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.
Nadri M, Akhoondzadeh Hanzaei M. Anomaly Detection in Time Series of Chlorophyll Around the Time and Location of Large Coastal Earthquakes Using Random Forest Method. JGST 2020; 10 (2) :165-174 URL: http://jgst.issgeac.ir/article-1-848-fa.html
ندری معصومه، آخوندزاده هنزائی مهدی. تشخیص آنومالی در سری های زمانی کلروفیل در محدوده مکانی و زمانی زلزله های بزرگ ساحلی با روش جنگل تصادفی. علوم و فنون نقشه برداری. 1399; 10 (2) :165-174
