Om att använda statistik vid förorenade områden. Tidigare arbeten. Upplägg. Målsättning. Syften och strategier vid miljötekniska

Transkript

1 VÄRLDENS SKILLNAD Om att använda statistik vid förorenade områden Jenny Norrman Chalmers tekniska högskola, Bygg- och miljöteknik, geoavdelningen Statens geotekniska institut (SGI) Tidigare arbeten Arbete inom Kunskapsprogrammet Hållbar Sanering: Provtagningsstrategier (5888) Statistisk utvärdering (5932) Kurs i statistisk dataanalys (5897) Inventering av provtagningsstrategier (5894) Upplägg Introduktion Syften och strategier Begrepp Framtagning av provtagningsstrategier Metodik Räkneexempel Datakvalitet + räkneexempel Att utvärdera data Ramverk för utvärdering av data Demonstrationsexempel Sammanfattning och diskussion eller När du granskar, var observant på Målsättning Att visa hur statistik kan användas i utredningar av förorenade områden, både avseende planering av provtagningar och utvärdering av data. Att ni får grundläggande förståelse för ett antal olika (statistiska) begrepp Att visa vad man bör tänka på vid en granskning av en utredning som hänvisar till statistiska analyser Syften och strategier vid miljötekniska provtagningar (materialet är ursprungligen framtaget av Fredric Engelke, fd SGI numera Structor Miljö AB i Göteborg) Att peka ut några vanliga fallgropar och begränsningar i användandet av statistik 1

2 Förorenade områden en rest av industrisamhället Viktigaste punkterna Syftet med en undersökning är avgörande för hur en provtagningsstrategi bör utformas. Bohus varv olja, tungmetaller uppströms Göteborgs vattenintag Alelyckan Eriksberg fd varvsområde olja, tungmetaller, nu exklusiva bostäder Ett antal fd kemtvättar där nu bostäder finns och exponering sker - problematiskt En konceptuell modell (hypotes) skall alltid arbetas fram innan provtagning genomförs. Det finns en lång rad olika strategier, undersökningsmetoder, provtagningsmedier, mätmetoder och labanalyser. Generellt: ju fler metoder och medier desto säkrare svar Vad representerar dina föroreningshalter? Hur säker behöver du vara för att kunna ta beslut? Konceptuell riskmodell, kemtvätt i Östergötland (Anders Bank och David Engdahl 2008). I vilka medier kan vi undersöka en förorening? Vanliga provtagningsmedier: Jord Grundvatten Ytvatten Porgas i mark Sediment men det finns ju många fler: Byggnadsmaterial Inomhusluft Arkivborrning Partiklar i luft Avlagringar/vatten i brunnar/ledningar Trädkärnor Fisk/kräftdjur och andra organismer Människor Etc, etc. Att öka antalet provtagningsmedier kan i många fall vara smartare än att öka antalet prover inom samma provtagningsmedium Olika egenskaper hos föroreningar Vilka egenskaper har betydelse för val av provtagningsstrategi? Vattenlöslighet Bindningsförmåga i Densitet hos vätskor (DNAPL, LNAPL) Flyktighet Viskositet Toxicitet Etc Hur var det nu, frigolit bör vara en LNAPL eller??? Räckvidd för provtagning i mark Den som styr provtagningen har makten Jordprover avseende föroreningar som kan förväntas påträffas i jordmatrisen (cm-dm) Porgasprover avseende flyktiga föroreningar (1 m) Grundvattenprover avseende vattenlösliga föroreningar ( m) Hur varierar en förmodad halt i olika medier med avseende på tid? Vilka faktorer styr? Hur har detta betydelse för provtagningsstrategin? Räckvidd grundvattenprov Räckvidd jordprov Räckvidd porgasprov p Från rapporten: Inventering av provtagningsstrategier för jord, grundvatten och porgas, Hållbar Sanering rapport Exempel: provtagning inom ramen för en förstudie. Sågverk 2005 Provtagning inom ramen för huvudstudie Systematiska samlingsprov Medel 22 ng/kg TS Riktat stickprov ng/kg TS Livsfarligt! Vad är rätt? Olika strategier, helt olika resultat. 2

3 Redovisning analysresultat, t ex grundvatten GV 1 GV 2 GV 3 GV 4 GV 5 GV 6 RV GV-provtagning sektion Att enbart redovisa halter, utan att beskriva provtagningsmetodik, geologi, filterdjup, strategi, analysmetoder etc säger väldigt lite Syften inte alltid så självklart En beställare, myndighet och konsult måste vara klara över syfte och målsättning med en provtagning. Beroende på vad syftet är kan helt olika provtagningsstrategier behöva tillämpas (volymskattning inför sanering hitta hotspots i en förstudie genomföra en hälsoriskbedömning). Ett syfte bör vara kopplat till någon form av beslut (åtgärder eller ej, fortsatta undersökningar eller ej, osv). Ett syfte bör helst dessutom vara kvantifierbart och realistiskt. Frågeställningar i en huvudstudie Nyckelfrågeställningar som bör besvaras: Finns en viss typ av förorening? Uppskatta medelhalten i ett område eller i en volym. Uppskatta en viss percentil i en föroreningspopulation Uppskatta totalmängden förorening i området Uppskatta mängden förorening i grundvattnet Uppskatta mängden/volymen förorenade massor/grundvatten Uppskatta bakgrundshalter Hur stora är osäkerheterna förknippade med medelhalt, percentil, mängd, volym etc Att göra en interpolering över föroreningshalter, d v s hur är föroreningen fördelad i ett område Identifiera hotspots Avgränsa en förorenad volym, en hotspot eller en plym Hur stora osäkerheter är föroreningens utbredning och/eller mängd förknippad med? Var gör ny data mest nytta (spatiellt)? Hur stora mängder behöver saneras? Hur påverkar olika åtgärder riskbilden (t ex avskärmningar, stabilisering, in situ)? Bedöma spridningsvägar (inte enbart grundvatten) Bedöma exponeringsförhållanden inom objektet och vid närliggande skyddsobjekt Bestämma grundvattenflödets riktning Avgöra om en föroreningskoncentration förändras med tiden Avgöra om en förorening bryts ned med tiden Hur många prover som bör tas, var de bör tas och av vilken typ de bör vara? Etc, etc Riktvärden och säkerhet Frågeställningar: Är området tillräckligt rent? Kan en sanering avslutas? - Haltkriterie = 40 mg/kg! - Avses medel? Median? 90% percentil? Näst högsta halten? UCLM95? Maxvärde? För hur stor volym? Med vilken säkerhet? Är 39,6 mg/kg Ok? - Att enbart ange ett haltkriterium som beslutsnivå för om ett område är tillräckligt rent kan ställa till problem. Bör kopplas till volymer, säkerhet och gärna en provtagningsstrategi % säkerhet är omöjligt! Var det gropen eller högen jag skulle provta? Provtagning och utvärdering av data i JORD Resten av föredraget kommer att diskutera strategier och utvärdering med inriktning på jord Exempel på föroreningar är sådana som fastläggs i mark, t ex tungmetaller, PAH, dioxin och även sekundära föroreningar i fyllnadsmassor Några begrepp som är bra att känna till För andra föroreningar t ex klorerade lösningsmedel, BTEX osv är även grundvatten/porgas mm viktiga provtagningsmedier 3

4 Målpopulation, variabel Målpopulation Den totala mängd av jordvolymer i ett område som vi önskar uttala oss om (i (princip p oändlig) Stickprov (jmf enskilt prov, samlingsprov) Stickprov Ett stickprov är den samlingen av prov som tas från målpopulationen p för att karaktärisera den Variabel En observerbar storhet, i det här fallet varje jordvolyms koncentrationsvärde av en viss förorening Egenskapsområden Egenskapsområden är delområden som är (förhållandevis) homogena Uppdelningen görs av markytan och/eller mot djupet A E D Ledningsgra v Fyllnadsmassor (PAH, metaller) E Bly C Olja Provtagningsskala (support) Provtagningsskalan är den volym som provet representerar och skall alltid anges Exempel skruvborrning, provgrop, samlingsprov Skillnad? Uppdelningen baseras på en konceptuell modell B Varje egenskapsområde utgör en målpopulation Tillbaka till målpopulation och stickprov Vad jämföra med? Och mot? Och hur? Varför är det viktigt med egenskapsområden och provtagningsskala? Jo, för att kunna uttala oss om en målpopulation baserat på ett stickprov så måste mätningarna i stickprovet representera samma målpopulation! Om man på basis av stickprovet vill dra en slutsats om hela målpopulationen är det också viktigt att kunna beräkna hur säkra vi är på slutsatsen Vad skall vi beräkna med stickprovet? Vilket värde är sant? Vad skall värdet jämföras mot? Dioxin, 25 mätvärden, referenshalt 50 ng/kg Typ av representativ halt Värde [ng/kg] Medelvärde: Aritmetiskt medelvärde 41 Medelvärde baserat på lognormalfördelade data, MVU-skattning enligt 440 Gilbert (1987) Medelvärde baserat på lognormalfördelade data, förenklad skattning enligt 13 Gilbert (1987) 95% UCL för medelvärde: Baserat på normalfördelning (Students t-fördelning) 66 Baserat på lognormalfördelning (Land, se Gilbert, 1987) Baserat på lognormalfördelning (Chebyshev, se Singh&Singh, 2007) 2100 Utan antagen fördelning (standard bootstrap) 65 Utan antagen fördelning (Halls bootstrap, se Singh&Singh, 2007) 68 Utan antagen fördelning (Chebyshev, se Singh&Singh, 2007) 106 Percentil: Medianvärde 9,1 90-percentilen ,9-percentilen (extrapolering från data) Ca 500 Maximalt värde 280 4

5 Representativ halt Definieras som den halt som bäst representerar risksituationen på området utan att risken underskattas Bör vara ett statistiskt mått t.ex. medelvärdet den övre konfidensgränsen för medelhalten lt (UCLM) en viss percentil av uppmätta värden Valet baseras på: Typ av risk som avses, acceptabel felmarginal, vilken metod man vill använda, dataunderlaget, mätdatas representativitet, förhandskunskap och annan information Referenshalt Med referenshalt avses den halt som stickprovet (i.e. den representativa halten) jämförs med för att bedöma föroreningsgraden i området Riktvärde: generella eller platsspecifika Jämförvärde för bakgrundshalt Referenshalt för akuttoxicitet Fördelning, medelhalt, standardavvikelse Statistisk fördelning, vanliga fördelningar är normalfördelning och lognormalfördelning För målpopulationen gäller att de två parametrar som beskriver fördelningen är: medelhalt (μ), variansen eller standardavvikelsen (σ) Fördelning, medelvärde, standardavvikelse För stickprovet gäller att de två parametrar som beskriver fördelningen är: Medelvärdet (m), variansen eller standardavvikelsen (s) Ett praktiskt mått på variationen i data är variationskoefficienten: CV = s/m Standardavvikelsen beskriver hur halten varierar från punkt till punkt. Man kan säga att den är ett mått på hur stor en typisk avvikelse från medelhalten är. Detta är teoretiska storheter som vi mer eller mindre noggrant kan beräkna CV=0,3 CV=1,6 Skilj på: median medelvärde! Vad är vad? Hur jämföra? Medelvärdet är det man mäter och används för att skatta medelhalten. Ibland säger man medelhalten när man menar medelvärdet! Medianen är 50-percentilen. Ju skevare fördelning, desto större skillnad mellan medelvärde och median Hur ska vi jämföra den representativa halten (dvs den vi beräknar utifrån stickprovet) med referenshalten? Här tas upp två vanliga principer som kan användas om man vill ta hänsyn till att det finns osäkerheter i beräkningarna av den representativa halten Konfidensintervall och/eller hypotestest 5

6 Konfidensintervall: för att beräkna ett intervall för hur den verkliga medelhalten kan variera Konfidensintervall anger graden av osäkerhet och anges ofta som en punktskattning med felmarginal, t ex medelhalten är 30±3 samt den konfidensgrad som gäller, t.ex. 95%. Konfidensgraden anger då med vilken sannolikhet den verkliga medelhalten ligger inom det beräknade konfidensintervallet. Konfidensintervallet kan beräknas med hjälp av stickprovets medelvärde (m) och standardavvikelse (s), antalet observationer (n) samt antagande om fördelningstyp. Bästa skattningen av medelhalten Undre konfidens gräns (LCLM) Konfidensintervall med en konfidensgrad, t ex 95% 33 Övre konfidensgräns (UCLM) Hypotestest: för att exakt beräkna risken att felaktigt klassa ett område som rent när det är förorenat Statistiska hypotestest undersöker huruvida man kan förkasta en nollhypotes eller ej H0: medelhalten av X är lika med eller högre än riktvärdet. Resultat av statistiskt test H0 förkastas (området klassas som rent) H0 behålls (området klassas som förorenat) H0 sann (området är förorenat) Typ I-fel, α Korrekt beslut, 1-α Verkligt förhållande (okänt) H0 falsk (området är rent) Korrekt beslut, 1-β (styrka) Typ II-fel, Β Hypotestest Kom ihåg! Acceptabla felnivåer (α: signifikansnivå, β: 1-styrkan) avgörs av beslutsfattaren. Dessa är beroende av: Stickprovets storlek (n) Effektstorleken (delta, Δ) (skillnaden mellan verklig medelhalt och det uppmätta medelvärdet) Variationen hos den studerade variabeln (CV) Målpopulation Stickprov Egenskapsområde Provtagningsskala Representativ halt Referenshalt Medelvärde Medelhalt Median Konfidensintervall Hypotestest Framtagning av provtagnings strategi Jenny Norrman, SGI Pär-Erik Back, SWECO Fredric Engelke, Structor Miljö AB Landon Sego, PNNL Ola Wik, SGI FÖRUTSÄTTNINGAR Konceptuell modell: Typ av verksamhet, potentiella föroreningskällor, yta, topografi och geologi, potentiella transportvägar för föroreningar mellan källan och recipienter, styrande ämne. BEGRÄNSNINGAR provtagning analys tid geografi budget METODIK FÖR FRAMTAGNING AV PROVTAGNINGSSTRATEGI 1) Definiera provtagningens syfte 2) Bestäm hur förhandskunskap ska hanteras 3) Definiera rumsliga och tidsmässiga avgränsningar (delområden etc.) 4) Bestäm provtagningsskala och typ av prov 5) Välj ett av följande tre angreppssätt: (a) sannolikhetsbaserat angreppssätt, (b) bedömningsbaserat angreppssätt eller (c) sökbaserat angreppssätt. 6) Bestäm antalet prov och punkternas placering utifrån valt angreppssätt: 6a) Antal prov med sannolikhetsbaserat angreppssätt 6b) Antal prov med bedömningsbaserat angreppssätt 6c) Antal prov med sökbaserat angreppssätt 6

7 Sannolikhetsbaserat angreppssätt Metod 1: Konfidensintervall (Back) Antal prov vid lognormalfördelade data Välj statistisk parameter Gör en uppskattning av variabiliteten Bestäm önskad säkerhet i resultat Välj provtagningsmönster Bestäm antalet prov Antal prov D=1.1 D=1.15 D=1.2 D=1.25 D=1.3 D=1.4 D=1.5 D=1.6 D=1.7 D=1.8 D=1.9 D=2.0 D=2.5 D= Variationskoefficient, CV Metod 2. Hypotestestning (Sego) Bedömningsbaserat angreppssätt Antal prover för att testa medelvärdet mot riktvärdet för lognormalfördelad data. Delta = AL * 0,1 Delta = AL * 0,2 Delta = AL * 0,3 n (antal prover) α = 0,05; β = 0,20; AL = riktvärdet; Delta (Δ) = effektstorlek Delta = AL * 0,4 Delta = AL * 0,5 Delta = AL * 0,6 Delta = AL * 0,7 Delta = AL * 0,8 Delta = AL * 0,9 Formulera hypotes om föroreningssituationen Bestäm typ av prov Bestäm antal prov Bestäm provtagningspunkternas lägen Definiera hur data ska tolkas E D Ledningsgra v E Bly C Olja Fyllnadsmassor (PAH, metaller) A CV B (variationskoefficient) Sökbaserat angreppssätt Övrigt provtagningsstrategi Ange objektets (föroreningens) form och storlek Välj modell och provtagningsmönster Bestäm önskad säkerhet i resultaten t Bestäm antalet prov Val av angreppssätt baseras på provtagningens syfte Allmängiltiga metoder men tillämpat t mot miljötekniska i k undersökningar i jord, dock ej vätskor i fri fas i jord Ett iterativt arbetssätt rekommenderas Traditionella efterbehandlingsprojekt 7

8 Exempel: Upplagsyta vid en impregneringsanläggning Impregneringsplats (koppar, krom, arsenik + drivmedel) med isälvsmaterial 5 delområden: Dieselcistern, impregneringsanläggningen, upplagsytan, utfyllnadsområde + ev. nedgrävt impregneringssalt För upplagsytan vill man bedöma om området är förorenat över riktvärden, samt bedöma hur stor mängd förorening som finns. Representativa halter (här: medelhalten skall tas fram för området som skall användas i en riskbedömning samt för mängdberäkningar). Framförallt är man N Strömmande intresserad av arsenikhalterna vattendrag Utfyllt område i området eftersom arsenik dessutom uppvisar Fastighetsgräns akuttoxiska egenskaper. Upplagsyta Ledningsgrav Byggnad med fd impregneringscylinder Dieselcistern 10 m 3 Exempel 1. Provtagning Bestäm antalet prover som krävs för att beräkna medelhalten av arsenik på upplagsytan med en konfidensgrad på 95% med: Metod baserat på konfidensintervall Metod baserad på hypotestestning Antagande/förutsättning: målpopulationen är lognormalfördelad och proverna tas slumpmässigt inom området Riktvärdet för arsenik är 10 mg/kg TS; CV = 1,5; D = 1,4; Δ = AL * 0,3; β = 0,2 Järnvägsspår Grundvattnets flödesriktning 50 m CV Tabell 3-1. Variationskoefficienten CV och förslag på hur den kan tolkas för förorenad jord. Tabellen kan användas som hjälp vid skattning av variabilitet vid planering av en provtagning. CV Kommentar < 0,5 Mycket liten variation i data, homogen datamängd. Data är troligen normalfördelade. 0,5 1 Måttlig variation i data, relativt homogen datamängd. Data kan troligen betraktas som normalfördelade. 1 1,5 Relativt stor variation i data. Data följer en skev fördelning, t.ex. lognormalfördelning. Dataspannet är några tiopotenser. 1,5 2 Stor variation i data, heterogen datamängd. Data följer en skev fördelning, t.ex. lognormalfördelning. Dataspannet är några tiopotenser. 2 3 Mycket stor variation i data, mycket heterogen datamängd. Data följer en mycket skev fördelning, t.ex. lognormalfördelning. Dataspannet är åtskilliga tiopotenser. Kontrollera om en annan indelning i mer homogena delområden kan göras. > 3 Extremt stor variation i data, extremt heterogen datamängd. Dataspannet är åtskilliga tiopotenser. Gör en annan indelning i mer homogena delområden. Önskad säkerhet (lognormalfördelad data) För metod som bygger på konfidensintervall anges säkerheten som D: D = UCL/μ, dvs uttryckt som en kvot mellan övre konfidensgräns (UCL) och den verkliga medelhalten (μ). Kvoten talar om hur många procent över den verkliga medelhalten som det uppmätta medelvärdet kan tillåtas bli. För metod som bygger på hypotestestning anges säkerheten som effektstorleken (Δ), där effektstorleken kan beskrivas som den skillnad man vill kunna upptäcka vid en provtagning, här skillnaden mellan medelhalt och medelvärde, uttryckt som en procentdel av riktvärdet (eng. Action Level) : Δ = AL * % Frågor Hur många prover bör man ta för given uppställning med respektive metod? Vad innebär D = 1,4 om den verkliga medelhalten är 10 mg/kg TS? Vad innebär Δ = AL * 0,3 med riktvärdet 10 mg/kg TS för arsenik och om den verkliga medelhalten är 8 mg/kg TS? Vad innebär konfidensgrad 95% för respektive metod? Vad innebär β = 0,2? Ytan är ca 2100 m 2, ~hur många prover /100 m 2 blir det? Man upptäcker att upplaget i själva verket bara är hälften så stort, hur många prover / 100 m 2 behöver man då med samma förutsättningar? Datakvalitet: Rätt data till rätt kvalitet Provtagnings mönster Support Provtagning Analys Tolkning Uttag av prov till lab Provkonserv ering Extraktrengörings metod Provberednings metod Rapportering av resultat Analys metod Förhållande mellan mätparameter och beslutsparameter Datakvalitetskedjan: osäkerheten i den svagaste länken blir styrande Variansen av den totala osäkerheten är summan av alla bidragande osäkerheters varianser, t.ex. TO 2 = AO 2 + PO 2 8

9 Osäkerhetsmatematik! Den totala osäkerheten (TO) beräknas genom att addera den analytiska osäkerheten (AO) och provtagningsosäkerheten (PO), genom addition av varianser: TO 2 = AO 2 + PO 2 EXEMPEL: AO är 10 mg/kg, PO är 80 mg/kg TO = 81 mg/kg Vi vill minska den totala t osäkerheten och undersöka hur det kan göras på bästa sätt: Vad händer om vi väljer en bättre analysmetod som har en osäkerhet (varians) på 5 mg/kg? Vad händer om använder den ursprungliga analysmetoden men tar fler prover och minskar provtagningsosäkerheten till 40 mg/kg? Vad händer om vi väljer en billigare analysmetod med osäkerheten 20 mg/kg och tar fler prover enligt punkten ovan? Att utvärdera data Jenny Norrman, Chalmers, fd SIG Tom Purucker, US EPA Pär-Erik Back, SWECO Fredric Engelke, Structor Miljö AB Robert Stewart, University of Tennessee PROVTAGNING STEG 1. BEDÖMNING AV FÖRORENINGSGRAD Mot referenshalt såsom riktvärde eller bakgrund Mot akuttoxisk referenshalt Bedömning av sannolikheten att missa en hotspot Förorenat STEG 2. BEDÖMNING AV ANDEL FÖRORENADE MASSOR Med en normalfördelningsplot Med en definierad statistisk standardfördelning Med betafördelningen Behov av avgränsning STEG 3. BEDÖMNING AV RUMSLIG KORRELATION Ja, finns Inga vidare åtgärder Hantera området som helhet Avgränsning med annan metod än geostatistisk interpolation Föreslaget ramverk för utvärdering: 1) Föroreningsgrad 2) Andel förorenade massor 3) Rumslig korrelation Steg 1. Bedömning av föroreningsgrad Mot referenshalt såsom riktvärde eller bakgrundshalt Mot akuttoxisk referenshalt Bedömning av sannolikheten att missa en hotspot STEG 4. INTERPOLATION Variogramanalys Interpolation Korsvalidering Eventuellt ny provtagning baserad på den rumsliga modellen 4) Interpolation Avgränsning m.h.a. den rumsliga modellen Steg 2. Bedömning av andelen förorenade massor Med en normalfördelningsplot Med en definierad statistisk standardfördelning Med betafördelningen, eventuellt med användning av expertkunskap Betafördelningens värde % 20% 40% 60% 80% 100% Andel [%] Steg 3. Bedömning av rumslig korrelation Konceptuell modell av området: förorenings- och transportprocesser Statistiska metoder för att visualisera och testa rumslig korrelation 9

10 Steg 3. Bedömning av rumslig korrelation Steg 4. Interpolation Konceptuell modell av området: förorenings- och transportprocesser Statistiska metoder för att visualisera och testa rumslig korrelation Variogramanalys Interpolation Korsvalidering Eventuellt ny provtagning baserad på den rumsliga modellen Eventuell avgränsning m h a den rumsliga modellen Rumslig analys Modellering av rumslig korrelation Övrigt utvärdering Allmängiltiga metoder tillämpat mot miljötekniska undersökningar i jord, dock ej vätskor i fri fas i jord Rumslig osäkerhet Rumslig interpolering Området bör först vara indelat i egenskapsområden med liknande föroreningshistoria och geologi Framförallt frekventistisk statistik beskrivs, men även en Bayesiansk metod finns beskriven Programvara: VSP, SADA, ProUCL, Excel Exempel 2. Beräkning av UCLM Man tyckte det blev för dyrt med 60 prover på upplagsytan och hade dessutom indikationer på att området var klart förorenat med arsenik över riktvärdet, varför man valde att endast ta 19 prover baserat på en effektstorlek Δ = AL * 0,5 dvs 5 mg/kg, i övrigt samma krav på osäkerheter. Följande analysresultat lt t för arsenik erhölls: Exempel 2, forts Beskrivande statistik. Vilken fördelning har stickprovet? Beräkning av UCLM95 Provnr. As (mg/kg) Provnr. As (mg/kg) 1 4, , , , , ,32 4 6, , , , , , , , , , , , ,33 Eventuellt: Bedömning av andel massor som överskrider referenshalt för akuttoxicitet Bedömning av andel massor som överskrider riktvärdet 10

11 Beskrivande statistik Variab Antal Min Max Medel Median Varians Std Skevhet Kurtosis CV el As 19 2,93 63,69 20,65 16, ,23 1,421 12,93 1,572 1,421 0,835 1,572 Antal Minsta Största Aritmetiskt Medianen Varians Standarda Skevhet Toppighet Variations- enskild värdet i värdet i (dvs. 50- vvikelse <0=vänster >3= spetsig koefficient = a prov stickproveprovevärde stick- medel- percentilen) >0=höger <3= flack standard- 0=symmetri avvikelse/ medelvärde Fördelning? UCLM95 Med hjälp av Land s metod beräknas UCLM95 för datamängden för arsenik till 35,7 mg/kg (i ProUCL) (jämför med det aritmetiska medelvärdet som är 20,7 mg/kg). UCLM95 överskrider klart riktvärdet på 10 mg/kg, vilket bör tolkas som att risken inte är acceptabel i relation till riktvärdet. OBS! Om riktvärdet för arsenik på 30 mg/kg TS hade varit aktuellt istället så hade man inte dragit samma slutsats på basis av det aritmetiska medelvärdet och UCLM95. Bedömning av andel massor som överskrider referenshalt för akuttoxicitet Referenshalter för akuttoxicitet för arsenik: Ingen förväntad akut effekt: 100 mg/kg TS Dödlig effekt: mg/kg TS Beräkningar i Excel med antagande om att målpopulationen följer en lognormalfördelning med samma parametrar som stickprovet. Andelen massor på området som överskrider 100 mg/kg TS beräknas till 1%, för en yta på 2100 m 2 är detta ca 20 m 2 - Vad är OK? Inga riktlinjer finns. Andelen massor på området som överskrider mg/kg TS beräknas till 8,6*10-11 %, försumbart! Bedömning av andel massor som överskrider riktvärdet Lognormalfördelningsplot: ca 70% - lönar det sig att försöka avgränsa de mest förorenade delarna av området? Betafördelningen: 67%, de två gränserna för det 90%-iga kredibilitetsintervallet beräknas till 54% respektive 86%. (Med en UCLM95 = 35,7 mg/kg g ger detta en total mängd As på 135 kg) När du granskar, var observant på Betafördelningens värde % 20% 40% 60% 80% 100% Andel [%] 11

12 Syftet med en undersökning/utredning: att undersöka om området är förorenat att få en fördjupad riskbedömning att uppfylla kraven på en huvudstudie enligt kvalitetsmanualen Konceptuell modell En konceptuell modell skall alltid(!) arbetas fram Ställ krav på en tydlig och motiverad konceptuell modell Tänk på! Bryt ner i delsyften Försök kvantifiera Koppla till vilket beslut som skall fattas Syftet med en undersökning är helt avgörande för hur en provtagningsstrategi bör utformas!! Finns cisterner? Ledningar? Konceptuell riskmodell, kemtvätt i Östergötland (Anders Bank och David Engdahl 2008). Egenskapsområden I den konceptuella modellen skall sk. egenskapsområden avgränsas. Prover som utvärderas ihop skall komma från samma målpopulation! E D Ledningsgra v E Bly C Olja Interpolation Är det rimligt att interpolera? Finns det något rumsligt samband mellan punkter? Är data från samma målpopulation? Hur används resultatet av en interpolation? Fyllnadsmassor (PAH, metaller) A B Representativ halt och när måste säkerheten vara hög? Ställ krav på en tydlig motivering till vald representativ halt detta skall kopplas till riksituationen. Risker är styrande med olika skalor beroende på exponeringsväg, kräver olika säkerheter och därmed olika provtagningsstrategier. Förorening i en liten volym kan ha stor betydelse om t ex intag av jord är styrande. Vilka risker är styrande för: As? (t ex CCA) Cu? (t ex kopparsulfat, telestolpar) PAH? (kreosot, förbränning osv) Se t ex NV 4639 EKOLOGISK RISK Ekotox ytvatten Ekotox mark HUMAN RISK Lokalt fiske Lokal odling Dricksvatten Ångor Damm Hudkontakt Intag av jord Representativitet (kvm) Hot-spots Det är dyrt att hitta en liten okänd hotspot på ett stort område med hög säkerhet. I de flesta fall krävs så många prover att det orimligt. Vilka är riskerna om det finns en? Är det viktigt? I så fall: - kan sökområdet minskas? - kan identifiering ske med annan metod än traditionell provtagning? 12

13 Koppling till area Om en provtagning utförs för att beskriva en målpopulation är det inte meningsfullt att ange ett antal prov/volym eller area. 10 prover från ett litet område ger lika mycket information som 10 prover från ett mycket stort område om det handlar om samma målpopulation. OBS! Viktigt att dela upp undersökningsområdet i egenskapsområden! Varför kvantifiera och använda statistik? Kvantifiering minskar behovet av bedömningar/tyckande. möjliggör någon form av vetenskaplig kritik. ökar (förhoppningsvis) transparensen i våra ställningstaganden. ökar möjligheten till oberoende jämförelser. Ni behöver inte kunna allt, men kräv att konsulten gör tydliga motiveringar! 13