لغرض استخدام بيانات الرادار بالأقمار الصناعية لعكس حجم العكارة في مياه الضفة القريبة من البحيرات، قامت هذه الدراسة بمعالجة بيانات ICESat-2 وغيرها لاستخراج سمات توزيع الفوتونات على سطح البحيرة، وبناءاً على فوارق توزيع الفوتونات على سطح البحيرة تحت ظروف عكارة مختلفة، تمت عكارة العكارة. في هذه الدراسة تم اختيار بحيرة إيري في منطقة خمسة بحيرات كبحيرة بحوار منطقة الدراسة، وباستخدام خوارزمية شجرة الأربعة الحلوى المقطَّعة مع معلمات متكيفة، تمت معالجة بيانات المستوى ATL03 لكشف الضوضاء، واستخراج بيانات نقاط الفوتونات السطحية، وقام بأخذ الخصائص الفوتونية الحاسمة مسافة الاختراق وكثافة الفوتون ومعدل التحلل مع ومؤشرات البيانات العكارة وبيانات نقاط الفوتونات. من خلال دمج بيانات العكارة المقاسة وبيانات النقاط الفوتونية، تم عكارة العكارة باستخدام خوارزمية تعلم الآلة والانحدار. أظهرت نتائج التجربة أن خوارزمية الغابة العشوائية (Random Forest) تعمل بشكل أفضل في عكارة العكارة، وبلغت قيمة معامل الأحترار (R²) 0.93، معدل الأخطاء المطلقة المتوسطة (MAE) 2.04 NTU، جذر متوسط الأخطاء المربعية (RMSE) 2.67 NTU، تظهر النتائج أن هذه الطريقة لها دقة عالية في عكارة العكارة في نطاق عكارة 0 ~ 50 نانو تركيز. من أجل التحقق من مدى تطبيقية الطريقة تحت فوارق العكارة المختلفة، تم تقسيم البيانات التجريبية إلى مجموعتي عكارة متوسطة منخفضة (0 ~ 30 نانو تركيز) ومجموعة عكارة عالية (> 30 نانو تركيز) لتحليل المقارنة. أظهرت النتائج أن دقة العكارة في مجموعة العكارة المتوسطة أعلى قليلاً من مجموعة العكارة العالية. قدمت هذه الطريقة ممراً تقنياً جديداً لمراقبة العكارة في المياه البحيرات بعيدة المدى.

ICESat-2;Nearshore Lake Surface Water;Turbidity Inversion;lidar;random forest