شناسایی چاه‌های مؤثر در تعیین عمق آب زیرزمینی دشت ارومیه با استفاده از آنالیز مؤلفه‌های اصلی

آب و خاک

مقاله 11، دوره 31، شماره 1 - شماره پیاپی 51، اردیبهشت 1396، صفحه 40-50   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.v31i1.48750

نویسندگان

سحر بابایی حصار^{* 1}؛ قاسم همدمی²؛ هدی قاسمیه¹

¹دانشگاه کاشان

²دانشگاه گرگان

چکیده

در بسیاری از مطالعات به علت وجود حجم بسیار زیادی از اطلاعات، فرآیند تحلیل داده‌ها بسیار زمان‌بر و هزینه‌بر است. آنالیز مؤلفه‌های اصلی، از جمله روش‌هایی است که با شناسایی داده‌های کم اهمیت، داده‌هایی که بیشترین سهم را در توجیه واریانس دارند، حفظ می‌کند. در این تحقیق، میانگین سالانه سطح آب زیرزمینی 51 چاه بهره‌برداری با طول آماری 10 ساله (1381-1390) با استفاده از تکنیک آنالیز مؤلفه‌های اصلی مورد بررسی قرار گرفت تا چاه‌های مؤثر در تعیین سطح تراز آب زیرزمینی این دشت مشخص گردد. با شناسایی چاه‌های با اهمیت، نقاط مهم جهت نمونه‌برداری معلوم می‌شود و پایش‌ تراز آب زیرزمینی صرفاً در این چاه‌ها انجام می‌گردد. به این وسیله می‌توان تا حد زیادی در هزینه و زمان مطالعات صرفه‌جویی کرد. با انجام آنالیز مؤلفه‌های اصلی، اهمیت نسبی هر چاه بین 0 (برای چاه غیر مؤثر) تا 1 (برای چاه کاملا مؤثر) محاسبه شد. با حذف چاه‌های کم اهمیت که تعداد آن‌ها حدوداً نصف کل چاه‌ها است، ضریب تغییرات سطح ایستابی از 38/1 به 72/0 (50 درصد) کاهش یافت و خطای تعیین سطح ایستابی کمتر از 15 درصد به دست آمد که دلیل آن را می‌توان حذف چاه‌هایی عنوان کرد که میانگین تراز آب آن‌ها اختلاف چشمگیری با چاه‌های باقی‌مانده دارد.

کلیدواژه‌ها

آب زیرزمینی؛ پایش؛ دشت ارومیه؛ چاه مؤثر؛ ضریب تغییرات

مراجع

1- Asakareh H., and Bayat A. 2013. Principal component analysis of annual rainfall properties of Zanjan city. Journal of Geography and Planning, 45(17): 121-142. (In Persian with English abstract).

2- Azizi T., and azizi G. 2013. Zoning rainfall regime in the West part of Iran using principal component analysis and clustering. Journal of Water Resources Research, 3(2): 62. (In Persian with English abstract).

3- Balafoutis C. 1991 Principal Component Analysis of Albanian Rainfall. Journal of Meteorology, 90(16): 155-164.

4- Debels P., Figueroa R., Urrutia R., Barra R., and Niell X. 2005. Evaluation of water quality in the Chilia River using Physicochemical parameters and a modified water quality index. Environmental Monitoring and Assess, 110:L 301–322.

5- Fournier M., Motelay-Massei A., Massei N., Aubert M., Bakalowicz M., and Dupont J.P. 2009. Investigation of Transport Processes inside karst Aquifer by Means of STATIS. Groundwater,47(3): 391-400.

6- Ghanbarlou1 Z, and Babaei Hessar S. 2013. Investigating Trends of Annual Meteorological Parameters in urmia Synoptic station. Second National conference on climate change and its impact on agriculture and the environment. Urmia. August. (In Persian with English abstract).

7- Gurunathan K., and Ravichandran S. 1994. Analysis of water quality data using a multivariate statistical technique - a case study. IAHS Pub, 219.

8- Helena B., Pardop R., Vega M., Barrado E., Manuel J., and Fernandez L. 2000. Temporal evolution of groundwater composition in an alluvial aquifer by principal component analysis. Water Resource, 34(3): 807-816.

9- Hu S., Luo T., and Jing C. 2013. Principal component analysis of fluoride geochemistry of groundwater in Shanxi and Inner Mongolia, China. Journal of Geochemical Exploration, 135: 124–129.

10- Iscen, C., Emiroglu O., Ilhan S., Arslan N., Yilmaz V., and Ahiska S. 2008. Application of multivariate statisticaltechniques in the assessment of surface water quality in Uluabat Lake, Turkey. Environmental Monitoring and Assess, 144(1-3): 269–276.

11- Jolliffe i.t. 2002. Principal Component Analysis. Springer series in statics, ISBN 978-0-387-95442-4.

12- Mohammadzadeh H., and Heydarizad M. 2011. Hydrochemical and stable isotopes study (O18 and H2 surface and groundwater resources) Andarkh Karstic region (north of Mashhad). Earth science research, 2(5): 59- 69. (In Persian with English abstract).

13- Nguyan T.T., Nakagawa A.K., Amaaguchi H., and Gilbuena R. 2013. Temporal chenges in the hydrochemical facies of groundwater quality in tow main aquifers in Hanoi. Vietnam, DOI: 10.5675/ICWRER_2013

14- Nouri Gheidari M. H. 2010. Identification of Outliers in regional flood frequency analysis using principal component analysis. Fifth National Congress on Civil Engineering, Ferdosi University of Mashhad. (In Persian with English abstract).

15- Nouri Gheidari M. H. 2013. Determination of effective wells to monitor the ground water level using the principal components analysis. Agriculture and Natural Resources, 17(64): 149-158. (In Persian with English abstract).

16- Oueslati O., Maria A., Girolamo D., Abouabdillah A., and Porto A. 2010. Attempts to flow regime classification and characterization in Mediterranean streams using multivariate. International Workshop in Statistical Hydrol. May 23-25, Taormina, Italy.

17- Pearson K. 1901. On lines and plans of closest fit to systems of points in Space. Philosophical Magazine 2(6): 559-572.

18- Petersen W. 2001. Process identification by principal component analysis of river water-quality data. Ecological Modelling . Model.138: 193-213.

19- Poorasghar F., Jahanbakhsh S., sari sarraf B., Ghaemi H., and Tadaiioni M. 2013. Zoning precipitation regime in the southern part of Iran, Journal of Geography and Planning. 17(44): 27-46, (In Persian with English abstract).

20- Sakizadeh M., Malian A., and Ahmadpour E. 2015. Groundwater Quality Modeling with a Small Data Set. Groundwater DOI: 10.1111/gwat.12317

21- Sanchez-Martos F., Jimenez-Espinosa R. and Pulido-Bosch A. 2001. Mapping groundwater quality variables using PCA and geostatistics: a case study of Bajo Andarax, southeastern Spain. Hydrological sciences journal, 46(2): 227-242.

22- Sauquet E. 2000. Mapping mean monthly runoff pattern using EOF analysis. Hydrology and Earth System. Sci. 4(1): 79-93.

23- Siyue L. 2009. Water quality in the upper Han River, China: The impacts of land use/land cover in riparian buffer zone. Hazardous Materials, 165(1): 317-324.

24- Stathis D., and Myronidis D. 2009. Principal component analysis of Precipitation in Thessaly Region (Central Greece). Global NEST Journal, 11(4): 467-476.

25- Steiner D. 1965. A Multivariate Statistical Approach to Climatic Regionalization and Classification. Nederlansch Gerootschap Reeks, LxxxII: 4: 329-347.

26- Strang G. 2005. Linear algebra and its applications (4th ed.). Brooks Cole, ISBN 978-0-03-010567-8.

27- Taguas E., Ayuso L., Pena A., Yuan Y., Sanchez M., Giraldez V., and Perez R. 2008. Testing the relationship between instantaneous peak flow and mean daily flow in a Mediterranean Area Southeast Spain, Catena. 75(2): 129– 137.

28- Vonberg D., Vanderborght J., Cremer N., Pütz T., Herbst M., and Vereecken H. 2014. 20 years of long-term atrazine monitoring in a shallow aquifer in western Germany. Water Research, 50: 294–306.

29- Wan K.L. 2009. A new variable for climate change study and implications for the built environment. Renewable Energy, 34(3): 916-919.