ارزيابي كيفيت آب سطحي حوزه آبريز هراز- قره سو با استفاده از تكنيك‌هاي آماري چند متغيره

Surface water quality assessment of Haraz-Gharehsoo River Basin using multivariate statistical techniques

تكنيك هاي آماري چند متغيره تحليل خوشه اي، تحليل مولفه هاي اصلي، تحليل عاملي و تحليل توابع تشخيص براي ارزيابي تغييرات مكاني و تحليل داده هاي 13 پارامتر كيفيت آب سطحي در 22 ايستگاه هيدرومتري حوزه آبريز رودخانه هراز- قره سو در دوره آماري به مدت 5 سال مورد استفاده قرار گرفت. تحليل خوشه اي سلسله مراتبي بر اساس پارامتر هاي كيفيت آب سطحي، 22 ايستگاه مورد مطالعه را در سه خوشه همگن طبقه‌بندي نمود. به منظور شناخت مهم‌ترين پارامترهاي كيفيت آب در هر منطقه همگن از تحليل عاملي بر اساس روش تحليل مولفه هاي اصلي استفاده شد. نتايج نشان داد كه 2، 3 و 2 عامل به عنوان مهم ترين پارامتر هاي تغيير كيفيت آب با مجموع واريانس 27/87 و 86/87 و 58/91 به ترتيب در خوشه هاي همگن 1، 2 و 3 مي باشد. عامل هاي بدست آمده از تحليل عاملي نشان مي دهد كه پارامتر هاي موثر بر تغييرات كيفيت آب عمدتاً با هوازدگي و شست وشوي نمك هاي تبخيري (طبيعي)، آلودگي‌هاي آلي ناشي از فاضلاب-هاي خانگي، تغييرات كاربري اراضي، استفاده از حاصلخيزكننده ها و كود هاي شيميايي، مرتبط مي باشند. نتايج تحليل توابع تشخيص نشان داد در روش استاندارد تمامي پارامترها (13 پارامتر)، در روش پيشرونده تمامي پارامترها به جز عامل TDS و در روش پسرونده دو پارامتر Cl- و SO42- به عنوان عامل هاي موثر در كيفيت آب سطحي رودخانه هراز- قره سو شناخته شد. بنابراين، اين پژوهش كارايي تكنيك هاي آماري چند متغيره را براي تحليل و توجيه مجموعه داده هاي پيچيده در ارزيابي كيفيت آب سطحي، تعيين منابع آلاينده/ عامل ها و فهم تغييرات مكاني جهت مديريت كارآمد كيفيت آب رودخانه، نشان مي دهد.

Multivariate statistical techniques, cluster analysis (CA), principal component analysis (PCA), factor analysis (FA) and discriminant analysis (DA), were applied to evaluate of spatial variations and to investigate 13 surface water quality parameters at 22 gauging stations in the Haraz-Qharehsoo River Basin, during 5 years. Hierarchical cluster analysis grouped 22 stations into three clusters, based on the similarity of water quality characteristics. Factor analysis/principal component analysis, applied to the data sets of the three clusters obtained from cluster analysis, resulted in two, three and two factors explaining 87.3, 87.9 and 91.6% of the total variance in water quality of three clusters, respectively. The varifactors obtained from cluster analysis indicate that the parameters responsible for water quality variations are mainly related to weathering, salt leaching (natural), and organic pollution such as domestic, land use changes, and fertilizers. The results of DA showed that all surface quality parameters (13 parameters) in standard mode, 12 parameters in forward mode and Cl-, SO42- in backward mode, were explained as effective parameters for Haraz-Gharehsoo river surface water quality changes. Thus, this study illustrates the useful of multivariate statistical techniques for analysis and interpretation of complex data sets in surface water quality assessment, identification of pollution/factors and understanding spatial variation in water quality for effective river water quality management.