위성 레이다 데이터를 활용하여 호수 근해 수면의 탁도를 역선출하기 위해 본 연구는 ICESat-2 데이터 및 기타 데이터를 처리하여 호수 수면 광자 분포 특성을 추출하고 서로 다른 탁도 조건에서 호수 수면 광자 분포 특성의 차이를 기반으로 탁도를 역선출하였다. 본 연구에서 북미의 5대호수 중 일리노이 호를 연구지역으로 선택하였으며 ICESat-2의 ATL03 레벨 데이터에 대한 잡음 제거를 위해 적응형 매개변수의 쿼드트리 알고리즘을 사용하여 호수 수면 광자 점 데이터를 추출하고 수면 광자의 침투 깊이, 광자 밀도, 감쇠 속도, 탁도 및 광자 점 특성의 키요한 특성을 얻었다. 측정된 탁도 데이터 및 광자 점 특성 데이터를 통합하여 머신러닝 회귀 알고리즘을 활용하여 탁도를 역선출하였다. 실험 결과 랜덤 포레스트(더치: Random Forest) 알고리즘이 탁도의 역선출에서 가장 우수하게 수행되었으며 그결정계수(R²)는 0.93에 달하며 평균절대오차(MAE)가2.04 NTU이고 평균제곱근오차(RMSE)가 2.67 NTU이며 결과는 0~50 NTU 탁도 범위내에서 높은 역선출 정확도를 보여준다. 석도 조건의 차이에서의 방법의 적용성을 추가로 검증하기 위해 실험 데이터를 낮은탁도 그룹(0~30 NTU)과 높은 탁도 그룹(>30 NTU)으로 분할하여 비교분석하였다. 결과는 낮은 탁도 그룹의 역선출 정확도가 높은 탁도 그룹보다 약간 높은 것을 보여준다. 이 방법은 호수 수면 탁도의 원격 감시에 대한 새로운 기술적 접근성을 제공한다.

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