Kvalitetssäkring av ämnesdata för beräkning av hälsoriskbaserade riktvärden för förorenad mark

Storlek: px

Starta visningen från sidan:

Download "Kvalitetssäkring av ämnesdata för beräkning av hälsoriskbaserade riktvärden för förorenad mark"

Ulf Sundström
för 5 år sedan
Visningar:

1 Kvalitetssäkring av ämnesdata för beräkning av hälsoriskbaserade riktvärden för förorenad mark Charlotta Tiberg, Pär-Erik Back, Yvonne Ohlsson, Maria Carling, Dan Berggren Kleja På säker grund för hållbar utveckling

2 Bakgrund Riktvärden är vanliga verktyg vid riskbedömningar av förorenad mark. Generella riktvärden finns för ett 50-tal ämnen. 2

3 Bakgrund Riktvärden tas fram inom enskilda projektet. Data för en rad ämnesspecifika parametrar behövs, t.ex. TDI (Tolerabelt dagligt intag), Kd (fördelningsfaktor). Kvalitet på och redovisning av ämnesdata och riktvärden? 3

4 Att ta fram ett stöd för att; Syfte - systematiskt välja ut och kvalitetssäkra ämnesspecifika parametrar för beräkning av riktvärden (hälsoriskbaserade delen), - kvalitetssäkra själva riktvärdena samt - transparent redovisa resultaten. Samhällsnytta Riktvärden av bra kvalitet bidrar till säkrare och snabbare riskbedömningar samt rätt omfattning av åtgärder. Stöd för de som tar fram och de som granskar riktvärden. 4

5 Publikation SGI Publikation 15 Redigerbar mall för Ämnesdatablad (sök kvalitetssäkring ämnesdata) 5

6 Metodiken 1. Översiktlig datainventering och genomgång av särskilda egenskaper 2. Fördjupad datainventering 3. Kvalitetsklassning av ämnesspecifika data i datakvalitetsklasser; 1, 2 eller 3 6

7 Datakvalitetsklasser ämnesdata Datakvalitetsklass 1: Flera vetenskapligt granskade värden för ämnesparametern överensstämmer med varandra eller en välrenommerad källa rekommenderar detta värde. Datakvalitetsklass 2: Vetenskapligt granskade värden för ämnesparametern överensstämmer inte helt med varandra och det går inte att med säkerhet avgöra vilket värde som är bäst. Datakvalitetsklass 3: Mycket osäkert värde, till exempel ej vetenskapligt granskad data (från konsultrapporter, kvalificerade uppskattningar med mera). 7

8 Metodiken 1. Översiktlig datainventering och genomgång av särskilda egenskaper 2. Fördjupad datainventering 3. Kvalitetsklassning av ämnesspecifika data i datakvalitetsklasser; 1, 2 eller 3 4. Kvalitetssäkring av riktvärden a) Beräkning samt rimlighetsbedömning b) Känslighetsanalys c) Kvalitetsklassning av riktvärden; grön, gul, orange eller röd 8

Kvalitetsklassning riktvärden Kvalitetsklass GRÖN: Riktvärde av hög kvalitet.

på känslighetsanalysen, har en Riktvärde tydlig påverkan av god på kvalitet.

har Kriterier: granskats av person(er) med expertkunskap (se avsnitt 3.6).

känslighetsanalysen, har en Riktvärde tydlig påverkan av låg kvalitet.

2, och Riktvärdet bör användas riktvärdet med har stor granskats försiktighet.

9 Kvalitetsklassning riktvärden Kvalitetsklass GRÖN: Riktvärde av hög kvalitet. Kriterier: Data har tagits fram för alla ämnesparametrar, och Kvalitetsklass valda data för alla GUL: de ämnesparametrar som, baserat på känslighetsanalysen, har en Riktvärde tydlig påverkan av god på kvalitet. riktvärdet Dataunderlaget tillhör Datakvalitetsklass för någon/några 1, och parametrar har tydliga riktvärdet brister. har Kriterier: granskats av person(er) med expertkunskap (se avsnitt 3.6). Data har tagits fram för alla ämnesparametrar, och Kvalitetsklass valda data för alla ORANGE: de ämnesparametrar som, baserat på känslighetsanalysen, har en Riktvärde tydlig påverkan av låg kvalitet. på riktvärdet Dataunderlaget tillhör Datakvalitetsklass har allvarliga 1 eller brister. 2, och Riktvärdet bör användas riktvärdet med har stor granskats försiktighet. av person(er) Kriterier: med expertkunskap (se avsnitt 3.6). Data har tagits fram för alla ämnesparametrar, och Kvalitetsklass indata för flertalet RÖD: ämnesparametrar tillhör Datakvalitetsklass 1 eller 2, men Riktvärde av mycket låg kvalitet. Dataunderlaget har så allvarliga brister att data för en del viktiga parametrar tillhör Datakvalitetsklass 3. riktvärdet inte bör användas. Kriterier: Data saknas för viktiga parametrar och/eller betydande delar av indata tillhör Datakvalitetsklass 3. 9

10 Metodiken 1. Översiktlig datainventering och genomgång av särskilda egenskaper 2. Fördjupad datainventering 3. Kvalitetsklassning av ämnesspecifika data i datakvalitetsklasser: 1, 2 eller Kvalitetssäkring av riktvärden a) Beräkning samt rimlighetsbedömning b) Känslighetsanalys c) Kvalitetsklassning av riktvärden; grön, gul, orange eller röd 5. Intern och extern granskning 6. Dokumentation a) Ämnesdatablad b) Underlagsdokument 10

11 Dokumentation Redovisas i Ämnesdatablad Redigerbar mall för Ämnesdatablad: 11

12 Exempel volfram Litet dataunderlag gav kvalitetsklass orange. Känslighetsanalys TDI viktigaste parametern Hälsoriskbaserat riktvärde med KMparametrar varierade med över 20 ggr i känslighetsanalysen beroende på TDI-värdet Tydligt hur viktigt det är att använda rätt värden för ämnesspecifika parametrar och att det finns osäkerheter i riktvärdet. 12

13 Varför använda metodiken? Systematisk genomgång och bedömning av ämnesdata höjer kvaliteten på riktvärdet. Tydligt vilken kvalitet ett riktvärde egentligen har. Tydligt vad som är osäkert. Lätt att följa och granska. 13

14 Sök Kvalitetssäkring ämnesdata Informationsblad och blädderex av SGI Publikation 15 finns i SGI:s monter 14

Relevanta dokument

Preliminära riktvärden för högfluorerade ämnen (PFAS) i mark och grundvatten

Preliminära riktvärden för högfluorerade ämnen (PFAS) i mark och grundvatten Michael Pettersson, Märta Ländell, Yvonne Ohlsson, Dan Berggren Kleja, Charlotta Tiberg Rapport från ett regeringsuppdrag SGI