Analyse multivariée basée sur Python pour une gestion durable de l'eau d'irrigation

Ce livre présente un cadre multivarié intégré piloté par Python pour l'évaluation complète de la qualité des eaux souterraines, en mettant l'accent sur l'aptitude à l'irrigation. En utilisant le taluk de Northern Ranebennur du district de Haveri, Karnataka, comme étude de cas, il combine l'analyse hydrochimique de 150 échantillons d'eau souterraine avec une revue bibliométrique et des techniques avancées d'apprentissage automatique pour relier les observations à l'échelle du terrain avec les tendances de la recherche mondiale. Des paramètres clés tels que le pH, l'EC, le TDS, le SAR, le TH, le MAR, l'indice de Kelley et les indices de qualité de l'eau d'irrigation sont analysés pour évaluer les risques de salinité, de sodicité et de perméabilité du sol. Les résultats indiquent une variabilité spatiale significative, avec des eaux souterraines allant de fraîches à saumâtres et une majorité d'échantillons classés comme modérément appropriés ou inappropriés pour l'irrigation selon les diagrammes de risques standard. Les perspectives bibliométriques révèlent l'évolution des priorités de recherche en matière de gestion de la qualité des eaux souterraines, tandis que les modèles prédictifs tels que PCR, LASSO, Ridge Regression et SVMR mettent en évidence les forces et les limites des approches basées sur les données, en particulier pour les indices complexes.