تشخیص آنومالی در سری های زمانی کلروفیل در محدوده مکانی و زمانی زلزله های بزرگ ساحلی با روش جنگل تصادفی

زلزله یکی از مخرب‎ترین بلایای طبیعی است که به طور جامع پیش بینی آن تاکنون محقق نگشته است. تحقیقات پیشین نشان داده‎اند به کمک داده‎های سنجش از دور می‎توان به اطلاعاتی دسترسی پیدا کرد که نشان‎دهنده رابطه‎ای معنادار بین وقوع نابهنجاری در تغییرات برخی پارامترهای فیزیکی و شیمیایی با وقوع زلزله هستند. این پارامترهای فیزیکی و شیمیایی همان پیش نشانگرهای زلزله هستند. یکی از پیش نشانگرهایی که ارتباط آن با زلزله‎های ساحلی در سال‎های اخیر مورد مطالعه برخی از پژوهشگران واقع شده، میزان کلروفیل موجود در سطح آب است. پارامتر کلروفیل-‎‎آ از طریق روش‎های مختلفی از جمله روش‎های آزمایشگاهی طیف سنجی، اندازه‎گیری فلورسانس کلروفیل و یا از طریق داده‎های ماهواره‎ای و با بکارگیری الگوریتم‎های شاخص رنگ (CI) و نسبت باند‎ریلی (OCX) و غیره بدست می‎آید. با بررسی سری‎های زمانی کلروفیل پنج زلزله بزرگ حاصل از محصولات سنجنده مودیس  (MODIS) بر روی سکوهای آکوا (Aqua) و ترا (Terra) و با استفاده از الگوریتم جنگل تصادفی مشاهده شد که  انتشار انرژی حرارتی و گازهای متصاعد زمین بر اثر فعالیت‎های صفحات تکتونیکی و یا دیگر فعالیت‎های فیزیکی و شیمیایی پوسته زمین قبل، هنگام و بعد از وقوع زلزله‎های ساحلی و نزدیک به ساحل می‎تواند به تغییر در میزان کلروفیل سطح آب منجر شود و این پارامتر می‎تواند به عنوان یک پیش نشانگر زلزله در تحقیقات بعدی مورد بررسی قرار گیرد.