《Remote Sensing of Environment》：Time and tide: Mapping the changing 3D shape of Australia's dynamic intertidal zone using time series satellite data
编辑推荐：
潮间带是海陆之间的动态边界，潮汐的周期性涨落塑造了复杂而多样的海岸生态系统，这些系统支撑着关键的生态系统服务与生态栖息地（Galbraith et al., 2002）。受潮汐过程、近岸泥沙输运和海平面变化的共同作用，潮间带环境不断被重塑（Ryu et al.
潮间带是海陆之间的动态边界，潮汐的周期性涨落塑造了复杂而多样的海岸生态系统，这些系统支撑着关键的生态系统服务与生态栖息地（Galbraith et al., 2002）。受潮汐过程、近岸泥沙输运和海平面变化的共同作用，潮间带环境不断被重塑（Ryu et al., 2008）。这些动态过程维持了较高的生物生产力，同时提供了包括海岸防护和蓝碳封存在内的重要生态系统服务（Temmerman et al., 2013；Beaumont et al., 2014）。尽管潮间带环境十分重要，但其对气候变化和海岸开发的响应尤为脆弱。已有证据表明，受围垦、河流泥沙供给变化、极端天气和相对海平面上升等因素影响，全球潮间带栖息地面积已出现缩减（Murray et al., 2015；Murray et al., 2019；Yang et al., 2026）。然而，由于潮间带环境具有高度的时空变异性和恶劣的野外条件，对其变化进行监测在技术上仍具挑战性（Bell et al., 2016；Chen et al., 2023b）。Landsat和Sentinel-2等卫星提供的地球观测（EO）数据档案为跨时间观测潮间带环境提供了前所未有的覆盖。虽然单景卫星影像因潮汐变率的影响难以直接用于海岸制图（Tseng et al., 2017），但多时相时间序列卫星数据为观测潮间带环境在整个潮汐周期中的行为提供了有效途径（Bishop-Taylor et al., 2019b）。以往基于EO的潮间带高程制图方法多依赖水线法（WLM），该方法通过描绘卫星影像中海陆边界形成同心“水线等高线”，并结合潮位高度进行空间插值以生成连续潮间带数字高程模型（DEM）。然而，插值过程会显著平滑结果，难以表达精细尺度的复杂海岸特征（Mason et al., 2001），且该方法对潮位测量的小幅垂向误差高度敏感（Mason et al., 2001；Xu et al., 2022）。近年来兴起的像素级方法通过充分利用卫星观测的完整时间序列来克服WLM的局限，其中最具代表性的是淹没频率法（IFM），该方法假设潮间带高程与卫星观测到的淹没频率之间存在单调递减关系（Chen et al., 2023b）。然而，淹没频率与高程之间的关系并非恒定，其随潮间带坡度、局地潮汐 regime 以及云量和潮汐混叠等卫星观测偏差而显著且非线性地变化（Ma et al., 2024；Zhang et al., 2025），因此需要利用实地高程测量数据进行校准，而这类数据在偏远海岸区域往往稀缺。为减少对实地校准数据的依赖，近期研究探索了将IFM与ICESat-2和SWOT等高分辨率卫星测高数据相结合的方法，但迄今其应用仍局限于局地至区域尺度的概念验证。将潮间带高程建模扩展至大陆或全球尺度，需要能够适用于任何海岸位置和时期、且不依赖独立校准数据的自动化EO方法。逻辑回归方法通过模拟每个卫星像素在潮汐周期中的行为，利用S形曲线估计每个像素的高程，显示出巨大潜力，但逐像素拟合逻辑曲线需要迭代参数估计过程，在大尺度应用中计算成本较高。鉴于气候变化和海岸开发持续重塑潮间带环境，亟需高效、数据驱动的方法来实现潮间带的大尺度、时间序列制图与监测。本文提出DEA Intertidal，一种新的EO方法，通过利用潮汐周期性涨落引起的地表湿度细微变化，在像素级实现潮间带三维高程制图。该方法无需实地观测校准，采用时间序列“数据立方体”框架，结合Sentinel-2和Landsat多传感器卫星数据与全球潮汐建模工具，以潮汐替代时间作为主要分析维度。研究人员在澳大利亚全海岸线进行了大陆尺度应用，并利用多时相、大陆尺度验证数据集对结果进行了验证。该方法显著提高了空间分辨率和细节，同时大幅缩短了生成可靠潮间带高程模型所需的时期，揭示了以往无法检测的地貌学显著特征，并生成了动态海岸地形的连续时间序列数据集，支持海岸变化的垂向、水平向和体积分析。该开源方法基于高性能、自由开放的工具和标准构建，可广泛应用于区域、大陆和全球尺度的潮间带高程动态制图与监测。
一、研究背景与问题
潮间带是海陆之间的动态过渡区域，潮汐的周期性涨落塑造了复杂多样的海岸生态系统，支撑着关键的生态服务功能，包括海岸防护、蓝碳封存以及丰富的生物多样性。然而，这类低洼环境对气候变化和海岸开发尤为脆弱，全球潮间带栖息地面积已呈现缩减趋势。尽管潮间带具有重要的生态与环境意义，其监测仍面临巨大挑战：潮间带环境具有高度的时空变异性和恶劣的野外条件，传统的机载或无人机激光雷达（LiDAR）测量虽可进行区域制图，但高昂的成本和后勤需求限制了其在大尺度上的应用。因此，在陆地高程与海洋水深数据集之间，近岸和潮间带区域长期存在观测空白，严重制约了对潮间带环境结构与动态的量化理解。
卫星遥感时间序列数据为潮间带制图提供了前所未有的覆盖能力，但以往基于地球观测（EO）的潮间带高程制图方法存在明显局限。传统水线法（WLM）依赖从卫星影像中提取水线等高线并结合潮位进行空间插值，虽然计算高效，但插值过程会显著平滑输出结果，难以表达精细尺度的复杂海岸特征，且对潮位测量误差高度敏感。新兴的像素级方法如淹没频率法（IFM）虽能提供更高的空间细节，但其淹没频率与高程之间的关系随潮间带坡度、局地潮汐 regime 和卫星观测偏差而显著变化，通常需要实地高程数据进行校准，而这类数据在偏远海岸区域往往难以获取。逻辑回归方法虽无需实地校准，但逐像素拟合逻辑曲线的迭代参数估计过程计算成本高昂，限制了其在大尺度上的应用。因此，亟需一种高效、数据驱动、可扩展且无需实地校准的潮间带三维高程制图方法。该研究发表于《Remote Sensing of Environment》。
二、研究方法概述
研究人员提出DEA Intertidal方法，其核心在于利用时间序列“数据立方体”框架，将2016至2024年间澳大利亚全海岸线的Sentinel-2（2A、2B、2C）和Landsat（7、8、9）卫星数据与全球潮汐模型相结合。关键技术包括：采用eo-tides工具将九种全球潮汐模型集成至集合潮汐预测框架，生成与卫星数据时空维度精确匹配的潮位数据立方体；利用自适应像素级滚动中值方法，在重叠的滚动潮位窗口中汇总归一化差异水体指数（NDWI）时间序列，以刻画每个像素在潮汐周期中的典型行为；通过识别像素由干转湿的临界潮位阈值来估计像素高程，并以中值绝对偏差（MAD）量化高程不确定性。验证数据来自澳大利亚ELVIS高程与水深门户及多个区域LiDAR和多波束测量数据集，涵盖462个对比站点。
三、研究结果
3.1 高程与不确定性输出
通过大陆尺度应用，研究人员成功生成了2016至2024年间澳大利亚卫星可观测裸露潮间带区域的高程数据，年均制图面积约11,600至12,852平方公里。像素级高程输出揭示了详细的貌结构，包括潮沟、潮汐沙坝与脊、潮汐陡坎和浅洼地等小尺度特征。时间序列输出为海岸变化和沉积物动态提供了前所未有的观测能力。高程不确定性识别出可靠性较低的像素，主要与复杂海岸区域潮汐模型性能不佳以及分析期内地形动态变化相关。
3.2 验证结果
大陆尺度验证涵盖七年、约747平方公里的微潮、中潮和大潮潮间带地形。结果表明，DEA Intertidal高程的绝对精度为0.26至0.32米均方根误差（RMSE）。当误差按局地潮差归一化后，相对RMSE从大潮环境的5%增至微潮环境的18%。模型性能随潮差增大而显著提升，大潮环境决定系数（R2）达0.93，中潮环境为0.80，微潮环境仅为0.36。所有潮汐环境中均存在系统性正偏差，高程平均高于验证数据0.12至0.20米。误差分析显示，高程极高和极低处、陡峭坡度以及卫星观测数据稀疏处误差较大。
四、讨论与结论
讨论部分指出，DEA Intertidal是迄今最大规模的三维潮间带高程制图分析，其10米分辨率的年度输出显著优于以往大陆尺度产品。该方法的精度与当前先进的像素级方法相当，同时无需实地校准数据，具有良好的可扩展性和可迁移性。时间序列高程数据支持海岸变化的垂向、水平向和体积分析，与卫星衍生岸线（SDS）方法形成互补。研究结论表明，DEA Intertidal方法通过结合时间序列卫星数据与全球潮汐建模，实现了像素级潮间带三维高程的高效、可扩展制图，为海岸带动态监测和沉积物动力学研究提供了新的工具。该方法基于开源工具和标准构建，可广泛应用于区域、大陆乃至全球尺度的潮间带高程动态制图与监测。
