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

Contents lists available at
ScienceDirect
Journal of Hydrology: Regional Studies
journal homepage:
www.elsevier.com/locate/ejrh
Determining spatial and temporal changes of surface water quality
using principal component analysis
Kamran Zeinalzadeh
a
,
⁎
, Elnaz Rezaei
b
a
Urmia Lake Research Institute, Urmia University, Iran
b
Dept. of Water Engineering, Urmia University, Iran
A R T I C L E I N F O
Keyword:
NSFWQI
WQI
min
Principal component analysis
River water quality
Shahr chai river
Iran
A B S T R A C T
Study region: Shahr Chai River, Lake Urmia basin, Iran.
Study focus: The present study investigated the ability of the Principal Component Analysis (PCA)
technique in pointing the environmental e
ffects of discharges from different activities. Major
indicator parameters were extracted for water quality analysis of the Shahr Chai River located in
Lake Urmia basin, Iran. The water quality parameters were measured monthly in six stream
reaches and were a
ffected by discharges from intensive recreational centers and rural and
agricultural activities.
New hydrological insights: The results showed that the NSFWQI and the WQI
min-p
could not dis-
tinguish between highly impacted stream reaches, while the calculated WQImin-c with two
parameters including turbidity and fecal coliforms could meaningfully classify the sampling
stations. These two parameters were selected based on results from correlation matrix. This study
showed that calculation of the WQI
min-c
was an e
ffective and easily applicable assessment method
for di
fferent effluents’ impacts on stream water quality. The PCA technique could justifiably show
di
fferent landscape effects on river water quality whereby the river downstream was found to
experience decreased water quality.
1. Introduction
In recent years, developments in agriculture, industry, and urban activities, especially around rivers, have e
ffected significant
changes in quality and quantity of these water resources. Changes in rivers
’ water quality, mostly due to dramatically increased
chemicals and nutrient materials, threaten aquatic ecosystems and river downstream environmental conditions. Further, it is rarely
possible to present the best allocation option for water resources without monitoring water quality. Monitoring network analysis can
be helpful to prevent river pollution and to apply remedial policies (
Debels et al., 2005
). A reliable monitoring of surface water
quality seems to be critical in water resource modeling (
Massoud, 2010
). As there are numerous physical, biological, and chemical
water quality parameters, researchers have proposed a simple expression of the general quality conditions of surface waters called the
Water Quality Index (WQI).
WQI summarizes numerically the information from multiple water quality parameters such as Dissolved Oxygen (DO), Electrical
Conductivity (EC), pH, Biological Oxygen Demand (BOD), and Turbidity (TUR) into one single value. This single value can be used to
compare water quality conditions among sites and to investigate their trends over a given period of time. There are various WQIs
across the world that use di
fferent parameters depending on water quality objectives (
CCME, 2001; Debels et al., 2005
).
Pesce and
http://dx.doi.org/10.1016/j.ejrh.2017.07.002
Received 30 August 2016; Received in revised form 1 June 2017; Accepted 10 July 2017
⁎
Corresponding author.
E-mail address:
k.zeinalzadeh@urmia.ac.ir
(K. Zeinalzadeh).
Journal of Hydrology: Regional Studies 13 (2017) 1–10
Available online 01 August 2017
2214-5818/ © 2017 Published by Elsevier B.V. This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/BY-NC-ND/4.0/).

Wunderlin (2000)
compared the objective WQI (WQI
obj
) on the basis of 20 parameters and the minimum WQI (WQI
min
) on three
parameters (DO, EC or total dissolved solids, and TUR) to assess the e
ffects of urban discharge on the quality of river water. According
to their analyses, they suggested that the WQI
min
is as e
fficient as the WQI
obj
is. Using the WQI
min
resulted in decreased analytical
cost, which is a determining factor in water quality studies.
In a study conducted on water quality of Bagmati river,
Kannel et al. (2007)
compared the results of WQI (considering 18 water
quality parameters), WQI
m
(as a regression analysis result between WQI and WQI
min
values), WQI
min
(considering
five water quality
parameters: temperature (T), pH, DO, EC and Total suspended solids (TSS)), and WQI
DO
(considering a single parameter, DO). Their
results showed that WQI
min
was overestimated in comparison with other indices, whereas both WQI and WQI
min
trends were similar.
In addition, they emphasized WQI
min
for periodic monitoring programs.
Moscuzza et al. (2007)
analyzed the impact of di
fferent
agroindustry e
ffluents on water quality of Salado River by applying WQI
min
. In their study, WQI
min
was calculated using only two
parameters (DO and EC) which can be determined easily in situ. Focusing on the e
ffects of meat industry as the most pollutant source,
they proposed WQI
min
as a useful index for river management decisions.
Sharma and Kansal (2011)
used WQI for Yamuna River in
order to study the aftere
ffects of the projects implemented during Yamuna Action Plan phase I and II. They indicated that BOD, DO,
total coliforms (TC), fecal coliforms (FC) and free ammonia were the most important parameters to investigate the water quality of
Yamuna River.
TuranKoÇer and Sevgili (2014)
suggested that the calculated WQI
min
using NH
4
+
-N and total organic nitrogen could
be applied to survey the impacts of trout farm e
ffluents on the quality of stream water.
A review of the recent studies reveal that di
fferent WQI indices have been efficient for identification of pollution sources/factors
and understanding temporal/spatial variations in river water quality management (
Kannel et al., 2007
). However, the questions that
may remain to be a matter of problem include which parameters to consider and how to select them. In the present study, the
Principal Component Analysis (PCA) technique was evaluated and attempts were made to extract the most important indicator
parameters for assessment of water quality variations in the Shahr Chai River.
2. Materials and methods
2.1. Study site and sampling points
The Shahr Chai River is one of the main running waters of Lake Urmia basin in Iran (located at 37°24
′–37°34′N, 45°35′–45° 16′E).
The River is 72.5 km long. It originates from the Zagros mountain range and passes through the Urmia plain with di
fferent landscapes
and is mostly diverted for urban, agricultural, industrial and domestic use along its way. The average annual
flow of the river is about
170 Million Cubic Meter (MCM) at Band hydrometric station (BHS). The 170 MCM represents the potential in
flows to the river
mainstream (
Fig. 1
). With a capacity of 220 MCM, Shahr Chai Dam was constructed on the river not only to control
floods but also to
supply agricultural and domestic water consumption. Among the signi
ficant river contamination sources are the most populated
centers in urban and rural regions as well as waste from industrial and agricultural activities, especially in the vicinity of Urmia city.
According to a study conducted by the Iranian Ministry of Energy in 2011, there are more than 5600 industrial centers in urban
and rural areas of Urmia region. Furthermore, these centers are generally located around the main stream channel, particularly the
Shahr Chai River downstream. To locate the monitoring stations, the sites with high pollution potential were identi
fied (
Energy
Ministry, 2011
) (
Fig. 1
). The stations were selected such that could both provide access to the river and o
ffer representative samples
of water quality all along the river length. For this purpose, six stations were selected. The
first (SH1) and the second (SH2) stations
were located at the upstream of the Shahr Chai dam. The river
flow and water quality parameters at the third station (SH3) was under
the e
ffect of dam water release schedules (
Fig. 1
). The forth sampling point (SH4) is largely fed by more than 50 restaurant wastes
that were located at the Band recreational region, between the dam and Urmia city entrance. Most of the waste from these restaurants
Fig. 1. Water quality monitoring stations of the Shahr Chai River.
K. Zeinalzadeh, E. Rezaei