由于受观测环境、调査成本等条件的制约，滩涂地形测量研究长期受到国内外学者关注。1997年Mason等^[1-3]假设水边线是一条等高线，通过叠加不同潮汐条件下的水边线来生成滩涂数字高程模型，并分析了高程与植被、泥沙粒径之间的关系；2007年郑宗生等^[4-5]依据多时相遥感影像，利用水边线构建了崇明东滩潮间带DEM，并用两条实测剖面线进行了DEM精度检查。2014年Li Zhen等^[6]利用水边线生成了年度潮间带地形图，实现了德国瓦登海北部滩涂的发展情况定量估算和监测。2014年丁贤荣等^[7-8]]通过潮位测站基线计算水边线高程，利用水边线构建了江苏沿海辐射沙脊群DEM。2016年Xu Zhen等^[9]借助水边线方法研究了季节变化对GOMSO湾滩涂地形的影响。上述滩涂地形的遥感测量方法称之为水边线复合技术，主要是利用遥感技术提取水边线，并且将其作为等高线结合高程数据反演滩涂地形。该技术水边线数量越多、分布越均匀、影像时间跨度越短，地形反演精度越高，反之越差。水边线复合技术是反演滩涂地形的常用方法，但传统的水边线复合技术有效范围具有局限性且需要大量遥感影像。遥感影像数量越多经济成本越高，水边线时间跨度一般也会越长。滩涂地形变化频繁长时间序列的水边线反演滩涂地形精度降低，获取的滩涂地形也丢失了现势性。挖掘遥感影像上其他高程信息是解决上述问题的重要途径。

滩涂地区的水边线、冲刷痕迹线、植被发展下界及植被间的分界线在遥感影像上均清晰可见。这些线状目标分布在滩涂不同的特征空间，具有显著的空间分布规律，利用该分布规律可获取多元线状目标高程值。本文结合专家经验知识提取遥感影像线状目标，提出一种基于线状地物空间分布规律反演滩涂地形的遥感技术方法，旨在提高水边线复合技术反演精度与作业范围。

1 数据与方法 1.1 研究区与数据 1.1.1 研究区

选择资料条件较为完善的上海崇明东滩为研究区(图 1中箭头指向的矩形区域)，在中等尺度下开展滩涂地形反演方法研究。崇明东滩是由长江北支和南支两条水道的径流，以及涨、落潮流所挟带的泥沙在崇明岛东部逐渐沉积而形成，滩内潮沟密布，高、中、低潮滩分带十分明显，属于典型的淤泥质潮滩^[10]。崇明东滩位于长江入海口，潮位差较大，不同潮时的遥感影像，水边线高程差异明显，便于构建垂直差异明显的滩涂高程模型。

1.1.2 数据及预处理

研究数据主要有影像数据、光谱数据、点位数据及上海市滩涂专题地形图。影像数据由7张卫星影像组成，详细情况见表 1。光谱数据是2011年8月应用FieldSpec^® 3 Hi-Res光谱仪采集不同植被、水体、裸滩等典型地物的光谱数据。点位数据则是应用Trimble5700 GPS测量了研究区3条高程控制剖面线。专题地形图成图时间为2007年，成图比例尺为1:5000，水上部分采用陆地测量方法，水下部分采用GPS、声呐探测仪配合验潮站进行水位改正的测量方法。点位数据的平面坐标系为1954北京坐标系，参考高程基准为吴淞高程。

数据预处理主要包括大气校正、几何纠正及影像增强等遥感影像的预处理工作。使用FLAASH模块进行大气校正，选用NLAPS处理产品的对应定标参数完成辐射定标，大气模型选择中纬度各季节，气溶胶模型选择海洋模型。在堤坝拐角及农田边界选取11个特征点作为几何纠正点，几何纠正精度均小于半个像元。

1.2 研究方法

滩涂潮间带高程对植被和冲刷痕迹线的空间分布具有明显的控制作用，在遥感影像上水边线、植被发展下边界、植被间分界线及冲刷痕迹线相互平行，具有高程指示性，均可作为滩涂DEM反演信息源。从实测光谱数据可以看出，不同地物之间(不同植被、植被/陆地、陆地/水体)具有较为明显的光谱特征差异，利用遥感影像能够有效地提取各类边界信息。冲刷痕迹线尺度小，在中等分辨率的卫星影像上并不足以显示，但在高空间分辨率(如IKONOS)的卫星影像上显示十分明显(图 2箭头所指的位置)。研究的主要思路是利用遥感技术从遥感影像上提取上述特征线，依据地物的空间分布规律空间赋值方法获取特征线高程，应用GIS工具空间插值法构建滩涂DEM，最后，利用实测的点位数据和地形图空间插值生成的DEM对反演结果进行精度评价。研究方法如图 3所示。

2 结果与分析 2.1 边线特征遥感识别 2.1.1 水边线提取

利用面向对象技术的水边线提取方法提取水边线^[11-13]，该方法是利用TM6波段确定分类样本，基于面向对象的思想分别利用灰度、几何形状及上下文信息实现水陆分离。由于利用ENVI二次开发语言编程实现水边线提取，水边线提取速度快、精度高、人工参与少，结果如图 2所示。

2.1.2 植被边线提取

研究区植被按照高程由高到低依次为芦苇、互花米草与海三棱藨草，滩涂湿地植被分类一直是遥感图像分类的难点，植被之间的分界线提取较为复杂。利用密度分割法和神经网络综合分类方法^[14]分别提取研究区植被发展下界和植被间边界，保留分类植被下界(植被下界高程指示精度高)并矢量化，编辑后结果如图 2所示。

2.1.3 冲刷痕迹线提取

Canny算子边缘检测能力强^[15]，结合局部自相关影像增强、辅助纹理信息边缘检测法实现冲刷痕迹线提取，提取结果如图 2所示。

2.2 特征线水平性分析

特征线理论上高程应一致为一条水平线，实际上复杂的地理环境致使特征线并非水平，特征线的水平性误差直接影响DEM的构建质量。利用上海市滩涂专题地形图制作与遥感影像相同格网尺寸的DEM数据，将特征线与DEM数据进行叠加，利用GIS工具提取特征线位置对应的DEM高程数据。计算每条特征线的最大高程(H_max)、最小高程(H_min)、高程差极大值(H_sub)、平均高程值(H_ever)及高程标准差(SD)等信息，以此评价特征线水平性，结果见表 2。从表中可以看出，冲刷痕迹线水平性最好，水边线与植被边线水平性没有显著性差别，高程精度满足中小比例尺制图要求。

2.3 特征线高程赋值

潮位校正法是水边线高程赋值的常用方法，但是不能有效推算植被边线、冲刷痕迹线高程。临近插值法及拟合法均可以对特征线进行高程赋值。但临近插值法精度较低，而拟合法应用高程剖面的测量点拟合高程趋势线，通过拟合曲线获得高程，能够有效消除地形随机波动的影响，精度较高^[16]。因此，本文基于RTK技术实测研究区3条高程剖面线，用拟合法对特征线高程赋值。当有多条拟合曲线穿过特征线时，取高程平均值，表 3为特征线高程计算结果。

2.4 滩涂DEM构建

将具有高程属性的特征线作为数据源，应用ANUDEM空间插值方法^[17]生成滩涂DEM。该方法集成在ArcGIS软件中，利用Topo to Raster工具实现，图 4为滩涂DEM遥感反演结果。

2.5 DEM质量分析 2.5.1 质量评价

利用专题地形图制作相同格网尺寸的DEM数据，作为参考数据。将反演结果与参考DEM作差值运算，获得地形误差分布图，如图 5所示。其中，误差平均值为-0.15 m，中误差为±0.26 m。

利用式(1)评价反演DEM数据的质量。式中，Z_i为反演DEM数据高程，H_i为对应的参考DEM数据高程。选取46个样本点，计算样本点数据中误差为RMSE=±0.12 m。

2.5.2 误差分析

影像几何纠正误差(平面误差)，特征线起算高程误差、特征线水平性误差及潮沟等影响是构建滩涂DEM误差的主要来源。多元线性特征遥感识别的DEM构建方法并未考虑潮沟的影响，用一个高程常量来表示特征线高程存在一定的误差。对于大范围的滩涂地形反演，特征线水平性误差及潮沟的影响是主要的误差来源。利用已知地形图空间插值法构建参考DEM含有空间插值误差，但该评价方法能够从全局了解误差分布情况，掌握误差分布特征。利用式(1)评价反演DEM，样本数据有意避开潮沟，不包含DEM空间插值带来的误差仅包含测量误差，评价质量可信度高。从误差统计分布图中可以看出，构建DEM误差主要集中在潮沟丰富的低潮滩区域、植被与裸滩交汇地带。前者是由于本文构建滩涂DEM并未考虑潮沟的影响，后者是由于参考DEM误差较大的原因造成的。由于专题地形图植被区域采用陆地测量方法，裸滩区域采用水下测量方法，两种测量方法的交会地带成图精度较低，因此，植被与裸滩交会地带误差大，并不可信，利用式(1)评价DEM精度较高这一点即可证明。

3 结论

以水边线、植被边线及冲淤痕迹线等异质空间特征线为基础，结合实测数据拟合线法高程赋值，借助遥感与地理信息新技术构建滩涂DEM，在理论上可行，精度可信，结果符合滩涂地形基本规律，解决了滩涂地区实地测量困难问题。该方法实现了特征线从二维到三维的转换，除大比例尺工程测量的精度要求外，基本满足潮滩演变、冲淤计算等基础研究的精度要求，可作为主要数据资料使用。基于多元线性特征遥感识别的DEM构建方法，本质上是水边线复合技术的拓展，通过引入植被边界线及冲淤痕迹线解决了植被潮滩地形遥感反演问题，并且降低了生产成本，但还有以下问题值得说明：①各种对地观测卫星捕捉大潮高、低潮位线困难，反演范围受限，需进一步挖掘单幅遥感影像高程信息；②对较大研究区域，特征线水平性误差较大，应考虑特征线水平性误差消除方法，提高反演精度; ③不同空间分辨率的遥感影像，空间地理信息量不同，高程反演精度也不一样，遥感影像空间分辨率对DEM的精度影响本文未进行研究，以后将作为进一步的研究方向。