A Multivariate Statistical Analysis of Groundwater Chemistry Data in the Highest Bandama Basin at Tortiya (Northern Côte D’Ivoire)

Drissa, Soro Tanina; Ernest, Ahoussi Kouassi; Marie-Solange, Oga Yei; Soro, Nagnin

doi:10.12966/er.09.03.2013

Cited by 4 publications

(3 citation statements)

References 6 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…De même, l'usage des intrants agricoles (fertilisants) et la décomposition de la matière organique due à la déforestation pourraient produire une grande quantité de nitrates qui serait par la suite entraînée vers les nappes par le pluviolessivage et enrichir ces eaux en nitrates. Des études récentes ont également montré que les activités anthropiques telle que l'utilisation des engrais chimiques, les dépôts d'ordures ménagères et les effluents domestiques ont une influence sur la composition chimique des eaux souterraines (Ahoussi et al, 2008 ;Soro et al, 2013 ;Yuan et al, 2017). Ce processus est contrôlé par l'infiltration directe des éléments dans la nappe occasionnant une pollution azotée des eaux souterraines.…”

Section: Discussionunclassified

“…Les techniques statistiques multivariées ont été utilisées dans la littérature pour faciliter la résolution des problèmes géoenvironnementaux. Ces techniques ont été utilisées avec succès pour permettre de comprendre les systèmes d'écoulement des eaux souterraines (Cloutier et al, 2008 ;Yidana et al, 2011) et les processus influençant l'hydrochimie des eaux souterraines à l'échelle du bassin et à l'échelle régionale (Cloutier et al, 2008, Yidana et al, 2010Soro et al, 2013 ;Amadou et al, 2014 ;Yuan et al, 2017). Les méthodes statistiques multivariées ont été aussi utilisées pour identifier et mettre en lumière les sources majeures d'effets anthropogéniques sur la qualité des eaux souterraines et de surface (Jiang et al, 2009 ;Kim et al, 2009 ;Yidana et al, 2011).…”

Section: Introductionunclassified

See 1 more Smart Citation

Application des méthodes statistiques multivariées à l’étude hydrochimique des eaux souterraines de la région des lacs (centre de la Côte d’Ivoire)

Soro¹,

Soro²,

Fossou³

et al. 2019

Int. J. Bio. Chem. Sci

View full text Add to dashboard Cite

RESUME L'approvisionnement en eau potable des populations rurales est assuré par les eaux souterraines dans la région des lacs au centre de la Côte d'Ivoire. L'objectif de cette étude est de comprendre les mécanismes qui gouvernent l'hydrochimie de ces eaux. L'Analyse en Composantes Principales (ACP) et la Classification Ascendante Hiérarchique (CAH) ont été appliquées aux données chimiques de 94 forages d'eau échantillonnés. La température moyenne des eaux est de 27,21°C avec un pH moyen de 6,6. La conductivité électrique moyenne est de 331 µS/cm avec des valeurs extrêmes comprises entre 11,2 et 1097 µS/cm. Ces eaux sont aptes à la consommation en dehors de certains points d'eau dont les concentrations en nitrates, en fer et en manganèse sont supérieures aux normes OMS. Trois composantes principales cumulent une variance totale de 75% des 13 variables. L'ACP et la CAH mettent en évidence trois processus hydrogéochimiques dans l'évolution hydrochimique des eaux souterraines. L'hydrolyse acide des silicates et des carbonates secondaires produit les ions Ca 2+ , Mg 2+ , SO 4 2et HCO 3 dans les eaux. L'oxydo-réduction semble être à l'origine du fer et du manganèse. Les concentrations de NO 3 et de Clsont liées aux activités anthropiques et à la décomposition de la matière organique. L'hydrochimie des eaux souterraines est régit par les facteurs naturels et anthropogéniques.

show abstract

Section: Discussionunclassified

Section: Introductionunclassified

Application des méthodes statistiques multivariées à l’étude hydrochimique des eaux souterraines de la région des lacs (centre de la Côte d’Ivoire)

Soro¹,

Soro²,

Fossou³

et al. 2019

Int. J. Bio. Chem. Sci

View full text Add to dashboard Cite

show abstract

“…Pineros-Garcet et al, 2006;Oliveira et al, 2012;Wheeler et al, 2015). To uncover non-linear relationships, non-parametric data mining approaches provide obvious advantages (Olden et al, 2008;Wiens, 1989;Dungan et al, 2002). Machine learning provides a framework for identifying other explanatory variables, building accurate predictions, and exploring other non-linear mechanistic relationships in the system.…”

Section: Discussionmentioning

confidence: 99%

A meta-analysis of groundwater contamination by nitrates at the African scale

Ouédraogo

Vanclooster

2016

Preprint

View full text Add to dashboard Cite

Abstract. Contamination of groundwater with nitrate poses a major health risk to millions of people around Africa. Assessing the space-time distribution of this contamination, as well as understanding the factors that explain this contamination is important to manage sustainable drinking water at the regional scale. This study aims to assess the variables that contribute to nitrate pollution in groundwater at the pan-African scale by statistical modeling. We compiled a literature database of nitrate concentration in groundwater (around 250 studies) and combined it with digital maps of physical attributes such as soil, geology, climate, hydrogeology and anthropogenic data for statistical model development. The maximum, medium and minimum observed nitrate concentrations were analysed. In total, 13 explanatory variables were screened to explain observed nitrate pollution in groundwater. For the mean nitrate concentration, 4 variables are retained in the statistical explanatory model: (1) Depth to groundwater (shallow groundwater, typically < 50 m); (2) Recharge rate; (3) Aquifer type; and (4) Population density. The former three variables represent intrinsic vulnerability of groundwater systems towards pollution, while the latter variable is a proxy for anthropogenic pollution pressure. The model explains 65 % of the variation of mean nitrate contamination in groundwater at the pan-Africa scale. Using the same proxy information, we could develop a statistical model for the maximum nitrate concentrations that explains 42 % of the nitrate variation. For the maximum concentrations, other environmental attributes such as soil type, slope, rainfall, climate class and region type improve the prediction of maximum nitrate concentrations at the pan-African scale. As to minimal nitrate concentrations, in the absence of normal distribution assumptions of the dataset, we do not develop a statistical model for these data. The data based statistical model presented here represents an important step toward developing tools that will allow us to accurately predict nitrate distribution at the African scale and thus may support groundwater monitoring and water management that aims to protect groundwater systems. Yet they should be further refined and validated when more detailed and harmonized data becomes available and/or combined with more conceptual descriptions of the fate of nutrients in the hydro system.

show abstract

Analysis of meteorological drought indices in the Wadi Righ area (southern Algeria)

Bettahar

Şener

2022

Sustain. Water Resour. Manag.

View full text Add to dashboard Cite

A Multivariate Statistical Analysis of Groundwater Chemistry Data in the Highest Bandama Basin at Tortiya (Northern Côte D’Ivoire)

Cited by 4 publications

References 6 publications

Application des méthodes statistiques multivariées à l’étude hydrochimique des eaux souterraines de la région des lacs (centre de la Côte d’Ivoire)

Application des méthodes statistiques multivariées à l’étude hydrochimique des eaux souterraines de la région des lacs (centre de la Côte d’Ivoire)

A meta-analysis of groundwater contamination by nitrates at the African scale

Analysis of meteorological drought indices in the Wadi Righ area (southern Algeria)

Contact Info

Product

Resources

About