基于点云空间特征的随机森林海面光子提取方法

来源：海洋技术学报杂志2025年第06期北京时间：

作者：王晓明,张豪帅,胡文慧,亓超

单位：单位王晓明，张豪帅，胡文慧，亓超中交星宇科技有限公司,山东科技大学测绘与空间信息学院,自然资源部海洋测绘重点实验室

摘要：冰、云和陆地高程卫星2号(lce,Cloud,and land Elevation Satellite-2,ICESat-2)搭载的高灵敏度光子计数激光雷达为海面探测开辟了新途径。然而，受到传感器对光子信号的极高敏感性及海气跨介质反射特性的双重约束，原始数据中表现出海面有效光子与噪声光子混杂的特点，限制了数据的直接应用。为此，本文提出了一种基于多维度空间特征挖掘的随机森林分类框架，建立从粗提取到精确分类的两級处理策略。首先基于高程的光子数量直方图的信噪比分析，实现海面光子的粗提取，继而通过人工标注构建高置信度训练数据集;提取7维特征参量训练分类模型以进一步优化分类结果。为验证方法优势，利用上述方法提取青岛近海区城日夜间数据海面光子，并与具有桑声的基于密度的聚类算法 (Density-Based Spatial Clustering of Applications with Noise， DBSCAN)进行对比分析。结果表明：DBSCAN算法虽能实现海面光子提取(搜索半径1m时准确率较高)，但其性能受参数敏感性影响，鲁棒性较低;而本文提取算法通过构建光子空间特征，在日间和夜间数据中分别取得9692%与99.75%的总体分类精度，效果优于传统方法。同时，引入高斯拟合算法提取一类水体(夏成夷拉奈岛)与二类水体(青岛近海)数据海面点并与本文方法对比，验证了本文方法在不同海城的鲁棒性。因此，本方法有效解决了强噪声背景下信号提取难题，证实机器学习策略在单光子遥感数据处理中的显著优势，为星载光子计数数据的海洋学应用提供了新的方法论支撑。

关键词：ICESal-2；海面探测；随机森林；DBSCAN

基金资助：2024年中交集团青年创新项目（PJ2024033354）；山东省自然科学基金资助项目（ZR2024QD062）