由于潮汐的周期性淹没，滨海滩涂斑块只在最低潮时期短暂全部裸露，因此，利用光学卫星图像进行滩涂制图最大的困难在于影像潮位的不确定性。在大尺度遥感制图研究中，应用传统的对照潮汐表查询最低潮图像的方法，费时、费力、周期长；而且传统的数据源，如Landsat系列，重访周期8-16天，加之滨海地区云雨天气较多，很难保证短期内获取最低潮的影像。为了克服这些困难，研究人员集成影像最大值合成算法（MSIC）和OTSU图像自适应分割阈值算法（OA），提出了一种高效、高精度、高鲁棒性的潮间带滩涂自动提取方法，命名为MSIC-OA。该方法的基本思路为：（1）利用影像最大值合成算法合成全年最高潮和最低潮影像；（2）利用OTSU算法自动识别最大水面和最小水面，确定潮间带；（3）利用OTSU算法自动去除低潮影像中潮间带植被；（4）利用OTSU算法自动区分水体和滩涂，完成滩涂制图。以后海湾为例，利用MSIC-OA算法进行滩涂自动提取的流程如图1所示。
图1. 基于Sentinel-2密集时间序列影像的MSIC-OA滩涂制图流程（A），及每步的结果（a-f）。
研究人员以2019年1月1日到2020年6月30日的28,367景Sentinel-2密集时序数据为数据源，基于GEE云平台应用MSIC-OA方法,进行全国滨海滩涂制图，将绘制的地图命名为China_Tidal Flat（CTF）。结果显示，2020年中国滨海滩涂总面积为 858,784 ha，空间分布如图2 所示，其中江苏省滨海滩涂资源最为丰富。
图2. 中国滨海滩涂空间分布及沿海各省份滩涂面积。
研究人员应用实地调查样点生成的误差矩阵和亚米级高分数据，对CTF进行精度验证。结果显示：（1）CTF的总体分类精度可达95%，F1分数为0.93；（2）绘制的滩涂斑块与低潮亚米级高分数据的一致性极高，如图3所示。
图3.CTF与高分2号和Google Earth低潮影像对比。
该研究的方法和理论不仅适用于滨海滩涂的自动、精准遥感研究，对于其它涉水生态系统也有重要的借鉴价值。CTF提供了最新的、分辨率最高的中国滨海滩涂空间分布信息，可用于海岸带保护与管理工作，并可以服务于联合国可持续发展目标的评估。
本研究由东北地理所贾明明副研究员，王宗明研究员，毛德华副研究员，任春颖研究员，武汉大学王超副教授，罗德岛大学王野乔教授共同完成，发表于Remote Sensing of Environment（IF=9.08）期刊，得到中国科学院战略性先导科技专项（A 类）（XDA19040500）和中科院青年创新促进会人才项目等共同资助。
论文信息：
Mingming Jia, Zongming Wang*, Dehua Mao, Chunying Ren, Chao Wang, Yeqiao Wang*. Rapid, robust, and automated mapping of tidal flats in China using time series Sentinel-2 images and Google Earth Engine. Remote Sensing of Environment, 2021, 255: 112285. https://doi.org/10.1016/j.rse.2021.112285
