Um eine Schätzung der Trübung des Küstenwassers von Seen mit Hilfe von Bordlaser-Radar-Daten durchzuführen, werden in dieser Studie ICESat-2-Daten verarbeitet, um die Merkmale der Photonendistribution auf der Seefläche zu extrahieren und eine Schätzung der Trübung in Abhängigkeit von unterschiedlichen Trübungsbedingungen auf der Seefläche durchzuführen. Diese Studie nutzt den Erie-See in der Region der fünf großen Seen Nordamerikas als Untersuchungsgebiet, verwendet einen Algorithmus für adaptive Parameter des Quadtree-Algorithmus zur Rauschunterdrückung von ICESat-2-Daten des Levels ATL03, extrahiert Punktdaten von Photonen auf der Seefläche und gewinnt drei Schlüsselmerkmale von Photonen auf der Seefläche: die Eindringtiefe von Photonen, die Photonendichte und die Dämpfungsrate. Durch die Kombination von tatsächlichen Trübungsdaten und Daten zu den Merkmalen der Photonenspitzen wird eine Schätzung der Trübung mithilfe eines maschinellen Lernregressionsalgorithmus durchgeführt. Die Experimente zeigen, dass der Random-Forest-Algorithmus die besten Ergebnisse bei der Schätzung der Trübung liefert, mit einem Bestimmtheitsmaß (R²) von 0,93, einem mittleren absoluten Fehler (MAE) von 2,04 NTU und einem mittleren quadratischen Fehler (RMSE) von 2,67 NTU. Die Ergebnisse zeigen, dass diese Methode eine hohe Schätzgenauigkeit im Trübungsbereich von 0-50 NTU aufweist. Diese Methode bietet einen neuen technischen Ansatz zur Fernüberwachung der Trübung von Seen.

ICESat-2; Küstenwasser von Seen; Trübungsabschätzung; Laser-Radar; Random Forest