ارزیابی پارامترهای کیفیت آب سطحی با استفاده از تکنیکهای آماری چند متغیره (مطالعه موردی: حوضه آبخیز رودخانه ارس)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 معاون بهره وری مصرف آب/ وزارت نیرو

2 استاد/ گروه جغرافیای طبیعی، دانشکده علوم زمین، دانشگاه شهید بهشتی تهران

چکیده

در این پژوهش، تغییرات زمانی و مکانی پارامترهای کیفیت آب حوضه آبخیز رودخانه ارس طی دوره آماری 1378-1390 در سه ایستگاه خداآفرین، خزانگاه و جلفا با استفاده از تکنیکهای آماری چند متغیره تحلیل عاملی و تحلیل مؤلفههای اصلی بررسی شد. در مؤلفه اول که بیشترین درصد تبیین واریانس جامعه بوده است، پارامترهای Mg2+، Ca2+، HCO-3، EC و TDS بیشترین همبستگی را با این مؤلفه دارند. اعضای این مؤلفه بیشتر نشان دهنده یونها و مواد معلق در محل ایستگاه خدا آفرین میباشد. در میان پارامترهای موجود در مؤلفه اول، EC دارای بیشترین بار عاملی (92/0) است و بعنوان پارامتر اصلی این مؤلفه شناخته شده است. در ایستگاه خزانگاه، سه مؤلفه اول دارای بیشترین مقادیر ویژه هستند. این مؤلفهها به ترتیب 6/53، 5/17 و 9/12 درصد از واریانس جامعه را تبیین میکنند که در مجموع 84 درصد از واریانس جامعه توسط آنها توصیف شده است. در مؤلفه اول که بیشترین درصد تبیین واریانس جامعه بوده است، پارامترهای Mg2+، Ca2+، SO42-، Cl-، HCO-3، EC و TDS بیشترین همبستگی را با این مؤلفه دارند. اعضای این مؤلفه بیشتر نشان دهنده یونها و مواد معلق در محل ایستگاه خزانگاه میباشد. در ایستگاه جلفا، چهار مؤلفه اول دارای بیشترین مقادیر ویژه هستند. این مؤلفهها به ترتیب 7/50، 8/15، 2/13 و 8/5 درصد از واریانس جامعه را تبیین مینمایند که در مجموع 2/88 درصد از واریانس جامعه توسط چهار مؤلفه اول توصیف شده است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Evaluation of the surface water quality using statistical multi-variate techniques, case study: Aras watershed

نویسندگان [English]

  • Shakour Soltani 1
  • Manijeh Ghohroudi tali, 2
  • Seidhasan Sadoogh 2
1 Deputy of Water consumption Productivity, Ministry of Energy,
2 Professor of Natural Geography, Faculty of Earth Sciences, Shahid Beheshti University, Tehran,
چکیده [English]

It seems essential to understand temporal and spatial changes in water quality of rivers as one of the most dynamic ecosystems of the world. In this research, we have analyzed temporal and spatial changes in the parameters of water quality of Aras River in the period 1999-2011 at the gauge stations of Khodaafarin, Khazangah, and Jolfa, using statistical multi-variate, factor analysis, and Principal Component Analysis. The first component with the highest explanation of variance has greatest correlation with parameters of Mg2+, Ca2+, HCO-3, EC, and TDS. The component shows the ions and suspending particles at Khodaafarin station. Among the parameters of the first component, EC has the highest factor loading (0.98) as the main parameter of the component. At the Khazangah station, the first three components explain 53.6, 17.5, and 12.9 percent of variance, respectively. The first component has the highest correlation coefficient with the parameters of Mg2+, Ca2+, SO42-, Cl-, HCO-3, EC, and TDS. In Jolfa station, the first four components with the highest eigenvalues explain 50.7, 15.8, 13.2, and 5.8 percent of the variance.

کلیدواژه‌ها [English]

  • surface water quality
  • Factor analysis
  • Principal component analysis
  • Aras River Watershed
Akhoni pourhassani F and Ghorbani MA (2016) Application of Shannon entropy in determining the most effective chemical parameter in surface water quality (Sufi tea basin). Environmental and Water Engineering 2(4):322-332
 Solaimanisardo M, Vali AA, Ghazavi R, and Saidi Goraghani HR (2011) Trend analysis and chemical water parameters (Case Study Cham Khorramabad River). Water and Irrigation Journal 12(3):95-106
Samadi M, Saghi M, Rahmati A, and Torabzadeh H (2009) Water quality zoning in the valley of the river and the use of NSFWQI Muradbiq Hamadan based on GIS Health and Medical. Journal of Hamadan University 16(3):38-43 (In Persian)
Nosrati K, Derfishi Kh, Qarakhachi S, and Rahimi J (2011) Surface water quality assessment of Haraz-Gharezoo basin using multivariate statistical techniques. Earth Science Studies 2(5):41-55
Liu CW, Lin KH, and Kuo YM (2003) Application of factor analysis in the assessment of groundwater quality in a Blackfoot disease area in Taiwan. Science of the Total Environment 313:77-89
Helena B, Pardo R, Vega M, Barrado E, Ferna ´ndez JM, Ferna ´ndez L (2000) Temporal evolution of groundwater composition in an alluvial aquifer (Pisuerga River Spain) by principal component analysis. Water Research 34:807-816
Kannela PR, Leea s, Lee Y (2008) Assessment of spatial–temporal patterns of surface and ground water qualities and factors influencing management strategy of groundwater system in an urban river corridor of Nepal. Journal of Environmental Management 86:595-604
Mishra A (2010) Assessment of water quality using principal component analysis: A case study of the river Ganges. Journal of Water Chemistry and Technology 32(4):227-234
National Report of Islamic Republic of Iran (2006) Trans boundary Diagnostic Analysis Aras River Basin 8 Rangzan K. M Toolaee Nezhad M and Piraste S (2002) Study the effects of rivers migration on civil structure in Khuzestan plain using satellite data Proc Of 6th International Conference of river engineering in Ahvaz 169-181
 Noori R, Sabahi MS, Karbassi AR, Baghvand A, Zadeh HT (2010) Multivariate statistical analysis of surface water quality based on correlations and variations in the data set. Desalination 260:129-136
Papatheodorou G, Demopouloua G, Lambrakis N (2006) A long-term study of temporal hydro chemical data in a shallow lake using multivariate statistical techniques. Ecological Modeling 193:759-776
Yidanaa SM, Ophoria D, and Banoeng-Yakubo B (2008) A multivariate statistical analysis of surface water chemistry data-The Ankobra Basin, Ghana. Journal of Environmental Management 86:80-87
Shrestha S and Kazama F (2007) Assessment of surface water quality using multivariate statistical techniques: A case study of the Fuji river basin Japan. Environmental Modeling & Software 22:464-475
Tobiszewski MA, Tsakovski Sb, Simeonov VC, Namieśnik JA (2010) Surface water quality assessment by the use of combination of multivariate statistical classification and expert information. Chemosphere 80(7):740-746
Vega M, Pardo R, Barrado E, Deban L (1998) Assessment of seasonal and polluting effects on the quality of river water by exploratory data analysis. Water Research 32:3581-3592
Wunderlin DA, Diaz MP, Ame MV, Pesce SF, Hued AC, Bistoni MA (2001) Pattern recognition techniques for the evaluation of spatial and temporal variations in water quality: A case study Suquia river basin (Cordoba, Argentina). Water Research 35:2881-2894
Zhang ZA, Tao FB, Du JA, Shi PA, Yu DA, Meng YA, Sun YC (2010) Surface water quality and its control in a river with intensive human impacts-a case study of the Xiangjiang River China, Journal of Environmental Management 91(12):2483-2490