Determining spatial and temporal changes of surface water quality using principal component analysis

parameters (pH, NO
−3
). PC2 underlined the importance of nutrient parameters and biologic attributes resulting from intensive
industrial centers at SH5. Similar component loading patterns were obtained for PC1 in summer (
Fig. 2
). It was positively and largely
in
fluenced by physical parameters (T), chemical parameters (SO
4
−2
, K), nutrient parameters (Total N, PO
4
−3
) and negatively with
DO. In other words, with 21.7% of the total variance, PC2 was positively in
fluenced by biologic parameters (BOD, COD, FC, and TC)
and nutrient parameters (NO
3
−
, NH
4
+
) and negatively a
ffected by EC. The last mentioned parameters (associated with PC2) were
closely related to the samples of SH4, SH5, and SH6. The samples
’ scores of SH4 were close to the axis origins, implying that its
contribution to the total variation was less than the other sampling points.
Similar to PC1 in spring and summer, PC1 in autumn, which explained 33.1% of the total variance, was negatively a
ffected by DO
and positively by BOD, TUR and COD (
Fig. 2
). These results could con
firm a high seasonal variation of the water quality parameters
in this dynamic river system within comparison to e
ffective quality parameters in spring and summer. As it was indicated in
Fig. 2
,
PC1 of the winter, with 47.7% of the total variance, was largely a
ffected by physical (EC) and biological parameters (i.e., FC and TC).
SH6 could clearly explain the greatest share of changes occurring in the water quality parameters during winter. In a comparable
study,
Ouyang et al. (2006)
investigated the seasonal and polluting e
ffects on water quality of the lower St. Johns River (Northeast
Florida, USA) using exploratory data analysis. Their study showed that PC1 was largely contributed by organic parameters (i.e. Total
Kjeldahl-Nitrogen, Total Organic Carbon, and Dissolved Organic Carbon) and physical parameters (i.e., Color, DO, and BOD). The
results of this study stressed that the most important quality parameters a
ffecting water quality changes of each river can be different
from other rivers. It can also be unique for each river and may even change along the stream. The reason for these changes can be
found in di
fferent environmental conditions and human activities around the river from one place to another. In other words,
pollutants a
ffecting water quality in rivers have temporal and spatial variations and should be investigated based on each river’s
environmental conditions.
Note that the SH4 samples were disjoined from the other samples and were mainly associated with TUR and FC (
Fig. 3
). Band
region (SH4) included a recreational zone comprising of fourteen villages located 4 km from Urmia city. Lack of necessary infra-
structure and proper tourism management caused environmental pollution at this region. Animal breeding and holding restaurants in
the Band region are the most widely practiced economic activities by residents in the study site upstream. The water quality samples
were related with the SH4 station as a downstream point of the Band region. The high FC and TUR values seem to be related to the
high amount of waste produced by animal breeding and restaurants e
ffluents, respectively.
Fig. 3. Coordinates of principal component axis based on the monitored variables and stations (Dots violet, green, red, orange, blue and black. denote the samples of
SH1, SH2, SH3, SH4, SH5 and SH6 respectively.). (For interpretation of the references to colour in this
figure legend, the reader is referred to the web version of this
article.)
K. Zeinalzadeh, E. Rezaei

tải về 0.71 Mb.

Chia sẻ với bạn bè của bạn: