts characterized by significant volume, steep slopes, and rounded bases. Type II: large, linear seamounts with substantial volume, gentle slopes, and elongated bases. Type III: smaller seamounts with limited volume, gentle slopes, and elliptical bases. Type I and II seamounts are primarily found in the mid-ocean ridge zone of the eastern sub-basin. The pronounced morphology of Type I suggests an active and rapid eruption regime, whereas Type II’s subdued form indicates slower volcanic activity with more fluidic lava flows. Conversely, Type III, situated along the transform faults and distant from the mid-ocean ridge of the eastern sub-basin, signifies less intense volcanic activities. This research establishes a foundational understanding that seamount formations under distinct tectonic backgrounds follow general morphological patterns. The novel clustering approach proposed here offers fresh perspectives for probing volcanic eruption patterns, especially when extensive petrological data is not available.

Graphical abstract

关键词

海山形态 / 火山喷发模式 / 南海海盆 / 聚类分析 / 机器学习 / 海洋地质学.

Key words

seamount morphology / volcanic eruption pattern / South China Sea Basin / cluster analysis / machine learning / marine geology

0 引言

海山是海底火山作用的产物，是地球深部的岩浆活动在浅部的表现，其发育规模和分布规律可以直接反映板块的构造‒岩浆活动特征（Koppers and Watts，2010）.具有明显年龄序列特征的夏威夷‒皇帝海山链催生了著名的热点假说（Morgan，1971），对海山形成时代、体积和分布规律的统计建立了热点轨迹的定量模型（Robinson and Eakins，2006），极大地推动了以地幔柱理论为核心的地球动力学和板块运动学的发展（陈凌等，2020）.随着卫星遥感技术的飞速发展，基于卫星测高重力和少量的声学测量数据，多个研究团队建立了全球海山数据库（Kim and Wessel， 2011； Sandwell et al.， 2022）；结果显示，火山作用机制的类型与强度会对海山的形态和发育规模造成影响（Unger Moreno et al.，2021）.然而，目前全球仍有近80%的海底缺乏高分辨率的声学测深数据，而基于卫星测高数据获得的海底地形数据存在一定误差（Sandwell et al.， 2022），这使得准确定量化海山形态存在困难，因此，海山形态与火山作用机制之间的定量‒半定量关系仍不清晰.

南海是西太平洋最大的边缘海盆地之一，是极少具有全覆盖海底地形及高分辨率多波束水深数据的地区，海盆内发育大量的海底火山，目前已定年的海山显示其形成于南海停止扩张之后（图1），即火山喷发于远离活动的板块边界.因此，南海海山是研究边缘海型火山作用的理想对象.前人研究认为，位于南海海盆的部分海山发育过程可能不仅受到了海南地幔柱的影响（Zhao et al.， 2018），还可能受到了海底扩张及其继承性构造作用的强烈影响（Zhao et al.， 2020）.具体表现在：（1）南海海山年龄小于海底停止扩张的年龄，并呈非线性规律分布（图1）；（2）大量海山沿着晚期残余洋中脊分布，包括区内最大的海山链之一的珍贝‒黄岩海山链（Zhao et al.， 2018）；（3）远离洋中脊的海山分布存在明显的不对称性，即晚期洋中脊北翼的海山数量比南翼更多，对应了残余洋中脊由北向南跃迁过程（Zhao et al.， 2020）.

那么，南海海盆不同构造背景下形成的板内火山在形态上具有什么规律？不同形态特征的海山分别反映了怎样的火山喷发过程？回答这些问题必须对南海海盆中的所有海山开展精细的形态学定量研究.因此，如何同时开展多个维度的海山形态参数分析、并对其结果进行客观分类，是回答上述问题的重要基础.

近年来，高精度多波束测深、重力探测和多道反射地震剖面的广泛覆盖、以及全球海山数据库的建立，为定量研究南海扩张期后的海山形态特征提供了契机.Zhao et al.（2020）利用卫星高程数据，对南海海盆中的海山地形进行了自动识别，初步获得了南海海盆中海山体积的空间分布特征.在此基础上，本文基于精度更高的多波束水深数据，获得了南海海盆更精确的海山地形；利用无监督学习的聚类分析方法，根据海山形态特征和岩浆喷发体积，对南海海盆中的海山进行了分类.本研究获得的扩张期后岩浆活动的规模、特征及分布的精确结果，可为进一步完善以南海为代表的边缘海盆地扩张期后构造与岩浆活动机制提供基础.

1 地质概况

南海位于亚欧板块、印度洋板块和太平洋板块的交界处，其北望华南大陆、东接菲律宾岛弧、西毗印支半岛、南依巴拉望岛，是典型的西太平洋边缘海盆地，自古生代以来经历了复杂的构造演化过程.尽管目前有关南海的扩张模式众说纷纭，但大多数模式认为南海至少经历了一次扩张方向的改变和一次洋中脊向南的跃迁（Briais et al.，1993； Barckhausen et al.，2014）.这种多幕次扩张的特征得到了大量的地质地球物理证据的支持：（1）扩张方向的改变对应了海底多组相互切割的线性构造带（李家彪等，2011）和残余洋中脊的走向变化（Zhao et al.，2018）；（2）洋脊跃迁前后，东部次海盆的半扩张速率发生了明显变化（Li et al.，2014），并在洋壳底部形成多个残余洋中脊（Ding et al.，2018）；（3）海盆内部（Yan et al.，2008a）以及周缘陆内（任建业， 2018）多组不同走向的深大断裂带分布同样显示在海底扩张期间，区域构造应力场发生了方向变化.幕次扩张形成了南海海盆的岩石圈构造‒热结构的南北向差异，包括晚期残余洋中脊北翼的宽度更大（李家彪等， 2011）、地幔岩石圈温度更高、以及北翼的洋壳具有明显的薄厚交替的特征（Zhang et al.， 2018）.

南海地区的岩浆作用可分为扩张期前 （>33 Ma）、扩张期（33~15.5 Ma）和扩张期后 （<15.5 Ma）（徐义刚等， 2012）.扩张期前的岩浆活动主要分布在南海北部陆缘（图1）.对IODP钻井资料和折射地震资料的研究表明，南海在打开之前，即张裂期，南海北部陆缘就已存在大量的岩浆活动，可能与古太平洋板块的俯冲作用有关（Yan et al.， 2014；张翠梅等，2022）.扩张期的岩浆作用形成了海盆中的新生洋壳，在南海海盆扩张初期，发生了由东向西贫岩浆作用向中度岩浆作用的转变（彭希等，2022）.而扩张期后的岩浆作用主要表现为南海海盆中广泛分布的海山.南海东部次海盆中发育了一系列孤立海山和线性分布的海山链（图1），包括沿着晚期残余洋中脊分布的珍贝‒黄岩海山链和贝壳海山（姚伯初等， 1995； 赵明辉等， 2011）、沿着中南断裂带分布的中南海山和龙南海山（Yan et al.， 2008a； 陈洁等， 2012）以及广泛分布在洋中脊北翼的单体海山，如涨中海山、宪南海山和宪北海山等（杨蜀颖等， 2011； 杨胜雄等， 2015），并有部分海山已经向东俯冲至菲律宾海板块之下（李三忠等， 2014）.根据已报道的拖网样品年龄测定以及相关地化研究（图1；Yan et al.， 2008b，2015； Zhang et al.， 2018），南海东部次海盆海山附近的岩浆岩主要为中中新世以来的洋岛型碱性‒亚碱性玄武岩，这指示了形成海山的岩浆为海盆停止扩张之后来自深部软流圈地幔物质的部分熔融.根据南海周缘（包括海南岛、印支半岛和雷州半岛）玄武岩野外露头的地化研究结果（Yan et al.， 2018）和地震层析成像结果（Zhao， 2007），部分学者提出海南地幔柱作用（鄢全树和石学法， 2007）或地幔柱与洋脊之间的相互作用（Zhao et al.， 2018）可能是部分地区岩浆活动的主要机制.

在东部次海盆内部，局部海山的发育与岩石圈结构的不均匀分布密切相关.首先，高精度海底地形（Yan et al.， 2008a； 李家彪等， 2011）和重磁场特征（李刚等， 2011）均指示了区内大型海山链走向几乎平行于海底扩张形成的残余洋中脊或转换断裂带.其中，对珍贝‒黄岩海山链的深部结构的研究显示，该海山链形成过程为：扩张期后的地幔岩浆经过部分熔融作用后沿着洋壳先存的薄弱带，即残余洋中脊和转换断层的交叉点向浅部运移，堆积冷却后在海底形成海山链（Zhao et al.， 2018）.同时，数值模拟研究表明，洋脊的向南跃迁可能造成了洋中脊北翼的岩石圈深部发育相对更多的岩浆（许鹤华等，2011），在空间上对应了海底更大规模的海山分布.此外，新生洋壳的持续冷却、收缩将产生一定的动力，有可能促进了扩张期后非对称式的岩浆活动（Song et al.， 2017）.

2 数据和方法

2.1　数据

本研究所采用的数据包括：（1）吴自银和温珍河（2021）出版书册中绘制南海区域图使用的多波束水深数据，分辨率为15″（约 450 m），范围涵盖3°~26°N、105~122°E；（2）卫星高程数据（SRTM15_PLUS，Tozer et al.，2019），数据网格大小与多波束水深数据相同，为15″，覆盖范围也与其一致；（3）公开的自由空间重力异常数据（Sandwell et al.， 2014），分辨率为1′，覆盖范围与多波束水深数据一致.

2.2　海山地形识别方法

识别海山地形时最常采用搜寻局部地形数据中极大值的方法（Kim and Wessel， 2015）.该方法虽能有效拾取海山山峰的位置，但在确定每个海山和海山链的地形边界上缺乏有效手段，从而在定量分析一定区域内的海山形态规律和体积分布时存在较大误差.本文在该方法基础上，利用顶帽转换（Top hat transform）的空间滤波方法（Meyer， 1979），对海山识别方法进行了提升（Zhao et al.， 2020）.顶帽转换的数学概念最初由Meyer（1979）提出，在此基础上，前人进一步将其改进完善，可实现对一维和二维图像有效信号的准确提取，现如今被广泛应用于生物领域方面的研究，如检测细胞、挑选生物样品、捕捉医学图像等（Maire et al.，2000）.在地球物理领域，基于顶帽转换原理进一步开发的黑帽转换（Black Top hat transform）可识别出亮度较低的地形部分，适用于捕获原图像中灰度较暗的区域，如峡谷等负向构造单元的提取；而白帽转换（White Top hat transform）则可识别出亮度较高的地形部分，适用于提取原图像中灰度较亮的区域，如山脉、隆起等正向构造单元（Zhao et al.， 2020）.

顶帽转换方法在海山地形识别中的优势在于能够自动确定海山地形的边界，即地形波长发生突变的位置.前期工作已将该方法成功应用于公开的全球卫星高程数据SRTM15_PLUS，初步获得了南海海盆的海山地形和体积分布（Zhao et al.， 2020），本研究在此基础上利用了精度更高的多波束水深数据，进一步获取了更加精细的海山地形结果（更多讨论见4.3小节）.

2.3　海山形态分析方法

在海山形态分析中，传统方法常选择构建高斯海山（Sandwell et al.， 2022）或扁平锥形海山（Smith， 1988）等标准几何模型.本研究基于高精度的海山多波束地形，运用最小二乘法，针对每个海山的真实地形拟合了最优模型，从而获取了每个海山的基本形态参数，包括长轴（Max）、短轴（Min）、长轴方位（AZ）、长轴坡角（Dip₁）、短轴坡角（Dip₂）、高程（H₀）、长轴与短轴比值（Aspect ratio）、底面积（S）（表1）.以中南海山为例，具体步骤如下：（1）利用顶帽转换方法，获得南海海盆内海底面之上的海山地形（图2a）；（2）搜索该海山地形范围内的高程极大值，获得该海山的山峰高程以及经纬度（图2b）；（3）将经纬度转化为大地坐标，采用最小二乘法，通过最小化误差的平方和来拟合与该海山地形的最佳匹配函数，由此获得最契合海山地形的椭圆锥体模型（图2c）及对应的形态参数（图2d）.

本文采用离散求和的方式来估算出露海底部分的海山体积.由于顶帽转换后非海山地形都被抹除，除海山外地形高程皆为0，那么将海山的底面看作n个长为dx、宽为dy的长方形之和（n足够大，dx、dy足够小），h则为对应长方体的高程（顶帽转换后获得的实际高程），故海山体积为：V={\sum }_n\mathrm{d}x\times \mathrm{d}y\times h.

2.4　基于海山形态特征的无监督聚类分析

聚类分析是一种统计分析技术，将研究对象分为相对同质群组，将数据分到不同的类或簇中（MacQueen， 1967）.从机器学习的角度来说，这些簇类似于隐藏的模式，而聚类则是一种无监督学习过程，通过搜索簇来识别这些模式.聚类分析不需要预先设定分类标准，它可以自动地从样本数据出发进行分类.常见的有K⁃means、层次聚类、谱聚类、高斯混合模型（GMM）的最大期望（EM）聚类等（Arabie and Hubert， 1996）.

如2.3小节所述，海山形态参数包括了长轴、短轴、长轴坡角、短轴坡角、长轴方位、高程、底面积、长短轴之比以及体积，共计9组（表1）.由于肉眼通常无法同时观察超过三维空间以上的数据，因此，如果要同时考虑9组参数进行分类分析，则必须采用机器学习算法中的聚类分析方法.通过测试发现，聚类分析中的K⁃means算法对海山形态分类效果最佳，即分类结果更符合已知的物理学特征.

聚类分析的目的是找到数据的内在结构，使得同一类中的数据点尽可能相似，而不同类中的数据点尽可能不同.选择合适的分类数量（即簇的数量）对于获得有意义和解释性强的聚类结果来说至关重要.聚类分析最大的困难之一是如何选择合适的分类数量.对此，本文采用轮廓系数法来评估不同分类数量的效果.

考虑到各类参数的量纲并不统一，可能导致聚类时各类参数所影响的权重不一致（数值大的参数权重更大，反之更小），因此，需要对各类参数进行归一化处理，即去除数据本身的量纲，使其成为［0，1］之间的数组.公式为：

X_i=\frac{X-X_{\mathrm{m}\mathrm{i}\mathrm{n}}}{X\mathrm{m}\mathrm{a}\mathrm{x}-X_{\mathrm{m}\mathrm{i}\mathrm{n}}}，(1)

其中，X_i 是归一化之后的值，X是各类参数的原始值，X_min是各类参数的最小值，X_max是各类参数的最大值.

2.5　误差分析

由于重力测量数据的波长宽度远大于实际海山的宽度等原因，目前已有的卫星测高重力数据无法很好地识别小型海山，由重力数据推测的大型海山高程也存在一定误差（Sandwell et al.， 2022）.由此，基于海山高程计算的其他形态参数，如坡度和底面积等，将产生更大的误差.因此，为了充分利用已有的全球海山数据库（Kim and Wessel，2011），需要定量研究基于卫星高程地形建立的海山形态参数的误差.

在南海海盆区，本研究基于多波束数据识别出的海山比Zhao et al. （2020）利用卫星高程地形数据识别的海山多8座.这8座海山为高程小于1 km的小型海山，分布在东部次海盆和西南次海盆的残余洋中脊附近，这部分误差会影响到聚类分析结果.

对于出露海底的海山体积误差估算：

E=(V₁-V₂)/V₁×100%，(2)

其中，E为误差率，V₁为多波束水深数据计算得到的海山体积，V₂为卫星高程数据计算而得的海山体积.

3 结果

3.1　南海海盆板内海山分布

图3展示了经顶帽转换后在南海海盆区提取的53座海山的多波束地形.从数量上看，西南次海盆共发育24座海山，东部次海盆共发育25座海山，而西北次海盆仅发育4座海山.整体上，大量的板内海山沿着晚期的残余洋中脊分布.其中，东部次海盆的残余洋中脊发育一条明显的海山链（图3中S2），为珍贝‒黄岩海山链.该海山链由5座高程大于 2.9 km的大型海山以及1座高程小于2.5 km的海山构成，近东西向排列，其最东段向马尼拉海沟俯冲.

对于远离洋中脊的海山，海盆北翼的数量远大于南翼.北翼的海山主要分布在形成于23 Ma和15 Ma的2个残余洋中脊之间，一些靠近中沙群岛，一些靠近俯冲带的海山高程小且分散，主要沿着中南断裂分布.

已通过玄武岩同位素定年法测定年龄的海山大部分位于东部次海盆（图1）.结果显示，东部次海盆的海山年龄均小于15.5 Ma，即形成于东部次海盆停止扩张（>15.5 Ma；Briais et al.， 1993； Li et al.， 2014）之后.位于西北次海盆的双峰海山（图1中标记为S1）年龄为（23.80±0.18~23.29±0.22） Ma（Li et al.， 2015），同样也晚于西北次海盆扩张的时间（32~26 Ma） （Briais et al.， 1993； Li et al.， 2014），故也属于扩张期后形成的海山.

除了同位素定年法，利用重力异常数据可进一步验证海山是形成于海底扩张同期还是扩张期后.具体地，具有高自由空间重力异常但低布格重力异常特征的海山，其深部可能有高密度核，代表了这些海山形成于洋壳形成之后的岩浆底侵作用，即扩张期后的火山作用（Zhao et al.， 2018）.本文识别的53座海山均具有高自由空间重力异常值（>30 mGal）和低布格重力异常值（<300 mGal）（图4）.因此，结合部分海山的定年结果以及全海盆海山的重力异常特征，确定了53座海山均形成于南海海盆停止扩张之后，即形成于远离活动板块边界的板内火山作用.

3.2　海山形态统计和分布规律

表2为统计出的各次海盆扩张期后海山的形态参数.如3.1小节所述，虽然东部次海盆的海山数量（25座）与西南次海盆（24座）相近，但东部次海盆的海山规模远大于西南和西北次海盆，具体体现在：（1）东部次海盆的海山体积总量为24 852 km³，是西南次海盆（8 363.5 km³）的3倍；（2）东部次海盆海山高程的平均值为2 339 m，远大于西南次海盆 （1 705 m）和西北次海盆的海山（952 m）；（3）东部次海盆的长轴平均值为24.7 km，远大于西南和西北次海盆的15.3 km、10.3 km；（4）底面积平均值 258 km²远大于西南、西北次海盆的102.2 km²、44.8 km².

然而，西南次海盆的海山具有最大的短轴平均值（11.4 km），甚至远大于东部次海盆的7.6 km.而在海山长轴走向、长轴坡度、短轴坡度和长短轴之比这4组参数上，3个次海盆内的海山没有明显区别.

在全海盆范围内，规模（体积和高程）最大的海山主要沿东部次海盆的残余洋中脊排列（图3和图5）.呈近东西向排列的珍贝‒黄岩海山链在海山长轴方向上与残余洋中脊呈约24°的夹角（图5）.其中，该海山链的中间4座海山为北西‒南东走向.而靠近中南断裂带的珍贝海山及靠近马尼拉海沟的贝壳海山则为北东‒南西走向，同时，这两座海山底座形态更细长，呈长条形，初步推测可能分别受到中南断裂以及马尼拉海沟的影响，在岩浆喷发时提供了一定方向的应力.

相比之下，规模较小的海山主要沿着西南次海盆中的残余洋中脊和中南断裂带展布（图3）.此外，还有部分小型海山散落分布于远离洋中脊的深海平原中，在西南次海盆中尤为发育.

3.3　南海海山类型及其相应特征

在获得海山形态参数之后，本文采用机器学习中的无监督聚类分析对南海海盆中的所有海山进行了分类并利用轮廓系数法来评估不同分类数量的效果（图6）.显然，将海山分2、3或7类时的轮廓系数得分较高，说明聚类效果更好.但由于聚类分析的目的是找到数据的内在结构，如果分类数量过多，则会导致过度拟合的问题，这些多余的类在更广泛的数据集中没有实际意义.因此，本文不选择轮廓系数较高的分7类方案，而选择2、3类方案.

将2类和3类的海山分类结果投影到地图上发现，分2类时可以有效区分大、小海山；而3类的分类结果则是在2类方案的基础上进一步区分出底座为圆形和长条形的海山（链）（图7）.因此，虽然分2类的轮廓系数得分更高，但是本文采取了轮廓系数得分次高、且能提供更丰富地质信息的3类分类方案，分别以类型I（绿色点）、类型II（黄色点）和类型III（紫色点）表示.

在空间分布上，类型I和类型II这2类海山集中分布在东部次海盆，并且大部分沿着残余洋中脊（图7）.相比于类型I和II海山，类型III海山分布覆盖了所有次海盆.其中，在西北和西南次海盆内，主要沿着残余洋中脊分布；而在东部次海盆，则多数远离残余洋中脊分布.因此，无监督聚类分析得到的海山空间分布特征与3.2小节描述的肉眼观测结果一致.

通过对南海海山9组形态参数的综合研究发现，与类型III海山相比，类型I和II海山在短轴（图8a）、高程（图8b）、短轴坡度（图8c）和体积（图8a、8c）上都显示更大数值.因此，类型I和II海山为大型海山，类型III为小型海山.在大型海山中，与类型II海山相比，类型I海山长轴较短（图8d）、短轴相近（图8a）、高程更大（图8b）、坡度更陡（图8c、8d）、底面更圆（图8f），两者的底面积大小相近（图8e）.

在某些维度的参数上，大型海山和小型海山具有明显不同的形态变化特征.比如，长轴越大，类型I海山高程（图8g）变化幅度明显大于类型III；长轴（图8h）或短轴（图8i）越大，类型I海山的坡度减小幅度也稍快于类型III海山.值得注意的是，虽然长条形的海山（类型Ⅱ）在体积和高程上具有较高值，与类型Ⅰ海山同属于大型海山，但是从某些参数维度的变化趋势上看（如高程与长轴之比、坡度和长轴或短轴之比），类型II海山形态的变化趋势更接近于类型III海山（图8g、8i）.

综上所述，类型I海山是以中南海山（图7中Z1）为典型代表的高程最大、体积较大、坡度最陡、底面较圆的大海山，主要沿着东部次海盆的残余洋中脊分布.类型II海山是以珍贝海山（图7中Z2）为典型代表的高程中等、体积较大、坡度平缓、底面为长条形的大型海山，同样沿着东部次海盆的残余洋中脊分布.类型III海山是以一行海山（图7中Z3）为典型代表的高程较小、体积较小、底面呈圆形或椭圆形的小型海山.

4 讨论

火山的形态受多个因素影响，包括火山喷发的构造环境、喷发方式和时间间隔、岩浆成分以及温度等（Francis，1993； Tibaldi，1995）.其中，对于海山（即非活跃的死火山），火山喷发的方式和时间间隔很难准确评估.同时，岩浆组分和温度的测量需要对海山进行大量的采样分析，对于大范围内、如整个南海海盆的海山研究来说是无法实现的.因此，本研究基于对全海盆所有海山形成的构造环境背景的讨论，重点关注了局部已采样海山的岩浆岩成分和温度对海山形态的控制作用.

4.1　火山喷发的构造环境对海山形态的影响

4.1.1　沿着残余洋中脊

如3.3小节所述，在东部次海盆，圆锥形大型海山大多沿着或靠近残余洋中脊，而小型海山则散漫分布在远离残余洋中脊地区.其中，沿着东部次海盆的残余洋中脊，发育了全盆规模最大的珍贝‒黄岩海山链.该海山链走向为近东西向，与晚期海底扩张的北西‒南东方向存在24°的夹角（图5），表明扩张期后的火山喷发受到了与晚期海底扩张方向不同的伸展应力的影响.Sun et al. （2019）提出，南海海盆在北西‒南东向扩张之后，又经历了一期短暂的南北向扩张.据此认为，在珍贝‒黄岩海山链形成之前，区内发育了2组夹角为24°的岩石圈薄弱带，短暂的南北向海底扩张形成的岩石圈薄弱带可能控制了海山链走向，而北西‒南东向的海底扩张形成的薄弱带则控制了海山链中单个海山的长轴走向.

而在西南次海盆和西北次海盆洋中脊区，发育了坡度平缓、高程较小的小型海山.较平缓的形态特征表明在火山喷发期间，喷发物质的流动性较高，因此，岩浆岩可能更具有挥发性特征.同时，平缓的海山形态可能具有持续的火山喷发，岩浆供应相对稳定.

综上，残余洋中脊有助于大型板内火山喷发作用的发生：残余洋中脊作为岩石圈级别的、平面空间上较连续的岩石圈薄弱带，即使在海底扩张停止之后，也是岩浆熔融体上涌的优势通道.因此，先存的洋中脊构造对海山形态和规模具有明显的控制作用.

4.1.2　沿着中南断裂带

分割东部次海盆和西南次海盆的中南断裂带形成于南海海盆扩张时期，是切穿岩石圈的转换断层（徐子英等， 2021）.同为岩石圈薄弱带，相比于东部次海盆的残余扩张脊，沿着中南断裂带的海山多数为小型海山.这些小海山相较于东部、西南次海盆内海山的平均值，整体上高程小、坡度平缓、底面小且细长.而处于珍贝‒黄岩海山链最左侧的珍贝海山，长轴方向呈北东‒南西向，推测其可能受到西侧附近中南断裂带的影响.因此，转换断层的存在对火山喷发作用存在一定的影响，但是与残余洋中脊相比，转换断层的控制因素是次级的.

4.1.3　远离残余洋中脊

远离洋中脊的海山主要为小型海山.与靠近东部次海盆残余洋中脊的大型海山相比，这些小型海山的高程较低、坡度较平缓、底面较小，与沿着西南次海盆和西北次海盆洋中脊的小型海山形态类似，同样具有平缓的形态特征.而平缓的海山形态特征表明在火山喷发时的岩浆岩更具有挥发性特征，火山喷发持续，岩浆供应相对稳定.因此，远离洋中脊的小海山可能代表岩浆活动不太强烈、岩浆成分更为挥发的火山活动.

4.2　岩浆成分、温度和压强对海山形态的影响

值得注意的是，沿着东部次海盆残余洋中脊发育的大型海山中，除了标准椭圆锥形态的类型I海山之外，还发育了底盘为长条形的大型海山.虽然类型I和II两类海山在体积上几乎相等，但类型II海山具有高程更小、坡度更平缓、整体更细长的特征.这些形态特征表明了类型II海山在火山喷发时，岩浆横向流动距离更远，指示了岩浆粘度更低（Papale， 1999； Sparks， 2003）.通常，岩浆粘度主要由其成分、温度和压强决定，而二氧化硅含量较低、温度较高以及压强较小的岩浆往往具有较低的粘度（Dingwell， 1996）.这是因为较低的二氧化硅含量会导致较低的聚合度，这意味着岩浆具有较少的相互连接的硅酸盐矿物链，使其更像流体.此外，较高的温度会增加热能并降低岩浆的粘度.镁铁质岩浆具有较低的二氧化硅含量（45%~52%）和较高的铁、镁含量，与富含二氧化硅的岩浆相比，其粘度往往较低.相反，长英质或硅质岩浆具有较高的二氧化硅含量（65%~77%）和较低的温度，从而导致较高的粘度.这些岩浆通常与流纹岩或花岗岩成分有关，它们更粘稠，并且由于被困气体和更高的流动阻力而倾向于爆炸性喷发（Dingwell， 1996； Papale， 1999； Sparks， 2003）.Castruccio et al. （2017）的数值模拟结果表明，地球内部岩浆系统的结构是火山形态特征的决定性因素，在地表观测到的火山底面宽度与高度的变化，揭示了深部岩浆系统的基本属性，尤其是岩浆房的大小与深度，高程与底面宽度之比更大的火山具有更大或更深的岩浆房，岩浆受到更大的压强.同时，对于富含挥发分的岩浆来说，压强对粘度的影响远不如挥发分的作用大.因此推测，南海海盆中发育的4座长条形大型海山，可能说明火山喷发时的岩浆具有更高的挥发成分或形成于更小、更浅部的岩浆房中，受到更小的压强.而对于发育在相同构造背景下的海山如同为残余洋中脊区，岩浆成分和温度也可能导致海山形态的明显差异.

4.3　地形数据误差对海山形态研究的影响

全球覆盖的卫星测高重力数据为海底地形研究提供了便利，但由于雷达信号穿透深度的有限性、地表特征的复杂性以及数据处理过程中引入的不确定性等因素，在海山高程和形态上存在不可避免的误差（Sandwell et al.， 2022）.通过对比多波束海山地形与卫星高程海山地形，发现正负数值分布范围相近（图9），表明卫星高程数据对海山高程同时存在高估（负值）和低估（正值）的问题.相比于南海海盆中的海山（图3）来说，高程误差范围在-31%~37%、体积误差范围在-207%~75%.二维直方图（图9b）进一步表明，误差集中在海山高程小于2.5 km的区域；同时，误差在0值两侧分布几乎对称，表明卫星高程数据获得的海山高程被高估和低估的程度相近.

卫星高程的误差影响了根据海山形态和体积的聚类分析效果.图10对比了利用多波束地形和卫星高程数据进行聚类分析的轮廓系数.横坐标代表轮廓系数值，纵坐标为分出的各类样本标号，其宽度带代表该类样本数量.结果显示，分2类（图10a、10e）和3类（图10b、10f）时，多波束数据的各类轮廓系数值波动小、较为均匀；相比之下，卫星数据的各类轮廓系数值波动大、呈锯齿状起伏，表明基于卫星数据的聚类分析效果更差.而分4类（图10c、10g）和5类（图10d、10h）时，两组数据都具有较多的负值轮廓系数样本且都呈锯齿状起伏，聚类效果都比较差，表明多波束数据和卫星数据的聚类效果均不理想.可以看出，无论分多少类，基于卫星高程数据聚类分析的平均轮廓宽度均小于基于多波束地形的聚类结果（图6、图10），表明利用多波束数据的聚类分析效果优于卫星高程.因此，在用卫星高程地形数据进行海山形态定量分析时，需要对高程进行误差校正.

5 结论

本文基于南海全覆盖海底地形及多波束水深数据，对描述海山形态的主要特征进行定量化分析；在此基础上，结合海山的岩浆喷发体积，利用无监督聚类分析方法，对南海海盆中的海山进行分类.结果显示，南海海盆中共发育3类海山：（1）沿着残余洋中脊的大型孤立海山，以体积大、坡度陡、高程大、底盘呈圆形为特征；（2）沿着残余洋中脊的大型线状海山（链），以体积大、坡度陡、高程中等、底盘呈长条形为特征；（3）远离残余洋中脊的小型海山，以体积小、坡度缓、高程小、底盘呈椭圆形为特征.

大量的扩张期后海山沿着残余洋中脊和中南断裂带，表明先存的洋中脊和转换断层均是扩张期后岩浆喷发的优势构造环境.其中，大型海山主要沿着残余洋中脊，表明洋中脊的构造继承性作用对火山形态具有明显的控制作用；沿着中南断裂多为小型海山，表明与残余洋中脊相比，转换断层对海山发育的控制因素是次级的.

大型和小型海山在形态上的明显差异指示了不同的火山喷发过程.沿着残余洋中脊的大型海山（链）代表着活跃且可能快速的火山活动，通常与离散型板块边界构造的继承性作用有关；而远离洋中脊的小型海山可能代表不太强烈、岩浆更为挥发性的火山活动，与远离板块边界的板内火山活动有关.

对比卫星高程地形与多波束地形数据可知，卫星高程地形在海山高程上同时存在高估与低估的问题.该误差集中在高程为2.5 km以下的海山，误差范围在-31%~37%，在体积计算中整体上存在-207%~75%的误差，将严重影响基于海山形态特征的聚类分析结果.

参考文献

[1] Arabie, P., Hubert, L. J.,1996. An Overview of Combinatorial Data Analysis. In: Arabie, P., Hubert, L. J., De Soete, G., eds., Clusering and Classificaion. Word Scientific, Singapore, 5-63. https://doi.org/10.1142/9789812832153_0002

[2] Barckhausen, U., Engels, M., Franke, D., et al., 2014. Evolution of the South China Sea: Revised Ages for Breakup and Seafloor Spreading. Marine and Petroleum Geology, 58: 599-611. https://doi.org/10.1016/j.marpetgeo.2014.02.022

[3] Briais, A., Patriat, P., Tapponnier, P., 1993. Updated Interpretation of Magnetic Anomalies and Seafloor Spreading Stages in the South China Sea: Implications for the Tertiary Tectonics of Southeast Asia. Journal of Geophysical Research: Solid Earth, 98(B4): 6299-6328. https://doi.org/10.1029/92jb02280

[4] Castruccio, A., Diez, M., Gho, R., 2017. The Influence of Plumbing System Structure on Volcano Dimensions and Topography. Journal of Geophysical Research: Solid Earth, 122(11): 8839-8859. https://doi.org/10.1002/2017JB014855

[5] Chen, J., Zhu, B.D., Wen, N., et al., 2012. Gravity⁃ Magnetic Response of the Islands and Seamounts of South China Sea. Chinese Journal of Geophysics, 55(9): 3152-3162 (in Chinese with English abstract).

[6] Chen, L.,Wang, X., Liang, X.F., et al., 2020. Subduction Tectonics vs. Plume Tectonics—Discussion on Driving Forces for Plate Motion. Scientia Sinica Terrae, 50(4): 501-514 (in Chinese).

[7] Ding, W. W., Sun, Z., Dadd, K., et al., 2018. Structures within the Oceanic Crust of the Central South China Sea Basin and Their Implications for Oceanic Accretionary Processes. Earth and Planetary Science Letters, 488: 115-125. https://doi.org/10.1016/j.epsl.2018.02.011

[8] Dingwell, D. B., 1996. Volcanic Dilemma—Flow or Blow? Science, 273(5278): 1054-1055. https://doi.org/10.1126/science.273.5278.1054

[9] Francis, P., 1993.Volcanoes: A Planetary Perspective. Clarendon Press,New York.

[10] Kim, S. S., Wessel, P., 2011. New Global Seamount Census from Altimetry⁃Derived Gravity Data. Geophysical Journal International, 186(2): 615-631. https://doi.org/10.1111/j.1365⁃246X.2011.05076.x

[11] Kim, S. S., Wessel, P., 2015. Finding Seamounts with Altimetry⁃Derived Gravity Data. OCEANS 2015⁃MTS/IEEE. IEEE, Washington, D.C.. https://doi.org/10.23919/oceans.2015.7401883

[12] Koppers, A. A. P., Watts, A. B., 2010. Intraplate Seamounts as a Window into Deep Earth Processes. Oceanography, 23(1): 42-57. https://doi.org/10.5670/oceanog.2010.61

[13] Li, C. F., Xu, X., Lin, J., et al., 2014. Ages and Magnetic Structures of the South China Sea Constrained by Deep Tow Magnetic Surveys and IODP Expedition 349. Geochemistry, Geophysics, Geosystems, 15(12): 4958-4983. https://doi.org/10.1002/2014gc005567

[14] Li, G., Zhang, L.L., Zhu, L., 2011. Research on the Tectonic Features and Gravity⁃Magnetic Characteristics of Continental Margins in the South China Sea. Progress in Geophysics, 26(3): 858-875 (in Chinese with English abstract).

[15] Li, J.B., Ding, W.W., Gao, J.Y., et al., 2011. Cenozoic Evolution Model of the Sea⁃Floor Spreading in South China Sea: New Constraints from High Resolution Geophysical Data. Chinese Journal of Geophysics, 54(12): 3004-3015 (in Chinese with English abstract).

[16] Li, S.Z., Zhao, S.J., Liu, X., et al., 2014. Ocean⁃Continent Transition and Coupling Processes. Periodical of Ocean University of China, 44(10): 113-133 (in Chinese with English abstract).

[17] Li, X. H., Li, J. B., Yu, X., et al., 2015. ⁴⁰Ar/³⁹Ar Ages of Seamount Trachytes from the South China Sea and Implications for the Evolution of the Northwestern Sub⁃ Basin. Geoscience Frontiers, 6(4): 571-577. https://doi.org/10.1016/j.gsf.2014.08.003

[18] MacQueen, J., 1967. Some Methods for Classification and Analysis of Multivariate Observations. In: The Fifth Berkeley Symposium on Mathematical Statistics and Probability. University of California Press, Berkeley, 281-297.

[19] Maire, E., Lelièvre, E., Brau, D., et al., 2000. Development of an Ultralow⁃Light⁃Level Luminescence Image Analysis System for Dynamic Measurements of Transcriptional Activity in Living and Migrating Cells. Analytical Biochemistry, 280(1): 118-127. https://doi.org/10.1006/abio.2000.4503

[20] Meyer, F., 1979. Iterative Image Transformations for an Automatic Screening of Cervical Smears. Arthropod Structure & Development, 27(1): 128-135. https://doi.org/10.1177/27.1.438499

[21] Morgan, W. J., 1971. Convection Plumes in the Lower Mantle. Nature, 230(5288): 42-43. https://doi.org/10.1038/230042a0

[22] Papale, P., 1999. Strain⁃Induced Magma Fragmentation in Explosive Eruptions. Nature, 397(6718): 425-428. https://doi.org/10.1038/17109

[23] Peng, X., Li, C.F., Song, T.R., et al., 2022. Deep Structures and Lithospheric Breakup Processes at Northern Continent⁃Ocean Transition Zone of the South China Sea. Earth Science, 47(11): 4245-4255 (in Chinese with English abstract).

[24] Ren, J.Y., 2018. Genetic Dynamics of China Offshore Cenozoic Basins. Earth Science, 43(10): 3337-3361 (in Chinese with English abstract).

[25] Robinson, J. E., Eakins, B. W., 2006. Calculated Volumes of Individual Shield Volcanoes at the Young End of the Hawaiian Ridge. Journal of Volcanology and Geothermal Research, 151(1-3): 309-317. https://doi.org/10.1016/j.jvolgeores.2005.07.033

[26] Sandwell, D. T., Müller, R. D., Smith, W. H. F., et al., 2014. New Global Marine Gravity Model from CryoSat⁃2 and Jason⁃1 Reveals Buried Tectonic Structure. Science, 346(6205): 65-67. https://doi.org/10.1126/science.1258213

[27] Sandwell, D. T., Goff, J. A., Gevorgian, J., et al., 2022. Improved Bathymetric Prediction Using Geological Information: Synbath. Earth and Space Science, 9(2): e02069. https://doi.org/10.1029/2021ea002069

[28] Sibuet, J. C., Yeh, Y. C., Lee, C. S., 2016. Geodynamics of the South China Sea. Tectonophysics, 692: 98-119. https://doi.org/10.1016/j.tecto.2016.02.022

[29] Smith, D. K., 1988. Shape Analysis of Pacific Seamounts. Earth and Planetary Science Letters, 90(4): 457-466. https://doi.org/10.1016/0012⁃821X(88)90143⁃4

[30] Song, X., Li, C., Yao, Y., et al. 2017.Magmatism in the Evolution of the South China Sea: Geophysical Characterization. Marine Geology, 394(1):4-15. https://doi.org/10.1016/j.margeo.2017.07.021

[31] Sparks, R. S. J., 2003. Dynamics of Magma Degassing. Geological Society, London, Special Publications, 213(1): 5-22. https://doi.org/10.1144/gsl.sp.2003.213.01.02

[32] Sun, Z., Ding, W. W., Zhao, X. X., et al., 2019. The Latest Spreading Periods of the South China Sea: New Constraints from Macrostructure Analysis of IODP Expedition 349 Cores and Geophysical Data. Journal of Geophysical Research: Solid Earth, 124(10): 9980-9998. https://doi.org/10.1029/2019jb017584

[33] Tibaldi, A., 1995. Morphology of Pyroclastic Cones and Tectonics. Journal of Geophysical Research: Solid Earth, 100(B12): 24521-24535. https://doi.org/10.1029/95jb02250

[34] Tozer, B., Sandwell, D. T., Smith, W. H. F., et al., 2019. Global Bathymetry and Topography at 15 ArcSec: SRTM15+. Earth and Space Science, 6(10): 1847-1864. https://doi.org/10.1029/2019ea000658

[35] Unger Moreno, K. A., Thal, J., Bach, W., et al., 2021. Volcanic Structures and Magmatic Evolution of the Vesteris Seamount, Greenland Basin. Frontiers in Earth Science, 9: 1-14. https://doi.org/10.3389/feart.2021.711910

[36] Wu, Z.Y.,Wen, Z.H., 2021. Marine Geology of China Sea. Science Press, Beijing (in Chinese).

[37] Xu, H.H., Ma, H., Song, H.B., et al., 2011. Numerical Simulation of Eastern South China Sea Basin Expansion. Chinese Journal of Geophysics, 54(12): 3070-3078 (in Chinese with English abstract).

[38] Xu, Y.G., Wei, J.X., Qiu, H.N., et al., 2012. Opening and Evolution of the South China Sea Constrained by Studies on Volcanic Rocks: Preliminary Results and a Research Design. Chinese Science Bulletin, 57(20): 1863-1878 (in Chinese).

[39] Xu, Z.Y., Wang, J., Yao, Y.J., et al., 2021. The Temporal⁃Spatial Distribution and Deep Structure of the Zhongnan⁃Liyue Fault Zone in the North of the South China Sea Basin. Earth Science, 46(3): 942-955 (in Chinese with English abstract).

[40] Yan, P., Wang, Y. L., Liu, H. L., 2008a. Post⁃Spreading Transpressive Faults in the South China Sea Basin. Tectonophysics, 450(1-4): 70-78. https://doi.org/10.1016/j.tecto.2008.01.015

[41] Yan, Q. S., Shi, X. F., Yang, Y. M., et al., 2008b. Potassium⁃Argon/Argon⁃40⁃Argon⁃39 Geochronology of Cenozoic Alkali Basalts from the South China Sea. Acta Oceanologica Sinica, 27(6): 115-123.

[42] Yan, Q. S., Castillo, P., Shi, X. F., et al., 2015. Geochemistry and Petrogenesis of Volcanic Rocks from Daimao Seamount (South China Sea) and Their Tectonic Implications. Lithos, 218: 117-126. https://doi.org/10.1016/j.lithos.2014.12.023

[43] Yan, Q.S., Shi, X.F., 2007. Hainan Mantle Plume and the Formation and Evolution of the South China Sea. Geological Journal of China Universities, 13(2): 311-322 (in Chinese with English abstract).

[44] Yan, Q. S., Shi, X. F., Castillo, P. R., 2014. The Late Mesozoic⁃Cenozoic Tectonic Evolution of the South China Sea: A Petrologic Perspective. Journal of Asian Earth Sciences, 85: 178-201. https://doi.org/10.1016/j.jseaes.2014.02.005

[45] Yan, Q. S., Shi, X. F., Metcalfe, I., et al., 2018. Hainan Mantle Plume Produced Late Cenozoic Basaltic Rocks in Thailand, Southeast Asia. Scientific Reports, 8(1): 2640. https://doi.org/10.1038/s41598⁃018⁃20712⁃7

[46] Yang, S.X., Qiu, Y., Zhu, B.D., et al., 2015. Geologic and Geophysical Atlas of the South China Sea. China Navigation Charts Press, Tianjin (in Chinese).

[47] Yang, S.Y., Fang, N.Q., Yang, S.X., et al., 2011. A Further Discussion on Formation Background and Tectonic Constraints of Igneous Rocks in Central Sub⁃Basin of the South China Sea. Earth Science, 36(3): 455-470 (in Chinese with English abstract).

[48] Yao, B.C., 1995. Characteristics and Tectonic Significance of the Zhongnan⁃Liyue Fault. Research of Geological South China Sea, 1-14 (in Chinese).

[49] Zhang, C.M., Sun, Z., Zhao, M.H., et al., 2022. Crustal Structure and Tectono⁃Magmatic Evolution of Northern South China Sea. Earth Science, 47(7): 2337-2353 (in Chinese with English abstract).

[50] Zhang, G. L., Luo, Q., Zhao, J., et al., 2018. Geochemical Nature of Sub⁃Ridge Mantle and Opening Dynamics of the South China Sea. Earth and Planetary Science Letters, 489: 145-155. https://doi.org/10.1016/j.epsl.2018.02.040

[51] Zhao, D. P., 2007. Seismic Images under 60 Hotspots: Search for Mantle Plumes. Gondwana Research, 12(4): 335-355. https://doi.org/10.1016/j.gr.2007.03.001

[52] Zhao, M. H., He, E. Y., Sibuet, J. C., et al., 2018. Postseafloor Spreading Volcanism in the Central East South China Sea and Its Formation through an Extremely Thin Oceanic Crust. Geochemistry, Geophysics, Geosystems, 19(3): 621-641. https://doi.org/10.1002/2017gc007034

[53] Zhao, M.H., Qiu, X.L., Xu, H.L., et al., 2011. Deep Seismic Surveys in the Southern South China Sea and Contrast on Its Conjugate Margins. Earth Science, 36(5): 823-830 (in Chinese with English abstract).

[54] Zhao, Y. H., Ding, W. W., Yin, S. R., et al., 2020. Asymmetric Post⁃Spreading Magmatism in the South China Sea: Based on the Quantification of the Volume and Its Spatiotemporal Distribution of the Seamounts. International Geology Review, 62(7/8): 955-969. https://doi.org/10.1080/00206814.2019.1577189

基金资助

国家重点研发计划项目(2023YFC2808805)

中央级公益性科研院所基本科研业务费专项资金项目(QNYC2301)

国家自然科学基金项目(42276082)