ارزیابی هیدروشیمیایی منابع آب دریاچه سدجره با استفاده از تکنیک‌های آماری چند متغیره و روش های هیدروشیمیایی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه زمین‌شناسی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، ایران

2 گروه زمین شناسی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، ایران

3 کارشناس حفاظت و بهره برداری از منابع آب، سازمان آب و برق خوزستان، اهواز، ایران

چکیده

سد جره در شمال شرق شهرستان رامهرمز، در استان خوزستان واقع شده است. به منظور شناسایی عوامل اصلی تغییرات هیدروشیمیایی و بررسی فرآیندهای ژئوشیمی کنترل کننده منابع آب دریاچه این سد از نتایج آنالیز شیمیایی 20 نمونه آب استفاده شده است. در این تحقیق روش‌های آماری آنالیز خوشه‌ای سلسله مراتبی (HCA) به دو روش R-mod و Q-mod، تحلیل مؤلفه‌های اصلی (PCA) و تحلیل تشخیص (DA) به همراه روش های هیدروشیمیایی استفاده شده است. در تجزیه و تحلیل مؤلفه‌های اصلی اولین عامل 63.73 درصد و عامل دوم 18.13 درصد از تغییرات را نشان می دهند. نتایج حاصل از تحلیل تشخیص، ضمن تأییدکننده گروه های ایجادشده توسط HCA، Cl و SO4، نشان می دهد این گروه ها را می توان به‌عنوان متغیر های ایجادکننده تمایز در بین گروه های از پیش تعیین‌شده معرفی نمود. بر اساس یافته‌های HCA، سه گروه متفاوت از نمونه های آب مشاهده شد که منطبق با روش PCA می باشد. جهت شناسایی تیپ آب و گروه‌بندی نمونه ها از دیاگرام پایپر استفاده شد که اکثر نمونه‌ها دارای تیپ سولفاته - کلسیم می باشند. بررسی شاخص های اشباع، نسبت های یونی، نمودار گیبس و همچنین نتایج حاصل از تکنیک های آماری چند متغیره، انحلال و فرسایش رسوبات حاصل از سازند گچساران را به‌عنوان عوامل اصلی نامطلوب شدن کیفیت آب دریاچه سدجره در بخش جنوب شرقی (خروجی یا دهانه سد) نشان می دهد.

کلیدواژه‌ها


Amangabara, G.T., Ejenma, E., 2012. Groundwater quality assessment of Yenagoa and environs Bayelsa State, Nigeria between 2010 and 2011. Resources and Environmental 2, 20–29.
Azhar, S.C., Aris, A.Z., Yusoff, M.K., Ramli, M.F., Juahir, H., 2015. Classification of river water quality using multivariate analysis. Procedia Environmental Sciences 30, 79-84.
Barakat, A., El Baghdadi, M., Rais, J., Aghezzaf, B., Slassi, M., 2016. Assessment of spatial and seasonal water quality variation of Oum Er Rbia River (Morocco) using multivariate statistical techniques. International Soil and Water Conservation Research 4, 284-292.
Belkhiri, L., Boudoukha, A., Mouni, L., 2011. A multivariate statistical analysis of groundwater chemistry data. International Journal of Environmental Research 5, 537-544.
Carroll, S.P., Dawes, L., Hargreaves, M., Goonetilleke, A., 2009. Faecal pollution source identification in an urbanising catchment using antibiotic resistance profiling, discriminant analysis and partial least squares regression. Water research 43, 1237-1246.
Chitsazan, M., Eilbaighi, M., Pourtabari, M.R., 2018. Evaluation of groundwater nitrate pollution based on the main components method and factor analysis (Case study: Karaj plain aquifer). Journal of Ecohydrology 4, 1119-1133.
Cloutier, V., Lefebvre, R., Therrien, R., Savard, M.M., 2008. Multivariate statistical analysis of geochemical data as indicative of the hydrogeochemical evolution of groundwater in a sedimentary rock aquifer system. Journal of Hydrology 3, 294-313.
Dinka, M.O., Loiskandl, W., Ndambuki, J.M., 2015. Hydrochemical characterization of various surface water and groundwater resources available in Matahara areas, Fantalle Woreda of Oromiya region. Journal of Hydrology: Regional Studies 3, 444-456.
Environmental Protection Agency (EPA), 2006. Final Revisions to the National Ambient Air Quality Standards for Particulate Pollution Environmental Protection Agency, United States of America.
Esakkimuthu, K., Kumar, K.V., Ponram, P., 2015. Assessment of water-polluting sources by multivariate statistical methods in Putheri Lake, Kanyakumari, Tamil Nadu, India [08° 12′ 27.1 ″N 77° 25′ 54.7 ″E]. Sustainable Water Resources Management 4, 349-353.
Eskandari, A., Nouri, A., Rasooli, A., Vasali Naseh., M.R., 2014. Provide a new strategy for quality management of Sefidrood river based on focal correlation analysis method. Environmental Research 9, 79-86.
Goldin, A., 2011. Relationships between aspect and plant distribution on calcareous soils near Missoula, Montana Northwest Science 3, 197-203.
Gorji, H.M., Bavaghar, M.P., Ghahramani, L., 2015. Comparison of Logistic Regression and Discriminate Analysis in Recognition of the Factors Affecting on the Distribution of Quercus Libanii of Armardeh Forests at Baneh, Kurdistan Province. Iranian Journal of Applied Ecology 4, 79-88.
Güler, C., Thyne, G.D., McCray, J.E., Turner, K.A., 2002. Evaluation of graphical and multivariate statistical methods for classification of water chemistry data. Hydrogeology Journal 10, 455-474.
Jafarian, Z., Arzani, H., Jafari, M., Zahedi, G., Azarnaivand, H., 2009. Determining the relationship between dominant plant species with environmental factors and satellite data with the help of logistic regression (Case study: Rineh rangelands of Mazandaran province). Journal of Rangeland and Desert Research in Iran 19, 371-383.
Jobson, J.D., 1992. Applied multivariate data analysis, Vol. II: Categorical and multivariate methods. Springer-Verlag. 731-732.
Kalantari, N., Rahimi, M,H., Akbari, A., 2009. Hydrochemical study of Mianab plain using statistical methods, hydrochemical diagrams and fuzzy logic. Iranian Geological Quarterly 9, 15-25.
Khazaie, A., 2001. The Impact of Urban Expansion on groundwater quality in Zahedan. Journal of Water and Sewage 31, 37 – 39.
Kheirfam, H., Vafakhah, M., 2015. Evaluation of gamma test, cluster analysis, discriminant function analysis and Andrews Curves methods to separate homogeneous watersheds for regional analysis of suspended sediment. Journal of Soil and Water Resources Conservation 4, 65-85.
Kimmel, B.L., Groeger, A.W., 1984. Factors controlling primary production in lakes and reservoirs: a perspective. Lake and Reservoir Management 1, 277-281.
Mokhtari, H.R., Espahbod, M.R., 2009. The investigation of hydrodynamic parameters potentiality of the Varamin plain regarding the variation of salinity gradient. Iranian Geological Quarterly 2, 27-47.
Nosrati, K., Darafshi, Kh., Gharechahi, S., Rahimi, Kh., 2011. Evaluation of surface water quality of Haraz-Qarasu watershed using multivariate statistical techniques. Earth Knowledge Research 5, 41-55.
Noushadi, M., Azarpikan, A., Nouhegar, A., 2009. Investigating the quality of drinking water in Bandar Abbas using cluster analysis and factor analysis. Journal of Iranian Water Research 5, 79-82.
Parkhurst, D.L., Appelo, C., 1999. User's guide to PHREEQC (Version 2): A computer program for speciation, batch-reaction, one-dimensional transport, and inverse geochemical calculations.
Pielou, E.C., 1977. Mathematical Ecology. John Wiley and Sons,NewYork.
Rezaei, R., Zareai Mohammad Aadi, H., Kalantari, N., Aliari, Z., 2015. Assessment the water quality of Maroun Dam reservoir using multivariate statistical analysis method based on correlation and changes in water quality data, Behbahan. Journal of Advanced Applied Geology 19, 82-88.
Richard, A. J., Dean, W.W., 2002. Applied multivariate statistical analysis: London: Prenticee Hall. 265.
Schoeller, H., 1965. Qualitative evaluation of groundwater resources. In: Methods and techniques of groundwater investigations and development. UNESCO, Paris. 54–83.
Shrestha, S., Kazama, F., 2007. Assessment of surface water quality using multivariate statistical techniques: A case study of the Fuji river basin, Japan. Environmental Modelling & Software 4, 464-475.
StatSoft Inc, 2004. STATISTICA (Data Analysis Software System), Version 6.
Steinhorst, R.K., Williams, R.E., 1985. Discrimination of groundwater sources using cluster analysis, MANOVA, canonical analysis and discriminant analysis. Water Resources Research  8, 1149-1156.
Subbarao, K., Mattimore, A., Plangemann, K., 2011. Social protection of Africa's orphans and other vulnerable children: Issues and Good Practice Program Pptions, World Bank, Africa Region.
Usunoff, E.J., Guzma´n-Guzma´n, A., 1985. Multivariate analysis in hydrochemistry: an example of the use of factor and correspondence analyses, Ground Water 27, 27-34.
Zhao, Y., Xia, X., Yang, Z., Wang, F., 2012. Assessment of water quality in Baiyangdian Lake using multivariate statistical techniques. Procedia Environmental Sciences 6, 1213-1226.