Many difficulties in data presentat

Many difficulties in data presentation, handling and interpretation could arise if the number of the data becomes large. Therefore, multivariate statistical techniques have become a powerful tool to handle and reduce large volume of water quality data. Statistical techniques, particularly multivariate statistics such as factor analysis are widely used tools for the identification of groundwater contamination (Grande et al., 1996). Many hydrochemical studies worldwide have shown that multivariate statistics significantly help classify and identify different factors controlling groundwater quality (Cloutier et al., 2008; Farnham, 2003; Belkhiri et al., 2010; Prasanna et al., 2010). Multivariate statistics help identify spatial and temporal variations in water quality and sources of contamination (natural and anthropogenic) by analyzing similarities/dissimilarities among the sampled sites (Andrade et al., 2008). Cluster analysis is carried out to reveal specific links between sampling points, while factor analysis/principal component analysis is used to identify the ecological aspects of pollutants on environmental systems (Ganfopadhyay et al., 2001; Kim et al 2009). Factor analysis enables both the classification of groups of data set and hydrochemical facies investigation and also the interpretation of their origin (Dalton and Upchurch 1978; Lawrence and Upchurch 1983; Dragon 2008). Jordan is an arid to semi-arid country with a land area of 89,206 km2 that has suffered deficits in water resources since the 1960s. It ranks as one of the world’s four most water-stressed countries. Moreover, Jordan is facing the problem of water resources contamination with different types of pollutants. The main objectives of the present study are (1) to assess the Umm Rijam (B4) groundwater pollution by nitrate using an innovative nitrate pollution index, and (2) to assess the groundwater quality of the B4 using multivariate statistical methods, namely cluster analysis (CA) and factor analysis (FA).

Kết quả (Việt) 1:

Nhiều khó khăn trong việc trình bày dữ liệu, xử lý và giải thích có thể xảy ra nếu một số dữ liệu trở nên lớn. Do đó, kỹ thuật thống kê đa biến đã trở thành một công cụ mạnh mẽ để xử lý và giảm khối lượng nước chất lượng dữ liệu lớn. Kỹ thuật thống kê, số liệu thống kê đa biến đặc biệt như yếu tố phân tích rộng rãi được sử dụng công cụ cho việc xác định của ô nhiễm nước ngầm (Grande và ctv., 1996). Nhiều hydrochemical nghiên cứu trên toàn thế giới đã chỉ ra rằng số liệu thống kê đa biến đáng kể giúp phân loại và xác định các yếu tố khác nhau kiểm soát chất lượng nước ngầm (Cloutier et al., năm 2008; Farnham, 2003; Belkhiri et al., 2010; Thùy et al., 2010). Số liệu thống kê đa biến giúp xác định các thay đổi không gian và thời gian trong chất lượng nước và các nguồn ô nhiễm (tự nhiên và anthropogenic) bằng cách phân tích sự tương đồng/dissimilarities trong số các trang web lấy mẫu (Andrade và ctv., 2008). Cụm sao phân tích được thực hiện để tiết lộ các liên kết cụ thể giữa lấy mẫu điểm, trong khi phân tích thành phần yếu tố phân tích/chủ yếu được sử dụng để xác định các khía cạnh sinh thái các chất ô nhiễm vào hệ thống môi trường (Ganfopadhyay et al., năm 2001; Kim et al 2009). Yếu tố phân tích cho phép cả hai phân loại của nhóm tập dữ liệu và hydrochemical facies điều tra và cũng giải thích nguồn gốc của họ (Dalton và Upchurch 1978; Lawrence và Upchurch 1983; Con rồng 2008). Jordan là một khô cằn tới các quốc gia bán khô cằn với diện tích là 89,206 km2 đã bị thâm hụt trong nguồn nước từ thập niên 1960. Nó xếp hạng là một trong bốn của thế giới hầu hết các nước nước nhấn mạnh. Hơn nữa, Jordan phải đối mặt với vấn đề ô nhiễm nguồn nước với các loại khác nhau của chất gây ô nhiễm. Mục tiêu chính của nghiên cứu hiện nay là (1) để đánh giá các um Rijam (B4) nước ngầm ô nhiễm bởi nitrat bằng cách sử dụng một chỉ số sáng tạo nitrat ô nhiễm, và (2) để đánh giá chất lượng nước ngầm của B4 bằng cách sử dụng phương pháp thống kê đa biến, cụ thể là cụm phân tích (CA) và yếu tố phân tích (FA).

Kết quả (Việt) 2:

Nhiều khó khăn trong việc trình bày dữ liệu, xử lý và giải thích có thể xảy ra nếu số lượng dữ liệu trở nên lớn. Vì vậy, các kỹ thuật thống kê đa biến đã trở thành một công cụ mạnh mẽ để xử lý và giảm bớt khối lượng lớn dữ liệu chất lượng nước. Các kỹ thuật thống kê, thống kê đa biến đặc biệt chẳng hạn như phân tích nhân tố được sử dụng rộng rãi các công cụ cho việc xác định các ô nhiễm nước ngầm (Grande et al., 1996). Nhiều nghiên cứu thuỷ hoá trên toàn thế giới đã chỉ ra rằng số liệu thống kê đa biến đáng kể giúp phân loại và xác định các yếu tố khác nhau kiểm soát chất lượng nước ngầm (Cloutier et al, 2008;. Farnham, 2003; Belkhiri et al, 2010;. Prasanna et al, 2010.). Thống kê đa biến giúp xác định các biến đổi không gian và thời gian trong chất lượng nước và các nguồn ô nhiễm (tự nhiên và nhân tạo) bằng cách phân tích tương đồng / dissimilarities trong số các trang web được lấy mẫu (Andrade et al., 2008). Cụm phân tích được thực hiện để lộ liên kết cụ thể giữa các điểm lấy mẫu, trong khi phân tích nhân tố / phân tích thành phần chính được sử dụng để xác định các khía cạnh sinh thái của các chất ô nhiễm trên hệ thống môi trường (Ganfopadhyay et al, 2001;. Kim et al 2009). Phân tích nhân tố cho phép cả việc phân loại các nhóm dữ liệu thiết lập và tướng thuỷ hoá điều tra và cũng giải thích nguồn gốc của họ (Dalton và Upchurch 1978; Lawrence và Upchurch 1983; Rồng 2008). Jordan là một đất nước khô cằn để bán khô cằn với một diện tích đất của 89.206 km2 đã bị thâm hụt trong nguồn nước từ những năm 1960. Nó được xếp hạng là một trong bốn hầu hết các nước căng thẳng về nước trên thế giới. Hơn nữa, Jordan đang đối mặt với các vấn đề về nguồn nước bị ô nhiễm với các loại khác nhau của các chất ô nhiễm. Các mục tiêu chính của nghiên cứu này là: (1) để đánh giá Umm Rijam (B4) ô nhiễm nước ngầm do nitrat sử dụng một chỉ số ô nhiễm nitrate sáng tạo, và (2) để đánh giá chất lượng nước ngầm của B4 sử dụng phương pháp thống kê đa biến, phân tích cụ thể là cụm (CA) và phân tích nhân tố (FA).