1.一种基于涨退潮时星载主被动遥感信息的测量水深反演方法，其特征在于，包括以下步骤：S1、基于长时间序列多光谱影像提取海岸带的最低水线及最高水线之间的裸露潮滩区域，所述最低水线是指大潮最低水位，所述最高水线是指大潮最高水位；

S1.1、利用GEE平台结合平台中公开获取的Sentinel‑2多光谱遥感卫星影像数据集，选择一个落潮时间范围及一个涨潮时间范围分别提取海岸带的最低水线和最高水线，并去除多云像素，利用.median()中值函数获取中位数影像并合成无云影像；

S1.2、利用自动提取水体指数并使用最大类间方差法选取所述无云影像中水体像素的最佳阈值提取水体，所述自动提取水体指数表示为：（1）；

其中，GREEN代表多光谱影像中的绿光波段，NIR代表多光谱影像中的近红外波段，SWIR1、SWIR2代表多光谱影像中的短红外线波段，GREEN、NIR、SWIR1和SWIR2分别代表Sentinel‑2影像波段中的3、8、11、12 波段；

S1.3、删除小于所选尺寸的水体像素以移除二值水陆图像中所有的内陆水体，并对二值水陆分离图像矢量化以获取陆地区域的多边形轮廓，从而提取海岸线；

S1.4、重复步骤S1.1～S1.3以提取所选区域的涨潮及落潮时间的海岸线，获取海岸带的裸露潮滩区域；

S2、利用测高卫星获取裸露潮滩高程数据；

S3、以裸露潮滩高程数据作为约束信息，并结合大潮高潮时的多光谱影像数据构建星载主被动融合水深反演模型；

S3.1、获取大潮高潮时的Sentinel‑2多光谱影像数据，并进行大气校正和辐射校正，利用归一化水体指数进行水陆分离，所述归一化水体指数表示为：（3）；

S3.2、将步骤S2获取的裸露潮滩高程数据和经步骤S3.1预处理后的Sentinel‑2多光谱影像数据代入波段比值模型进行训练构建星载主被动融合水深反演模型，所述波段比值模型表示为： （4），其中，z代表水深值，L(λ1)代表Sentinel‑2多光谱影像中绿光波段的反射率，和L(λ2)代表Sentinel‑2多光谱影像中蓝光波段的反射率；m0和m1为经训练后得到的波段比值模型系数；

S3.3、利用机载激光雷达测深数据进行星载主被动融合水深反演模型验证；

S4、将大潮低潮时的多光谱数据代入所述星载主被动融合水深反演模型，获得更深水区域的水深反演结果；

S4.1、利用步骤S3.1对大潮低潮时的Sentinel‑2多光谱影像进行预处理，对预处理后的大潮低潮时的Sentinel‑2多光谱影像提取浅水区域并剔除深水区域，所述浅水区域的水深小于10m；

S4.2、将经步骤S3.2计算得到的m0和m1代入经步骤S4.1处理后的Sentinel‑2多光谱影像中，利用波段比值模型反演得到更深水区域的水深反演结果。

2.根据权利要求1所述的基于涨退潮时星载主被动遥感信息的测量水深反演方法，其特征在于，步骤S2包括：S2.1、选取ICESat‑2测高数据以获取裸露潮滩高程，寻找覆盖步骤S1所得到的裸露潮滩区域且处于落潮时ICESat‑2 ATL03测高数据；

S2.2、利用基于密度的聚类算法提取ICESat‑2 ATL03数据中的信号光子，通过式（2）计算： （2），其中，MinPts为最小包含点数，SN1为对应的信号光子数目，SN2为对应的噪声光子数目，利用提取的信号光子点获取裸露潮滩高程数据。