冰雷达图像中蕴含着极地冰盖的内部特征，其中最为明显的是自冰底的明显反射信号特征。在冰雷达图像中，相比于常见的冰-基岩界面反射，通常冰下水体的反射特征是一类特殊的冰底反射，因其具有平滑连续的高功率反射因为可以在早期的研究中被人工视觉提取。在本研究中，我们基于CReSIS冰雷达数据集构建了大量一维冰底反射特征的数据集。并借助深度学习方法对数据进行降维采样，并进一步提取冰底反射特征的特征分布，之后应用无监督聚类分离不同类型的冰底反射特征。在分类结果中，我们注意到一类具有尖锐对称且高功率的冰底反射特征在雷达图像中具有与冰下水体相似的平滑且连续的空间分布。我们进一步结合传统的峰值功率衰减方法对提取到的候选冰下水体分布进行筛选，从而得到新的冰下水体空间分布。我们将新检测的冰下水体空间分布与前人研究提供的分布进行对比，结果表明该方法标记了更多的冰下水体。作为一种基于机器学习的自动化实现，该方法可以通过结合机器学习冰底反射提取器从而进一步实现冰雷达图像中存在的可能冰下水体特征的自动化且高效检测标记。同时，深度聚类中的其他分类的冰底反射特征的空间分布也可以为冰下研究提供潜在的参考。