潮滩是潮间带特有的地貌，它在高潮时被淹没，在低潮时暴露出来。它们通常由细粒沉积物（泥、沙或混合基质）组成，通常植被稀少或无植被，形成了潮下水域与潮上景观之间的过渡环境（Gao, 2019; Semeniuk, 2019; Pei et al., 2022）。作为海岸湿地最广泛和生态上最关键的组成部分之一，潮滩有助于蓝碳封存（Barbier et al., 2011），消散波浪能量并缓冲海岸灾害（Zhang et al., 2021），支持生物多样性（Yoo et al., 2013），并维持水产养殖和沿海生计（Chen et al., 2025）。它们还为沿主要迁徙路线的候鸟提供了不可或缺的停留和觅食栖息地；例如，有记录显示黄海潮滩的丧失与多个物种数量的迅速下降有关（Studds et al., 2017）。然而，潮滩在全球范围内经历了广泛的退化和丧失（Xu and Gong, 2018; Liu et al., 2025），遥感证据表明1984年至2010年间潮滩面积减少了约16%（Murray et al., 2019）。这种下降反映了直接的人类干扰（如填海和城市扩张）以及间接因素，如沉积物侵蚀和海平面上升（Jiang et al., 2021; Le Hir et al., 2000; Fan et al., 2018; Maan et al., 2019）。人为压力与自然因素的叠加使得退化机制的诊断和有效治理策略的设计变得复杂（Hill et al., 2021）。在此背景下，联合国可持续发展目标（SDGs 13和14）和IPCC第六次评估报告等全球框架强调了保护和恢复包括潮滩在内的海岸蓝碳生态系统对于缓解和适应气候变化的紧迫性和潜力（Herr and Landis, 2016; Carlsen and Bruggemann, 2022; Kikstra et al., 2022）。
除了面积范围外，潮滩的高程是控制淹没动态、沉积物运输和生态功能的基本属性。准确的高程信息对于模拟海岸侵蚀和堆积过程、评估风暴潮和海水入侵等灾害、估算湿地生态系统中的碳储存和栖息地质量以及理解海岸系统对自然和人为压力的响应至关重要（Nie et al., 2019; Chen and Lee, 2022; Liu et al., 2020）。尽管它们很重要，但在区域到全球范围内高质量和空间连续的潮滩高程数据仍然稀缺（Yao et al., 2025）。现有的大规模数字高程模型（DEM），如航天雷达地形测绘任务（SRTM）、NASA数字高程模型（NASADEM）和先进的空间borne热辐射和反射辐射计全球数字高程模型（ASTER GDEM），在陆地地区表现良好，但在海岸潮间带由于雷达或光学信号经常被海水遮挡而存在显著限制，导致数据缺口（Du et al., 2016; Uuemaa et al., 2020）。值得注意的是，广泛使用的全球DEM最初是为陆地地形测绘设计的（例如SRTM和ASTER GDEM），而不是为潮间带环境设计的（Farr et al., 2007; Tachikawa et al., 2011），即使经过多重误差校正的全球产品（例如MERIT DEM）在观测数据经常缺失或被动态海水污染的潮间带仍面临挑战（Yamazaki et al., 2017）。最近的努力也引入了面向海岸的DEM，如DiluviumDEM（Dusseau et al., 2023）和最新的CoastalDEM v3.0（Kulp and Strauss, 2024）。虽然这些产品在低洼海岸地区提高了高程精度，但DiluviumDEM不提供潮间带内的高程信息，而CoastalDEM数据集在大规模上并不公开可用，这进一步突显了当前高程产品在表示潮滩地形方面的局限性。基于实地和航空的调查，如实时运动学全球定位系统（RTK-GPS）和机载光探测与测距（LiDAR），可以提供厘米到分米级别的精度，但由于高昂的经济成本、有限的空间覆盖范围以及对潮汐条件的强烈依赖性，它们不适合大规模潮滩监测（Chang et al., 2004; Montané and Torres, 2006）。因此，在国家或全球范围内获得准确的潮滩地形仍然是海岸研究和管理中的一个基本挑战。
最近，许多学者开发了各种推导潮滩地形的方法，可以分为直接测量和间接反演方法。直接方法使用遥感数据集，如干涉合成孔径雷达（InSAR）（Choi and Kim, 2018）、机载LiDAR（Xie et al., 2018）和基于运动的结构（SfM）摄影测量（Chen et al., 2022）来获取潮滩高程。虽然这些方法提供了较高的垂直精度，但存在显著的限制。例如，适用于潮间带应用的InSAR数据相对稀缺，并且在动态或植被覆盖区域经常出现相干性损失。机载LiDAR可以达到厘米级别的精度，但获取成本高昂，且通常只能覆盖有限的区域。基于运动的结构（SfM）摄影测量在部署上更加灵活，但它通常依赖于低空航空调查，这也限制了空间覆盖范围，并需要大量的后勤工作。在这些进展的基础上，开发了基于多源卫星图像的间接方法，包括卫星衍生的湿度反演（Li et al., 2022）、水位线检测方法（WDM）（Sagar et al., 2017; Salameh et al., 2021; Xu et al., 2025）、淹没频率方法（Xu et al., 2022, Xu et al., 2024; Xin et al., 2025）以及基于机器学习的多源数据融合技术（Yao et al., 2024）。虽然这些方法提供了更大的空间覆盖范围和更低的成本，但它们的垂直精度较低，对环境条件（如潮汐相位、水质清澈度）敏感，并且在形态复杂的潮滩上实施起来具有挑战性，特别是在大空间尺度上。因此，开发结合大规模覆盖、高精度和操作效率的新方法对于推进海岸科学和支持可持续管理是迫切需要的。
在这项研究中，我们提出了一种从“地表水和海洋地形”（SWOT）任务的最新卫星测高数据中推导全国范围内潮滩地形的新框架（Morrow et al., 2019; Salameh et al., 2021），填补了大规模海岸数字高程建模中的一个关键空白。中国的沿海地区因其广泛的纬度范围、多样的潮汐制度和多样的地貌特征（如三角洲、河口、海湾和人工海岸线）而成为一个全面的测试平台。它还提供了在接近自然条件和强烈人为干扰下的潮滩的独特表示（Wang et al., 2020; Liu et al., 2025）。我们在中国海岸线上的潮滩应用了这种方法，并通过多源遥感（ICESat-2）和基于实地的数据集（机载LiDAR和GNSS-RTK测量）进行了全面验证。结果强调了SWOT衍生地形在捕捉大尺度潮滩地形方面的稳健性和准确性。为了确保可重复性和可扩展性，该框架是在标准化的海岸网格上实现的，行政单位仅用作总结区域模式的后处理层，而不是作为方法论约束。
