《Journal of Marine Science and Engineering》：A Review of Tidal-Flat Remote Sensing Methods and Applications 2000–2025
编辑推荐：
潮间带滩涂具有海岸缓冲与生物多样性维持功能，其变化速率存在显著的区域异质性：全球尺度的净减少趋势与局部区域的扩张现象并存，导致管理者难以准确判断变化方向与驱动因子。研究人员通过系统综述2000年1月至2025年3月的951篇相关文献，最终纳入339篇研究论文，
潮间带滩涂具有海岸缓冲与生物多样性维持功能，其变化速率存在显著的区域异质性：全球尺度的净减少趋势与局部区域的扩张现象并存，导致管理者难以准确判断变化方向与驱动因子。研究人员通过系统综述2000年1月至2025年3月的951篇相关文献，最终纳入339篇研究论文，将其划分为以滩涂提取与面积变化为核心的215篇（占比63%）和以驱动因子分析为重点的124篇（占比37%），梳理了遥感监测在观测、提取、验证与解释滩涂动态中的应用路径。2019年后相关研究数量显著增长，当前主流的滩涂提取方法可分为三类：水边线法（应用最广）、影像分类法与光学–合成孔径雷达（SAR）融合复合方法。跨研究统计显示，滩涂面积总体呈净减少趋势，主要归因于河流输沙量减少、海平面上升与围垦活动；但局部区域存在稳健的反例，如1998–2016年德国瓦登海（Wadden Sea）滩涂扩张约18%，凸显了变化的强空间异质性。尽管全球约31%的滩涂位于保护区内，但在持续的人为压力下保护成效不均。研究人员进一步归纳了当前监测的常见失效模式（潮汐–尺度不匹配、验证缺失等），提出了多模态数据融合与基准测试的标准化框架。本综述系统梳理了潮间带滩涂遥感方法的现有认知，明确了关键技术瓶颈，并为支撑可靠监测的未来研究方向提供了优先级指引。
1. 引言
潮间带滩涂是陆海相互作用的关键界面，主要指位于最高潮线与最低潮线之间的无植被裸滩，涵盖潮间带泥滩、岩滩与沙滩。该类生态系统兼具生物多样性保育、海岸防护与盐业生产等重要生态服务功能。全球约50%的人口居住在距海岸200 km范围内，使得滩涂成为受人类活动影响最显著的滨海生态系统之一。伴随气候变化与海平面上升，全球滩涂正以年均1.4%的速率消失，40年间累计损失超过28,000 km2，与海岸侵蚀、红树林退化等问题共同引发国际关注。20世纪早期的滨海湿地研究仅将滩涂作为组成部分，1960年代后研究逐步从沉积特征、有机质分布等理化性质探索转向生态影响与人类活动干扰机制分析，但滩涂监测与保护研究长期未得到足够重视。进入21世纪，气候变化、水产养殖与海岸开发导致滩涂急剧萎缩，威胁生物多样性与海岸安全；然而复杂的海岸环境、风暴事件与潮汐淹没使得滩涂动态变化频繁，提取难度较高，限制了早期保护研究的规模与深度。Google Earth Engine（GEE）等平台推动的大数据与遥感技术快速发展，为滩涂动态监测提供了技术支撑：例如基于Landsat影像结合潮汐淹没频率与时序指数的福建滨海湿地动态制图，以及利用Radarsat-1 SAR后向散射克服云覆盖限制开展的韩国西海岸滩涂变化监测，均体现了多源数据融合在滩涂提取中的创新应用。当前研究仍面临方法碎片化、尺度效应不明确、驱动力因果解析不足等挑战：现有方法多以各类基于岸线的分类方法为主，缺乏系统的横向比较；全球尺度研究多依赖单一数据源，难以精准刻画潮间带微地形特征；自然因素与人类活动的驱动机制尚未完全阐明，制约了滩涂监测融入海岸带管理的科学基础。本研究通过整合Web of Science核心合集的339篇文献与其他领域相关成果，围绕滩涂提取方法、遥感监测的时空变化解析、变化驱动机制三个核心目标展开，构建了“方法发展–时空动态–驱动机制”的三维分析框架，旨在为全球滩涂保护与《拉姆萨尔公约》框架下的适应性管理提供科学依据。
2. 材料与方法
研究数据来源于Web of Science核心合集，检索时间为2025年4月1日。研究人员采用分步筛选策略，依次基于“主题”“数据类型”“研究目标”三个维度优化检索效率：通过双引号强制精确短语匹配、布尔运算符OR扩展同义词检索范围、通配符捕获关键词的形态变体与衍生形式，构建检索式：TOPIC: (“tidal flat” OR “intertidal zone” OR “coastal wetland” OR “tidal wetland” OR “intertidal flat” OR “inter-tidal” OR “mudflat”) AND (“remote sensing imag” OR “Landsat” OR “Sentinel” OR “WorldView” OR “SAR” OR “MODIS” OR “satellite imag”) AND (“classification” OR “mapping” OR “extract” OR “distribution”)，限定文献类型为研究论文、发表时间为2000年1月至2025年3月、2023年前发表的论文被引次数大于0。初始检索获得951篇文献，经两名研究者独立阅读标题与摘要初筛，对无法判定的文献调取全文评估，分歧通过讨论或第三方仲裁解决，最终排除497篇无关文献（涉及海岸生物分布、沉积物理化性质、土地利用景观格局变化、河道演变与水文连通性及其他非相关研究），纳入339篇文献开展系统分析。为进一步验证检索完整性，研究人员在Scopus数据库开展交叉验证，调整检索式为(“tidal-flat” OR “mudflat” OR “intertidal flat”) AND (“remote sensing”) AND (“classif” OR “extraction” OR “distribut”) NOT (TITLE-ABS-KEY (“mangrove” OR “aquaculture”))，检索2000–2025年文献，初始获得668篇文献，剔除2025年3月后发表的114篇后剩余554篇，经筛选排除477篇无关文献，剩余77篇与Web of Science结果比对，发现53%为重复文献，其余36篇因2023年前零被引或研究主题偏离滩涂面积动态监测未被纳入最终数据集。
3. 文献计量分析
研究人员采用VOSviewer（1.6.20版）开展文献计量分析。期刊分析显示，339篇论文发表于118种期刊，其中《Remote Sensing》载文量最高，《Estuarine Coastal and Shelf Science》次之；按内容可互斥划分为两类：215篇聚焦滩涂提取方法，124篇关注滩涂变化与驱动因子（含52篇以滩涂地貌变化为核心的研究）。地理分布上，文献来自36个沿海国家，中国（177篇）、美国（84篇）、欧洲（82篇）、亚洲其他国家（57篇）、韩国（29篇）、大洋洲（23篇）、南美洲（23篇）、北美其他国家（12篇）、非洲（8篇），中纬度国家贡献最多。发文量与被引频次整体呈上升趋势，2019年后显著增长，与Murray等同年发布的首套全球30 m分辨率潮间带滩涂数据集直接相关，该成果推动了GEE支持下的长时序大尺度滩涂变化研究发展。
4. 潮间带滩涂遥感提取方法
传统基于实地测量的滩涂制图依赖LiDAR与立体测量技术，可靠性高但受限于可达性、天气条件与成本。当前主流提取方法分为水边线提取、分类法与复合方法三类：215篇提取方法研究中，122篇采用水边线提取（75篇基于阈值分割、23篇基于边缘检测、13篇基于深度学习语义分割、11篇基于水域频率法），90篇采用分类法（81篇监督分类、9篇无监督分类），3篇采用复合方法。
4.1 水边线提取
该方法核心是识别不同潮汐周期下的陆水边界，由Mason等于2010年提出后持续优化，成为最常用的滩涂提取方法之一，核心技术包括边缘检测与影像分割。
4.1.1 边缘检测方法
通过影像梯度等突变特征区分陆水边界，分为目视解译、半自动检测与自动检测三类。目视解译适用于小范围、水陆差异显著的场景；半自动方法包括边缘代理法与岸线数字化，例如以植被边缘代理岸线提升提取稳定性，但代理边界与实际水边线存在偏差；自动边缘检测常用Sobel与Canny算子：Sobel算子通过计算像素水平与垂直方向的梯度幅值与方向识别边缘，计算效率高但对小尺度边缘变化敏感，难以表征大尺度岸线连续性；Canny算子通过多阶段处理实现更连贯的边缘提取，但计算复杂度高，经并行优化后可提升近4倍效率。目视解译适合高精度局地研究，半自动方法平衡自动化与人工干预，自动方法在全自动化、一致性方面优势显著，但性能受影像分辨率、海岸类型与验证方案影响。
4.1.2 影像分割方法
基于波段值与光谱指数的阈值分割应用广泛。SAR影像具备全天候成像优势，Lee等利用C波段后向散射差异提取水边线，Wan等基于全极化分解提升单极化方法精度，但SAR固有的斑点噪声、表面粗糙度调制后向散射、悬浮泥沙引起体散射等问题增加了水边线识别难度，且开源雷达数据有限、成本高，因此更多研究基于光学影像开展。Ryu等首次将Landsat单波段反射率密度分割应用于水边线提取，后续发展的归一化差异水体指数（NDWI）、改进水体指数（IWI）结合Otsu算法提升了泥质海岸线提取精度；针对单指数受海水侵蚀与沉积影响的局限，Wang等提出水域频率法，基于长时序Landsat影像计算像素淹没频率（公式：water=1为水体像素，0为非水体；Fwater为水体淹没频率，Nwater为像素被识别为水体的次数，Ntotal为总观测次数，Nbad为低质量观测次数），通过频率阈值识别高低潮线，避免了光学影像提取对潮汐数据的依赖，但需手动选择频率阈值，不确定性较高。Jia等基于Sentinel-2影像提出最大光谱指数合成–Otsu算法（MSIC-OA），在GEE平台上快速生成了中国首套10 m分辨率滩涂分布图，总体精度达95%。阈值分割在大尺度提取中效率高，但复杂潮汐条件下易出现水边线断裂与噪声；深度学习语义分割模型（如WENet）在复杂场景下泛化能力强、识别精度高，但依赖大量标注样本与高性能计算资源，实时应用受限。
4.2 影像分类方法
基于光谱、纹理或极化特征区分滩涂与其他地物，分为监督分类与无监督分类，机器学习技术显著提升了分类效率与精度。
4.2.1 监督分类
基于人工选取的训练样本与分类器自动分类，常用方法包括统计分类、决策边界分类与决策树分类。最大似然分类（MLC）是最早应用的统计分类方法，假设类别服从正态分布，但受实际特征分布影响大，在滩涂等异质性高的场景中表现弱于决策树类方法。随机森林（RF）与支持向量机（SVM）是决策类分类的代表，平均精度分别达85.81%与85.19%：SVM擅长处理混合像素与复杂纹理，RF通过随机抽样与特征子集选择降低过拟合风险，结合潮汐数据适用于大尺度多类型滩涂分类。多源遥感数据（如Landsat与Sentinel-1 SAR融合）可捕捉湿地的复杂时序动态与光谱异质性，提升分类精度。
4.2.2 无监督分类
无需训练样本，自动对影像数据聚类，常用方法包括聚类算法、降维方法与深度神经网络。传统K-Means与ISODATA聚类因滩涂与浑浊水体的光谱相似性，提取精度有限；模糊C均值（FCM）通过模糊赋值提升抗噪性，但需结合地形参数等辅助数据增强特征区分度；主成分分析（PCA）通过压缩高维光谱数据降低计算量，但难以处理非线性特征；深度神经网络具备自动特征提取能力，如时空谱加权对抗域适应（SSWADA）网络可将湿地分类精度较最优深度子域适应网络提升5.7%，但计算耗时长、参数调优复杂。
4.2.3 复合方法
整合水边线法的几何优势与分类法的地物判别能力，主要分为两类：边界约束分类先通过水边线提取或水域频率分割界定潮间带范围，再在范围内开展分类，如胶州湾研究中复合方法总体精度达96.7%，显著高于单独RF（94.8%）与水边线法（91.7%）；水文周期辅助分类将多时相影像的淹没指标融入分类过程，利用不同地物的淹没规律差异提升判别精度，如越南海岸带研究中结合Sentinel-2时序水文周期指标的RF分类总体精度达82.07%。复合方法在河口、海湾等滩涂破碎、潮沟网络复杂的区域适用性更强。
5. 潮间带滩涂变化监测
5.1 不同尺度的滩涂变化趋势
全球尺度上，滩涂总面积至少127,921 km2，主要集中在北半球，亚洲占比约44%；尽管31%的滩涂位于保护区内，比例远高于海洋（6%）与陆地（13%），但保护区仍面临多重压力，亚洲部分保护区滩涂净损失达86.4 km2，多数滩涂受中到极高的人类干扰。国家尺度上，中国滩涂面积居世界第二，年均损失率达2.6%；1984–2016年韩国因海岸开发与围垦损失30%–40%的滩涂。局地尺度差异显著：上海滩涂损失速率远低于江苏；1998–2016年德国瓦登海滩涂扩张18%，荷兰与法国海岸出现滩涂高程上升导致的局部地形陡化，但扩张与收缩呈现明显周期性；1897–2021年北部湾滩涂面积减少29%，破碎化程度持续加剧；1985–2017年舟山岛水域与滩涂面积分别减少6%与10%；韩国Gomso湾与Hampyeong湾滩涂沉积与侵蚀存在显著季节性波动，受潮汐、水动力与局地输沙差异影响。局地变化的累积效应驱动了大尺度滩涂演变。
5.2 变化驱动机制
5.2.1 自然因素
陆源主导的滩涂系统中，河流输沙量是滩涂形成与维持的核心：全球66%的滩涂损失与输沙减少、波浪侵蚀等间接驱动因子相关，如长江入海输沙量过去50年下降约90%，导致江苏滩涂消失速率高于沉积物补给相对充足的上海。生物因素影响沉积过程，潮间带植被通过根系固沙促进沉积，尤其在水流较快或沉积物较粗的区域；滩涂稳定性与水体浊度密切相关。海平面上升通过改变潮汐动力与沉积过程产生全局影响，约25%的全球河口滩涂因海平面上升出现高程损失或面积缩减，西欧海岸、黄海与鸭绿江口尤为显著。
5.2.2 人类因素
海岸开发破坏滩涂结构、改变沉积环境：美国得克萨斯州Freeport港建设导致侵蚀速率超过15 m/年；中国东部现代辐射沙脊群因高强度围垦与基础设施建设损失992 km2潮间带滩涂。人类活动在导致滩涂面积与功能退化的同时，显著提升海岸生态风险：2000–2017年江苏海岸滩涂生态风险因大规模围垦、水产养殖与港口建设显著上升，中高风险区占比达71.75%，低风险区逐步消失。
6. 讨论
6.1 当前研究的局限性
6.1.1 数据获取与质量限制
光学影像数据源丰富，但受云覆盖与物候变化影响显著，滩涂区多云导致高质量影像获取困难，云过滤虽提升清晰度但减少可用数据量，常年多云区（如印尼部分滩涂区年云覆盖率超90%）的云去除处理易产生数据空缺。SAR影像不受天气与光照限制，但开源数据有限、获取与处理成本高，且固有斑点噪声难以完全消除，传统滤波算法（如Lee、Frost滤波）在降噪的同时会损失细节，影响边界提取精度。
6.1.2 不确定性影响
数据来源的不确定性源于影像质量与时空分辨率：滩涂的淹露受潮汐周期控制，影像获取的潮汐相位直接影响滩涂表征，时间分辨率不足可能导致关键潮汐相位遗漏，引入系统性偏差；高时间分辨率数据可提升估算精度，多时相影像优于单时相影像。空间分辨率影响边界识别与混合像素处理，中低分辨率影像在复杂滩涂区易出现边界模糊，高分辨率影像可区分精细地貌但数据量大，需在时效性、处理效率与监测需求间权衡。空间尺度是关键影响因素：大尺度研究常采用粗分辨率数据，可能增加边界识别不确定性，且统一的提取方法难以适配大区域内潮汐、地貌与环境条件的异质性；小尺度研究可采用更高分辨率数据与针对性方法，但代表性有限，误差会在尺度上推过程中放大。验证不确定性源于实地数据的获取难度与质量差异：滩涂的动态性要求验证数据与遥感影像时间同步，实践中常存在时间错位；基于高分辨率影像的目视解译受解译人员经验与主观判断影响，不同验证方法间的系统差异导致精度评估结果不一致。
6.2 未来展望
未来监测需聚焦多源数据（光学、SAR、LiDAR、无人机）融合，综合利用光谱、纹理、高程等多维特征提升鲁棒性；发展高效智能的融合算法，如多模态融合网络自动学习不同数据源的特征关联与互补信息，研发动态数据融合算法根据数据源质量实时调整策略，适配不同场景的滩涂监测需求。方法耦合是提升提取精度的关键路径，例如阈值分割快速筛选潜在滩涂后结合机器学习模型精准分类；需增强算法适应性，设计基于强化学习的动态阈值调整算法，适配季节变化；发展轻量化模型与并行计算技术解决训练资源消耗问题；人工智能与大视觉模型在边界空间连续性与复杂几何形态处理方面潜力显著。多源融合、地理智能与大数据将成为未来海岸带资源保护与管理中滩涂研究的重要支撑工具。
7. 结论
本研究系统综述了2000–2025年的339项研究成果，表明滩涂监测技术已快速成熟，2019年全球30 m潮间带滩涂数据集发布后研究呈现显著拐点，从局地案例研究扩展至区域与全球尺度分析，中国、美国、韩国与欧洲沿海国家为主要研究力量。方法层面呈现多元化与高效化趋势：水边线法因稳健性与简便性仍是主流（122项研究），分类法在精细提取需求中应用频繁（90项研究），复合方法虽数量较少，但在复杂场景下通过整合多技术优势展现出良好潜力，标志着滩涂制图从零散化向标准化、可扩展、业务化监测转变。研究结论明确：除局部反例外，全球潮间带滩涂总面积呈收缩趋势，自然与人为压力的叠加形成了集中风险区；但当前监测仍存在多传感器数据利用不足、方法集成不无缝、近实时性能欠缺等问题。未来应重点推进：①常规融合光学、SAR与LiDAR数据，保障全天候、全潮汐覆盖；②发展动态质量感知融合技术，实时适配数据空缺与噪声；③构建现代学习流程（含迁移学习与弱监督学习），提升跨海岸、跨时段的泛化能力；④建立开放基准、代码与可复现工作流，加速科研成果向业务化应用转化。上述方向的推进将把当前研究势头转化为可持续的全球滩涂生态系统及时评估与管护能力。
