Clustering of observation wells of Khoy Plain aquifer from the view of water quality using the K-Means

Document Type : Research paper

Author

Associate Professor, Water Engineering Department, University of Tabriz, Tabriz, Iran

10.22034/hydro.2022.12906

Abstract

The aim of the present study is regionalization of groundwater observation wells of Khoy plain into distinct clusters based on quality of water using the K-Means method. The recorded data of fourteen groundwater quality parameters including the Total Cations, Total Anions, Electrical Conductivity (EC), pH, Total Dissolved Solids (TDS), Sodium Absorption Ratio (SAR), Total Hardness (TH), Sodium percent (%Na), Magnesium (Mg2+), Calcium (Ca2+), Sodium(Na), Sulfate (SO42-), Chloride (Cl-), Bicarbonate ) were used. These data gathered for the 26 observation wells in the time period of 2001-2003. The optimum number of clusters was found by optimization method in K-means clustering algorithm assuming to be between two and five. In order to determine the groundwater quality to use in agricultural and drinking purposes the Wilcox diagram was used. The results showed that groundwater of Khoy plain can be classified into the four distinct classes. The first class covers an area equal to 214.3 km² (51.14 % of the total area of the plains), which has very favorable to use in agriculture and drinking use. The second region covers an area of 50.1 square kilometers (11.95 %) and the third region’s area was 52.7 km² (12.57 %), respectively. The third region has poor quality water and area of this region is equal to 9.101 km² (24.31%). The high values of EC and SAR were found in the third cluster, which led to groundwater quality to be poor. In general, it can be concluded that more than the 50 percent of the Khoy plain’s groundwater had desirable chemical quality. It is recommended to protect groundwater in Khoy plain from pollution risk and overexploitation. For sustainable use of groundwater, it is recommended to protect groundwater by prohibiting agriculturalists and other users from overexploitation.

Keywords


اصغری مقدم، ا.، جلالی، ل.، 1393. بررسی آنومالی آرسنیک و منشأ احتمالی آن در آب زیرزمینی دشت خوی. زمین­شناسی مهندسی و محیط‌زیست، 24(94): 147-154.
اقدر، ح.، محمدیاری، ف.، 1393. استفاده از روش آماری تحلیل خوشه­ای جهت ارزیابی کیفی آب زیرزمینی دشت مهران و دهلران. اولین کنفرانس بین‌المللی یافته­های نوین در علوم کشاورزی، منابع طبیعی و محیط‌زیست. 25 اسفند، تهران.
حاجی حسینلو، ح.، 1397. بررسی افت سطح آب­های زیرزمینی با استفاده از سیستم اطلاعات جغرافیایی (مطالعه موردی: دشت خوی). جغرافیا و مخاطرات محیطی، 26:73-53.
جانی، ر.، 1398. مدل‌سازی خوشه­ای تراز آب زیرزمینی دشت تبریز با استفاده از مدل آریما. نشریه هیدروژئولوژی، 4(2):74-91.
جلالی، ل.، اصغری مقدم، ا.، 1392. تشخیص وضعیت هیدروژئوشیمیایی و روند شوری در سفره آب زیرزمینی دشت خوی به روش­های آماری و هیدروشیمیایی. محیط­شناسی، 39(2): 113-122.
جوادی، س.، هاشمی، م.، و سوخته‌زاری، م.، 1397. تحلیل چند پارامتری آلودگی آبخوان قزوین بر مبنای نقشۀ کاربری اراضی و با استفاده از تکنیک خوشه­بندی K-meansا. اکوهیدرولوژی، 5(2): 305-293.
دانشور وثوقی، ف.، دین‌پژوه، ی.، 1391. بررسی روند تغییرات کیفیت آب زیرزمینی دشت اردبیل با استفاده از روش اسپیرمن. محیط‌شناسی، 38(4): 17-28.
دانشور وثوقی، ف.، دین‌پژوه، ی.، اعلمی، م. ت.، 1390. تأثیر خشکسالی بر تراز آب زیرزمینی در دو دهه اخیر (مطالعه موردی: دشت اردبیل). دانش آب‌وخاک، 21(4): 179-165.
دین‌پژوه، ی.، فاخری-فرد، ا.، حسنپور اقدم، م. ع.، بهشتی­وایقان، و.، 1394. تحلیل روند تغییرات کیفیت آب زیرزمینی در دشت شبستر- صوفیان. علوم و مهندسی آبیاری، 38(1): 55-69.
سامانی، س.، کلانتری، ن.، رحیمی، م.، 1390. استفاده از روش آماری تحلیل خوشه­ای جهت ارزیابی کیفی آب زیرزمینی دشت اوان. فصلنامه مهندسی منابع آب، سال چهارم، 11: 75- 80.
صادقی، ه.، آلبوعلی، ع.، قضاوی، ر.، 1395. بررسی روند زمانی و مکانی تغییر پارامترهای کیفی آب دشت کاشان با استفاده از روش­های زمین‌آمار. نشریه علوم آب‌وخاک (علوم و فنون کشاورزی و منابع طبیعی)، سال 20، 76: 73- 83.
عبادتی، ن.، 1394. بررسی روند تغییرات کیفی منابع آب زیرزمینی دشت ایوانکی. مجله اکو­هیدرولوژی، 4(2): 383 - 394.
علیزاده، ا.، 1388. اصول هیدرولوژی کاربردی، انتشارات دانشگاه آستان قدس رضوی.
فخری، س.، اصغری مقدم، ا.، شکری، س. و نجیب، م.، 1392. ارزیابی عوامل مؤثر بر کیفیت آب زیرزمینی در دشت مرند. اولین همایش زمین­شناسی کاربردی ایران. 5 شهریور. دانشگاه دامغان، دامغان.
کامجو، ح.، ریاضی، م.، خدایی، م.، مداد، ا.، 1389. آنالیز آماری چندمتغیره پارامترهای هیدروشیمیایی آبخوان دشت سمنان. همایش ملی آب با رویکرد آب پاک. 11 اسفند، دانشگاه صنعت آب و برق (شهید عباسپور). تهران.
کلاهدوزان، ع.، دین‌پژوه، ی. عباسپور، د.، قربانیان، م.، 1394. بررسی روند تغییرات کیفیت آب زیرزمینی دشت میاندوآب با استفاده از روش مان-کندال. دانش آب‌وخاک، 25(2): 235-221.
ندیری، ع.، صدقی، ز.، 1398. ارزیابی آسیب­پذیری آبخوان­های چندگانه با استفاده از روش­های DRASTIC, SINTACS. نشریه هیدروژئولوژی، 4(2):171-186.
نگهبان­خواجه، ف.، دین‌پژوه، ی.، 1398. تحلیل روند تغییرات تراز آب زیرزمینی با استفاده از روش ناپارامتری من-کندال (مطالعه موردی: دشت تبریز). علوم آب‌وخاک، 23(2): 348-335.
Ay, M., Kisi, O., 2014. Modelling of chemical oxygen demand by using ANNs, ANFIS and k-means clustering techniques. Journal of Hydrology, 511: 279-289.
Bu, H., Tan, X., Li, S., Zhang, Q., 2010. Water quality assessment of the Jinshui River (China) using multivariate statistical techniques. Environmental Earth Sciences, 60: 1631-1639.
Carvalho, M.J., Melo-Goncalves, P., Teixeira, J.C., Rocha, A., 2016. Regionalization of Europe based on a K-Means Cluster Analysis of the climate change of temperatures and precipitation. Physics and Chemistry of the Earth, 94: 22-28.
Celestino, A.E., Cruz, D.A., Sanchez, E.M., Reyes, F.G., Soto, D.V., 2018. Groundwater Quality Assessment: An Improved Approach to K-Means Clustering, Principal Component Analysis and Spatial Analysis: A Case Study. Water, 10(4): 437-457.
Chapagain, S.K., Pandey, V.P., Shrestha, S., Nakamura, T. Kazama, F., 2010.  Assessment of deep groundwater quality in Kathmandu valley using multivariate statistical techniques. Water, Air, and Soil Pollution, 210(1-4): 277-288.
Everitt, B.S., Landau, S., Leese, M., Stahl, D., 2011. Cluster Analysis. Fifth Edition, John Wiley and Sons, 348 p.
Guldemir, H., Sengur, A., 2006. Comparison of clustering algorithm for analog modulation classification. Department of Electronic and Computer Science, Education Faculty, Firat University, 30: 642-649.
Kim, J.H., Kim, R.H., Lee, J., Cheong, T.J., Yum, B.W., Chang, H.W., 2004. Multivariate statistical analysis to identify the major factors governing groundwater quality in the coastal area of Kimje, South Korea. Hydrological Processes, 19(6): 1261–1276.
Liu, C.W., Lin, K.H., Kuo, Y.M., 2003. Application of factor analysis in the assessment of groundwater quality in a Blackfoot disease area in Taiwan. Science of the Total Environment, 313 (1–3): 77–89.
Naranjo-Fernandez, N., Guardiola-Albert, C., Aguilera, H., Serrano-Hidalgo, C., Montero-Gonzalez, E., 2020. Clustering groundwater level time series of the exploited Almonte-Marismas aquifer in southwest Spain. Water (MDPI), 12:1-20.
Spanos, T., Eye, A., 2015. Assessment of groundwater quality and hydrogeological profile of Kavala area, Northern Greece. Romanian Journal of Physics,  60(7-8): 1139–1150.
Srivastava, S.K., Ramanathan, A.L., 2008. Geochemical assessment of groundwater quality in vicinity of Bhalswa landfill, Delhi, India, using graphical and multivariate statistical methods. Environmental Geology, 53(7): 1509-1528.
Todd, D.K., Mays, L.W., 2015. Groundwater Hydrology. Third edition. John Wiley Publication.
Wu, C., Feng, C., Wu, X., Zhu, G., Zhang, Y., 2021. Hydrogeochemical characterization and quality assessment of groundwater using self-organizing maps in the Hangjinqi gasfield area, Ordos Basin, NW China. Geoscience Frontiers, 12(2): 781-790.