Zur Umsetzung der Rückrechnung der Trübung von küstennahen Gewässern von Seen anhand von satellitengestützten Laserlidardaten verarbeitet dieser Artikel ICESat-2-Daten, um Photonverteilungseigenschaften auf der Seefläche zu extrahieren, und rechnet die Trübung basierend auf unterschiedlichen Eigenschaften der Photonverteilung unter verschiedenen Trübungsbedingungen zurück. Als Untersuchungsgebiet dient der Eriesee in der Region der Großen Seen Nordamerikas. Ein Pruning-Quadtree-Algorithmus mit adaptiven Parametern wurde zur Rauschunterdrückung der ATL03-Level-Daten von ICESat-2 eingesetzt, um Photonpunktdaten der Seefläche zu extrahieren. In Verbindung mit gemessenen Daten wurden drei wichtige Photoneigenschaften ermittelt: Photonentiefendurchdringung, Photondichte und Abschwächungsrate. Durch die Integration der gemessenen Trübungsdaten und Photonpunktmerkmale wurde ein Maschinenlern-Regressionalgorithmus zur Rückrechnung der Trübung verwendet. Die experimentellen Ergebnisse zeigen, dass der Random-Forest-Algorithmus die beste Leistung bei der Trübungsrückrechnung erzielt, 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, was auf eine hohe Rückrechnungsgenauigkeit im Bereich von 0 bis 50 NTU Trübung hinweist. Zur weiteren Überprüfung der Anwendbarkeit der Methode unter verschiedenen Trübungsbedingungen wurden die Versuchsdatensätze in Gruppen mit geringer bis mittlerer Trübung (0–30 NTU) und hoher Trübung (>30 NTU) für eine Vergleichsanalyse unterteilt. Die Ergebnisse zeigen, dass die Rückrechnungsgenauigkeit der Gruppe mit geringer bis mittlerer Trübung leicht höher ist als die der Gruppe mit hoher Trübung. Diese Methode bietet einen neuen technischen Ansatz für die Fernerkundungsüberwachung der Trübung von Seewasser.

ICESat-2;küstennahe Gewässer von Seen;Trübungsrückrechnung;Laserlidar;Random Forest