Chlorophyll-a(Chl-a)　concentration　is　one　of　the　most　important　water　quality　parameters,　and　can　be　directly　retrieved　via　remote　sensing.　It　can　be　used　to　assess　the　water　eutrophication　in　coastal　waters.　In　this　study,　we　proposed　a　random　forest　(RF)　machine　learning　approach　based　on　MODIS　time-series　images　combining　in-situ　float　data　to　retrieve　Chl-a　concentration　in　coastal　waters　of　the　Fujian　Province,　and　compared　with　a　traditional　band　ratio　(BR)　model.　The　RF　model　can　well　estimate　the　nearshore　Chl-a　concentration,　and　outperformed　the　BR　model.　The　results　were　validated　by　using　float　measurement　data.　The　R2　for　RF　model　is　as　high　as　0.87,　while　only　0.21　for　BR　model.　The　RMSE　is　reduced　from　0.52　μg•L-1　for　BR　to　0.49　μg•L-1　for　RF,　and　the　MAPEs　are　37.50%　and　50.20%　for　RF　and　BR　respectively,　suggesting　significant　accuracy　improvement　by　RF　model.　This　study　can　provide　a　useful　method　for　studying　nearshore　Chl-a　concentration　variability　and　monitoring　water　quality　in　the　Fujian　Province.　©2018,　Science　Press.　All　right　reserved.