بررسی و پیش‌بینی پارامترهای کیفی رودخانه گاماسیاب با استفاده از روش چند متغیره تحلیل همبستگی کانونیک و سری‌های زمانی

نوع مقاله: مقالات پژوهشی

نویسندگان

1 کارشناسی ارشد آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه گنبدکاووس، ایران

2 استادیار گروه مرتع و آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه گنبدکاووس، ایران

چکیده

زمینه و هدف: یکی از مسائل مهم در مدیریت کیفی منابع آب، یـافتن رابطـه بـین پـارامترهـای مختلـف فیزیکی و شیمیایی تأثیرگذار بر کیفیت پیکره‌های آبی است. پاسـخ به این مسئله، گامی ضروری و مهم جهـت بررسـی دقیـق‌تـر منـابع آلاینده و ارائه راهکار جهت کـاهش اثـرات منفـی آن و در نهایـت بهبود وضـعیت کیفـی منـابع آب مـی‌باشـد. پژوهش حاضر با هدف بررسی روند و پیش‌بینی تغییرات برخی از پارامترهای کیفی آب رودخانه گاماسیاب با استفاده ازروش‌های آماری چندمتغیره و سری‌های زمانی انجام شد.
مواد و روش‌ها: در این تحقیق از میانگین سالانه برخی پارامترهای کیفی مربوط به یک دوره آماری 6 ساله در دو ایستگاه پل‌چهر و دوآباستفاده شد. ابتدا عوامل کنترل‌کننده شیمی آب رودخانه گاماسیاب با استفاده از دیاگرام مثلثی و نمودار گیس تعیین شد، سپس جهت تعیین ارتباط خطی بین متغیرهای چندبعدی، از ضرایب همبستگی کانونیکال استفاده شد. در نهایت روند تغییرات پارامترهای کیفی آب در 5 سال آینده پیش‌بینی شد.
یافته‌ها: در ایستگاه پل‌چهر، به‌جز پارامتر pH، سایر پارامترهای کیفی دارای روند افزایشی بودند، در حالی‌که در ایستگاه دو‌آب، تمامی پارامترهای کیفی به‌جز منیزیم و سولفات روند کاهشی داشتند. بر اساس دیاگرام‌های مثلثی و گیبس به‌ترتیب رخساره غالب آب در هر دو ایستگاه کلیم-منیزیم-بی‌کربنات و عامل اصلی کنترل کننده شیمی آب واکنش آب- سنگ بود. بر اساس نتایج، پارامترهای شیمیایی بی‌کربنات و منیزیم در ایستگاه پل‌چهر با ضرایب کانونی 0/983 و 0/933 در دسته اول متغیرهای کانونیک و سدیم با ضریب0/845 در دسته دوم متغیرهای کانونیک قرار گرفتند، در حالی‌که در ایستگاه دوآب متغیرهای شیمیایی بی‌کربنات و کلسیم با ضرایب کانونی 0/945 و 0/789در دسته اول کانونیک و سدیم و کلراید با ضرایب 0/930 و 0/800 در دسته دوم متغیرهای کانونیک قرار داشتند. منشأ دسته اول و دوم متغیرهای کانونیک را می‌توان به‌ترتیب به انحلال سنگ‌های آهکی و تبخیری مربوط دانست. نتایج پیش‌بینی روند تغییرات پارامترهای کیفی آب رودخانه گاماسیاب طی 5 سال آینده نشان داد که در ایستگاه پل‌چهر تمام پارامترها به‌جز pH روند افزایشی و در ایستگاه دوآب به‌جز منیزیم و سولفات، سایر پارامترهای کیفی روند کاهشی خواهند داشت.
نتیجه‌گیری: واکنش آب- سنگ، مهم‌ترین عامل کنترل کننده شیمی آب در رودخانه گاماسیاب می‌باشد.
نوع مقاله: پژوهشی

کلیدواژه‌ها


عنوان مقاله [English]

Investigation and prediction of quality parameters of Gamasyab river using multivariate method of Canonical correlation analysis and time series

نویسندگان [English]

  • Maryam Sayadi 1
  • Mojtaba G.Mahmoodlu 2
1 M.Sc of Watershed Management, Department of Agriculture and Natural Resources,University of Gonbad Kavoos, Iran
2 Asisitant Professor of Range and Watershed Management, Department of Agriculture and Natural Resources,University of Gonbad Kavoos, Iran
چکیده [English]

Background and purpose: The present study was performed to investigate trend and prediction of changes in some quality parameters of Gamasyab river water using multivariate statistical methods and time series.
 
Materials and methods: In this research, the annual means of some qualitative parameters related to a 6-year statistical period in two Pol-Chehr and DoAb stations were used. At first, the factors controlling chemistry of Gamasyab river were determined using Ternary and Gibbs diagrams. Then, to determine a linear relationship between multidimensional variables, Canonical correlation coefficients were used. Finally, the changing trend of water quality parameters in next 5-years was predicted.
 
Results: At Pol-Chehr station, qualitative parameters show an upward trend except for pH. While at DoAb, all qualitative parameters show a downward trend except for Mg and SO4. Based on Ternary and Gibbs diagrams, water dominant facies are Ca-Mg-HCO3 and the main factor controlling water chemistry is water-rock reaction at both stations, respectively. Results showed that the chemical parameters of HCO3 and Mg at Pol-Chehr with canonical coefficients of 0.938 and 0.933 are in the first group and Na with coefficient of 0.845 is situated in the second category. While in DoAb station, chemical variables HCO3 and Ca with coefficients of 0.945 and 0.0789 are placed in the first group, and Na and Cl with the coefficients of 0.930 and 0.800 are in the second group, respectively. First and second group origins of canonical variables can be related to dissolution of limestone and evaporative deposits. Prediction results of the water quality parameters changes in Gamasyab river for the next 5 years showed that an increase in all the parameters except for pH at Pol-Chehr station. While except for Mg and SO4, all quality parameters will decrease at the DoAb station.
Conclusion:Water-rock reaction is the most important factor affecting Gamasyab river water chemistry.
 
Document Type: Research article

کلیدواژه‌ها [English]

  • Surface water
  • quality parameters
  • WHO
  • Canonical correlation

1.         Mirzaei R, Abbasi N, Sakizadeh M. Water Quality Assessment of Rivers in Bushehr Province by Using Water Quality Index During 2011-2013 Years. ISMJ. 2017;20(5):470-80.(In Persian)

2.         Kalaji M, Ebrahimi A, Hasheminejad H, Motaghi A, Asadolah S. Water quality assessment of lake Zayandehrood Dam using WQI index. Isfahan University of Technology.2017;21(1):265-77.(In Persian)

3.         Bricker OP, Jones BF. Main factors affecting the composition of natural waters. Trace elements in Natural Waters; Eds Salbu B & Steinnes E. 1995:1-20.

4.         Khosravi Fard A, Vahabzadeh G, Gholami L. The Study and Classification of Water Quality of Ghorbaghestan and Doab Merk Stations in Gharasoo River Basin. Journal of Research in Environmental Health. 2017;2(4):299-310.

5.         Khadempour F, Shahidi A. Qualitative assessment of surface water using the CWQI method and with the Aquachem software(Case study: Qaen River in South Khorasam). Iranian Jornal of Research in Environmental Health. Autumn 2017; 179-186. (In Persian)

6.         Sharma P, Meher PK, Kumar A, Gautam YP, Mishra KP. Changes in water quality index of Ganges river at different locations in Allahabad. Sustainability of Water Quality and Ecology. 2014;3:67-76.

7.         Sun W, Xia C, Xu M, Guo J, Sun G. Application of modified water quality indices as indicators to assess the spatial and temporal trends of water quality in the Dongjiang River. Ecological Indicators. 2016;66:306-12.

8.         Qishlaqi A, Kordian S, Parsaie A. Hydrochemical evaluation of river water quality—a case study. Applied Water Science. 2017;7(5):2337-42.

9.         Daou C, Salloum M, Legube B, Kassouf A, Ouaini N. Characterization of spatial and temporal patterns in surface water quality: a case study of four major Lebanese rivers. Environmental monitoring and assessment. 2018;190(8):485.

10.       Sauerbrei W, Royston P, Schumacher M, Austin PC, Tu JV. Austin, PC, and Tu, JV (2004)," Bootstrap Methods for Developing Predictive Models,"" The American Statistician," 58, 131-137: Comment by Sauerbrei, Royston, and Schumacher and Reply. The American Statistician. 2005;59(1):116-8.

11.       Nash MS, Chaloud DJ. Multivariate analyses (canonical correlation and partial least square (PLS)) to model and assess the association of landscape metrics to surface water chemical and biological properties using savannah river basin data. US Environmental Protection Agency Las Vegas, Nevada, USA. 2002.

12.       Noori R, Sabahi MS, Karbassi AR, Baghvand A, Zadeh HT. Multivariate statistical analysis of surface water quality based on correlations and variations in the data set. Desalination. 2010;260(1-3):129-36.

13.       Waxman MF. The agrochemical and pesticides safety handbook: CRC Press; 1998.

14.       Bouwer H. Simple derivation of the retardation equation and application to preferential flow and macrodispersion. Groundwater. 1991;29(1):41-6.

15.       Kumar M, Kumari K, Ramanathan A, Saxena R. A comparative evaluation of groundwater suitability for irrigation and drinking purposes in two intensively cultivated districts of Punjab, India. Environmental Geology. 2007;53(3):553-74.

16.       Tabachinck B.L, Fidell S. Using multivariate statics. A pearson education company. Needham.2000. 966.

17.       Fink G, Alcamo J, Flörke M, Reder K. Phosphorus loadings to the world's largest lakes: sources and trends. Global Biogeochemical Cycles. 2018;32(4):617-34.

18.       Banerjee M. Impact of environmental factors on maintaining water quality of Bakreswar reservoir, India. Computational Ecology and Software. 2015;5(3):239.