Для того чтобы осуществить обратное измерение мутности береговых вод водоемов с использованием данных о лазерном радаре на борту космического аппарата, в данной работе были обработаны данные ICESat-2 для извлечения характеристик распределения фотонов на поверхности озера и осуществления обратного измерения мутности в зависимости от различных условий мутности на поверхности озера. В данной работе областью исследования является озеро Ири в районе пяти крупных озер Северной Америки, для обработки данных уровня ATL03 ICESat-2 использовался алгоритм сжатия четвертичного дерева с адаптивными параметрами, для извлечения данных точек фотонов на поверхности озера, а также были получены три ключевые характеристики фотонов на поверхности озера: глубина проникновения фотонов, плотность фотонов и коэффициент затухания. Путем комбинирования настоящих данных мутности и данных характеристик точек фотонов с применением алгоритма регрессии машинного обучения осуществлено обратное измерение мутности. Результаты экспериментов показывают, что алгоритм случайного леса (Random Forest) демонстрирует лучшие показатели обратного измерения мутности, где коэффициент детерминации (R²) достигает 0,93, средняя абсолютная ошибка (MAE) составляет 2,04 NTU и корень среднеквадратичной ошибки (RMSE) равен 2,67 NTU, результаты показывают, что данная методика обладает высокой точностью обратного измерения в диапазоне мутности 0-50 NTU. Данный метод предоставляет новый технический подход для дистанционного мониторинга мутности водоемов.

ICESat-2; береговые водоемы; обратное измерение мутности; лазерный радар; случайный лес