بررسی کیفیت آب زیرزمینی با استفاده از روش تحلیل آماری چند متغیره بر پایه همبستگی و تجزیه فاکتور اصلی (مطالعه موردی: دشت خوی)

آب زیرزمینی یکی از مهمترین منبع تامین نیازهای آبی کشاورزی، شرب و صنعت محسوب می شود. از این رو نیاز به حفاظت این منبع ارزشمند در مقابل آلودگی ها، بیش از گذشته اهمیت دارد. اطلاعات در دسترس از آب زیرزمینی دشت خوی بیانگر آن است که قسمت اعظم آب مصرفی در منطقه از منابع آب زیرزمینی تامین می شود. روش آماری چند متغیره امروزه یکی از مهمترین روش ها در بررسی دقیق کیفیت منابع آب زیرزمینی و ارزیابی آنها و همچنین برای شناسایی پارامترهای کیفی اصلی که نقش مهمتری در کیفیت آب دارند، استفاده می شود. این مقاله نتایج حاصل از تجزیه داده های هیدروشیمیایی را با فرایندهای خوشه بندی (cluster analysis)، تجزیه فاکتور اصلی (principal component analysis) و همبستگی پیرسون با اهداف تعیین متغیر مکانی آب های زیرزمینی و شناسایی منابع آلودگی که در حال حاضر بر آب های زیرزمینی تاثیر می گذارد را نشان می دهد. داده-های بیست ایستگاه پیزومتری در طول دوره آماری 95-1381 با استفاده از یازده پارامتر کیفی آب مورد استفاده قرار گرفته است. تحلیل خوشه ای اجازه تشکیل دو خوشه بین چاه های نمونه برداری را نشان داد که تفاوت های مربوط به کیفیت آب در مکان های مختلف را نشان می دهد. نتایج تحلیل عاملی نشان داد که th با توجیه مجموع 26/60 درصد واریانس با بار عاملی 95/0 و na با توجیه مجموع 66/22 درصد واریانس با بار عاملی 96/0 از مهمترین عوامل موثر در کیفیت آب زیرزمینی محدوده مطالعاتی هستند.

study groundwater quality using the multivariate statistical methods based on correlation and principal component analysis (case study: khoy plain)

groundwater is one of the most important sources of water supply for agriculture, drinking and industry. therefore, the need to protection this valuable resource from pollution is more important than ever. available information on groundwater in the khoy plain indicates that much of the water in the area comes from groundwater resources. multivariate statistical methods are nowadays one of the most important methods used to scrutiny the quality of groundwater resources and their evaluation as well as to identify the main qualitative parameters that have an important role in water quality. this paper shown the results of hydrochemical data analysis with cluster analysis, principal component analysis, and pearson's correlation with groundwater spatial variability goals and the identification of sources of contamination currently present indicates groundwater impacts. the data of twenty piezometer stations were used during 2002-2016 years, using eleven water quality parameters. cluster analysis allowed two clusters to be formed between the sampling wells, showing differences in water quality at different locations. the results of factor analysis showed that th with 60.26% of total variance with 0.95 factor loadings and na with 22.66% of variance with 0.96 factor loadings were the most important factors affecting groundwater quality in the study area.