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

The obtained PCA results suggest that there is an overlap between SH4 and SH5 in terms of biological and physical factors and the
passing water through recreational and urban areas. Meanwhile, industrial and agricultural e
ffects could have resulted in SH6 water
quality deterioration. Hence, it can also be o
ffered that the high biological impacts in SH4 were covered by agricultural and rural
in
fluences in farther downstream reaches. Based on
Fig. 4
, the values of NSFWQI for the study period showed a signi
ficant decreasing
trend from the river upstream to its downstream. The SH1 Station is consistently classi
fied under class II (71–90). The water quality
changes between SH2 and SH3 did not show a signi
ficant difference. SH4 showed significantly worse water quality only during spring
because of residents
’ robust development and their commercial activities. Areas represented by the SH5 and SH6 stations are clas-
si
fied under class IV. This is a result of discharge from agricultural lands and industrialization impacts. In this study, although there
was a signi
ficant difference in reducing flow regimes during summer and winter months (
Fig. 2
), NSFWQI values could not interpret
signi
ficant water quality changes at the last 4 stations (
Fig. 4
).
In autumn, the
flow rate decreased about 50% from SH3 to SH4, but NSFWQI scores were in similar ranges. As a result, NSFWQI
did not clearly discern SH4 from the downstream sampling point (
Fig. 4
). More precisely, major di
fferences could not be discerned
between SH4, SH5 and SH6 across all seasons (
Fig. 4
). Only SH1 was signi
ficantly different from the other sampling points during
seasonal periods. Therefore, there is a clear need for parameter selection and a reduction in the number of parameters, as the main
impetus for the present study, to clarify di
fferent effects of rural and animal breeding impacts. Omitting unnecessary data and
reducing redundant variables may yield a quick and concise understanding of the issue. Instead of using NSFWQI, we assumed
WQI
min-p
would be more appropriate to select the representatives of animal breeding impacts in the critical sampling point (the SH4).
The results of a study conducted by
TuranKoÇer and Sevgili (2014)
clearly indicated that the WQI
obj
calculation with too many
variables fails to di
fferentiate the affected stream reaches from the discharges of trout farms. They reported that an arbitrary selection
of parameters based on PCA
findings for the index calculation is far more decisive in discerning the affected stream reach from the
intensive trout farms.
Olsen et al. (2012)
concluded that principal components and scores can be used to explore further spatial
patterns in wide water quality of basins a
ffected by runoff/infiltration coming from fields containing poultry waste and waste water.
Given the parameters it includes, the WQI
min-p
index facilitates water quality assessment. In this study, unnecessary parameters
were removed arbitrarily, leaving only four parameters (COD, TUR, FC and TC) to calculate WQI
min-p
. Considering the last mentioned
issue, these variables were major representatives of the SH4 water quality evaluation. A calculation of WQI
min-p
classi
fied water
quality in SH4 as
“bad” (average score) as compared with other impacted stations. These results seemed to be more accurate in terms
of SH4 characteristics. However, there was not a statistically signi
ficant difference between SH4 and other sampling points for all
flow conditions probably due to variations in flow regime. Whereas all urban/rural, agricultural, and industrial activities are the
major parameters of WOI
min
calculation in rivers and streams (
Moss 2008; Neal and Jarvie 2005
), it is probable that water quality
samples may have not been analyzed clearly in regard to the e
ffects of the aforementioned activities. Hence, as a next step in
parameter selection, the correlation matrix based on WQI
min
(WQI
min-c
) was calculated using TUR and FC.
Fig. 4. NSFWQI scores in the sampling points (Values not sharing a common letter were signi
ficantly different (P < 0.05)).
K. Zeinalzadeh, E. Rezaei

tải về 0.71 Mb.

Chia sẻ với bạn bè của bạn: