Ứng dụng phân tích thống kê đa biến trong đánh giá chất lượng nước dưới đất huyện Tân Thành, tỉnh Bà Rịa – Vũng Tàu

66 SCIENCE & TECHNOLOGY DEVELOPMENT, VOL 20, NO.M2-2017 
Tóm tắt - Ở nghiên cứu này, các phương pháp phân 
tích thống kê đa biến (MSA) như phân tích thành 
phần chính (PCA) và phân tích cụm (CA) được ứng 
dụng cho việc xác định sự biến thiên về không gian và 
thời gian của chất lượng nước dưới đất huyện Tân 
Thành, tỉnh Bà Rịa – Vũng Tàu. Các mẫu nước dưới 
đất được thu thập từ 18 giếng quan trắc vào tháng 4 
(mùa khô) và tháng 10 (mùa mưa) trong năm 2012. 
Mười lăm thông số chất lượng nước (pH, độ cứng, 
TDS, Cl-, F-, NO3-, SO42-, Cr6+, Cu2+, Ca2+, Mg2+, Na+, 
K+, HCO3- và Fe2+) được lựa chọn để tiến hành phân 
tích thống kê đa biến. 
PCA xác định được ba thành phần chính ảnh 
hưởng đến chất lượng nước dưới đất. Ba thành phần 
chính gồm yếu tố nhiễm mặn, sự tương tác của các 
thành phần thạch học và nhân sinh đã giải thích được 
70,5% (mùa khô) và 71,28 % (mùa mưa) biến thiên 
phương sai của tập mẫu. Kết quả phân tích cụm (CA) 
chỉ ra 2 nhóm khác nhau với sự đồng nhất trong nội 
bộ từng cụm. 
Kết quả nghiên cứu đã cho thấy tính cần thiết của 
phân tích thống kê đa biến trong xử lý bộ dữ liệu quan 
trắc để trích rút ra những thông tin cần thiết phục vụ 
quản lý tài nguyên nước dưới đất. 
Từ khoá- phân tích thống kê đa biến, phân tích 
thành phần chính, phân tích cụm, nước dưới đất, quan 
trắc môi trường. 
Bài nhận ngày 30 tháng 05 năm 2017, chấp nhận đăng ngày 
28 tháng 11 năm 2017 
Nguyễn Hải Âu, Viện Môi trường và Tài nguyên, ĐHQG-
TP.HCM, (Email: haiauvtn@gmail.com) 
Phan Thị Khánh Ngân, Viện Môi trường và Tài nguyên, 
ĐHQG,TP.HCM, (Email: khanhngan2109@gmail.com) 
Hoàng Thị Thanh Thủy, Đại học Tài nguyên và Môi trường 
TP.HCM, (Email: httthuy@hcmunre.edu.vn) 
Phan Nguyễn Hồng Ngọc, Đại học Tài nguyên và Môi trường 
TP.HCM (Email: ngocphan1201@gmail.com) 
1 GIỚI THIỆU 
hân tích thống kê đa biến (MSA - Multivariate 
Statistics Analysis) bao gồm các kỹ thuật 
thống kê khác nhau, bao gồm phân tích cụm 
(CA - Cluster Analysis) và phân tích biệt số (DA - 
Discriminant Analysis), phân tích nhân tố (FA - 
Factor Analysis), phân tích thành phần chính (PCA 
- Principal Component Analysis), phân tích phương 
sai đa biến (MANOVA),trong đó, PCA và CA là 
2 phương pháp được sử dụng phổ biến nhất [1]. 
PCA được áp dụng để giảm số chiều của một tập 
dữ liệu bao gồm một số lượng lớn của các biến liên 
quan. Những cắt giảm được thực hiện bằng cách 
chuyển đổi các dữ liệu vào một tập mới của các 
biến, các thành phần chủ yếu (PCs), đó là trực giao 
(không tương quan) và được sắp xếp theo thứ tự 
giảm dần tầm quan trọng. CA là phương pháp phân 
loại các đối tượng hay các biến sao cho các đối 
tượng trong cùng một cụm xét theo các đặc tính 
được chọn để phân tích [2]. 
Trong những năm gần đây, các phương pháp 
PCA và CA đã được sử dụng khá rộng rãi trong các 
ứng dụng môi trường, bao gồm các đánh giá quan 
trắc diễn biến chất lượng nước ngầm, nước mặt, 
kiểm tra kết quả các mô hình mô phỏng chất lượng 
nước theo không gian và thời gian, xác định các yếu 
tố hóa học liên quan đến các điều kiện thủy văn, và 
đánh giá các chỉ thị chất lượng môi trường [3, 4]. Ở 
Mỹ và các nước Châu Âu như Pháp, Thổ Nhĩ Kỳ 
[5] và các quốc gia ở Châu Á như Malaysia [6], 
Trung Quốc [7], Nhật Bản [4], Ấn Độ [8-10], các 
nghiên cứu này đã ứng dụng các phương pháp MSA 
đánh giá chất lượng nước mặt, nước dưới đất ở các 
lưu vực sông dựa vào mối quan hệ giữa các thông 
số quan trắc với các đặc điểm các tầng chứa nước, 
từ đó đề xuất được các thông số đặc trưng chất 
lượng nước để giám sát và quản lí hiệu quả. 
Ở Việt Nam, các kĩ thuật thống kê đa biến cũng 
được sử dụng rộng rãi trong nhiều lĩnh vực khác 
nhau như tâm lý, kinh tế, xã hội, kỹ thuật trong đó 
có lĩnh vực môi trường (chủ yếu là sử dụng phương 
pháp phân tích hồi quy tuyến tính để xử lí các số 
Ứng dụng phân tích thống kê đa biến trong 
đánh giá chất lượng nước dưới đất 
huyện Tân Thành, tỉnh Bà Rịa – Vũng Tàu 
Nguyễn Hải Âu, Phan Thị Khánh Ngân, Hoàng Thị Thanh Thủy, Phan Nguyễn Hồng Ngọc 
P 
TẠP CHÍ PHÁT TRIỂN KHOA HỌC VÀ CÔNG NGHỆ, TẬP 20, SỐ M2-2017 67 
liệu phân tích thí nghiệm, kiểm định thông số mô 
hình mô phỏng. Phân tích đánh giá chất lượng nước 
chỉ dựa vào phương pháp so sánh với qui chuẩn cho 
phép, phân vùng dựa vào chỉ số chất lượng nước 
(WQI) và mô hình toán), chưa có nghiên cứu nào sử 
dụng các kĩ thuật phân tích thống kê đa biến đánh 
giá chất lượng nước một cách đầy đủ, riêng biệt 
[11]. 
Trong nghiên cứu này, tập trung phân tích các 
thông số lí hóa của chất lượng nước dưới đất từ số 
liệu quan trắc các tầng chứa nước Pleistocen bằng 
cách sử dụng các kỹ thuật đa biến PCA, CA kết hợp 
với đặc điểm tầng chứa nước và phân bố nguồn thải 
trên địa bàn huyện Tân Thành, tỉnh Bà Rịa - Vũng 
Tàu. 
2 TÀI LIỆU VÀ PHƯƠNG PHÁP 
NGHIÊN CỨU 
 Mô tả vùng nghiên cứu 
Huyện Tân Thành đã và đang trở thành một trong 
ba địa phương có nền kinh tế phát triển bậc nhất tỉnh 
Bà Rịa – Vũng Tàu, là nơi tập trung nhiều khu công 
nghiệp nhất của tỉnh. Nhu cầu sử dụng nước trên địa 
bàn huyện là khá lớn để phục vụ phát triển kinh tế, 
trong khi đó các nguồn khai thác nước mặt từ các 
sông, hồ trên địa bàn không đáp ứng được nhu cầu 
sử dụng. Theo số liệu điều tra năm 2012 của Sở Tài 
Nguyên và Môi trường tỉnh Bà Rịa - Vũng Tàu thì 
tổng lưu lượng khai thác nước dưới đất trên địa bàn 
huyện trung bình 18.608.430 m3/năm (chủ yếu từ 
trạm cấp nước Phú Mỹ - Mỹ Xuân và Nhà máy nước 
Tóc Tiên), trong đó cấp nước sinh hoạt là 
13.174.310m3/năm và cho sản xuất là 5.434.120 
m3/năm, nước được khai thác chủ yếu trong tầng 
chứa nước lỗ hổng các trầm tích Pleistocen. Tầng 
chứa nước lỗ hổng Pleistocen được tạo thành từ đất 
đá hạt thô nằm dưới hệ tầng Củ Chi, hệ tầng Thủ 
Đức và hệ tầng Trảng Bom với các khoáng vật 
chính: Fluorit-apatit, felspat, thạch cao, turmalin, 
montmorilonit, ilmenit và một số tạp chất khác [12, 
13]. 
Huyện Tân Thành có diện tích tự nhiên là 33.825 
ha, dân số trung bình là 137.334 người, phía Đông 
giáp huyện Châu Đức, phía Tây giáp huyện Cần Giờ 
và thành phố Vũng Tàu, phía Nam giáp thành phố 
Bà Rịa và phía Bắc giáp huyện Long Thành, tỉnh 
Đồng Nai. Huyện Tân Thành nằm trong vùng khí 
hậu đồng bằng Nam Bộ có khí hậu nhiệt đới gần 
xích đạo, chịu ảnh hưởng chủ yếu từ gió mùa Ðông 
Bắc và Tây Nam. Một năm có hai mùa rõ rệt là mùa 
khô và mùa mưa. Mùa khô kéo dài từ tháng 12 đến 
tháng 4 năm sau, có nền nhiệt độ trung bình hàng 
năm cao (26,3oC) và hầu như không thay đổi nhiều 
trong năm. Mùa mưa bắt đầu từ tháng 5 đến tháng 
11, lượng mưa trung bình năm là 1356.5 mm/năm. 
Hình 1. Sơ đồ vị trí lấy mẫu quan trắc nước dưới đất huyện 
Tân Thành, tỉnh Bà Rịa – Vũng Tàu 
 Tài liệu nghiên cứu 
Trong bài báo này, 15 thông số chất lượng nước 
(Ca2+, Mg2+, Na+, K+, HCO3-, pH, độ cứng, TDS, 
Cl-, F-, NO3-, SO42-, Cr6+, Cu2+ và Fe2+) từ 18 giếng 
quan trắc chất lượng nước dưới đất trên địa bàn 
huyện Tân Thành được Sở Tài nguyên và Môi 
trường tỉnh Bà Rịa – Vũng Tàu thực hiện vào mùa 
khô năm 2012 (NB2C, NB2A, NB3A, NB1B, NB4, 
VT2B, NB1A, VT2A, VT6, QT5B, NB2B, QT11, 
QT7B, NB3B, QT5A, VT4B, QT7A, VT4A) được 
lựa chọn xử lý và đánh giá. Vị trí các giếng quan 
trắc được trình bày trong sơ đồ vị trí quan trắc ở 
Hình 1. 
3 PHƯƠNG PHÁP PHÂN TÍCH THỐNG KÊ 
ĐA BIẾN VÀ XỬ LÝ SỐ LIỆU 
Tất cả các tính toán toán học và thống kê được 
thực hiện bằng cách sử dụng phần mềm EXCEL 
2013 (Microsoft Office). Các phân tích CA, DA 
được xử lí bằng phần mềm SPSS. Sơ đồ phương 
pháp nghiên cứu được trình bày ở Hình 2. 
 Phân tích thành phần chính (PCA) 
Kỹ thuật PCA rút ra các giá trị riêng và phương 
sai từ ma trận tương quan của các biến ban đầu. Các 
thành phần chính là các biến không tương quan, thu 
được bằng cách nhân các biến tương quan ban đầu 
với hệ số tải nhân tố. Vì vậy, các thành phần chính 
68 SCIENCE & TECHNOLOGY DEVELOPMENT, VOL 20, NO.M2-2017 
được kết hợp tuyến tính của các biến ban đầu. PC 
cung cấp thông tin về các thông số có ý nghĩa nhất, 
trong đó mô tả toàn bộ dữ liệu thiết lập dựng hình 
dữ liệu giảm với sự giảm tối thiểu các thông tin ban 
đầu. Nó là một kỹ thuật mạnh mẽ cho mô hình giải 
thích sự thay đổi của một tập lớn các tương quan 
biến và chuyển đổi thành một tập hợp nhỏ hơn của 
các biến độc lập (thành phần chính) [3]. 
Hình 2. Sơ đồ phương pháp nghiên cứu 
FA tiếp tục làm giảm sự đóng góp của ít biến 
quan trọng thu được từ PCAvà nhóm mới của các 
biến được rút ra thông qua việc quay trên trục được 
xác định bởi PCA. Trục đồ thị xác định bởi PCA 
quay để giảm sự liên kết các biến ít quan trọng. FA 
có thể được biểu diễn như sau: 
Fi= a1y1j + a2y2j ++ amymj (1) 
Khi Fi là nhân tố, a là hệ số tải nhân tố, y là giá 
trị đo của biến, i là số nhân tố, j là số mẫu và m là 
tổng số biến. Và các nhân số (các điểm số tổng số 
ước lượng được cho từng quan sát trên các nhân tố 
được rút ra) có thể được biểu thị như sau: 
ij mjm 2j21j1ij e +fa +..+fa + fa = Z (2) 
 Phân tích cụm (CA) 
Trong nghiên cứu này, phương pháp phân tích 
CA được lựa chọn là phương pháp phân tích cụm 
tích tụ dựa vào phương sai là “thủ tục Ward” trong 
loại thủ tục phân cụm thứ bậc (Hierarchical 
clustering). Theo thủ tục Ward thì ta sẽ tính giá trị 
trung bình tất cả các biến cho từng cụm một. Sau đó 
tính khoảng cách Euclid bình phương (Squared 
Euclidean distance) giữa các phần tử trong cụm với 
giá trị trung bình của cụm, rồi lấy tổng tất cả các 
khoảng cách bình phương này. Ở mỗi giai đoạn tích 
tụ thì hai cụm có phần tăng trong tổng các khoảng 
cách bình phương trong nội bộ cụm nếu kết hợp với 
nhau là nhỏ nhất sẽ được kết hợp. Cụ thể hơn, trong 
phương pháp này khoảng cách hoặc sự giống nhau 
giữa 2 nhóm A và B được xem là khoảng cách nhỏ 
nhất giữa 2 điểm A và B [6]: 
D(A,B) = Range{d(xi,xj), 
với xi є A và xj є B} 
(3) 
Khi d(xi,xj) là khoảng cách Euclid bình phương 
trong công thức (3). Tại mỗi bước khoảng cách 
được tìm thấy từng cặp nhóm và 2 nhóm có khoảng 
cách nhỏ nhất (giống nhau nhiều nhất) được gộp lại. 
Sau khi 2 nhóm được gộp lại, tiếp tục lặp lại các 
bước tiếp theo: khoảng cách giữa tất cả các cặp 
nhóm được tính lại lần nữa, và cặp có khoảng cách 
ngắn nhất được gộp vào nhóm đơn. Kết quả của việc 
phân nhóm cấu trúc được biễu diễn bằng đồ thị - 
biểu đồ hình cây. 
4 KẾT QUẢ VÀ THẢO LUẬN 
Thống kê mô tả về bộ dữ liệu thông số chất lượng 
nước dưới đất được thể hiện trong Bảng 1. Sự phân 
bố các thông số chất lượng nước dưới đất được đánh 
giá bằng cách xác định giá trị lớn nhất, giá trị nhỏ 
nhất, giá trị trung vị, độ lệch chuẩn của tập dữ liệu 
quan trắc gồm 15 thông số. Kết quả thấy được xu 
hướng biến động của các thông số chất lượng nước 
được lấy ở 18 giếng quan trắc tầng chứa nước 
Pleistocen khu vực nghiên cứu. 
 Phân tích PCA 
PCA được sử dụng phân tích 15 thông số chất 
lượng nước. Bảng 2 thể hiện kết quả phân tích nhân 
tố được thực hiện bởi phương pháp rút trích nhân tố 
(phương pháp mặc định là rút các thành phần 
chính). Vòng xoay nhân tố chính được thực hiện 
theo phương pháp xoay nguyên gốc các nhân tố để 
tối thiểu hoá số lượng biến có hệ số lớn tại cùng một 
nhân tố (Vanimax với Kaiser bình thường). Trong 
bài báo này, tất cả các liên hệ giữa các thông số có 
hệ số tương quan lớn hơn 50% đều được góp phần 
xác định thông số chất lượng nước đặc trưng của 
khu vực nghiên cứu. 
 Đối với dữ liệu mùa khô, ba thành phần chính 
được rút trích giải thích được 70,50% tổng phương 
sai bộ dữ liệu thủy hoá. Với giá trị tổng phương sai 
đạt 38,71% của thành phần 1, có liên quan đến các 
biến gồm Cl-, độ cứng, Fe2+, Na+, K+, Mg2+, Ca2+ và 
TDS. Các thông số tương quan trong thành phần 1 
được giải thích cho việc chất lượng nước khu vực 
nghiên cứu chịu ảnh hưởng khá lớn từ thành phần 
hóa học có trong trầm tích sông-sông biển hiện hữu 
TẠP CHÍ PHÁT TRIỂN KHOA HỌC VÀ CÔNG NGHỆ, TẬP 20, SỐ M2-2017 69 
hoặc có xu hướng bị nhiễm mặn từ biển. Sự nhiễm 
mặn thể hiện ở hàm lượng cao của TDS cũng như 
xu hướng tập trung cao các ion Cl-, Na+, K+, Mg2+ 
và một số muối sắt hiện hữu. Trong tính chất nước 
dưới đất, khi có sự tương quan chặt giữa Cl- thường 
đi cùng với các ion Na+, K+, Mg2+ đây là các thành 
phần có trong nước biển chôn vùi hoặc nước biển 
xâm nhập vào tầng chứa nước thông qua các cửa 
sông. Thành phần 2 với tổng giá trị phương sai đạt 
16,59%, có sự tương quan các biến HCO3-, F-, NO3- 
và SO42-. Các thông số tương quan trong thành phần 
2 được giải thích cho việc chất lượng nước khu vực 
chịu ảnh hưởng bởi đặc điểm đất đá của tầng chứa 
nước, chủ yếu là do sự rửa lủa đá vôi (CaCO3), 
dolomit (CaMg[CO3]2) và sét vôi với sự có mặt của 
khí CO2-. Thành phần 3 được giải thích với giá trị 
phương sai đạt 15,206%, bao gồm các thông số Cu, 
Cr6+ và pH, trong đó mối tương quan giữa các thông 
số khác với thông số pH thường ở dạng thuận 
nghịch. Tuy nhiên, mối tương quan của các thông 
số trong thành phần 3 chưa thật sự mạnh mẽ và chưa 
cho thấy xu hướng chung về các đặc trưng của chất 
lượng nước. 
Đối với dữ liệu mùa mưa, ba thành phần chính 
được rút trích giải thích được 71,28% tổng phương 
sai bộ dữ liệu thủy hoá. So với 3 thành phần ở mùa 
khô thì 3 thành phần rút trích ở mùa mưa có sự thay 
đổi về thành phần các thông số tương quan đại diện 
cho mùa mưa, chủ yếu là nước nhạt với tổng khoáng 
hóa giảm. Với giá trị tổng phương sai đạt 41,86% 
của thành phần 1, các thông số tương quan gồm 
Cl-, độ cứng, F-, Fe2+, Na+, K+, Mg2+ và Ca2+. So với 
mùa khô, hai thông số đặc trưng là Na+ và Cl- đã 
giảm do lượng bổ cập nước nhạt lớn vào tầng chứa 
nước, tuy nhiên sự tương quan trong thành phần 1 
cũng được giải thích cho việc chất lượng nước khu 
vực nghiên cứu chịu ảnh hưởng khá lớn từ biển. 
Thành phần 2 với tổng giá trị phương sai đạt 18,703 
% có sự tương quan các biến TDS, độ cứng, Cu2+, 
SO42- và HCO3-. 
Các thông số tương quan trong thành phần 2 được 
giải thích cho việc chất lượng nước khu vực ngoài 
chịu ảnh hưởng bởi đặc điểm đất đá của tầng chứa 
nước (chủ yếu là đá vôi, sét vôi và khoáng dolomit) 
còn nhiều tác động lớn chất lượng nước mặt, nước 
mưa chảy tràn bề mặt bổ cập vào các giếng. Tương 
tự như mùa khô, thành phần 3 ở mùa mưa được giải 
thích với giá trị phương sai đạt 10,88%, bao gồm 
các thông số Fe2+, Cu2+, NO3-, Cr6+ và pH. Vai trò 
giải thích phần trăm phương sai ở thành phần này 
không đáng kể đối với tập dữ liệu mô hình cũng 
chưa thể hiện được xu hướng chung của chất lượng 
nước. 
Nhìn chung, qua kết quả phân tích chất lượng 
nước dưới đất huyện Tân Thành bằng phương pháp 
PCA cho thấy chất lượng nước có hai đặc trưng là 
xu hướng nhiễm mặn từ biển và đặc điểm thủy địa 
hóa tầng chứa nước. Kết quả phân tích này sẽ được 
chỉ ra rõ hơn trong phương pháp phân tích nhóm 
(CA) ở phần tiếp theo. 
 Bảng 1. Thống kê mô tả các thông số chất lượng nước dưới đất khu vực nghiên cứu 
Thông 
số 
Đơn 
vị 
Mùa khô Mùa mưa 
Max Min Median Mean Std Max Min Median Mean Std 
Ca mg/l 430,86 1,40 7,76 40,34 99,34 100,20 1,40 16,03 20,39 24,00 
Mg mg/l 145,92 0 1,22 17,52 37,60 118,56 0,24 0,79 11,30 28,32 
Na mg/l 1223 2,57 7,67 133,71 304,29 644,44 3,57 7,12 72,92 161,32 
K mg/l 105 0,41 2,58 11,42 24,83 57,90 1,22 3,26 7,31 13,24 
HCO3
- mg/l 289,85 0 30,51 51,17 74,13 494,26 0 51,87 67,12 111,22 
pH - 7,28 4,1 6,13 6,14 0,90 7,33 4,16 6,17 6,21 0,92 
TH mg/l 657,5 8,5 46,25 104,65 162,07 308,5 8 22 73,06 103,49 
TDS mg/l 1357 38 105,5 261,53 379,68 1368 43 87,5 218,33 365,76 
Cl mg/l 953,61 7,09 17,73 121,47 258,69 475,03 7,09 13,29 65,92 126,11 
F mg/l 1,63 0 0,14 0,27 0,37 1,70 0 0,11 0,21 0,38 
70 SCIENCE & TECHNOLOGY DEVELOPMENT, VOL 20, NO.M2-2017 
Bảng 2. Ma trận rút trích thành phần chính mùa khô và mùa mưa năm 2012 
Thông số 
Mùa khô Mùa mưa 
Thành 
phần 1 
Thành 
phần 2 
Thành 
phần 3 
Thành 
phần 1 
Thành 
phần 2 
Thành 
phần 3 
Na 0,944 0,796 
Mg 0,908 0,764 
TDS 0,883 0,822 
Cl 0,873 0,703 
K 0,872 0,850 
Ca 0,794 0,658 
Fe 0,648 0,529 -0,745 
Độ cứng (TH) 0,618 0,713 
HCO3
- 0,771 -0,527 
F 0,763 0,878 
NO3 
- 0,743 0,885 
SO4
2- 0,521 0,678 
Cu 0,844 0,615 
Cr6+ 0,838 0,741 
pH -0,635 0,579 
Eigenvalues 5,807 2,488 2,281 6,255 2,805 1,633 
% Phương sai 38,710 16,588 15,206 41,698 18,703 10,884 
% Tích lũy 38,710 55,299 70,505 41,698 60,401 71,286 
Ghi chú: Phương pháp phân tích: Phân tích thành phần chính (PCA - Principal Component Analysis) 
 Phương pháp xoay: Varimax with Kaiser Normalization 
 Phân tích CA 
Phân tích cụm đã được áp dụng để kết hợp các 
giếng trong khu vực nghiên cứu vào các nhóm đồng 
nhất do chất lượng nước ngầm. Trong nghiên cứu 
này, phương pháp liên kết Ward với khoảng cách 
Euclide bình phương đã được sử dụng để nhóm 
giếng khảo sát vào các cụm. Phân tích cụm cho thấy 
hai nhóm nước ngầm (Hình 3, Hình 4 và Bảng 3). 
Dựa vào Bảng 3 cho thấy kết quả phân cụm khá 
tương đồng cho cả mùa mưa và mùa khô, cụm 1 
gồm 15 giếng (NB2C, NB2A, NB3A, NB1B, NB4, 
VT2B, NB1A, VT2A, VT6, QT5B, NB2B, QT11, 
QT7B, NB3B, QT5A) đại diện cho các giếng nước 
NO3 
- mg/l 2,44 0,11 0,60 0,80 0,65 6,09 0,17 0,48 1,27 1,83 
SO4
2- mg/l 95,58 5,76 47,59 50,04 24,41 59,08 2,88 13,21 17,18 13,03 
Cr6+ mg/l 0,07 0 0 0,01 0,02 0 0 0 0 0 
Cu mg/l 0,11 0,01 0,02 0,03 0,03 0,02 0 0 0 0 
Fe mg/l 69,36 0,16 2,70 7,30 15,79 46,45 0,18 1,42 7,45 12,27 
Ghi chú: Max – Giá trị lớn nhất; Min – Giá trị nhỏ nhất; Median – Giá trị trung vị; TH: Độ cứng 
 Mean – Giá trị trung bình; Std - Độ lệch chuẩn; 
Bảng 3. Ma trận rút trích thành phần chính mùa khô và mùa mưa năm 2012 
 Mùa khô Mùa mưa 
Thông số 
quan trắc 
Đơn 
vị 
Cụm 1 Cụm 2 Cụm 1 Cụm 2 
NB2C, NB2A, NB3A, NB1B, NB4, 
VT2B, NB1A, VT2A, VT6, QT5B, 
NB2B, QT11, QT7B, NB3B, QT5A 
VT4B, 
QT7A, 
VT4A 
NB2C, NB2A, NB3A, NB1B, NB4, 
VT2B, NB1A, VT2A, VT6, QT5B, 
NB2B, QT11, QT7B, NB3B, QT5A 
VT4B, 
QT7A, 
VT4A 
Giá trị trung bình Giá trị trung bình 
Ca2+ mg/l 12,54 179,36 12,45 60,12 
Mg2+ mg/l 3,21 89,07 2,08 57,36 
Na+ mg/l 24,08 681,88 20,51 334,94 
K+ mg/l 3,07 53,18 3,35 27,09 
HCO3
- mg/l 42,08 96,62 41,9 193,23 
pH - 6,23 5,66 6,31 5,7 
Độ cứng mg/l 44,01 407,83 29,27 292 
TDS mg/l 105,64 1041 97,07 824,67 
Cl- mg/l 24,05 608,56 15,41 318,46 
F- mg/l 0,2 0,6 0,12 0,67 
NO3
- mg/l 0,89 0,36 1,27 1,27 
SO4
2- mg/l 45,47 72,85 14,47 30,74 
Cr6+ mg/l 0,01 0,01 0 0 
Cu2+ mg/l 0,03 0,04 0 0,01 
Fe2+ mg/l 2,86 29,52 6,75 10,91 
TẠP CHÍ PHÁT TRIỂN KHOA HỌC VÀ CÔNG NGHỆ, TẬP 20, SỐ M2-2017 71 
nhạt và cụm 2 gồm 3 giếng (VT4B, QT7A, VT4A) 
đại diện cho các giếng nước bị nhiễm mặn thông 
qua các thông số có giá trị trung bình cao như TDS 
(mùa khô 1041 mg/l, mùa mưa 824 mg/l); Clorua 
(mùa khô 608 mg/l, mùa mưa 318 mg/l). 
Hình. 3. Biểu đồ phân tích cụm (mùa khô) Hình. 4. Biểu đồ phân tích cụm (Mùa mưa) 
KẾT LUẬN 
Kỹ thuật thống kê đa biến được ứng dụng trong 
nghiên cứu này như một công cụ phân tích rõ hơn 
về chất lượng nước dưới đất, giúp các nhà quản lý 
hiểu rõ hơn về sự biến đổi theo không gian của chất 
lượng nước dưới đất, từ đó đưa ra được các giải 
pháp nhằm quản lý bền vững nguồn tài nguyên 
nước. Kết quả phân tích thành phần chính (PCA) đã 
chỉ ra được ba nhân tố chính của chất lượng nước 
dưới đất và kết quả phân tích CA cũng chỉ ra được 
có 2 nhóm các giếng có chất lượng nước tương 
đồng. Kết quả phân tích cho thấy chất lượng nước 
có sự thay đổi về phân bố các ion ở các thành phần 
chính theo mùa, tuy nhiên với chuỗi số liệu còn hạn 
chế nên các thay đổi này chưa được giải thích rõ về 
mối tương quan của nó trong nước dưới đất tầng 
pleistocen khu vực. Riêng các ion đại diện cho xu 
hướng nhiễm mặn như TDS, Cl-, Na+, K+, SO42- thì 
kết quả phân tích đã được giải thích là khá thỏa 
đáng. 
LỜI CẢM ƠN 
Để hoàn thành nghiên cứu này, nhóm tác giả trân 
trọng cảm ơn Viện Môi trường và Tài Nguyên, 
ĐHQG Tp.HCM đã hỗ trợ kinh phí cho nghiên cứu 
này. Các tác giả cũng chân thành cảm ơn sự hỗ trợ 
của Sở Tài nguyên và Môi trường tỉnh Bà Rịa – 
Vũng Tàu trong việc cung cấp các dữ liệu quan trắc 
chất lượng nước dưới đất năm 2012 tại huyện Tân 
Thành, tỉnh Bà Rịa – Vũng Tàu. 
TÀI LIỆU THAM KHẢO 
[1] N. V. Tuấn, "Phân tích dữ liệu với R" tại NXB Tổng hợp TP. 
HCM . Thành phố Hồ Chí Minh , 2016. 
[2] F. Akbal, L. Gürel, T. Bahadır, İ. Güler, G. Bakan, and H. 
Büyükgüngör, "Multivariate statistical techniques for the 
assessment of surface water quality at the Mid-Black Sea 
Coast of Turkey," Water, Air, & Soil Pollution, vol. 216, pp. 
21-37, 2011. 
[3] E. M. de Andrade, H. A. Q. Palácio, I. H. Souza, R. A. de 
Oliveira Leão, and M. J. Guerreiro, "Land use effects in 
groundwater composition of an alluvial aquifer (Trussu 
River, Brazil) by multivariate techniques," Environmental 
Research, vol. 106, pp. 170-177, 2008. 
[4] S. Shrestha and F. Kazama, "Assessment of surface water 
quality using multivariate statistical techniques: A case 
study of the Fuji river basin, Japan," Environmental 
Modelling & Software, vol. 22, pp. 464-475, 2007. 
[5] M. Varol and B. Sen, "Assessment of surface water quality 
using multivariate statistical techniques: a case study of 
Behrimaz Stream, Turkey," Environ Monit Assess, vol. 159, 
pp. 543-53, Dec 2009. 
[6] A. F. Alkarkhi, A. Ahmad, and A. M. Easa, "Assessment of 
surface water quality of selected estuaries of Malaysia: 
multivariate statistical techniques," The Environmentalist, 
vol. 29, pp. 255-262, 2009. 
[7] H. Bu, X. Tan, S. Li, and Q. Zhang, "Water quality 
assessment of the Jinshui River (China) using multivariate 
statistical techniques," Environmental Earth Sciences, vol. 
60, pp. 1631-1639, 2010. 
[8] T. A. Khan, "Groundwater Quality Evaluation Using 
Multivariate Methods, in Parts of Ganga Sot Sub-Basin, 
Ganga Basin, India," Journal of Water Resource and 
Protection, vol. 7, p. 769, 2015. 
[9] S. A. Romshoo, R. A. Dar, K. O. Murtaza, I. Rashid, and F. 
A. Dar, "Hydrochemical characterization and pollution 
assessment of groundwater in Jammu Siwaliks, India," 
Environmental monitoring and assessment, vol. 189, p. 122, 
2017. 
[10] S. Gholami and S. Srikantaswamy, "Statistical multivariate 
analysis in the assessment of river water quality in the 
vicinity of KRS Dam, Karnataka, India," Natural resources 
research, vol. 18, pp. 235-247, 2009. 
[11] N. H. Âu, Vũ Văn Nghị, Lê Thanh Hải, "Bước đầu áp dụng 
kỹ thuật phân tích thống kê đa biến phân tích số liệu chất 
lượng nước lưu vực sông Thị Tính, Tỉnh Bình Dương," Tạp 
chí Phát triển khoa học và công nghệ của Viện Hàn Lâm 
Khoa học và Công nghệ Việt Nam, vol. 52 (2B), p. 9, 2014. 
[12] Sở Tài Nguyên và Môi trường tỉnh Bà Rịa - Vũng Tàu, 
"Nghiên cứu điều tra bổ sung, quy hoạch quản lý khai thác, 
bảo vệ bền vững tài nguyên nước dưới đất tỉnh Bà Rịa - 
Vũng Tàu", 2012. 
[13] Sở Tài Nguyên và Môi trường tỉnh Bà Rịa - Vũng Tàu, "Vận 
hành mạng quan trắc nước dưới đất tỉnh Bà Rịa-Vũng Tàu", 
2015. 
72 SCIENCE & TECHNOLOGY DEVELOPMENT, VOL 20, NO.M2-2017 
Abstract - In the present study, Multivariate 
Statistical Analysis (MSA) such as Principle 
Component Analysis (PCA) and Cluster Analysis 
(CA) were applied to determine the temporal and 
spatial variations of groundwater quality in Tan 
Thanh district, Ba Ria – Vung Tau province. 
Groundwater samples were collected from 18 
monitoring wells in April (dry season) and October 
(wet season) during the year 2012. Fifteen parameters 
(pH, TH, TDS, Cl-, F-, NO3-, SO42-, Cr6+, Cu2+, Ca2+, 
Mg2+, Na+, K+, HCO3- and Fe2+) were selected for 
MSA. 
PCA identified a reduced number of mean three 
latent factors of groundwater quality. Three factors 
called salinization, water-rock interaction and 
anthropogenic pollution explanined 70,5% (dry 
season) and 71.28% (wet season) of the variances. 
Cluster analysis revealed two main different groups of 
similarities between the sampling sites. 
This study presents the necessity of MSA in order 
to extract more precise information from a huge 
minitoring data, which will be usefull to groundwater 
quality management.
Keywords - cluster analysis, environmental monitoring, groundwater, multivariate statistic analysis, 
principal component analysis.
Application of multivariate statistical analysis in 
the assessment of groundwater quality of 
Tan Thanh district, Ba Ria – Vung Tau province 
Nguyen Hai Au, Phan Thi Khanh Ngan, Hoang Thi Thanh Thuy, Phan Nguyen Hong Ngoc