数据预处理
为确保后续 SWOT 潮滩地形反演的可靠性与空间一致性，首先基于 GWL_FCS30 湿地分类产品提取潮滩类别（class code = 187），构建二值潮滩掩膜。随后，利用 OpenStreetMap（OSM）陆地边界剔除内陆湿地与非海岸区域，确保仅保留沿海潮滩范围。最后，基于 OSM 海岸线将中国沿海划分为 90 个连续的 1° × 1° 海岸网格单元，作为统一的数据处理与分析基本单元。该模块化设计提高了计算效率，并增强了方法在不同区域间的可迁移性。
基于 SWOT 的潮滩地形反演
使用 2024 年获取的 SWOT Level-2 高分辨率栅格产品（SWOT_L2_HR_Raster_2.0），仅保留水面高程质量标志 wse_qual ≤ 1 的像元，并统一采用 EGM2008 高程基准。为排除非潮滩及异常高程影响，设置 −2 m 至 +5 m 的高程约束窗口。对于每个 100 m 潮滩像元，首先计算其 SWOT 水位时间序列的第 10 分位数作为初始高程估计（H₀），以降低极端异常值影响。随后，结合全球海岸特征数据库（GCC）提供的 MLLW 与 MHHW 信息，将各海岸网格内像元按 H₀ 分层，并依据各层内水位低于潮位下界的经验概率，自适应确定最优分位数（best-q），从而反演最终潮滩高程。由于 SWOT 在间歇性出露潮滩上的观测不连续性，反演结果中存在空间空缺。为此，缺失像元需在 Moore 八邻域内至少具有 4 个有效像元方可参与插值。该过程以迭代方式执行，并对线性插值、最近邻、IDW 与普通克里金方法进行对比。基于独立验证结果，最终选用线性插值生成全国尺度潮滩地形产品。
河流与观测属性分析
河流物理特性和观测条件被用于进一步解释两种测高数据的一致性差异。河宽用于检验 SWOT 与雷达高度计在不同尺度河流中的适用性，重点关注窄河与宽河之间的表现差异。河流结冰通过两种互补信息进行表征，一是基于再分析气温数据的温度阈值方法，二是 SWOT 提供的气候态冰覆盖标识，以弥补实时冰信息缺失的局限。观测属性方面，重点分析 Ka 波段雷达后向散射系数及暗水比例的影响，暗水区域由于干涉相干性降低，可能对水面高程反演产生显著干扰，这些因素共同用于解释 SWOT 数据质量的空间和季节差异。
统计指标精度评估
反演结果分别通过地面实测与星载测高两类独立数据进行验证，包括 GNSS-RTK、机载 LiDAR（崇明岛、南通与连云港）以及 ICESat-2 ATL03 光子数据。所有数据统一转换至 WGS84 平面坐标与 EGM2008 高程基准。通过空间匹配提取与 SWOT 像元对应的参考高程，并采用稳健的下包络统计方法代表暴露潮滩表面。精度评估采用 RMSE、MAE、平均偏差和决定系数（R²）等指标，分别在局地高精度样区和全国尺度上进行。
空间格局分析
将 90 个海岸网格合并生成全国尺度潮滩地形数据集。为便于宏观展示与统计分析，将结果聚合至 0.1° 网格计算平均高程，仅用于可视化。进一步基于行政区划对 14 个沿海省区的潮滩高程分布特征进行对比分析。同时，基于 SWOT 潮滩地形计算坡度信息，以辅助解释区域地貌差异。
DEM 对比分析
为评估 SWOT 潮滩地形的相对优势，将其与 NASADEM、COP30、FABDEM、MERITDEM、DiluviumDEM 和 CoastalDEM 进行对比。所有 DEM 统一重采样至 100 m 并转换至 EGM2008 基准。通过潮滩掩膜统计各 DEM 的有效覆盖比例，并结合地面实测与 ICESat-2 数据，对不同 DEM 在潮滩区域的垂向精度进行一致性评估。
