Spatial analysis of chemical parameters affecting groundwater quality using factor analysis and geostatistical methods (Case study: Bayza-Zarghan plain)

Subject Areas : Geospatial systems development

Hossein Behzadi Karimi ¹ (Ph.D. Student of Climatology, Yazd University)
Kamal Omidvar ² (Prof. College of Geography, Yazd University)

Received: 2016-09-09 Accepted : 2017-05-27 Published : 2018-02-20

Keywords: Geostatistical methods, Fars province, Factor analysis (FA), Groundwater quality parameters, Bayza-Zarghan plain,

Abstract :

The aim of this study was to determine the most important variables affecting the quality of groundwater in the Bayza-Zarghan plain by using factor analysis technique and estimation of spatial distribution of quality parameters in ArcGIS software. Data of 12 water quality parameters related to 27 wells were collected in summer, 2013. After normalizing the data, using factor analysis (FA), of hardness, salinity and water acidity,  that accounted for 90% of the total variance in the data. The share of variables in each factor was determined after Varimax rotation, and two parameters with the most significant correlation with its factor was determined for each factor. The first factor, TH and Mg, the second factor, SAR and Na, and the third factor, pH and HCO3 were selected as the most important parameters in groundwater quality in the region. The results of definitive and geostatistical methods for estimating the above parameters were analyzed using the statistical criterion of RMSe. The results showed that for all variables other than pH, COKriging method is the most appropriate method. For TH and Mg, the G-Bessel model, for SAR and Na, the Rational-Quadratic model, for HCO3, the Exponential model, and for pH, the IDW model with power 1, had a lower error and increased the accuracy of the prediction significantly. Spatial zoning maps for the quality parameters indicated that TH, Mg, SAR and Na parameters reach the highest density in the southeast and the lowest density in the north of the plain. The pH changes show that its value is higher in the Banish area in north of the plain than in other areas. And in terms of HCO3, the northeastern and southern regions of the region are in poor condition.

References:

1. پیری، ح. و ا. بامری. 1393. بررسی روند تغییرات کمی سطح ایستابی منابع آب زیرزمینی با استفاده از زمین­آمار و سیستم اطلاعات جغرافیایی (مطالعة موردی: دشت سیرجان). سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 5(1): 29-44.

2. تقی­زاده مهرجردی، ر.، م. زارعیان جهرمی، ش. محمودی، ا. حیدری و ف. سرمدیان. 1387. بررسی روش­های درون­یابی مکانی جهت تعیین تغییرات مکانی ویژگی­های کیفی آب­های زیرزمینی دشت رفسنجان. مجله علوم و مهندسی آبخیزداری ایران، 2(5): 63-70.

3. جهانشاهی، ا.، ع. روحی مقدم و ع. دهواری. 1393. ارزیابی پارامترهای کیفی آب زیرزمینی با استفاده از GIS و زمین‌آمار (مطالعه موردی: آبخوان دشت شهر بابک). دانش آب و خاک، 24(2): 183-197.

4. حیدری­زادی، ز. و ث. یعقوبی. 1396. بررسی روند تغییرات کمّی و کیفی آبخوان دشت ابوغویر با استفاده از سیستم اطلاعات جغرافیایی. ترویج و توسعه آبخیزداری، 5(16): 9-16.

5. خسروی، ح.، ا. مرادی و ح. دارابی. 1394. شناسایی مناطق همگن از نظر کیفیت آب زیرزمینی با استفاده از تحلیل عاملی و خوشه‌ای؛ مطالعه موردی دشت قیر استان فارس. مهندسی آبیاری و آب، 6(21): 119-133.

6. رستم­زاده، ه.، م. ر. نیکجو، ا. اسدی و ج. جعفرزاده. 1394. توان‌سنجی تغییرات کیفیت آب زیرزمینی قابل شرب در پهنه‌های جمعیتی دشت اردبیل با استفاده از ترکیب مدل‌های زمین­آماری و تصمیم‌گیری چندمعیاری در محیط GIS. هیدروژئومورفولوژی، 1(3): 43-60.

7. رضایی، م. و و. امیری. 1392. ارزیابی تغییرات کیفی آب زیرزمینی دشت لنجانات با استفاده از تحلیل عاملی ترکیب شده با نظریة انتروپی اطلاعات. محیط‌شناسی، 39(2): 33-44.

8. زاهدی­فر، م.، س. ع. ا. موسوی و م. رجبی. 1392. پهنه­بندی ویژگی­های شیمیایی کیفیت آب­های زیرزمینی دشت فسا با استفاده از روش­های زمین­آماری. آب و خاک، 27(4): 812-822.

9. شعبانی، م. 1390. ارزیابی روش­های زمین­آماری در تهیه نقشه­های کیفی آب­های زیرزمینی و پهنه­بندی آن­ها مطالعه موردی: دشت نی­ریز، استان فارس. جغرافیای طبیعی، 4(13):83-96.

10. عباسی جندانی، ش. و ع. طالبی. 1394. مدل­سازی تغییرات زمانی و مکانی کیفیت آب زیرزمینی در مناطق خشک با استفاده از روش‌های زمین­آماری (مطالعه موردی: دشت کوهپایه – سگزی اصفهان). طلوع بهداشت یزد، 14(1):123-137.

11. عساکره، ح. 1390. مبانی اقلیم‌شناسی آماری. انتشارت دانشگاه زنجان. 550 صفحه.

12. علیزاده، ا. 1394. اصول هیدرولوژی کاربردی. انتشارات دانشگاه امام رضا (ع). 942 صفحه.

13. غفوری، و.، ن. ملک­پور و ا. مردانی. 1390. ارزیابی زمین­آماری کیفیت آب زیرزمینی دشت داراب استان فارس. حفاظت منابع آب و خاک، 1(2): 81-94.

14. غیور، ح. و م. منتظری. 1383. پهنه‌بندی رژیم­های دمایی ایران با مؤلفه‌های مبنا و تحلیل خوشه‌ای. جغرافیا و توسعه، 4: 21-34.

15. کردوانی، پ. 1386. ژئوهیدرولوژی. مؤسسه انتشارات و چاپ دانشگاه تهران. 368 صفحه.

16. مزارعی بهبهانی، س.، س. ز. حسینی و س. ع. المدرسی. 1393. مقایسه دقت روش‌های مختلف زمین­آمار در ارزیابی کیفیت منابع آب زیرزمینی برای استفاده‌های کشاورزی (مطالعه موردی:آبخوان دشت بهبهان). مدیریت آب در مناطق خشک، 1(2): 65-75.

17. مظفری، غ. و ح. بهزادی کریمی. 1396. برآورد سطح ایستایی منابع آب زیرزمینی دشت بیضاء استان فارس. جغرافیا و مطالعات محیطی، 6(21): 145-163.

18. مهدوی، م. و م. طاهرخانی. 1391. کاربرد آمار در جغرافیا. نشر قومس. 434 صفحه.

19. ولی­زاده کامران، خ.، ش. روستایی، ت. رحیم‌پور و م. نخستین روحی. 1395. تعیین مناسب­ترین روش زمین­آمار در تهیه­ی نقشه­ی تغییرات شوری آب­های زیرزمینی (مطالعه­ی موردی: دشت شیرامین، استان آذربایجان شرقی). هیدروژئومورفولوژی، 2(6): 17-32.

 20. Ahmadi M, Bagheban Zade Dezfouli A. 2012. A geo-statistical approach to the change procedure study of under-ground water table in a GIS framework, case study: Razan-Ghahavand Plain, Hamedan Province, Iran. Journal of Academic and Applied Studies, 2(11): 56-69.

21. Al-Kouri O, Omar H, Abu-Shariah M, Mahmud AR, Mansor S. 2010. Geostatistical analysis of karst landscapes. Electronic Journal of Geotechnical Engineering, 15: 913-934.

22. Baalousha H. 2010. Assessment of a groundwater quality monitoring network using vulnerability mapping and geostatistics: a case study from Heretaunga Plains, New Zealand. Agricultural Water Management, 97(2): 240-246.

23. Brus DJ, Heuvelink GB. 2007. Optimization of sample patterns for universal kriging of environmental variables. Geoderma, 138(1): 86-95.

24. Davis A, Kempton JH, Nicholson A, Yare B. 1994. Groundwater transport of arsenic and chromium at a historical tannery, Woburn, Massachusetts, USA. Applied Geochemistry, 9(5): 569-582.

25. Dorgham MM, Abdel-Aziz N, El-Deeb K, Okbah M. 2004. Eutrophication problems in the western harbour of Alexandria, Egypt. Oceanologia, 46(1): 25-44.

26. Jang CS, Chen SK, Kuo YM. 2013. Applying indicator-based geostatistical approaches to determine potential zones of groundwater recharge based on borehole data. Catena, 101: 178-187.

27. Johnston K, Ver Hoef JM, Krivoruchko K, Lucas N. 2001. Using ArcGIS geostatistical analyst. Esri Redlands, CA, New York, USA, 306 pp.

28. Kresic N. 2006. Hydrogeology and Groundwater Modeling. 2^nd Edition, CRC Press, Taylor & Francis Group, 828 pp.

29. Love D, Hallbauer D, Amos A, Hranova R. 2004. Factor analysis as a tool in groundwater quality management: two southern African case studies. Physics and Chemistry of the Earth, Parts A/B/C, 29(15): 1135-1143.

30. Shi J, Wang H, Xu J, Wu J, Liu X, Zhu H, Yu C. 2007. Spatial distribution of heavy metals in soils: a case study of Changxing, China. Environmental Geology, 52(1): 1-10.

31. Sun Y, Kang S, Li F, Zhang L. 2009. Comparison of interpolation methods for depth to groundwater and its temporal and spatial variations in the Minqin oasis of northwest China. Environmental Modelling & Software, 24(10): 1163-1170.

32. Zhou Z, Zhang G, Yan M, Wang J. 2012. Spatial variability of the shallow groundwater level and its chemistry characteristics in the low plain around the Bohai Sea, North China. Environmental Monitoring and Assessment, 184(6): 3697-3710.