辫状河作为形态状态：平面形态重复构型的数据驱动识别及其时间组织

《Water Resources Research》：Braided Rivers as Morphological States: A Data-Driven Identification of Recurrent Planform Configurations

　　

辫状河会不时重新组织其河道，表现为复杂的形态动力学和间歇性床沙输移（bedload transport），难以用标量指标或单一代表性构型描述。为更好地刻画这种复杂性，研究人员引入一种随机方法，追踪河道的平面形态动力学（planform dynamics）及相关的床沙输移率。在该方法中，每个状态代表给定的平面河道几何，系统可随时间从一个状态随机转移到另一个状态。研究人员开展了为期1个月的实验室实验。研究人员利用自动化工作流程，从平面视图图像中识别形态状态（morphological states），该流程结合了多种技术（图像比较指标、降维和密度聚类）。状态序列揭示出长时间形态稳定期，其间由短时河道重组期分隔。床面形态也表现出很大多样性，从狭窄单线程河道到易发生泥沙储存的大型辫状网络。尽管早期研究已揭示模型化辫状系统演化的混沌性质，意味着精确构型不可预测，但研究人员发现：(a) 重复状态数量有限；(b) 每个形态状态的寿命与明确定义的时间尺度相关；(c) 存在从一个状态到另一个状态的优先转移；(d) 床面形态状态与输沙率变异性相关。

研究背景与问题：既有辫状河研究多以辫状强度、湿宽、活动宽度和熵指标等标量指标、确定性形态动力学模型或单次实验/模拟描述平均行为，难以表征河道反复分汊与汇合、边滩形成迁移、汊道开放关闭、废弃河道再激活等涨落；相同初始与边界条件也可能产生显著不同的河道构型。为在涨落中提取组织规律，作者将河段尺度平面形态视为随机系统，以离散形态状态（morphological states，指可重复出现的平面河道几何构型）及其转移来描述演化。研究人员在恒定上游边界条件的实验室水槽中开展实验，旨在识别重复平面构型，并检验其持久性、复发、优先转移及与床沙输移的关系。结论表明：辫状河平面形态并非连续任意变化，而是围绕有限重复状态组织，状态具有不同寿命、转移路径和输移签名；这为连接颗粒尺度随机输移与河段尺度形态控制提供了“介观”框架，并可用于状态条件概率预测，但依赖稳态假设和已有数据。

关键技术方法：数据来源为固定岸壁直水槽实验室实验（工作段3.3 m×1.0 m，初始坡降3%，恒定水流量与恒定供沙，具体数值原文未显示；摘要称1个月，结论称7周，运行约1,200 hr）。俯视相机以1幅/min成像；以色相饱和度明度（Hue Saturation Value, HSV）阈值提取染色水湿区二值掩膜并提取一像素边缘。以修正Hausdorff距离（Modified Hausdorff Distance, MHD）度量边界位移，以Dice相似系数（Dice similarity coefficient）度量湿区重叠，归一化后构成全帧对复合描述。主成分分析（Principal Component Analysis, PCA）保留至少99%方差得67个主成分；统一流形近似与投影（Uniform Manifold Approximation and Projection, UMAP）嵌入三维形态空间；HDBSCAN识别状态，噪声帧归入最近重复簇。出口床沙输移用50 kg称重传感器连续测量，10,000 Hz采集并按60 s平均；图像记录超过70,000帧。

研究结果：
3 从图像到形态状态（From Images to Morphological States）：通过全帧对比较、降维和密度聚类，将高频连续图像记录转换为离散可解释的重复状态序列。
3.1 形态相似性（Morphological Similarity）：以MHD和Dice分别刻画边界位移与湿区重叠；二者相关但不冗余，图像比较矩阵呈块状结构，反映长期准稳定与短时重组交替，为后续降维聚类提供经验基础。
3.2 形态状态的降维与聚类（Dimensional Reduction and Clustering of Morphological States）：通过PCA、非线性流形学习和密度聚类压缩高维图像描述并识别重复构型。
3.2.1 线性降维：PCA（Linear Reduction: PCA）：PCA保留至少99%方差，将维度降低三个数量级以上并保留67个主成分，为非线性嵌入提供稳定基础。
3.2.2 非线性流形学习（Nonlinear Manifold Learning）：UMAP在保留局部邻域的同时形成三维形态空间；参数选择结合内部聚类指标与平面形态物理一致性检查。
3.2.3 嵌入空间聚类（Clustering in the Embedded Space）：HDBSCAN较DBSCAN更稳健，最终识别16个簇、噪声比例9.93%；噪声帧被视为过渡构型并归入最近重复簇，以保留完整一分钟状态序列。
3.2.4 所得形态空间（Resulting Morpho-Space）：重复状态表现为密集簇，过渡构型表现为稀疏细丝；状态被定义为嵌入形态空间中的密集、时间上重复区域，而非单一平面指标阈值。
3.3 簇表征（Cluster Characterization）：以簇代表几何、形态指标和状态条件输移诊断验证16个簇的物理意义，显示其构成从单线程到多线程的连续形态谱。
3.3.1 代表性几何与形态梯度（Representative Geometries: Medoids and Morphological Gradient）：各簇medoid为簇内总复合差异最小帧；状态从窄单线程、部分辫状过渡到宽多线程、大边滩和复杂网络。
3.3.2 跨簇形态结构（Morphometric Structure Across Clusters）：湿宽、湿区面积、弯曲度、辫状指数（braiding index, BI）和熵基辫状指数（entropy-based braiding index, eBI）协变；最复杂与最简单构型间宽度和面积约倍增，BI/eBI比由窄状态约1.1升至强辫状状态约1.3。
3.3.3 状态条件输移（State-Conditioned Sediment Transport）：窄单线程状态输移率较高、重尾且变异大，宽强辫状状态输移较低且稳定；形态指标与输移均值及变异性负相关，说明平面构型控制输移幅度和间歇性。
4 形态状态的时间组织与转移（Temporal Organization and Transitions Among Morphological States）：在稳态强迫下，将状态序列解释为河段尺度辫状河道重组的内在组织。
4.1 状态占用与持久性（State Occupancy and Persistence）：状态序列呈间歇结构，长驻留期被短重组期打断；状态00、01、02、04访问少但平均持续时间长，07、10、11、12频繁短驻；经验指标计算总占用时间、访问次数和平均持续时间。
4.2 转移结构与状态组织（Transition Structure and State Organization）：转移矩阵对角线强，非对角转移集中于优先路径，如10向11、07、12转移，11主要向10并次要向05、03转移，07主要向12和10转移，12常返回07和10；按持久性与转移活动分为红、蓝、绿三宏观组：红组长驻低转移，蓝组中间并构成过渡走廊，绿组短驻高转移。组级转移显示红→蓝82.5%、红内6.3%、红→绿11.1%、绿→红0.9%、绿内79.5%、绿→蓝19.7%、蓝内55.3%、蓝→绿35.0%、蓝→红9.7%；三组输移分布均右偏但中心趋势不同。结论是状态变化受约束而非随机跳转。

讨论总结：作者将结果归纳为：形态指标强协变，16状态覆盖单线程至强辫状梯度；持久性与输移签名并非一一对应；窄弱辫状状态输移更高更间歇，宽强辫状状态更低更稳定；红组为长驻低转移构型，绿组为频繁调整态，蓝组为连接红绿的非均一过渡走廊；状态表示处于确定性形态动力学模型、颗粒尺度随机输移描述和标量指标方法之间，可作为介观尺度连接形态与输移。展望指出可用状态条件输移与状态间转移进行概率预测，但需扩展至非稳态及外部强迫变化情形。

研究结论翻译：本研究考察恒定上游边界条件下辫状河的形态演化，并基于动态形态状态概念建立数据驱动理论框架。研究人员开展长期（7周）且高频（每分钟一次测量）的实验室实验；数据表明，即使边界条件恒定，河床仍持续演化而非保持稳定。该演化并非随机，而呈现优选构型，即形态状态；共识别16个被反复访问的形态状态，其寿命随机分布，特征持续时间或短（瞬态状态）或长（长期状态）。形态状态的实验分析基于自动化工作流，结合图像差异度量、降维和密度聚类，无需先验几何信息即可从图像直接识别状态。这些状态覆盖从狭窄高效单支河道到大型强辫状网络的不连续形态范围，每个状态具有特定形态指标和床沙输移行为。结果表明，辫状河在构型空间中的形态演化不像布朗运动（Brownian motion，无优选方向或状态的纯随机游走），而是探索并重访有限重复模式。状态年代学分析显示有组织的状态序列，形态持久期被快速重组事件和受约束转移路径打断。这些特征表明辫状河动力学由有限形态状态固定：对给定水槽坡降、水流量、供沙和粒径，河床不能任意取形，而必须符合可能状态之一。该组织提示存在控制河道几何和输移的介观尺度；由此，输移不单由瞬时局部水力学控制，而由受形态状态条件的多种过程导致，包括泥沙储存、释放、输移及边滩推进。该框架提供数据驱动的形态状态表示；其不完整性在于只能再现已有足够数据表征状态动力学的情形，但足以回答引言所问看似随机河道形态变化的性质。尚待探索的问题包括：实验前能否确定状态数、几何及转移概率随流量、供沙、坡降、粒径、植被或约束的变化；以及非完美稳态下变化流量或供沙时外部强迫与内部动力学的相互作用。该框架应用仍需大量工作澄清上述问题。