这项由美国地质调查局（U.S. Geological Survey）观测系统部门的 C. J. Legleiter 和 P. J. Kinzel 完成的研究于 2026 年发表在 Water Resources Research 期刊上（文献编号 e2025WR041177）。该研究是针对单一原始研究工作的学术论文，系统评估了利用全国性断面数据库对河流河道形状进行近似建模的多种方法，并提出了一种新的SPARCS模型。

本研究的核心科学领域为河流地貌测量与水文学，尤其是河道断面几何形态的获取与参数化表征。河道横断面（cross section, XS）的尺寸与形状对于水力建模、洪水淹没预报、地貌监测、栖息地评估以及水资源管理等一系列水文应用至关重要。传统的现场断面测量成本高昂、耗时且在某些偏远地区存在安全风险，而遥感测深技术又受到水体浊度、深度极限和覆盖范围不完整等固有限制。因此，研究者试图利用已采集的海量历史断面数据，评估并改进能够根据有限观测信息推求完整河道形状的数学模型。研究的直接应用动机之一是为新发射的地表水和海洋地形卫星任务（Surface Water and Ocean Topography, SWOT）提供先验的河道形状信息，以改善全球河流流量反演的不确定性。研究的明确目标包括：量化不同模型的精度、考察模型性能与河道特征及流量的关系、以及探索利用新模型重建部分可观测断面的可能性。

研究工作基于美国地质调查局发布的全国断面数据库（National Cross-Section Database, NXSDB）1.2.0 版本。该数据库包含 2022 水年内采集自全美 8,157 个水文测站的 53,392 条实测横断面数据。研究者首先对数据进行了严格的筛选：剔除无效值、宽度小于 3 米、测点少于 10 个、点距不合理以及存在多股水流特征的断面，最终保留了来自 7,727 个测站的 46,971 条有效断面用于分析。在断面预处理阶段，作者将横断面距离标准化至 0 到 1 之间，并对缺失或异常深度值进行了清理与插值。随后，作者对每条断面分别拟合了四种河道形状模型。第一种是 Dingman（2007）提出的单参数对称模型，通过形状参数 r 控制断面从三角形到抛物线直至矩形的变化；第二种是 Deutsch 和 Wang（1996）提出的不对称模型，利用偏度参数 s 反映弯道曲率对深泓位置的影响；第三种是 Merwade 和 Maidment（2004）提出的基于双 Beta 概率密度函数叠加的广义模型，具有四个可调参数。第四种是本研究新提出的 SPARCS 模型（Stacking PDFs to Approximate River Channel Shapes），其核心思想是将一个非对称 Beta 分布与一个对称 Beta 分布进行加权叠加。该模型包含四个参数：偏度参数 s 控制最深点偏向河道左岸或右岸；凸度参数 c 决定点坝的凸出程度；对称分量参数 α₂=β₂ 控制河底从平坦矩形到抛物线的过渡；比例因子 d_f 代表断面的平均水深。SPARCS 模型的显著优势在于其参数具有明确的物理意义，可直接与河道的平均水深、不对称性、凸度及河床平坦度等特征关联。模型拟合采用 Nelder-Mead 单纯形算法最小化实测水深与模拟水深之间的均方根误差，所有模型的初始参数估计统一设定，不依赖特定场地的人工调参。

全部 46,971 条断面拟合完成后，作者利用五个精度指标对四种模型进行了系统比较：断面面积百分比误差（δA）、观测-预测回归决定系数（R²）、归一化偏差（NB）、归一化平均绝对误差（NMAE）和归一化均方根误差（NRMSE）。Kruskal-Wallis 检验和多重比较检验的结果表明，四种模型的精度指标分布存在显著差异。Merwade 模型在四项指标上表现最优，其中位数 R² 达到 0.84；Dingman 模型由于只能生成对称形状，在本数据集上表现最差。新提出的 SPARCS 模型在多数指标上与 Merwade 模型接近，其中位数 δA 小于 1%，中位数 R² 为 0.77，中位数 NB 仅为 0.0055，表明该方法对水深几乎无偏估计。更为重要的是，SPARCS 模型的 d_f 参数与各断面实测平均水深之间的回归关系几乎完美（相关系数接近 1），验证了该参数的可解释性。基于这一优势，后续分析聚焦于 SPARCS 模型。对于全部 46,971 条断面，SPARCS 模型估计的断面面积误差均值与中位数均低于 1%，四分位距仅为 2.28%，这表明该模型准确捕捉了河道过水面积。水深点对点对比的决定系数中位数为 0.77，其中 25% 的断面 R² 超过 0.89。精度指标与断面特征（流量、面积、宽度、平均水深、最大水深）之间的 Pearson 和 Spearman 相关系数普遍较弱，唯一显著的弱负相关出现在 NMAE 与平均/最大水深之间，意味着在较深的河道中水深比例误差略小。在流量依赖性方面，作者从 610 个具有 5 次以上同位置测量的测站数据中发现，d_f 参数与流量显著相关的中位数 Pearson 相关系数高达 0.97，其流量指数中位数为 0.335，与经典水力几何关系中的理论值高度一致。而其他三个形状参数与流量的显著相关仅出现在不到 10% 的测站中。类似地，精度指标与流量的显著相关也仅出现在 10% 至 16% 的测站。这些结果表明 SPARCS 模型的形状参数和精度均不强烈依赖于流量变化，这意味着在一个流量条件下拟合的模型可近似用于其他流量水平。

关于利用 SPARCS 模型重建部分观测断面的可行性，作者设计了两类实验。第一类采用站点特定的比例水深截断值，即分别将最大水深的 50% 至 100% 作为可观测阈值，对仅保留浅于该阈值的测点进行模型拟合并与完整断面比较。结果表明，当整个断面均可观测时，δA 的分布紧密集中在零附近；随着可观测比例下降至 0.5，δA 的分布显著左移并展宽，R² 中位数从 0.7 降至 0.46，NB 中位数从接近零升至 0.29，NMAE 和 NRMSE 也分别从 0.096 和 0.14 恶化至 0.36 和 0.43。这意味着模型虽然有助于填补测量空缺，但当可观测比例较低时精度明显下降。第二类采用全数据集统一的 2 米截断深度，模拟常见遥感测深手段的最大探测深度。该分析仅适用于 2,337 个具有大于 2 米水深的断面。结果显示，面积误差分布偏向负值，NB 分布偏向正值且对不可观测比例敏感，即随着超过 2 米水深测点所占比例增加，模型倾向于低估断面面积和水深。此外，SPARCS 模型无法再现江心洲或多汊河道等复杂形态，并且如果仅观测到此类复杂形态的一小部分，模型可能同时过度简化几何形状并向浅水方向偏倚。

本研究的核心结论是：基于概率密度函数叠加思想的 SPARCS 模型能够以误差通常小于 1% 的精度逼近实测河道断面面积，以中位数 R² 为 0.77 的总体符合度估计逐点水深，并且其模型参数具有直观的河道特征解释能力。该模型对流量变化不敏感，表明其形貌参数可作为相对稳定的河道属性应用于不同水位条件。尽管该模型在重建部分可观测断面方面存在固有局限，尤其是在可观测比例低于 50% 时精度明显下降，且无法表达江心洲等多汊形态，但该方法在填充测量空缺和支持基于卫星遥感数据的流量反演方面具有重要的应用潜力。

本研究的亮点包括：提出了一个兼具灵活性与可解释性的新型河道形状参数化模型 SPARCS，其参数直接关联平均水深、不对称性、凸度和河底平坦度；基于约 4.7 万条全美实测断面的大样本系统评估了四种主流模型的精度，提供了具有统计稳健性的比较结果；证明了 SPARCS 形状参数不随流量显著变化，为模型的时间外推提供了依据；系统量化了部分可观测条件下的模型重建精度，为遥感测深与河流流量反演的实际应用提供了明确的误差预期。同时，研究也明确指出 NXSDB 数据多采集于顺直、均匀的测流河段，不能代表形态更为多样的河流环境，这一局限性对于将模型推广至未测区域具有重要警示意义。