تحلیل همبستگی کانونی به منظور تعیین ارتباط بین پراسنجه‌های کیفی آب و فلزهای سنگین در نمونه‌های آب شرب (شهرستان رامیان: استان گلستان)

نوع مقاله : مقاله کامل علمی پژوهشی

نویسندگان

1 عضو هیات علمی گروه علوم محیط زیست

2 عضو هیات علمی و مدیر گروه علوم محیط زیست

3 دانش‌آموخته کارشناسی ارشد علوم محیط زیست

چکیده

چکیده:
سابقه و هدف: آلودگی آب توسط آلاینده‌های شیمیایی، فیزیکی و بیولوژیکی در تمام دنیا به‌عنوان یکی از مشکل‌های مدیریت منابع آب درنظر گرفته می‌شود. یک موضوع مهم در پایش کیفیت منبع‌های آب تشخیص، تفکیک و منبع‌یابی پراسنجه‌های آلاینده فیزیکی و شیمیایی و وابستگی بین آن‌ها است. استفاده از روش‌های آماری برای تحلیل داده‌های بدست آمده از پایش کیفی آب می‌تواند برای رسیدن به این هدف مفید باشد. فلزهای سنگین به سبب تجزیه‌ناپذیری و ویژیگی تجمع پذیری مهم‌ترین آلاینده در منابع آبی هستند. فلزهای سنگین از منابع انسان‌زاد و طبیعی وارد منابع آبی می‌شوند.
مواد و روش‌ها: در این تحقیق از روش‌های آماری چندمتغیره برای ارزیابی کیفیت آب شرب استفاده شده است. از "تحلیل مؤلفه‌های اصلی" در نمایان ساختن ویژگی‌های اصلی آب و از "تحلیل آماری همبستگی کانونی" برای پیداکردن وابستگی بین پراسنجه‌های کیفی و فلزهای سنگین استفاده شد. نمونه‌برداری از منابع آب زیرزمینی شهرستان رامیان در استان گلستان (23 منبع آب شرب روستایی) در سال 1390 انجام گرفت. پراسنجه‌های مورد استفاده در این مطالعه شامل: دما، هدایت الکتریکی، پی‌اچ، آمونیاک، فلوراید، سولفات، نیترات، نیتریت، فسفات، بی‌کربنات و فلزهای سنگین روی، کادمیم، سرب، مس، نیکل و کبالت می‌باشند. مقدار فلزهای سنگین در نمونه‌های آب به روش ولتامتری در آزمایشگاه تحقیقاتی علوم محیط زیست دانشگاه زنجان اندازه‌گیری شد. دما، هدایت الکتریکی در محل نمونه‌برداری به‌وسیله دستگاه قابل حمل اندازه‌گیری شد.
یافته‌ها: نتایج حاصل از تحلیل مؤلفه‌های اصلی، شش مؤلفه‌ را مشخص کرد که 67/79% واریانس کل را به خود اختصاص می‌دهند و بیانگر ویژگی‌های کیفی تاثیرگذار آب هستند. در تحلیل همبستگی کانونی نیز سه دسته‌ی کانونی با داشتن ضریب‌های همبستگی 973/0، 795/0 و 624/0 نشان دهنده وجود وابستگی بالایی بین متغیرهای مورد بررسی بودند. بنابراین از دسته "متغیرهای پیش‌بینی کننده" ویژگی‌های هدایت الکتریکی، بی‌کربنات، نیتریت، پی‌اچ، نیترات و فسفات و از دسته "متغیرهای پاسخ" فلزهای روی، کبالت، کادمیم و نیکل بیش‌ترین اهمیت را در بین سایر متغیرهای مورد بررسی برای ارزیابی کیفیت آب شرب در منطقه مورد مطالعه دارا می باشند.
نتیجه‌گیری: نتایج حاصل از تحلیل همبستگی کانونی نشان داد که بین دو گروه متغیرهای کیفی و فلزی مورد بررسی وابستگی معنی‌داری وجود دارد که ممکن است بتوان با توجه به پراسنجه‌های انتخاب شده به فعالیت‌های انسانی به‌ویژه فعالیت‌های کشاورزی در منطقه نسبت داد. اطلاعات به‌دست آمده می‌تواند برای بهینه‌سازی برنامه پایش و مدیریت کیفیت آب مورد استفاده قرار گیرد. با اندازه‌گیری پراسنجه‌های وابسته نیازی به اندازه‌گیری تمام ویژگی‌های فیزیکی و شیمیایی آب وجود ندارد.
کلمات کلیدی: کیفیت آب، تحلیل مؤلفه‌های اصلی، آنالیز چند متغیره، همبستگی کانونی

کلیدواژه‌ها


عنوان مقاله [English]

Canonical correlation analysis to determine the relationship between water quality parameters and heavy metals in water samples (Ramian City-Golestan Province)

نویسنده [English]

  • Abbasali Zamani 1
1 Head of the Department of Environmental Science
2
3
چکیده [English]

Canonical correlation analysis to determine the relationship between water quality parameters and heavy metals in water samples (Ramian City-Golestan Province)

Abstract
Background and Objectives: Water is essential for all forms of life and its pollution is generally considered more critical than soil or air. Distinguishing and correlating among physical and chemical parameters and finding source of water contamination are major issues in monitoring water quality. Application of statistical methods in water quality monitoring can be useful to achieve this goal. Heavy metals are important water pollutants especially due to their bioaccumulation nature and toxicity. Anthropogenic and natural sources are the main entrance ways of heavy metals into water.
Materials and Methods: Water quality assessment with multivariate statistical methods is the main objective of this study. Statistical Principal Component Analysis (PCA) method was used to determine the major water quality parameters and Canonical Correlation Analysis (CCA) was employed to find the relationship between water quality parameters and heavy metal contents. Water samples from twenty three wells in Ramiyan district (Golestan province) were collected in 2012. Water quality parameters, such as; temperature (T), electrical conductivity (EC), pH, Ammonia (NH3), Fluoride (F-), Sulfate (SO42-), Nitrate (NO3-), Nitrite (NO2-), Phosphate (PO43-), Bicarbonate (HCO3-) and heavy metal contents including Zn, Cd, Pb, Cu, Ni and Co were used in this research. Heavy metal contents in water samples were determined by voltammetry method in Environmental Science Research Laboratory of University of Zanjan. Temperature, electrical conductivity in the samples was measured by a portable device in sampling sites.
Results: Principle Component Analysis identified six factors explaining 79.67% of total variance affecting water quality in the studied area. CCA also identified three canonic classes with correlation coefficients; 0.973, 0.795 and 0.624, respectively, suggesting that predictor variables (EC, HCO3-, NO2-, NO3-, pH & PO43-) and response variables (Zn, Co, Cd & Ni), were highly scored among all parameters in water quality assessment.
Conclusion: The results of canonical correlation analysis also show a significant correlation between the two categories of variables. The studied metals can be selected based on the main human activities in the area (agricultural activities in this region). The information obtained can be used to improve water quality monitoring and management program. By measuring relevant parameters, there is no need to measure all the physical and chemical properties of water, reducing considerable coasts of water analysis.
Keywords: Water quality, Principle component analysis, Multivariate analysis, Canonical correlation analysis

کلیدواژه‌ها [English]

  • Water quality
  • principle component analysis
  • Multivariate analysis
  • Canonical correlation analysis
1.Abdolabadi, H., Ardestani, M., and Hasanlou, H. 2013. Evaluation of Water Quality Parameters Using Multivariate Statistical Analysis (Case study – AtrakRiver). Water Waste Water J. 3: 110-117.
2.APHA, AWWA, WEF. 2004. Standard Methods for the Examination Water and Wastewater. 21th Ed.
3.Barnston, A.G., and He, Y. 1996. Skill of canonical correlation analysis forecasts of 3-month mean surface climate in Hawaii and Alaska. J. Clim. Res. 9: 2579-2605.
4.Chan, M.C., Lou, I., Kin Ung, W., and Meng Mok, K. 2013. Integrating Principle Component Analysis and Canonical Correlation Analysis for Monitoring Water Quality in Storage Reservoir. Applied Mechanics and Materials. 284: 287. 1458-1462.
5.Chandra Panda, U., Kumar Sundaray, S., Rath, P., Nayak, B.B., and Bhatta, D. 2006. Application of factor and cluster analysis for characterization of river and estuarine water systems, A case study– Mahanadi River (India). Hydrol. J. 331: 434-445.
6.Einax, J.W., Zwanziger, H.W., and Geib, S. 1997. Chemotrics in environmental analysis. Wiley-VCH verlag GmbH.
7.Esalah, J., and Husein, M.M. 2008. Removal of heavy metals from aqueous solution by precipitation –filtration using novel organo-phosphorus ligands. Separation and Purification Technology. 43: 3461-3475.
8.Florence, L., Paul Raj, A., and Ramachandra moorthy, T. 2013. Ground water quality assessment of Gangavalli Taluk, Salem District, Tamil Nadu, India using multivariate statistical techniques. Engineering Science and Technology, Inter. J. 3: 1. 80-88.
9.Hashemi, S.H., Ranjkesh, Y., Ramezani, S., and Ghasemi Ziarani, E. 2012. A comparative analysis on water quality of KarajRiver through Statistical Technique (Factor Analysis) and QUAL2K model. National Conference on Water Flow and Pollution, University of Tehran. (In Persian) 
10.Hormozi, B., Hejazinezhad, F., and Abtahi, F. 2007. Golestan experience in controlling the quality of rural potable water. Water Environ. J. 67: 9-13.
11.Igwe, J.C., and Abia, A.A. 2006. Review A bioseparation process for removing heavy metals from waste water using biosorbents. African, J. Biotechnol. 5: 1167-1179.
12.Khodapanah, L., Sulaiman, W.N.A., and Khodapanah, N. 2009. Groundwater Quality Assessment for Different Purposes in Eshtehard District, Tehran, Iran. Europ. J. Sci. Res.
36: 4. 543-553.
13.Larsen, M., Capobianco, M., and Hanson, H. 1999. Relationship between beach profiles & wave at duck, north Arolina, determined by CCA. Mar. Geol. J. 163: 275-288.
14.Liu, W.C.H., Yu, W.L., and Chung, C.E. 2011. Assessment of Water Quality in a Subtropical Alpine Lake Using Multivariate Statistical Techniques and Geostatistical Mapping- A Case Study. Inter. J. Environ. Res. Pub. Health. 8: 1126-1140.
15.Marengo, E., Carla Gennaro, M., Elisa, R., Maiocchi, A., Pavese, G., Indaco, A., and Rainero, A. 2008. Statistical analysis of groundwater distribution in AlessandriaProvince (Piedmont-Italy). Microchem. J. 88: 167-177.
16.Mirzaei, M., Riahi-Bakhtiari, A.R., Salman-Mahini, A.R., and Gholamalifard, M. 2014.
Analysis of the physical and chemical quality of Mazandaran province (Iran) rivers using multivariate statistical methods. Mazandaran Univresity, J. Med. Sci. 23: 108. 41-52. (In Persian) 
17.Motaghi Golshan, A., Hosseini Nasab, S.M.E., and Rohani, F. 2009. Assessment of correlation patterns of temperature, humidity and rainfall in using canonical correlation analysis. Iran, J. Stat. Res. 6: 1. 93-119. (In Persian)
18.Napacho, Z.A., and Manyele, S.V. 2010. Quality assessment of drinking water in Temeke District (part II): Characterization of chemical parameters. Afric. J. Environ. Sci. Technol.
4: 11. 775-789.
19.Noori, R., Sahabi, M.S., Karbasi, A.R., Baghvand, A., and Taati-Zadeh, H. 2010. Multivariate statistical analysis of surface water quality based on correlation & variations in the data set. Desalination. 260: 129-136.
20.Papaioannou, A., Plageras, P., Dovriki, E., Minas, A., Krikelis, V., Nastos, P.Th., Kakavas, K., and Paliatsos, A.G. 2007. Ground waters quality and location of productive activities in the region of Thessaly (Greece). Desalination J. 213: 209-217.
21.Parizanganeh, A.H., Bijnavand, V., Zamani, A.A., and Haj Abolfath, A. 2010. Assessment of heavy metal pollution in surficial soils surrounding Zinc Industrial complex in Zanjan- Iran. Procedia Environ. Sci. J. 2: 162-166.
22.Rahimi, M.H., Kalantari, N., and Mazarei, F. 2005. Application of statistical method in the monitoring points of hydrochemical. 9th Symposium of Geological Society of Iran. Tehran. (In Persian) 
23.Ramezani, S., and Hashemi, S.H. 2011. Analysis on Water quality of Zarineh river with principle components analysis technique. 4th Iran Water Resources Management Conference. University of Amir Kabir. Tehran. (In Persian)
24.Rasi Nezami, S., Nazariha, M., Baghvand, A., and Moridi, A. 2013. Karkheh River Water Quality Using Multivariate Statistical Analysis and Qualitative Data Variations. Health System Research. 8: 7. 1280-1292.
25.Statheropoulos, M., Vassiliadis, N., and Pappa, A. 1998. Principal Component and Canonical Correlation Analysis for Examining Air Pollution and Meteorological Data. Atm. Environ. J. 32: 6. 1087-1095. 
26.Tokalıog˘lu, S., and Kartal, S. 2006. Multivariate analysis of the data and speciation of heavy metals in street dust samples from the Organized Industrial District in Kayseri (Turkey). Atmospheric Environment. 40: 2797-2805.
27.Varol, M. 2011. Assessment of heavy metal contamination in sediments of the TigrisRiver (Turkey) using pollution indices and multivariate statistical techniques. J. Hazardous Mater. 195: 355-364.
28.Verbeke, J.S., Hartog, J.C.D., Dekker, W.H., Coomans, D., Buydens, L., and Massart, D.L. 1984. The use of principal components analysis for the investigation of an organic air pollutants data set. Atm. Environ. J. 18: 1. 2471-2478.
29.Vesali Naseh, M.R., Karbassi, A.R., Ghazban, F., and Baghvand, A. 2012. Analysis of correlation between heavy metals in water and sediment samples of Anzaly. J. Health Syst. Res. 8: 1. 114-122. (In Persian) 
30.Yidana, S.M., Ophori, D., and Banoeng-Yakubo, B. 2008. A multivariate statistical analysis of surface water chemistry data–The Ankobra Basin, Ghan. J. Environ. Manage. 86: 80-87.
31.Zamani, A.A., Yaftian, M.R., and Parizanganeh, A.H. 2012. Multivariate statistical assessment of heavy metal pollution sources of groundwater around a lead and zinc plant. Iranian, J. Environ. Health Sci. Engin. 9: 29. 1-18.
32.Zhang, Q., Li, Z., Zeng, G., Li, J., Fang, Y., Yuan, Q., Wang, Y., and Ye, F.
2009. Assessment of surface water quality using multivariate statistical techniques in red soil hilly region: a case study of Xiangjiang watershed, China. Environ. Monitor. Assess. J.
152: 123-131.