Для того чтобы провести обратное извлечение мутности воды вблизи берега озера с использованием данных о носимом радиолокационным излучении, в данной статье был проведен анализ данных ICESat-2 и других для извлечения характеристик распределения фотонов на поверхности озера и обратного извлечения мутности воды на основе различий характеристик распределения фотонов на поверхности озера в различных условиях мутности. В данной статье выбрано озеро Ири в районе Великих озер в качестве объекта исследования, и с использованием алгоритма сеченной квадродерева с адаптивными параметрами была проведена обработка данных уровня ATL03 ICESat-2 для фильтрации шума, извлечения данных точек фотонов на поверхности озера и получения ключевых характеристик фотонов: глубины проникновения фотона, плотности фотонов, скорости затухания, а также данные о мутности и данных точек фотонов. Путем интеграции данных измерений мутности и данных точек фотонов были проведены обратное извлечение мутности с использованием алгоритмов машинного обучения и регрессии. Результаты эксперимента показали, что алгоритм случайного леса (Random Forest) наилучшим образом справился с задачей обратного извлечения мутности, с коэффициентом детерминации (R²) 0,93, средней абсолютной ошибкой (MAE) 2,04 NTU, корневой средней квадратичной ошибкой (RMSE) 2,67 NTU, что свидетельствует о высокой точности обратного извлечения в диапазоне мутности 0 ~ 50 NTU. Для проверки применимости метода в различных условиях мутности экспериментальные данные были разделены на группы средней и низкой мутности (0 ~ 30 NTU) и высокой мутности (> 30 NTU) для сравнительного анализа. Результаты показали, что точность обратного извлечения в группе средней и низкой мутности немного выше, чем в группе высокой мутности. Этот метод предоставляет новые технические пути для дистанционного мониторинга мутности в водоемах.

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