Pour inverser l'évaluation de la turbidité de l'eau près des rives des lacs à l'aide de données laser spatiales, les données telles que ICESat-2 ont été traitées pour extraire les caractéristiques de distribution des photons à la surface du lac et inverser la turbidité en fonction des différentes caractéristiques de distribution des photons à la surface du lac dans des conditions de turbidité différentes. La Baie d'Erie dans la région des cinq Grands Lacs en Amérique du Nord a été choisie comme zone d'étude, et l'algorithme d'arbre de subdivision avec des paramètres adaptatifs a été utilisé pour traiter les données de niveau ATL03 de ICESat-2 pour éliminer le bruit, extraire les données de points de photons à la surface du lac et combiner les données mesurées pour obtenir les caractéristiques clés des photons à la surface du lac, telles que la profondeur de pénétration des photons, la densité de photons, le taux d'atténuation. En intégrant les données mesurées de turbidité et les données de caractéristiques des points de photons, la possibilité d'inverser la turbidité à l'aide d'un algorithme d'apprentissage machine a été utilisée. Les résultats de l'expérience ont montré que l'algorithme de forêt aléatoire (Random Forest) présentait les meilleures performances dans l'inversion, avec un coefficient de détermination (R²) 0,93, une erreur absolue moyenne (MAE) de 2,04 NTU et une erreur quadratique moyenne (RMSE) de 2,67 NTU, ce qui indique que cette méthode présente une grande précision d'inversion dans la plage de turbidité 0~50 NTU. Pour vérifier davantage l'applicabilité de la méthode dans différentes conditions de turbidité, les données expérimentales ont été divisées en groupes de turbidité moyenne et faible (0~30 NTU) et de forte turbidité (>30 NTU) pour une analyse comparative. Les résultats ont montré que la précision d'inversion pour le groupe de turbidité moyenne et faible était légèrement supérieure à celle du groupe de haute turbidité. Cette méthode fournit un nouveau moyen

ICESat-2;eau près des rives;inversion de la turbidité;laser spatial;forêt aléatoire