综述：关于表征火山渣锥形态的技术综述

《Frontiers in Earth Science》：A review of techniques for characterising scoria cone morphologies

火山碎屑锥的形态分析经历了从传统公式到高分辨率DEM技术的方法演进，但仍存在分辨率、边界界定和方法学差异导致的误差问题。本文系统综述了不同数据源和算法的优缺点，指出标准化方法框架的必要性，为未来研究提供指导。

　　### 活动分析：火山碎屑锥的形态参数测量方法

火山碎屑锥（Scoria cones）是地球上最常见的火山地貌之一，它们通常由基性火山喷发形成，喷发过程中产生火山碎屑和熔岩，且喷发事件往往具有短暂性和低体积特征。碎屑锥的形态特征因喷发方式、构造环境和喷发后地貌变化而呈现高度多样性。形态参数分析对于理解岩浆系统演化、喷发过程、构造控制、年龄估算、侵蚀历史、气候影响以及火山灾害评估等具有重要意义。随着科技的发展，卫星影像、高分辨率数字高程模型（DEMs）和半自动算法的引入，极大地提高了碎屑锥形态参数分析的精度和可重复性。然而，尽管技术不断进步，仍存在因DEM分辨率、锥体边界识别和方法选择不同而导致的参数不一致问题，这些不一致在一定程度上影响了研究结果的可靠性。因此，对当前方法和数据集进行系统性回顾，识别影响结果变化的来源，并建立最佳实践指南，对于未来的火山形态学研究至关重要。

#### 1. 碎屑锥的形态特征与研究意义

碎屑锥广泛分布于全球多个火山地区，如墨西哥的米却肯-瓜纳华托火山场、意大利的埃特纳火山以及日本的阿苏火山。它们通常以单次喷发形成，但也有一些展现出多期喷发的特征。碎屑锥的形态多样，包括环形、理想型、沟形、倾斜型、裂隙型、无火山口型等。这些形态差异反映了喷发动力学、岩浆成分和喷发后地貌演变之间的复杂相互作用。研究碎屑锥不仅具有学术价值，还对火山灾害评估和风险缓解具有现实意义。例如，2021年加那利群岛拉帕尔马的Cumbre Vieja火山喷发仅在短时间内摧毁了2800座建筑，而1943年至1952年在墨西哥米却肯的Paricutin火山喷发则发生在农田中，对当地居民造成了严重影响。因此，对碎屑锥形态参数的准确测量不仅有助于理解火山活动的历史，还能为未来火山灾害的预测提供数据支持。

#### 2. 数字高程模型（DEMs）分辨率对碎屑锥形态参数的影响

数字高程模型（DEMs）是现代碎屑锥形态分析的重要工具，其分辨率直接影响测量结果的准确性。早期研究主要依赖于传统地形图，但这些方法受限于空间分辨率和主观地形特征的解释。随着高分辨率DEM的出现，如10米和2米的LiDAR数据，研究者能够更精确地捕捉碎屑锥的细节，如火山口边缘、火山口深度和陡坡变化。然而，对于分辨率超过30米的全球DEM，如ASTER和SRTM，它们在分析小规模碎屑锥时存在显著误差。例如，Kervyn等（2008）的研究表明，在平坦地表上，使用10米分辨率DEM时，高度误差仅为1米，而使用90米分辨率时，高度被低估4%至8%。宽度的误差则从10米分辨率的10米增加到90米分辨率的12.8%。此外，当喷发区域存在7度的下坡时，误差进一步放大，高度的低估可达8.2%至40%。

研究强调，误差的大小与DEM分辨率、地形坡度和地形断裂的清晰度直接相关。例如，在毛纳凯亚火山的40个碎屑锥研究中，90米分辨率的SRTM数据无法准确分析小于100米高度的特征，因为锥体边界识别变得困难。因此，选择适当的DEM分辨率对于提高碎屑锥形态参数的准确性至关重要。例如，30米分辨率的AW3D30数据在分析大型碎屑锥时表现出较高的精度，但对小型碎屑锥仍存在显著误差。

#### 3. 锥体边界识别方法的多样性与挑战

准确识别碎屑锥的边界是形态参数分析的关键步骤，因为高度、坡度和体积等参数均依赖于这一过程。目前，主要有两种方法：手动识别和半自动或自动算法。手动方法通常通过分析地形剖面、坡度和方位导数图以及等高线来识别锥体边界，这种方法虽然直观，但存在高度的主观性。例如，Grosse等（2012）建议在锥体边界识别中不应包括碎屑坡，因为这些区域缺乏明确的形态特征。为减少主观性，研究者采用了一些辅助手段，如实地验证、坡度阈值（如3.5°或5°）和结合多种数据源的方法。

相比之下，半自动和自动算法试图减少主观性并提高效率。例如，Grosse等（2012）开发了一种基于归一化剖面曲率和坡度的边界概率层算法，能够识别火山结构与背景地形之间的转换。该算法在应用中显著减少了主观性，但对直径小于500米的碎屑锥或复杂地形中的锥体识别效果不佳。此外，Euillades等（2013）开发的NETVOLC程序利用最小成本流网络（MCF）计算最优锥体边界，其性能在约67%的案例中与手动识别结果相符，但在剩余33%的案例中，需要采用其他成本函数，这引入了新的主观性。

尽管自动算法在减少主观性方面有所进步，但它们在处理小规模、严重侵蚀或形态复杂的碎屑锥时仍面临挑战。例如，Van Wees等（2024）在对16个复合火山进行分析时发现，使用3°坡度阈值的边界识别方法与手动识别结果的共识度超过50%，但该研究主要针对大型火山，未涉及碎屑锥。因此，未来研究应扩展至不同规模的碎屑锥，以验证自动算法的适用性。

#### 4. 宽度测量方法的多样性与挑战

碎屑锥的宽度是形态分析中的另一个关键参数，通常用于评估锥体的侵蚀程度。目前，宽度测量方法主要包括最大和最小直径、面积推导和多剖面平均等。传统方法中，Settle（1979）提出宽度为最大和最小直径的平均值，这一方法被广泛采用。然而，对于形态不规则的碎屑锥，该方法可能无法准确反映实际宽度。例如，Kereszturi等（2013a）在特内里费火山的研究中发现，Settle方法平均高估宽度1.5%，而在某些情况下，误差可能高达3%。

另一种方法是基于面积的宽度计算，即将宽度视为与锥体面积等效的圆周直径。该方法减少了对锥体方向和形态复杂性的依赖，但仍然受到锥体边界识别精度的影响。例如，Euillades等（2013）在比较手动绘制与算法生成的锥体边界时发现，宽度差异可达33%。此外，Fornaciai等（2012）发现，使用30米分辨率的ASTER数据时，宽度误差在3%至16%之间，这可能与锥体边界识别和数据精度有关。

#### 5. 高度测量方法的多样性与挑战

碎屑锥的高度是形态分析中最基础的参数之一，但不同研究者采用的方法存在显著差异。传统方法通常基于锥体顶点与基底之间的高程差，如Settle（1979）提出的方法，即使用锥体顶点高程与基底平均高程之差。然而，这种方法在陡坡地形中可能引入误差，因为基底的高程可能受到地形坡度的影响。例如，Kervyn等（2008）提出使用锥体顶点与基底平均高程之差，而Rodriguez等（2010）则提出另一种方法，即使用基底最低点与顶点高程之差。

随着高分辨率DEM的出现，研究者开始采用插值方法计算高度。例如，Favalli等（2009）提出使用三维基底插值方法，以减少因地形坡度导致的误差。此外，Zarazúa-Carbajal和De la Cruz-Reyna（2021）提出通过八个不同方向的剖面计算平均高度，以更全面地反映锥体的形态。然而，不同方法之间仍存在显著差异，如Favalli等（2009）发现，Settle方法与插值方法的平均高度差异高达64%，而与最大高度差异则为27%。

#### 6. 体积测量方法的多样性与挑战

碎屑锥的体积是理解喷发规模和岩浆供应特征的重要参数。目前，体积测量方法主要包括公式法和DEM插值法。公式法通常基于高度、宽度和火山口深度等参数，如Hasenaka和Carmichael（1985）提出的方法，将碎屑锥视为一个对称的截头圆锥，计算体积。然而，这种方法在处理无火山口或火山口未完全填充的锥体时可能不准确。例如，Dóniz-Páez等（2012）建议对明显塌陷的锥体减少体积估算50%，以更准确地反映实际体积。

DEM插值法则通过计算锥体表面与插值基底之间的体积差异来估算碎屑锥体积。例如，Carmichael等（2006）利用DEM插值方法计算墨西哥科利马地区的碎屑锥体积，而Favalli等（2009）则使用Delaunay三角剖分（TIN）方法。此外，Zhang等（2022）发现，使用12米分辨率的TanDEM-X数据时，体积误差仅为2.8%至4.5%，而使用30米分辨率的ASTER数据时，体积误差可能高达60%。因此，选择高分辨率DEM对于提高体积测量的准确性至关重要。

#### 7. 坡度测量方法的多样性与挑战

坡度是碎屑锥形态分析中的重要参数，能够反映锥体的生长过程和侵蚀演化。传统方法通常基于公式法，如Hasenaka和Carmichael（1985）提出的基于高度和宽度的坡度计算方法。然而，这种方法在处理形态不规则的锥体时可能引入误差。例如，Kervyn等（2012）提出将锥体外坡分为三个类型：上坡、下坡和其他，以更准确地估算坡度。此外，V?r?s等（2021）采用“扇区化”方法，将锥体分为多个扇区，以反映锥体的不对称性。

DEM插值法则通过计算坡度分布来估算锥体坡度，这种方法能够更精确地反映地形特征。例如，Parrot（2007）建议使用高分辨率DEM进行自动坡度计算，而Favalli等（2009）则利用ArcGIS和QGIS等软件进行坡度分析。然而，DEM分辨率对坡度测量的准确性有显著影响，如Kervyn等（2006）发现，使用90米分辨率的SRTM数据时，坡度误差可能超过10%。此外，研究者发现，植被覆盖和地形复杂性也会影响坡度测量的准确性。

#### 8. 研究结果的差异与挑战

不同研究者采用的测量方法和数据源可能导致碎屑锥形态参数结果的显著差异。例如，Kereszturi等（2012a）和V?r?s等（2021）发现，公式法与DEM法在坡度测量上存在系统性差异。此外，Favalli等（2009）在计算高度和宽度时提出了一些创新方法，而Kereszturi等（2013a）则比较了不同的宽度计算方法。Fornaciai等（2012）的研究发现，不同研究者对同一火山场的碎屑锥测量结果存在显著差异，这可能与数据源、选择标准和计算方法有关。

在体积测量方面，Kereszturi等（2025）的研究发现，公式法通常高估体积，而DEM法则能够更准确地反映实际体积。例如，Hasenaka和Carmichael（1985）的公式高估体积约36%，而Kervyn等（2012）的公式则低估体积约1%。这些差异表明，不同方法在处理碎屑锥的三维几何结构时存在根本性差异。

#### 9. 未来研究的方向与挑战

尽管现有的形态分析方法已经取得了一定进展，但仍然存在许多挑战。首先，需要进一步研究不同环境因素对边界识别精度的影响，如植被覆盖、地形粗糙度和气候条件。其次，需要建立标准化的测量协议，以减少不同研究之间的差异。此外，开发基于机器学习的自动识别方法，如Kazemi Garajeh等（2022）提出的CNN和GEOBIA方法，可以显著提高识别精度，但需要大量的训练数据和复杂的模型。

未来研究应优先考虑大尺度的比较研究，使用相同的高分辨率DEM数据（如10米分辨率）在不同的火山环境中进行分析。此外，应进一步研究不同测量方法对形态参数的影响，特别是对火山年龄估算和喷发过程推断的影响。最后，需要开发基于标准的计算方法、边界识别程序和全面的误差量化框架，以支持全球范围内碎屑锥形态学研究的可靠性和可重复性。

综上所述，碎屑锥形态参数的测量方法存在显著的多样性，这导致了研究结果的不一致性。为了提高研究的可靠性，需要建立标准化的测量协议，并结合多种数据源和方法，如高分辨率DEM、实地验证和机器学习算法。未来研究应进一步探索不同方法对碎屑锥形态参数的影响，并在不同火山环境中进行系统性比较，以推动火山形态学研究的标准化和可重复性。