Um die Trübung des Wassers in Ufernähe von Seen mithilfe von Satelliten-Radarstrahldaten umzukehren, wurden in dieser Studie ICESat-2-Daten und andere verarbeitet, um Merkmale der Photonenausbreitung auf der Seefläche zu extrahieren und auf der Grundlage von Unterschieden in der Photonenausbreitung auf der Seefläche unter verschiedenen Trübungsbedingungen die Trübung umzukehren. Für diese Studie wurde der Erie-See im Bereich der Großen Seen als Untersuchungsgebiet ausgewählt, und mithilfe eines Algorithmus für das Minimieren der Quadtree-Schnittstelle mit adaptiven Parametern wurden die ATL03-Daten von ICESat-2 zur Rauschunterdrückung verarbeitet, um Datenpunkte von Photonenausbreitung auf der Seefläche zu extrahieren und die wichtigen Merkmale der Photonenausbreitung wie Eindringtiefe der Photonen, Photonendichte, Dämpfungsrate, Trübungsdaten und Photonendaten zu erhalten. Durch die Integration von Trübungsdaten und Photonendaten wurde mithilfe von Maschinenlernalgorithmen und Regression die Trübung umgekehrt. Die Experimentiellergebnisse zeigten, dass der Random-Forest-Algorithmus die beste Leistung bei der Trübungsumkehr erbrachte, mit einem Bestimmtheitsmaß (R²) von 0,93, einem mittleren absoluten Fehler (MAE) von 2,04 NTU und einer Wurzel mittleren quadratischen Abweichung (RMSE) von 2,67 NTU, was auf eine hohe Genauigkeit bei der Trübungsumkehr im Bereich von 0 ~ 50 NTU hinweist. Um die Anwendbarkeit der Methode in verschiedenen Trübungsbedingungen weiter zu überprüfen, wurden die Experimentdaten in Gruppen mit niedriger und hoher Trübung (0 ~ 30 NTU) aufgeteilt und vergleichend analysiert. Die Ergebnisse zeigten, dass die Genauigkeit der Trübungsumkehr in der Gruppe mit niedriger Trübung etwas höher war als in der Gruppe mit hoher Trübung. Diese Methode bietet einen neuen technischen Ansatz für die ferngesteuerte Überwachung der Trübung in Seen.

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