Stofkoncentrationer i regnbetingede udledninger fra fællessystemerLitteraturstudie, databearbejdning og perspektiveringIndhold1 Indledning 2 Nuværende
praksis for beregning af aflastede mængder 3 Stofafstrømningens processer 4 Litteraturstudie 5 Databearbejdning 6 Sammenligning
af danske og udenlandske undersøgelser 7 Konklusion og anbefaling 8 Perspektiver for den videre
udvikling Bilag A Review of pollutant concentrations Bilag B Bearbejdning af danske måledata Bilag C Oversigt over danske måledata ForordNærværende rapport udgør slutrapporten for projektet "Stofkoncentrationer i regnvandsbetingede udløb fra fællessystemer", der blev gennemført i 1998-99. I projektet er der gennemført en indsamling, kvalitetskontrol og detaljeret bearbejdning af måledata indsamlet i forbindelse med Vandmiljøplanens intensive overvågningsprogram for regnvandsbetingede udløb fra fællessystemer. Desuden er der gennemført et litteraturstudie for at sætte de danske måledata i relation til den nyeste viden internationalt. På dette grundlag revurderes de nuværende typetal i forbindelse med beregning af årsaflastninger af kvælstof, fosfor og organisk stof fra fællessystemer, og der opstilles et perspektiv for fremtidige beregningsmetoder. Undersøgelsen er gennemført som et samarbejdsprojekt mellem Miljøstyrelsen og følgende institutioner og firmaer:
Projektledelse, redigering af rapporter, bidrag til litteraturstudie, databearbejdning og hovedrapport
Litteraturstudie
Databearbejdning, bidrag til hovedrapport
Bidrag til hovedrapport Projektgruppen bestod, i alfabetisk rækkefølge, af
Projektets styregruppe bestod af:
Projektet er løbende blevet diskuteret ved møder i Spildevandskomiteens udvalg vedr. regnafledning i byer. Det må dog understreges, at de endelige formuleringer står for projektgruppens egen regning. Lyngby, 15. april 2000 Sammenfatning og konklusionerBearbejdning af danske måledata Internationalt litteraturstudie Nuværende praksis Stofkoncentrationer i overvand Definitionen på overvand har ikke vundet international anerkendelse, og derfor rapporteres i litteraturen som oftest totale stofkoncentrationer i overløbsvand. I Danmark er overvands- og totale stofkoncentrationer ofte sammenlignelige, idet regnvandet udgør en meget dominerende andel af den totale afstrømning under regn. I udlandet er ledningsnettene ofte dimensioneret med mindre kapacitet, hvilket medfører, at overløb typisk sker oftere og med større andel af spildevand end i Danmark. En direkte sammenligning mellem stofkoncentrationer i overvand og overløbsvand skal derfor tolkes med forsigtighed. Det giver dog formentlig større usikkerheder, at det i litteraturen oftest ikke er dokumenteret, hvorledes prøveudtagningen er foretaget, hvorvidt der er opstrøms bygværker, hvorledes hændelser defineres, samt hvorvidt der overhovedet er tale om fællessystemer og ikke separate regnudledninger med en væsentlig andel af fejltilslutninger. Variationer i stofkoncentrationer Tre nye måleoplande En del af variationen kan forklares
Nye danske typetal for koncentrationer i overvand Nye danske arealenhedstal Perspektivering Summary and conclusionsAnalysis of Danish measurement data International literature review Present calculation practice Pollution concentrations in stormwater* This definition of stormwater* is not widespread internationally, and concentrations reported in the international literature typically refer to total concentrations in CSO water. Stormwater* concentrations and total concentrations in CSO water are often comparable in Denmark since stormwater* accounts for a dominating part of the total runoff during rain. Sewer networks are often designed with less capacity in other countries and thus, overflow occurs more frequently and with a larger fraction of wastewater than in Denmark. Comparison of Danish and international concentration levels should therefore be made with caution. However, larger uncertainties probably result from a generally poor documentation of sampling procedures, whether there are upstream overflow structures, how events are defined and whether samples are taken in combined sewer systems or separate storm sewers with a considerable amount of illegal wastewater connections. Variations of pollution concentrations Three new monitoring sites Part of the variation can be explained
New Danish recommended stormwater* concentrations New Danish areal unit loads Perspectives 1. Indledning1.1 Hidtidig bearbejdning Vandmiljøplanens generelle overvågningsprogram Som led i Vandmiljøplanens generelle overvågningsprogram beregnes hvert år for alle regnvandsbetingede udløb de årlige udledninger af vand, organisk stof, kvælstof og fosfor, både for det specifikke år og for et normalår. Det drejer sig om mere end 4000 overløbsbygværker i fælleskloakerede oplande samt et tilsvarende stort antal udløb fra separatsystemer. Disse beregninger gennemføres af amterne og indberettes til Miljøstyrelsen. Beregningerne gennemføres på basis af en specielt udarbejdet vejledning (Miljøstyrelsen, 1990b). Denne vejledning indeholder anvisninger for, hvorledes beregningerne kan gennemføres, og hvorledes man kan foretage en supplerende bestemmelse af de grundlæggende data ved gennemførelse af et intensivt måleprogram. Vandmiljøplanens intensive måleprogram er nu gennemført og rapporteret for de fælleskloakerede oplande (Miljøstyrelsen, 1997b). Recipienteffekter og indikatorparametre Der er i dag voksende erkendelse af, at den årlige udledning af organisk stof, kvælstof og fosfor ikke repræsenterer alle de mulige recipienteffekter, der har interesse i forbindelse med overløb fra fællessystemer. For eksempel kan der sås tvivl om relevansen af at opgøre COD på årsbasis, idet udledt organisk stof giver anledning til iltforbrug i vandløb og dermed en potentielt akut forureningseffekt. COD er desuden et udtryk for den samlede mængde organisk stof, der imidlertid kan have meget forskellig bionedbrydelighed afhængigt af oprindelsen. Fremtidige koncepter for modellering af forureningsbelastning og recipienteffekter må nødvendigvis koncentrere sig om mere detaljerede indikatorparametre, men det ligger udenfor rammerne af dette projekt at gå nærmere ind i dette. Nærværende projektrapport koncentrerer sig om de etablerede indikatorparametre som beskrevet ovenfor. 1.1 Hidtidig bearbejdningDen foreløbige bearbejdning Den foreløbige bearbejdning af data fra dette måleprogram har for en række parametre vist rimelig overenstemmelse med det hidtigt anvendte grundlag. Dog er der indikationer for, at stofkoncentrationerne for fælleskloakerede oplande generelt ligger på et højere niveau end de hidtidigt anvendte typetal; specielt for organisk stof er der tale om væsentlige forskelle (Miljøstyreslen, 1997b). Endvidere indikerer de nye data, at der i nogle oplande er tale om kraftige variationer i stofkoncentrationer under og mellem hændelser. Disse variationer kan muligvis forklares ved forskelle i oplandenes hældning og generelle vedligeholdelsestilstand samt ved parametre relateret til regnafstrømningen, såsom maksimal regnintensitet, afstrømmet volumen, tid siden sidste hændelse mv. Fornyet bearbejdning Der er derfor behov for en fornyet bearbejdning, der opsamler viden fra både de oprindelige og de nye oplande, og ser resultaterne i lyset af undersøgelser, der er gennemført i udlandet. 1.2 Paradigme for denne undersøgelseI nogle undersøgelser opstilles modeller for enkelte oplande og enkelte regnhændelser, der detaljeret og med brug af mange parametre beskriver variationen i stofafstrømning fra enkelte hændelser. Det er ikke formålet med denne undersøgelse at fastlægge den eller de modelbeskrivelser, der giver den bedste beskrivelse af observerede variationer. I stedet fokuseres der på processer og fænomener, der kan påvises ved statistisk analyse af datamaterialet. På denne måde kan der arbejdes hen imod fremtidige modeller og beregningsmetoder til rutinemæssig brug ved beregning af årsafstrømning, svarende til det informationsgrundlag, der findes i måledata. Projektets indhold Nærværende undersøgelse omfatter tre komponenter:
Tolkning af variationer Der opstilles i rapporten en ramme for tolkningen af variationer af stofindhold i afstrømningshændelser. Det væsentligste element er at finde variationsområder for hændelsesmiddelkoncentrationer (HMK) og stationsmiddelkoncentrationer (SMK) i overvand, baseret dels på litteraturstudiet og dels på den gennemførte databearbejdning. Desuden søges dette variationsområde forklaret via en række uafhængige variable, der efterfølgende benyttes til at perspektivere mulighederne for at opstille nye og bedre beregningsmetoder. Variationen i koncentration for en given stoftype vil blive opdelt efter variationer mellem oplande (variation af stationsmiddelkoncentrationer), variationer mellem og under regnhændelser (variation af hændelsesmiddelkoncentrationer) og tilfældige variationer. Variationer mellem oplande og mellem hændelser Variationer mellem oplande tilskrives egenskaber ved oplandet såsom topografi, hældning af rørsystem, arealudnyttelse, indbyggertal mv. Variationer mellem regnhændelser tilskrives egenskaber ved den forudgående tørvejrsperiode, og variationer under hændelsen tilskrives egenskaber ved afstrømningen såsom maksimal vandføring, totalt volumen mv. Den tilfældige variation er den variation, som ukendte processer og en usikker eller fejlagtig model medfører. Undersøgelsen rapporteres i nærværende hovedrapport samt i tre bilag, der uddyber hhv. litteraturstudiet og bearbejdningen af danske data samt giver en summarisk oversigt over de danske data. 2. Nuværende praksis for beregning af aflastede mængder2.1 Beregningsmetoder Nuværende praksis for amternes bestemmelse af de udledte mængder fra overløbsbygværer i fælleskloakerede oplande baserer sig på tre beregningsmetoder. Disse metoder er rapporteret i en særskilt vejledning (Miljøstyrelsen, 1990b). De tre metoder repræsenterer tre niveauer af detaljeringsgrad, fra en simpel anvendelse af arealenhedstal, til detaljerede beregninger med en afstrømningsmodel. 2.1 BeregningsmetoderNiveau 1: I den mest simple beregningsmetode anvendes arealenhedstal for den årlige udledning af kvælstof (N), fosfor (P) og organisk stof (COD) samt for udledningen af organisk stof (COD) i ekstremhændelser. Disse arealenhedstal er baseret på standardiserede koncentrationer i henholdsvis overvand og spildevand. De standardiserede koncentrationer – eller typetal - er vist i tabel 2.1. Skønt der ikke anvendes arealenhedstal for belastningen med suspenderet stof er standardværdien medtaget af hensyn til sammenligning med senere målinger. Tabel 2.1
Arealenhedstallene udtrykkes som en funktion af de tre væsentligste parametre for oplandet til det konkrete bygværk:
Typisk vil man anvende et sæt på 9 arealenhedstal for hvert stof. Disse 9 tal dækker tre værdier for afløbstal og 3 værdier for bassinvolumen. Arealenhedstallene beregnes ved hjælp af niveau 3 metoden beskrevet nedenfor, typetallene for stofkoncentrationerne og en udvalgt regnserie. Niveau 2: Beregningsniveau 2 omfatter den i spildevandskomiteens skrift nr. 21 (SVK, 1984) beskrevne "Niveau 1" procedure, der tager udgangspunkt i følgende udtryk for den aflastede mængde på årsbasis (2.1) hvor Va er det aflastede vandvolumen med den gennemsnitlige stofkoncentration Ca, og må er det gennemsnitlige blandingsforhold mellem overvand og spildevand i det aflastede volumen. Va og må kan findes på basis af forud beregnede kurver som funktion af det konkrete afløbssystems afløbstal. Kurverne i Spildevandskomiteens skrift nr. 21 (SVK, 1984) er baseret på Odense regnserien (33 helår, 1933-79). Vha. af denne metode kan man lave beregninger, som er bedre tilpasset til bygværkets karakteristika, end niveau 1 metoden åbner mulighed for. Den er ikke egnet, hvis der er et eller flere bassiner i oplandet. Niveau 3: Modelberegninger Ved denne metode anvendes en EDB-baseret afstrømningsmodel til beregning af belastningen fra overløb. Traditionelt har man i Danmark anvendt SAMBA modellen til dette. Herved inddrages på forenklet vis de relevante hydrologiske og hydrauliske fænomener på basis af den konkrete udformning og karakterisering af opland, ledningsnet og bygværker. Modelberegninger er nødvendige ved beregning af aflastninger fra oplande med flere koblede overløbsbygværker og bassiner. Beregningerne baseres på en regnserie, der vurderes at være repræsentativ for det pågældende område. 2.2 Diskussion af beregningsmetoderneMan skal bemærke, at alle tre niveauer fundamentalt er baseret på samme antagelse om konstante overvands- og spildevandskoncentrationer. Faktisk er det sådan, at skemaerne med arealenhedstal (niveau 1) samt kurverne i skrift nr. 21 (niveau 2) er beregnet med SAMBA-modellen (niveau 3). Regional variation af ekstremregn Den seneste bearbejdning af danske regndata (SVK, 1999) viser klare regionale variationer med generelt større ekstremregn (og dermed aflastninger) i områder med høj årsmiddelnedbør samt i Københavnsområdet. Det har desuden vist sig, at Odense serien ikke er repræsentativ på landsbasis, idet den generelt giver for lave værdier. Derfor må de i (Miljøstyrelsen, 1990b) opstillede tabeller med arealenhedstal svarende til niveau 1 korrigeres i forhold til det regionale nedbørsmønster. Niveau 2 bør også som minimum korrigeres i forhold til det regionale nedbørsmønster ved fremtidigt brug. I kapitel 8 diskuteres det mere indgående, hvorvidt det er muligt og relevant at opstille et beregningsniveau svarende til det hidtidige niveau 2. Tilsvarende diskuteres det, hvorvidt der er grundlag for et mere detaljeret koncept for modelberegninger. 3. Stofafstrømningens processer3.1 Kilder og processer Nedenfor i er kort skitseret de processer og definitioner, som er nødvendige for forståelsen af de følgende kapitler. Mangfoldighed af kilder og processer Figur 3.1 giver et illustrativt billede af den mangfoldighed af kilder og processer, der påvirker stofafstrømningen under regn. Figuren indeholder endda ikke bassiner, overløb og renseanlæg med deres indvirkning på stofmængden. Figur 3.1 Betydningen af stofafstrømning under regn For recipienterne er stofafstrømningen under regn af stor vigtighed. Som led i Vandmiljøplanens overvågningsprogram er det beregnet, at de regnvandsbetingede udledninger i Danmark udgør 10-15% af de totale udledninger på årsbasis af COD, N og P, industri og fiskeopdræt inkluderet (Miljøstyrelsen, 1999). Netop den stødvise forureningsbelastning i løbet af korte tidsrum udgør et selvstændigt problem. Til sammenligning skønnede Ellis (1986), at 35% af de årlige udledninger af stof til omgivelserne i Storbritannien kommer fra overløb fra fælleskloakerede afløbssystemer der er i funktion i 2-3% af tiden 3.1 Kilder og processerDer er to kilder til forurening i afstrømningen fra fællessystemer under regn:
Kilder fra urbane overflader Den første kilde bidrager i tørvejr ved nedfald og akkumulering af støv og snavs på veje, fortove, tage mv., og desuden ved decideret spild eller anvendelse af specielle stoffer i forbindelse med f.eks. trafik, vejsaltning eller ukrudtsbekæmpelse. Under regn udvaskes stoffer fra atmosfæren samt fra de befæstede overflader, ligesom nogle byggematerialer (f.eks. zink-tagrender) korroderes. Miljøstyrelsen (1997a) giver en god indføring i disse emner for en lang række stoffer, og det uddybes derfor ikke nærmere her. Kilder i afløbssystemet Den anden kilde er fra afløbssystemet selv, hvor der i tørvejr aflejres materiale fra spildevandsstrømmen og vokser biofilm på rørenes overflader ("kloakhud"). Under regn resuspenderes noget af det aflejrede materiale og biofilmen afrives, hvilket kan føre til forhøjede stofkoncentrationer sammenlignet med, hvad man normalt finder i regnafstrømning fra separatsystemer. Materiale i afløbssystemer I tabel 3.1 er det materiale, man finder i afløbssystemer, inddelt i 4 typer – fra groft materiale som sten, der findes ved bunden over mobile finkornede sedimenter og organisk "kloakhud" til fint cementeret materiale, der typisk findes fastkittet i bunden af bassiner. Det fremgår, at sammensætning af materialer i afløbssystemer varierer meget og til en vis grad hænger sammen med kloaksystemets hældning og generelle vedligeholdelsestilstand. Derfor må det forventes, at oplandets generelle karakteristika har en vis betydning for stofkoncentrationerne i afstrømningen under regn. Afhængigt af hyppigheden af rengøring af de tilsluttede befæstede arealer samt afløbssystemets størrelse, ledningsfald og tilstand kan den ene eller den anden af de to kilder til stofindhold være dominerende. Tabel 3.1
Transport og aflastning Udformningen af afløbssystem, bygværker og bassiner kan endvidere have betydning for, hvordan stofafstrømningen opdeles i videreført materiale, opmagasineret materiale og aflastet materiale. Typisk udformes bygværker, så forskelle i densiteten udnyttes til at opdele stofafstrømningen, så det aflastede volumen er så rent som muligt. Derved opnås, at stofkoncentrationerne i aflastet vand vokser i nedstrøms retning. Effekten forstærkes af, at overløbene træder i funktion når der er mest regnvand, og den tyndeste fraktion af blandingen derved aflastes. Som det fremgår af Tabel 3.1 er en sådan effekt mindre for organisk stof end for suspenderet og partikulært stof, da de to komponenter med højt indhold af organisk har densiter, der ligger tæt på rent vand. 3.2 Beregning af overvandskoncentrationerMangfoldigheden af kilder og processer har nødvendiggjort store forenklinger for at nå en overkommelig karakterisering af stofafstrømningen fra afløbssystemer. I Danmark er det for fællessystemer almindeligt at opdele stofkoncentrationerne i to elementer, der reflekterer kilderne:
Total stoftransport For et givet punkt i afløbssystemet kan stoftransporten i den totale vandmængde (spildevand og regnvand) under en regnhændelse, Mtotal, beregnes efter følgende formel:
hvor C og er henholdsvis den øjeblikkelige og den gennemsnitlige koncentration, Q er den øjeblikkelige vandføring og V er det akkumulerede volumen i afstrømningshændelsen. Mtotal kan beregnes ved at måle den akkumulerede vandmængde, Vtotal, der har passeret målepunktet, og måle stofkoncentrationen, , i en flow-proportional prøve. Alternativt kan Mtotal bestemmes på baggrund af diskrete målinger af flow og stofkoncentration som en flow-vægtet middelkoncentration. Hændelsesmiddelkoncentration (HMK) Den totale stoftransport kan beregningsmæssigt opdeles i to bidrag, spildevandstilledningen og regntilledningen. Regntilledningen benævnes overvand for ikke at sammenblande denne vandtype med afstrømning fra urbane oveflader eller separate regnvandssystemer. Den gennemsnitlige koncentration af forureningskomponenter i overvandet i hele hændelsen benævnes HMK (hændelsesmiddelkoncentration). Dermed kan formel (2.1) omformuleres til:
For at kunne bestemme HMK for en given regnhændelse skal Mtotal (Vtotal og ) måles, og der skal opstilles en model for variationerne i spildevandskoncentrationer og –vandføringer på baggrund af målinger i tørvejr. Vovervand findes ved at trække ò Qspildevand dt fra Vtotal. Dermed er (2.2) reduceret til én ligning med én ubekendt, HMK. Stationsmiddelkoncentration (SMK) Der kan i nogle tilfælde forventes en variation af HMK som følge af systematiske variationer forårsaget af for eksempel årstidsvariationer, længden af tørvejrsperioder og karakteristika for regnhændelsen. Derfor beregnes ofte også en stationsmiddelkoncentration, i det følgende forkortet SMK. Denne koncentration fremkommer ved at beregne overvandskoncentrationen (HMK) for alle målte hændelser. Stationsmiddelkoncentrationen er en vægtet middelværdi af hændelsesmiddelkoncentrationerne, hvor det afstrømmede volumen er vægten. Under forudsætning af, at de målte regnhændelser er repræsentative for typen af hændelser i oplandet vil SMK være den gennemsnitlige koncentration for årsafstrømningen for det givne punkt. Engelske benævnelser: EMC og SMC Det bemærkes afslutningsvis at HMK og SMK undertiden omtales ved deres engelske benævnelse: EMC (event mean concentration) og SMC (site mean concentration). 4. Litteraturstudie4.1 Metodik og afgrænsning 4.1 Metodik og afgrænsningLitteratursøgning Litteraturstudiet er gennemført delvist på basis af relevant litteratur registreret på hhv. DTU og AAU og delvist på basis af søgning i litteraturdatabaserne The web of Science og Cambridge Scientific Abstracts Internet Database Service. De anvendte søgeprofiler er vist i bilag A. Litteraturstudiet er afgrænset til at omfatte udenlandske undersøgelser indenfor regnafstrømning fra byer, hvor man har rapporteret målinger af stofindholdet, bearbejdet målte data, eller opstillet metoder til beregning af stofafstrømning. Væsentlig information er kommet fra oversigtsværker, der har resumeret store undersøgelser, specielt i tilfælde hvor de originale publikationer ikke er tilgængelige eller har et omfang, så det ikke umiddelbart er muligt at bearbejde dem. Overvand eller opblandet spildevand? I litteraturen angives hyppigst den totale koncentration af de målte stoffer i overløbsvand. Det er sjældent og fortrinsvist i Skandinavien, at konceptet "overvand" anvendes. Med mindre andet er angivet, gælder værdier der angives efterfølgende således den totale koncentration i blandingen af spildevand og overvand. Betydningen heraf vurderes for skandinaviske målinger at være begrænset, idet andelen af spildevand generelt er lav i forhold til mængden af overvand. I Mellem- og Sydeuropa er ledningsnettene imidlertid ofte dimensioneret med mindre kapacitet, hvilket medfører, at overløb sker oftere og med større andel spildevand end i Danmark. En direkte sammenligning mellem stofkoncentrationer i overvand og overløbsvand skal derfor tolkes med forsigtighed. Det vurderes dog umiddelbart, at der er andre mere betydende usikkerheder, der kan påvirke sammenligningen. Det er som oftest ikke dokumenteret, hvorledes prøvetagningen er foretaget, hvorvidt der er opstrøms bygværker, og hvorledes hændelser er defineret. Fælles- eller separatsystemer? Det er ikke altid klart beskrevet i summariske litteraturoversigter, hvorvidt målingerne er foretaget i fælles- eller separatsystemer. Dette gælder især den store amerikanske NURP-undersøgelse (Nationwide Urban Runoff Program), der har stået som model for mange senere undersøgelser i forskellige lande. NURP-studiet genererede gennem perioden 1978-83 en database af HMK-værdier for mere end 2.300 enkelthændelser fordelt på 81 målestationer i 28 forskellige byområder (Smullen et al., 1999). Ingen andre måleprogrammer indeholder tilnærmelsesvis en tilsvarende datamængde, og derfor er NURP den i litteraturen hyppigst citerede undersøgelse. Der er p.t. initiativer i USA med henblik på at supplere NURP-databasen med data fra nyere undersøgelser og bearbejde det samlede datasæt, og der er i den forbindelse taget kontakt til amerikanske videncentre for at opklare, hvilken type afløbssystemer, der ligger til grund for databasen. Pitt (1999) oplyser, at alle oplande indeholdt i NURP-databasen har separatsystemer, men at spildevandsbelastningen på grund af ulovlige spildevandstilslutninger mange steder er stor. Målinger i fællessystemer i USA er ikke blevet samlet og bearbejdet på tilsvarende systematisk vis. På grund af dette samt NURP-studiets betydning som internationalt referencegrundlag er det valgt at medtage data herfra i de videre sammenstillinger. Spildevandsbelastning i separate regnvandssystemer Det bør her påpeges, at det til tider kan være vanskeligt at skelne mellem kvaliteten af overvand og regnafstrømning (Saget et al, 1998), og at separatsystemer kan tilføres endog meget store mængder spildevand pga. fejltilslutninger af stikledninger som nævnt ovenfor og kortslutninger af separate regn- og spildevandsledninger pga. utætte kloakker. En canadisk undersøgelse påviste således mellem 5 og 30% fejltilslutninger af spildevand i separatsystemer (Field, 1984), og det er ikke ualmindeligt i Danmark, at vandføringen stiger både i de separate regn- og spildevandsledninger under regn. Placering af prøveudtagning Det kan også i litteraturen være vanskeligt at identificere, hvor i afløbssystemet (set i relation til overløbsbygværket) prøverne er taget. Der er påvist kraftige variationer i kvaliteten af vandprøver udtaget forskellige steder i afløbssystemer med en general tendens til, at stofkoncentrationerne stiger i nedstrøms retning (Gromaire-Mertz et al, 1998a,b). Med mindre andet er angivet, vil der i det efterfølgende antages, at prøverne er taget opstrøms for alle overløbsbygværker, ligesom for de danske måleoplande. Litteraturstudiet er rapporteret i detaljer i bilag A, og i de følgende afsnit opregnes kun hovedresultaterne. 4.2 Variation mellem hændelser og stationerVariation mellem hændelser og stationer karakteriseres ved de tidligere definerede middelværdier HMK og SMK (afsnit 3.2). I tabel 4.1 er sammenstillet data fra litteraturen, der karakteriserer variationen mellem oplande på basis af angivne værdier af SMK. Usikkerhed på definition af HMK i litteraturen I litteraturen angives hyppigt HMK-værdier, mens der sjældnere redegøres for, om et angivet variationsområde dækker variation mellem hændelser (ideelt set variation af HMK) eller variation mellem oplande (ideelt set variation af SMK). Desuden kan der være tvivl om, hvordan vægtningen af de individuelle hændelser er foretaget ved beregning af SMK, og der skelnes ikke altid klart mellem stations middelværdier og -medianer. Middelværdien er generelt lavere end medianen, da den statistiske fordeling af HMK-værdier typisk er skæv med forhøjet sandsynlighed for høje koncentrationer. Variation mellem lande Som det fremgår af tabel 4.1 er variationen mellem oplande betydelig. Figur 4.1 giver et indtryk af den store variationen mellem oplande eksemplificeret for SMK-værdier af COD i beboelsesområder i USA. Disse tal er indsamlet fra den originale NURP projektrapport (USEPA, 1983) og afbildet i figur 4.2 sammen med tilsvarende data fra Holland, Frankrig og Tyskland som funktion af befolkningstætheden og det reducerede oplandsareal. Det fremgår, at de amerikanske data generelt ligger lavest, at de hollandske ligger højest, og at de tyske og franske data ligger herimellem. Betydningen af befolkningstæthed Figur 4.2 indikerer en vis sammenhæng mellem SMK-værdien for COD og befolkningstætheden, hvilket kan skyldes et større aktivitetsniveau på de urbane overflader, og at en større befolkningstæthed og dermed spildevandsmængde under tørvejr forårsager en større opbygning af organiske sedimenter og kloakhud, der senere kan skylles ud under regn. Dette gælder uanset, om der er tale om fællessystemer eller separatsystemer med fejltilslutninger. Der er ikke set tilsvarende klare sammenhænge i datamaterialet for andre stofparametre. Tabel 4.1 Se her! Figur 4.1 Se her! Betydningen af dimensioneringspraksis i forskellige lande Forskellene mellem lande kan muligvis forklares med forskelle i almindelige dimensioneringsprincipper i landene. Hollandske afløbssystemer er generelt flade og er kendt for at akkumulere store mængder sediment, mens afløbssystemer i de fleste andre lande normalt forsøges lagt med en hældning, der sikrer selvrensning. Det må dog erkendes, at alene dette at sammenligne undersøgelser fra forskellige oplande og forskelle lande er behæftet med betydelig usikkerhed. Forskelle i definitioner, måleprocedurer og laboratorieprocedurer kan være store og bidrage til det store variationsområde. Årsagen til de lave amerikanske værdier er formentlig, at oplandene som tidligere nævnt har separate regnvandssystemer. For til en vis grad at tage højde for dette er kun oplande, hvor SMK for COD er større end 50 mg/l, medtaget ved beregningen af de tal, der for NURP-studiet er angivet i tabel 4.1. Figur 4.2 SMK er log-normal fordelt Resultaterne for de enkelthændelser, som ligger bag beregningen af SMK, viser ofte en lognormal fordeling (Ellis, 1986; Harremoës, 1988; VanBuren et al, 1997). Tilsvarende fandt man i NURP-studiet (USEPA, 1983), at medianværdierne fundet ved hver målestation følger en lognormal fordeling. Alle SMK-værdier for TSS og COD registeret i litteraturstudiet er sammenstillet og testet for fordelingstype. Resultatet viste, at begge stoffer kan anses for at være lognormal fordelte. Regressionsmodeller med inddragelse af data fra mange oplande I USA har man på baggrund af NURP-databasen samt en række nyere måleprogrammer opstillet forskellige regressionsmodeller, der sammenholder HMK-værdier fra forskellige målestationer med de respektive oplandes karakteristika samt karakteristika for de enkelte afstrømningshændelser (Tasker & Driver, 1988; Driver & Tasker, 1990). I modellerne benyttes log-transformerede værdier af både den afhængige (HMK) og de uafhængige, forklarende variable. Generelt har det vist sig, at HMK-værdier falder med voksende regndybde af den enkelte hændelse, hvilket kan forklares ved fortynding. Dette har relation til variationen i HMK mellem hændelser. Derudover var det reducerede areal, oplandets type (beboelse, industri, blandet, handel) og årsmiddelnedbøren signifikante for nogle stofparametre, mens befolkningstætheden slet ikke var signifikant. Disse parametre har relation til variationen i SMK mellem oplande. Generelt var regressionsmodellerne i stand til at forklare 10-68% af den samlede variation, men det fremgår ikke umiddelbart, i hvilket omfang det er variation mellem hændelser eller oplande, der forklares bedst. Regressionsmodeller for et givet opland Hémain (1986) opsummerer en række undersøgelser, hvor det generelt er muligt at forklare en stor del af variationen af HMK for givet opland. For en række amerikanske og franske oplande rapporteres om forklaringsgrader på 50-90% for simple afstrømningsmodeller, såvel for estimation af HMK, total stofafstrømning pr. hændelse og variation under hændelser (flux). 4.3 Variation under hændelserI litteraturen stødes ofte på betegnelsen "first flush", der indikerer, at der forekommer en udskylning af afløbssystemet i den første del af en afstrømningshændelse. Der er stor uenighed om den eksakte definition på dette fænomen, og derved bliver sammenligning af fænomenets størrelse og omfang besværliggjort. Teoretiske overvejelser Ud fra teoretiske overvejelser må man forvente, at den største del af forureningsmængden udskylles først. Begrundelsen er en serie af argumenter, der peger i den retning:
Figur 4.3 Perspektivet ved at kunne påvise en first flush effekt er, at man i såfald vil kunne designe bassiner eller andre behandlingsanlæg, der kan håndtere den første, mest forurenede del af afstrømningen under regn. Definitioner på first flush Figur 4.3 (øverst) viser den afbildning, der sædvanligvis bruges ved diskussion af first flush fænomenet. Figuren giver en normeret afbildning af den akkumulerede stofafstrømning som funktion af den akkumulerede vandmængde. En lang række definitioner på, hvornår der er tale om en first flush effekt, har været foreslået (Geiger, 1986; Gupta & Saul, 1996; Saget et al, 1996; Sansalone et al, 1997; Deletic, 1998), f.eks.:
Definitionerne er alle mere eller mindre tilfældige, og det konkluderes ofte på baggrund af sådanne definitioner, at der ikke er et betydeligt first flush fænomen, uden at det i den forbindelse nævnes, hvad fænomenet skal sættes i relation til. Et eksempel er vist på Figur 4.3 (nederst), hvor stofkurver for et stort antal hændelser er optegnet for et parkeringsareal i Lund, Sverige. Gennemsnitligt er der tale om en svag first flush effekt, men for en stor del af hændelserne ligger stofkurven under 1:1 kurven, hvilket dybest set betyder, at der optræder en last flush effekt. Tilsvarende konklusioner er draget på baggrund af målinger i separat- og fællessystemer (Bertrand-Krajewski et al., 1998). Der er også teoretiske overvejelser, der peger imod tilstedeværelsen af en first flush effekt, specielt nedstrøms i kloaksystemerne. Göettle (1978) analyserede effekten af at have flere deloplande, der hver især er influeret af et first flush fænomen. Han påviste, at hvis antallet af ens deloplande, der hver især er påvirket af first flush, er stort nok, kan effekten ikke observeres nedstrøms. Hans argumentation er angivet i skitseform på figur 4.4. Hvis der observeres first flush fænomener ved målepunkter nedstrøms i fællessystemer er årsagen derfor formentlig en større resuspension nedstrøms i afløbssystemet forårsaget af f.eks. lavere ledningsfald og dermed sedimentation pga. lavere strømningshastighed i tørvejr. Figur 4.4 4.4 Betydningen af variation under hændelserOn-line og off-line bassiner I tysktalende lande er det praksis at dimensionere bassinvoluminer under antagelse af, at der forekommer en first flush effekt (ATV, 1992). Derfor skelnes der i de lande mellem forskellige typer af bassiner, og det anbefales at udføre bassiner som såkaldte off-line bassiner. På figur 4.5 er det skitseret, hvad der forstås ved et off-line bassin, hvor spildevandet først ledes tilbage til overløbsbygværket, når der er plads i den afskærende ledning. Hvis en first flush effekt er tilstede, forventes en hvis grad af forureningstilbageholdelse i et off-line bassin, mens et on-line bassin ikke vil have samme effekt. Det må imidlertid bemærkes, at effekten kan være anderledes, hvis der i stedet fokuseres på sedimentation i bassiner. Hér vil et on-line bassin være effektivt under hele afstrømningshændelsen, mens et off-line bassin kan være mindre effektivt afhængigt af dets udformning. I det efterfølgende fokuseres alene på effekten af first flush i forhold til aflastede mængder. Dette medfører, at off-line bassiner giver den største tilbageholdelse. I konkrete tilfælde bør valget mellem off-line og on-line bassiner foretages på basis af en samlet vurdering af de to effekter. Figur 4.5 Som nævnt ovenfor er de traditionelle definitioner af first flush ikke sat direkte i relation til nogen problemstilling, og det er vanskeligt at udlede betydningen af f.eks. en signifikant first flush effekt, hvor 80% stof i gennemsnit transporteres af de første 30% vand. Larsen et al (1998) fulgte i stedet et andet spor, hvor modelsimuleringer med målte hydrografer og pollutografer som input benyttes til empirisk at beregne den effektive stoftilbageholdelse i bassiner. Stoftilbageholdelse i off-line bassiner Figur 4.6 viser for et off-line bassin tilbageholdelsen af vand for forskellige bassinstørrelser. Tilbageholdelse betyder her videreførsel til et renseanlæg gennem bassinets afløb, i stedet for overløb til omgivelserne. Der er taget udgangspunkt i et faktisk afløbssystem, hvor den afskærende ledning har en betydelig kapacitet i forhold til tørvejrsvandføringen. Uden bassinvolumen ledes derfor ca. 40% af vandmængderne videre til renseanlægget via den afskærende ledning, der har en vis overkapacitet. For meget store bassinvolumener føres alt vand til renseanlægget, og overløb undgås helt. Beregningerne er baseret på danske måledata, der også benyttes i databearbejdning i kapitel 5. Det vises her, at det benyttede opland har en usædvanligt kraftig first flush og at oplandet er en outlier i forhold til de øvrige danske måleoplande. Figur 4.6 Den effektive tilbageholdelse af COD er også vist på figuren, og det ses, at den er ca. dobbelt så stor som tilbageholdelsen af vand. Dette skyldes netop, at det førstkommende og mest forurenede vand bliver opmagasineret i bassinet og ikke overløber. I en simpel modelberegning, hvor stofkoncentrationen er konstant, ville man opnå samme effekt ved at reducere HMK med 50%. Resulaterne vist i figur 4.6 har inspireret til modelsimuleringerne beskrevet i afsnit 5.6. 5. Databearbejdning5.1 Metodik og afgrænsning 5.1 Metodik og afgrænsningKrav til måleoplande Udgangspunktet for nærværende databearbejdning er de målinger, som er udført i amtskommunalt regi i forbindelse med gennemførelsen af det intensive overvågningsprogram. Desuden er inddraget de grunddata, som har ligget til grund for tidligere rekommandationer om typetal. Målingerne, der er medtaget, opfylder følgende betingelser:
Måleparametre Der er angivet yderligere betingelser i Miljøstyrelsen (1990b). Der er i alt 6 oplande, der opfylder disse betingelser. For nogle af oplandene er endvidere målt en række andre parametre end kemisk iltforbrug (COD), kvælstof (N), fosfor (P) og suspenderet stof (SS). Der er primært tale om de opløste fraktioner af COD, N og P samt BOD. Disse parametre har imidlertid ikke samme bevågenhed og er heller ikke målt ved alle oplande. Derfor er kun COD, N, P og SS analyseret. 5.2 DatagrundlagDer er benyttet data fra i alt 6 oplande, se tabel 5.1. Det ses, at der er lidt over 100 hændelser, hvoraf halvdelen tidligere er analyseret detaljeret med henblik på fastsættelse af typetal (Miljøstyrelsen, 1990a). En samlet fortegnelse over data kan findes i bilag C. Tabel 5.1
5.3 Variation mellem hændelser og stationerAfskæring af meget små hændelser Nogle af hændelserne er meget små, helt ned til 0,1 mm afstrømmet volumen, svarende til ca. 5 m3 overvand. Usikkerheden på beregning af overvandskoncentrationen er betragtelig for så små volumener, og det er tvivlsomt, hvorvidt det er relevant at medtage en hændelse, der ikke medfører en vandføring væsentligt større end tørvejrsafstrømningen, i den statistiske bearbejdning. Der er derfor indført en tærskel på 1 mm afstrømning. Hændelser med mindre volumen er ikke medtaget i undersøgelsen. Derved ekskluderes 4 regnhændelser fra Soldalen og en fra hvert af oplandene Vissing og Hasseris. Flere undersøgelser har påvist, at den statistiske fordeling af HMK er en log-normal fordeling. Denne fordeling fremkommer hyppigt ved undersøgelser af komplekse naturlige fænomener, idet den fremkommer ved at mange delprocesser med hver sin usikkerhed ganges sammen. Den empiriske fordelingsfunktion for COD er vist for hvert af de seks oplande i figur 5.1. Bemærk, at den vandrette akse er logaritmisk. Figur 5.1 Hasseris er outlier Det ses umiddelbart, at de fem af oplandene kan antages at tilhøre samme fordeling, mens Hasseris skiller sig ud ved at have markant højere HMK-værdier end de øvrige oplande. Den eneste hændelse, hvor HMK i Hasseris oplandet ligger under middelværdien for de øvrige oplande for COD er en ekstremt stor regnhændelse med et afstrømmet volumen på 73 mm. På figur 5.2 er indtegnet SMK- værdier, udregnet som volumen-vægtede middelværdier for hver station, for alle stoftyper og alle målestationer. For Hasseris er der dog indtegnet to værdier, idet den ene ekstreme regnhændelse har meget stor betydning for udregning af SMK. For Odinsvej er SMK-værdien skønnet på baggrund af HMK-værdierne, idet dele af det originale datamateriale er gået tabt, og vægtning derfor ikke er mulig. Figur 5.2 5.4 Variation under hændelserBrug af fraktionerede prøver Variationerne under hændelser undersøges lettest ved at udtage fraktionerede prøver og analysere dem separat. Formel (2.2) kan så anvendes stykkevist, hvorved man direkte kan observere eventuelle variationer i koncentrationen gennem regnhændelsen. Der er dog kun udtaget fraktionerede prøver i oplandene Hasseris og Soldalen. Konklusioner om variationer under hændelser i Danmark kan ikke baseres alene på disse to oplande, idet Hasseris åbenlyst er en outlier i forhold til de øvrige oplande, og 4 af de 12 regnhændelser ved Soldalen er for små til at indgå i en sådan analyse. Alternativ metode til bearbejdning Undersøgelsen foregår derfor ved at analysere en række forklarende variable for alle oplandene undtagen Hasseris og benytte dem til at søge at forklare den observerede variation i HMK der er vist på figur 5.1. De forklarende variable udtrykker variation og forskelle i regnhændelsen, afstrømningshændelsen og tiden siden sidste regnhændelse. Endvidere testes for hver stoftype, hvorvidt fordelingen af stoftypen varierer mellem oplande. Analysen er beskrevet i detaljer i bilag B. 5.5 Modellering af variationerDen benyttede statistiske regressionsmodel er meget simpel, hvilket gør det muligt direkte at teste, om inddragelse af viden fra en enkelt variabel giver en signifikant bedre beskrivelse af datamaterialet. Variable, der reflekterer karakteristika ved regnen eller afstrømningen, tilskrives variation under regn, mens tiden siden sidste regn beskriver variation mellem hændelser. De forklarende variable indgår i første omgang både som utransformerede og som log-transformerede. Det viser sig, at de utransformerede variable giver den bedste beskrivelse af de log-transformerede HMK-værdier, hvorfor kun de utransformerede værdier benyttes i de endelige modeller. Signifikante forklarende variable Der er to modeller, der er lige velegnede til at beskrive variationen i HMK. Modellerne er ens af type, men benytter henholdsvis egenskaber ved regnen og afstrømningen til at forklare variationen under hændelsen. De to modeller medfører nogle forskelle i den relative betydning af variationen under og mellem hændelser, men i alle tilfælde er såvel variationen under og mellem regnhændelser signifikante. For SS og P er endvidere variationen mellem oplande signifikant. Stor residual variation Måledata indikerer altså, at såvel egenskaberne ved regnen som den forudgående tørvejrsperiode har væsentlig indflydelse på HMK for den enkelte hændelse. Der er dog for alle stoftyper en meget stor residual variation på 50-80% af den totale variation. Det vil formentlig være muligt at reducere denne residuale variation ved at opstille mere detaljerede modeller, men det bør altid sikres, at sådanne modeller ikke er urealistisk komplicerede i forhold til de data, der under normale omstændigheder vil være tilgængelige. De centrale parametre til beskrivelse af variationen af HMK er angivet i tabel 5.2. Regnvarighed og –volumen er kraftigt korrelerede, og derfor skal kun en af de to variable medtages i en model for variationerne. Tabel 5.2
Figur 5.3 Verifikation på fraktionerede prøver På figur 5.3 er vist den akkumulerede mængde stof som funktion af akkumuleret afstrømning for oplandet i Soldalen. En ret linie fra regnhændelsens start og slut betyder, at der ikke er nogle systematiske variationer, der har betydning for HMK. De viste linier indikerer i nogle tilfælde, at der er væsentligt højere koncentrationsniveauer i begyndelsen af regnhændelserne. Der er altså tale om en vis first flush i Soldalen. For Hasseris er first flush-fænomenet meget udtalt, således at der er en bedre korrelation mellem HMK og tiden til sidste regnhændelse, end der er til det afstrømmede volumen. 5.6 Betydning af variation under hændelserBetydningen af variationen under hændelser er undersøgt ved brug af de 8 afstrømningshændelser fra Soldalen som input til en simuleringsmodel jf. principperne beskrevet i afsnit 4.4. Undersøgelsen er foretaget ved at undersøge effekten af at placere et fiktivt bassin umiddelbart nedstrøms for målepunktet og variere bassinets volumen, afløbstal og udformning. Ved denne beregning er der ikke medtaget sedimentation i bassinet. Der er antaget, at afløbstallet er konstant, og at den mængde vand, som ikke kan rummes i bassinet, løber over en overløbskant til en recipient. Modelberegninger For hver kombination af afløbstal og bassinvolumen beregnes først den samlede aflastning til omgivelserne på baggrund af de målte hydrografer og pollutografer (flow og stofkoncentration som funktion af tiden). Dernæst bestemmes den SMK, som giver en tilsvarende aflastning, når der ikke tages højde for en varierende stofkoncentration under hændelserne. Resultatet opgives som en relativ SMK, hvor en værdi på 1 betyder, at volumen- og stoftilbageholdelsen er lige stor i bassinet. Off-line bassin På figur 5.4 er vist betydningen af variationen under hændelser under antagelse af, at bassinet er et off-line bassin, se figur 4.5, som fyldes op med den første vandmængde og derefter blot tilledes en vandmængde svarende til afløbstallet. Figuren viser, at for bassin volumener større end ca. 3-4 mm er middelkoncentrationen af overløbsvandet under halvdelen af tilløbskoncentrationen. Betydningen af afløbstallet er dog ikke særlig stor. Bassinet har magasineret den første del af afstrømningen, der har høj koncentration, og alene udledt den resterende del, der har lavere koncentration. Med andre ord, bassinet har tilbageholdt en større andel stof end vand. In-line bassin Hvis der derimod er tale om et in-line bassin, se figur 4.5, viser bearbejdningen af data fra Soldalen, at middelkoncentrationen af overløbsvandet svarer til tilløbskoncentrationen. Med andre ord, bassinet tilbageholder ligeså stor en andel stof som vand. Havde beregningerne taget hensyn til sedimentation i bassinet ville dette ikke have været tilfældet. Med en hensigtsmæssig udformning kan on-line bassiner nemlig tilbageholde mere stof end vand pga. sedimentation. En afbildning svarende til figur 5.4 er vist i bilag B for et in-line bassin og viser, at alle datapunkter ligger mellem 1,0 og 1,4 svarende til, at stoftilbageholdelsen ved et in-line bassin er svarende til eller endda dårligere end vandtilbageholdelsen. Årsagen er formentlig, at det opmagasinerede vand med høj koncentration opblandes med det efterfølgende vand med lavere koncentration, og at blandingen overløber. Hasseris er outlier For Hasseris er den relative SMK på under 0,25 både ved et off-line og et on-line bassin med volumen på 3-4 mm, svarende til en meget stor ekstra tilbageholdelse af stof. Figur 5.4 5.7 Enhedstal på basis af danske målingerI forhold til de hidtidige typetal er der kun behov for mindre justeringer af koncentrationerne for de undersøgte stoftyper. Det ene af oplandene, Hasseris, indgår ikke i beregningen af de nye typetal, fordi oplandet skønnes ikke at være repræsentativt for danske forhold. På det tidspunkt, hvor prøverne blev udtaget, var oplandet præget af dårlig vedligeholdelse og kendte sedimentationsproblemer. Signifikante variationer Analysen har vist, at hændelsesmiddelkoncentrationer udviser signifikante variationer mellem hændelser og under hændelser og for nogle stoftyper også mellem oplande. Betydningen af variation under hændelser er beregnet for stoftypen COD og viser, at en hensigtsmæssig konstruktion af bassiner kan medføre, at stoftilbageholdelsen er væsentligt større end volumentilbageholdelsen. For at opnå en stor stoftilbageholdelse skal bassinet udformes, så den første vandmængde tilbageholdes. Tabel 5.3
Få danske data Det danske datamateriale er begrænset, ikke mindst hvad angår typetal for voluminer i afløbssystemet. I tabel 5.3 er angivet forslag til nye typetal baseret udelukkende på de danske data. For årsbelastningen er der for SS og P angivet et interval, mens der for N og COD er opgivet en værdi. Det skyldes, at der er fundet en signifikant variation mellem oplande for SS og P, men ikke for N og COD. Intervallerne for ekstrembelastning og for volumenrige systemer skyldes variationer mellem oplande, men reflekterer også usikkerheden pga. et begrænset datamateriale. Intervallerne er skønnet på baggrund af statistiske analyser af data fra i alt 6 måleoplande, hvoraf det ene er udeladt af bearbejdningen fordi oplandet antages at være outlier. Den underliggende antagelse for de typiske stofkoncentrationer i tabel 5.3 er, at de fem oplande er repræsentative for Danmark. 6. Sammenligning af danske og udenlandske undersøgelser6.1 Variation af stationsmiddelkoncentrationer 6.1 Variation af stationsmiddelkoncentrationerVariationsområder for SMK i Danmark og udlandet I figur 6.1 er opgivet variationsområdet af SMK-værdier for såvel de danske som de internationale undersøgelser. Generelt er variationsintervallerne mindre for de danske end for de internationale undersøgelser. Dette er forventeligt, idet der er forskelle på dimensioneringspraksis i de enkelte lande. I den amerikanske NURP undersøgelse er der målt meget lave N og P værdier, hvilket giver de lave minimumsværdier og dermed brede intervaller for disse to stoffer. Det bemærkes, at NURP-undersøgelsen er baseret på data fra separate regnvandssystemer med en væsentlig mængde fejltilslutninger af spildevands-stikledninger (Pitt, 1999), men at stationer med meget lave stofkoncentrationer ikke er medtaget i opgørelsen, se note til tabel 4.1. Det er dog vanskeligt at afgøre, hvor repræsentative disse data er for overvandskoncentrationer i danske fællessystemer. Figur 6.1 Sammenligning af danske og internationale SMK Samlet må det konkluderes, at de danske tal og anbefalinger ligger indenfor de forventede værdier på baggrund af litteraturstudiet. Litteraturstudiet påpeger, at de danske data måske underestimerer de danske SMK-værdier, fordi alle måleoplande, bortset fra Hasseris, er små opstrøms beliggende oplande med stejle ledninger og dermed lav resuspension af materiale under regn, primært større partikler og "kloakhud". Dette kan muligvis være årsagen til, at de danske data for SS og COD ligger noget lavere end median-værdien for de udenlandske undersøgelser. Det må dog erindres, at de udenlandske undersøgelser typisk refererer totale stofkoncentrationer i overløbsvand med en betydelig andel af spildevand, og at direkte sammenligning derfor skal tolkes med forsigtighed. Figur 6.2 Sammenligning med yderligere danske måleoplande Der er gennemført målinger af regnbetingede udledninger fra fællessystemer i flere oplande end de 6, der er omfattet af denne undersøgelse. Som eksempler kan nævnes Frejlev (12 hændelser) og Sulsted (9 hændelser) i Nordjylland (PH-Consult, 1994, 1998). Middelværdier for hhv. SS og COD er i figur 6.2 for disse to oplande sammenlignet med variationsområderne for de udenlandske og danske undersøgelser. I begge tilfælde er prøvetagningen foretaget i overløbet, men det vurderes, at opspædningsgraden er så stor, at dette kun har ringe betydning. Afløbssystemet i Frejlev ligger for en væsentlig del med et forholdsvist stort fald, hvilket giver sig udslag i de forholdsvis lave middelkoncentrationer. I Sulsted ligger afløbssystemet generelt med et forholdsvist ringe fald, hvilket giver sig udslag i højere middelkoncentrationer. Disse eksempler illustrerer betydningen af afløbssystemets karakteristika og understreger begrænsningen ved at tage udgangspunkt i typiske stofkoncentrationer ved beregnings af stofafstrømning fra afløbssystemer. 6.2 Modeller til forklaring af variation under og mellem hændelserPå baggrund af de danske data er udviklet simple regressionsbaserede modeller, der kan beskrive 20-50% af variationen af HMK. I amerikanske undersøgelser (Tasker & Driver, 1988; Driver & Tasker, 1990) er udviklet tilsvarende simple modeller, der kan beskrive en tilsvarende del af variationen i NURP materialet. Der er en så betydelig residual variation, at beregningsresultater baseret på disse modeller kun vil være en beskeden forbedring i forhold til at benytte typetal, når formålet er beregning af årsaflastninger på amts- eller landsbasis. Nedbørens regionale fordeling forventes at være mere betydningsfuld end den variation af SMK-værdier, der kan forklares af disse modeller. Det er på baggrund af udenlandske data vist, at der for givne data fra fraktionerede prøver kan opbygges modeller for afstrømningen, der har en langt mindre residual variation for et givet opland (Hemain, 1986). Det forventes, at tilsvarende modeller kan opbygges baseret på de danske data, omend det ikke har været muligt inden for rammerne af dette projekt. 7. Konklusion og anbefaling7.1 Brug af typetal 7.1 Brug af typetalBetydning af nye måleoplande Inddragelse af viden fra 3 nye danske måleoplande har fordoblet informationsgrundlaget men har ikke afgørende ændret ved de anbefalede typetal for afstrømningen fra typiske oplande. Der er derimod genereret en viden om, hvornår der er vigtige undtagelser fra de typiske oplande. De to vigtigste undtagelser er følgende:
Undtagelser fra de generelle typetal Den første undtagelse er næppe overraskende og har i praksis begrænset indflydelse på beregninger i forbindelse med de nationale overvågningsprogrammer; der er andre usikkerheder og modelfejl, der kan medføre fejl af tilsvarende størrelsesorden. Den anden undtagelse er mere kritisk. Den har betydning for hele konceptet bag beregningerne med typetal, bl.a. fordi antagelsen om opblandingsforhold i afløbssystemer, bygværker og bassiner bliver kritiske for beregninger af aflastede stofmængder. Derfor er der i nærværende bearbejdning for hver stoftype anbefalet flere typetal, afhængigt af problemstillingen og oplandets struktur. Begge forhold er bekræftet af bearbejdningen af danske data samt den internationale litteratur på området. Det er rimeligt at antage, at efterhånden som der bliver flere måleoplande, kan der udvikles en matrice med flere og flere sæt typetal. Matricen kan i værste fald blive af samme størrelsesorden som antallet af måleoplande, hvorved man i praksis har opgivet typetal som paradigme. Nye målinger skal fokusere på afvigelser Derfor bør eventuelle nye målinger være rettet mod muliggørelsen af et paradigmeskift for bestemmelse af overvandskoncentrationer. I nogle situationer, såsom amtskommunale og nationale overvågningsprogrammer, vil typetal være en passende detaljeringsgrad. I andre tilfælde, primært i forbindelse med valg mellem lokale rensetiltag og bassinudbygninger, kan en bedre beskrivelse af variationer af stofindholdet under afstrømningen føre til helt andre løsningstiltag som værende optimale, f.eks. bygværker og bassiner med renseeffekt. 7.2 Typetal for danske forholdPå baggrunden af bearbejdning af de danske måledata foreslås typiske hændelsesmiddelkoncentrationer som angivet i tabel 7.1. Der er ikke fundet anledning til at ændre disse tal på baggrund af den internationale litteratur. Tabel 7.1
First flush er indarbejdet i nye typetal I tabellen skelnes der mellem afløbssystemer med off-line volumen hhv. under og over 3-5 mm, således at de laveste koncentrationer optræder, når der er magasineringsvolumen tilstede. Dette skyldes, at der generelt er forhøjede koncentrationer i de første mm regnafstrømning, dvs. first flush. De lavere koncentrationer af COD for ekstrembelastninger skyldes samme effekt. I forhold til de hidtidige typetal (Miljøstyrelsen, 1990b) er koncentrationerne af SS og COD for systemer uden magasineringsvolumen opjusteret en smule ved at inddrage de nye måleoplande. Der er ikke belæg for at ændre værdierne for N og P. Højere typetal for oplande med stor sedimentation For oplande, hvor der er begrundet mistanke om sedimentationsproblemer, anbefales det på baggrund af rapportens detaljerede resultater at vurdere, om der skal anvendes højere typetal end angivet i tabellen. 7.3 Arealenhedstal for danske forholdRegional variation af ekstremregn i Danmark Den nyeste viden om regional variation af ekstremregn i Danmark (SVK, 1999) påpeger, at aflastninger fra afløbssystemer i store træk varierer regionalt svarende til variationen i årsmiddelnedbør. Årsmiddelnedbørens fordeling er vist i figur 7.1. Desuden er der en tendens til, at aflastningerne er kraftigere i Københavnsområdet end i resten af landet. Den nye viden om regional variation af ekstremregn samt de reviderede typetal angivet i tabel 7.1 forhindrer fortsat anvendelse af de arealenhedstal, der blev opgivet i Miljøstyrelsen (1990b). For at illustrere betydningen af den nye viden er der beregnet nye arealenhedstal for 4 situationer: Et område i hhv. udenfor Københavnsområdet med hhv. lav og høj årsmiddelnedbør. Beregningerne er som tidligere gennemført ved hjælp af SAMBA-programmet, og der gennemført beregninger for 4 udvalgte regnserier fra Spildevandskomiteens regnmålersystem. Tabel 7.2 angiver de øvrige beregningsforudsætninger, som er uændrede i forhold til Miljøstyrelsen (1990b). Opdatering af arealenhedstal De beregnede arealenhedstal er angivet i tabel 7.3 – 7.6. Tabellerne kan benyttes til opgørelse af aflastninger fra et bygværk, hvorfra der ikke forefindes opstrøms bygværker og til opgørelse af den samlede aflastning fra et område, hvor afløbssystemet ikke har divergent afstrømning og hvor bygværkerne har en faldende hydraulisk kapacitet i nedstrøms retning. Figur 7.1 Tabel 7.2
Sammenligning med hidtidige arealenhedstal I figur 7.2 er arealenhedstallene fra tabel 7.3 – 7.6 sammenlignet med de arealenhedstal, der hidtil har været benyttet (Miljøstyrelsen, 1990b), og som er baseret på Odense-regnserien. De brede intervaller skyldes variationer i observerede stofkoncentrationer mellem forskellige oplande, variationer i stofkoncentrationer afhængigt af det tilstedeværende magasineringsvolumen og den regionale variation af ekstremregnen. Tabel 7.3 - Tabel 7.6 Se her... Figur 7.2 Det ses, at der generelt er tale om større aflastede mængder af såvel volumen som stof. Dette er i overensstemmelse med amternes afrapportering for punktkilder (Miljøstyrelsen, 1999), hvor der er korrigeret for en generelt øget regnafstrømning sammenlignet med de hidtidige arealenhedstal. Der gøres opmærksom på, at tabel 7.3 - 7.6 samt figur 7.2 illustrerer variationen i volumen- og stofafstrømning på landbasis grundet den regionale variation i nedbørsmønstret som angivet i (Spildevandskomiteen, 1999). Tabel 7.5 og 7.6 gælder specifikt for Københavnsområdet, mens tabel 7.3 og 7.4 gælder for resten af landet udenfor København. Hver tabel er beregnet med udgangspunkt i en regnserie, der er vurderet repræsentativ for den pågældende region (København vest og øst hhv. resten af landet udenfor København) og årsmiddelnedbør. Det betyder i praksis, at kun tabel 7.4 (årsmiddelnedbør=800 mm) er relevant for Jylland, hvor årsmiddelnedbøren jf. figur 7.1 varierer mellem 600 og 900 mm. Tabellerne kan altså kun skønsmæssigt bruges til at angive aflastninger på vilkårlige lokaliteter i Danmark. Det er muligt at etablere lettilgængelige regneark til mere præcis beregning af aflastninger på enhver lokalitet i Danmark, men det vil som antydet i afsnit 8.1 kræve yderligere databearbejdning. 8. Perspektiver for den videre udvikling8.1 Nye simple beregningsværktøjer 8.1 Nye simple beregningsværktøjerSom omtalt i afsnit 2.2 kan de hidtidige beregningsværktøjer, dvs. arealenhedstal i (Miljøstyrelsen, 1990b) og diagrammer i (SVK, 1984) ikke fortsat anvendes uden korrektioner i forhold til det regionale nedbørsmønster. Dette skyldes, at de er udarbejdet på baggrund af Odense-regnserien, der giver udpræget lave aflastningsvolumener i de fleste tilfælde (SVK, 1999). Desuden tager metoderne umiddelbart ikke højde for betydningen af first flush fænomenet, som det er fortolket i anbefalingen, kapitel 7. Nye arealenhedstal Der er beregnet nye arealenhedstal på baggrund af historiske regnserier fra Spildevandskomiteens Regnmålersystem og de anbefalede typetal. De beregnede arealenhedstal er gældende for typiske oplande, men alligevel er det nødvendigt med 4 gange så mange tabeller som hidtil, forårsaget af variationen af nedbørssmængder og typetal for stofkoncentrationer. Det er med den nuværende bearbejdning og de tilgængelige måledata ikke realistisk med yderligere detaljeringsgrad for arealenhedstal. Avancerede manuelle beregningsmetoder Som omtalt i afsnit 2.1 er den nuværende avancerede manuelle beregningsmetode baseret på følgende udtryk
hvor Va er det aflastede vandvolumen med den gennemsnitlige stofkoncentration Ca, og må er det gennemsnitlige blandingsforhold mellem overvand og spildevand i det aflastede volumen. Va og må kan på basis af forud beregnede kurver i Spildevandskomiteens skrift nr. 21 (SVK, 1984) findes som funktion af det konkrete afløbssystems afløbstal og bassinvolumen. Kurverne er konstrueret på baggrund af beregninger med Odense-regnserien som regninput. Med den nuværende viden er det erkendt, at Va, må og Ca vil variere som funktion af såvel afløbstal, bassinvolumen, årlig middelnedbør og nedbørsregion. Med disse variable indbygget som korrektionsfaktorer vil det være muligt at lave beregninger af de aflastede stofmængder på årsbasis. Det vil imidlertid ikke være realistisk og praktisk at udarbejde kurvesamlinger på samme måde som hidtil. Et mere tidssvarende værktøj kunne være et regneark til beregning af aflastede volumen- og stofmængder på årsbasis og som ekstremhændelser baseret på de forklarende variable. Den underliggende model for beregningerne kunne være som skitseret i formel (8.1), men det vil sandsynligvis være mere hensigtsmæssigt at tage udgangspunkt i en mere generel modelformulering som den, der er benyttet til at modellere ekstremregn i Danmark (SVK, 1999). I denne model er det muligt at inkludere væsentlige usikkerheder og korrelationer på inputsiden og vurdere usikkerhederne på de beregnede værdier. Et sådant regneark vil erstatte brugen af arealenhedstal. 8.2 Nyt paradigme for modelberegningerEt nyt paradigme vil bevæge sig fra identifikation af typiske koncentrationsniveauer for kombinationer af oplandskarakteristika, bassintyper og –volumener etc. til typiske proceskonstanter og typiske parameterværdier. Man kan forestille sig, at der er behov for opbygning af en modelstruktur, der udover typetal skal kunne beskrive tre processer: 1) opbygning og erosion af stof i forbindelse med afstrømning fra oplandet, 2) Fordelingen af stof i overløbsbygværket, og 3) sedimentation i bassiner. En så detaljeret modelbeskrivelse har kun mindre relevans i forbindelse med det nationale overvågningsprogram. Her er de helt dominerende usikkerheder de tilknyttede arealer og koncentrationsniveauer. Men ved mere detaljerede lokale undersøgelser, hvor der skal ske udbygninger af afløbssystemet, kan en mere detaljeret modelstruktur for afstrømningen i afløbssystemet ændre på, hvilken kombination af tiltag, der er optimal i valget mellem tilbageholdelse, lokal og central rensning. Endelig er behovet for mere nøjagtige stofafstrømningsmodeller aktualiseret af udviklingen på sensor-området, hvor det i dag er muligt at få pålidelige estimater på den øjeblikkelige stofafstrømning på baggrund af on-line målinger. 8.2.1 Afstrømning fra oplandet Opbygning og afrivning af sedimenter på overflader og i afløbssystemer kan beskrives på mange niveauer. Det mest detaljerede niveau er angivelse af fraktioner af partikelstørrelser for alle stoftyper og derefter regne på forskydningsspændingen for partikler og på opbygning og afrivning af biofilm på alle rørstrækninger for lange tidsserier. Dette niveau er dog urealistisk. Beregningerne vil i sig selv være tidskrævende, men nok så væsentligt er det, at det i praksis ikke er økonomisk rentabelt (hvis overhovedet muligt) at tilvejebringe de målinger, som skal bruges til at kalibrere modellen med. Det understreges, at modeller til rutinemæssig brug ved beregning af årsafstrømning ikke bør være mere detaljerede end svarende til det informationsgrundlag, der findes i måledata. Det skønnes at være realistisk at modellere opbygningen i tørvejr og resuspensionen i regnvejr som simple 1. ordens processer som skitseret på figur 8.1. På figuren er angivet et niveau for maximum og et niveau for minimum mængde af stof i afløbssystemet. Maximum angiver det niveau, hvor alle lunker mv. er fyldt med sedimenter, der ikke udvaskes af tørvejrsafstrømningen, og rørsiderne er bevokset med biofilm, mens minimum angiver det niveau, hvor alt resuspenderbart materiale er udskyllet. For hele oplandet benyttes derfor maksimalt 4 parametre for hver stofkomponent; to for niveauer og to 1. ordens konstanter. Ved at sætte de to niveauer til samme værdi opnås samme beregning som hidtil. Modellen vil være i stand til konceptuelt at beskrive den observerede variation, se figur 8.1. Regnhændelse 1 er stor og indtræffer efter en længere tørvejrsperiode. Derfor er regnhændelsen tydeligt influeret af first flush. Regnhændelse 2 indtræffer kort efter og der er derfor kun opbygget et lille depot af stoffer i afløbssystemet. Hændelsen er derfor uden større koncentrationsændringer og HMK er lav. Hændelse 3 er en lille regn efter en længere periode med tørvejr. Der er stadig meget stof i systemet ved regnens ophør, og derfor er der ingen større koncentrationsændringer indenfor hændelsen. HMK for hændelse 3 er dog væsentligt højere end for hændelse 2. Figur 8.1 8.2.2 Fordeling i bygværket Der er i tidligere arbejder implicit antaget, at et bygværk er på nogle få kubikmeter. Dermed er der under kraftige regn så turbulente forhold i bygværket, at det med rimelighed kan antages at være ideelt opblandet. I nogle bygværket tilstræbes det dog at skabe rolige strømningsforhold, hvorved der vil være en vertikal koncentrationsgradient. Højden på overløbskanten har dermed en vis indflydelse på overløbskoncentrationerne. Man kunne modellere denne sammenhæng ved at angive overløbskoncentrationen som en fast procentsats af koncentrationen i indløbet. Derved sikres en kompatibiliteten bagud, idet en procentsats på 100 svarer til de nuværende beregninger. 8.2.3 Sedimentation i bassiner De fleste bassiner skal efter regnhændelser renses for en større mængde sedimenter, hvilket viser, at sedimentation forekommer hyppigt. Strømnings- og dermed opblandingsforholdene har stor betydning for, hvor stor sedimentationen er i hvert enkelt tilfælde. Sammenhængen er dårligt belyst af danske målinger, men i f.eks England er der mange erfaringer med udformning af bassiner. Man kan i en konceptuel model modellere sedimentationen for den partikulære fraktion af den pågældende stoftype og angive en sedimentationshastighed for denne fraktion. Ved at angive en sedimentationshastighed på nul opnås samme beregninger som hidtil. 8.2.4 Opsamling I de foregående afsnit er skitseret et modelkompleks, der vil være en kraftig udvidelse af mulighederne for at adskille stofafstrømningen fra volumenafstrømningen. Det nuværende datamateriale kan benyttes til en første beskrivelse af afstrømningen i oplandene, dog med det forbehold, at der kun er få hændelser fra kun to oplande med fraktioneret prøveudtagning og dermed usikkerhed mht. den generelle gyldighed af resultaterne. Litteraturundersøgelsen har vist, at der er lavet lignende målinger i andre lande, hvorfra man muligvis vil kunne benytte data til verifikation af modelstruktur og parameterestimater. Før konceptet udvikles og implementeres er der behov for yderligere målinger i Danmark, især i oplande, hvor der måles på flere stofstrømme i fordelerbygværket med fraktioneret prøveudtagning. Det er i næste afsnit skitseret, hvorledes et sådant prøveprogram kan designes. 8.3 Målinger og bearbejdning8.3.1 Nye måleoplande Udvælgelsen af måleoplande og målemetoder er beskrevet i Miljøstyrelsen (1990b). For bedre at kunne identificere forskelle mellem oplande bør det sikres, at forskellige typer af oplande inddrages i undersøgelsen. Den nuværende viden tyder på, at det primært er ledningssystemet, der har betydning for variationen i koncentrationer af de stoftyper, der her er fokuseret på (N, P, COD og SS). Ved udvælgelsen bør viden om fysisk indeks og kendte sedimentationsproblemer indhentes, ligesom de vigtigste ledningsstrækninger bør inspiceres med TV. Det er endvidere centralt for udvikling af et mere detaljeret koncept, at der måles på flere stofstrømme omkring et bygværk. Det ideelle er at måle på såvel tilløb, overløb og afløb; den mindst vigtige måling er vandføringen i afløbet, da den med god nøjagtighed kan bestemmes ud fra vandstanden i bygværket. Man bør vælge oplandene, så overløb fra både off-line og in-line bassiner analyseres. Det er centralt for den videre udvikling, at prøverne udtages flowproportionalt og fraktioneret på samme tidspunkt for alle målepunkter i bygværket. Der bør være selvstændige analyser for fraktioner på maksimalt 2 mm for de første 6 mm afstrømning; derefter kan der benyttes en grovere fraktionering. Endelig bør det sikres, at der skaffes et repræsentativt udvalg af store og små regn. Efter en kontinuert måleperiode kan man eventuelt lade være med at analysere nogle regnhændelser, som skønnes at være repræsenteret i det hidtidige måleprogram. Der bør endvidere udvælges et målested nedstrøms i et større afløbssystem for at sikre data til verifikation af beregningerne. Målestedet kan med fordel vælges nedstrøms for et andet målebygværk. Endelig kan der med fordel etableres et måleprogram, der analyserer strømnings- og sedimentationsforhold i bassiner. 8.3.2 Forbedret databearbejdning Det er muligt at opstille og estimere den i afsnit 8.2.1 skitserede model på baggrund af de allerede udførte målinger. Modelstrukturen bør primært identificeres på baggrund af de fraktionerede prøver fra Soldalen med støtte fra målingerne fra Hasseris. Men modelstrukturen kan afprøves også på oplandene uden fraktionerede prøver, specielt hvis afstrømningshydrograferne kan fremskaffes for de gamle måleoplande. I bearbejdningen bør der lægges stor vægt på usikkerheden og identificerbarheden af modelstrukturen. 9. LitteraturlisteATV (1992): A128: Standards for the dimensioning and design of stormwater structures in combined sewers. Abwassertechnische Vereinigung, Hennef, Tyskland. UDC 628.211.628.258 Bertrand-Krajewski, J-L, Chebbo, G. and Saget, A. (1998): Distribution of Pollutant Mass VS Volume in Stormwater Discharges and the First Flush Phenomenon. Water Research, 32, 8, 2341-56. Deletic, A. (1998): The First Flush Load of Urban Surface Runoff. Water Research, 32, 8, 2462-70. Driver, N.E. and Tasker, G.D. (1990): Techniques for estimation of storm-runoff loads, volumes, and selected constituent concentrations in urban watersheds in the United States. US Geological Survey Water Supply paper 2363. Ellis, J.B. (1986): Pollutional aspects of urban Runoff. NATO ASI Series. Vol G10, 1-38. Springer Verlag, Berlin Heidelberg. Field, R. (1984): The USEPA Office of Research and Developments view of Combined Sewer Overflow. Int. Conf. on Urban Storm Drainage - Göteborg: Chalmer University of Technology, Vol.4, 1333-56. Frich, P.; Rosenørn, S.; Madsen, H.; Jensen, J.J. (1997): Observed precipitation in Denmark, 1961-90. Danish Meteorological Institute, Technical Report 97-8. Geiger, W.F. (1986): Variation of combined runoff quality and resulting pollution retention strategies. TNO Committee on Hydrological Research, Vol. 1, 71-91. Wageningen, The Netherlands. Gromaire-Mertz, M.C., Chebbo, G. and Saad, M. (1998a): Origins and characteristics of urban wet weather pollution in combined sewer systems: The experimental urban catchment "Le Marais" in Paris. Water Science and Technology, 37, 1, 35-43. Gromaire-Mertz, M.C., Garnaud, S., Gonzalez, A., and Chebbo, G. (1998b): Characterization of runoff pollution in Paris. 3rd Int. Conf. NOVATECH, Lyon, France: Vol.1, 29-37. Gupta, K. and Saul, A.J. (1996): Specific Relationships for the First Flush Load in Combined Sewer Flows. Water Research, 30, 5, 1244-52. Göettle, A (1978): Ursachen und mechanismen der regenwasserverschmutzung. Ein beitrag zur modellierung der abflussbeschaffenheit in städtischen gebieten. Institut für Bauingenieurwesen V, TU München, Deutchland (Berichte aus wassergütewirtschaft und gesundheitsingenieurwesen, Nr. 23). Harremoës (1988): Stochastic models for estimation of extreme pollution from urban runoff. Water Research, 22, 1017-1026. Hemain, J.C. (1986): Statistically based modelling of urban runoff quality: State of the art. In: Urban Runoff Pollution, Torno, H.C., Marsalek, J., and Desbordes, M. (ed.). NATO ASI Series, G10. Springer-Verlag, Berlin Heidelberg. IAWQ (1996): Solids in Sewers: State of the Art. IAWQ, London. Larsen, T., Broch, K. og Andersen, M.R. (1998): First flush effects in an urban catchment in Aalborg. Water Science and Technology, 37, 1, 251-257. Miljøstyrelsen (1990a): Bearbejdning af danske måledata af regn og afstrømning. Miljøprojekt 136. Miljøstyrelsen, København. Miljøstyrelsen (1990b): Bestemmelse af belastningen fra regnvandsbetingede udløb. Spildevandsforskning fra Miljøstyrelsen, nr. 4. Miljøstyrelsen, København. Miljøstyrelsen (1997a): Miljøfremmede stoffer i overfladeafstrømning fra befæstede arealer. Miljøprojekt nr. 355. Miljøstyrelsen, København. Miljøstyrelsen (1997b): Det intensive måleprogram for de regnvandsbetingede udløb. Arbejdsrapport nr. 43. Miljøstyreslen, København. Miljøstyrelsen (1999): Punktkilder 1997. Miljøstyrelsen, København. ISBN 87-7909-162-8. PH-Consult (1994): Udledning under regn til vandløb i Aalborg Kommune - område vest, fase C, pp 30. PH-Consult (1998): Måledata for sommeren 1997 - Hasseris å, Guldbækken og Kjærs Mølle å samt sidetilløb til Lindholm å, pp 30. Pitt, R. (1999): Information about the NURP database (personal communication). Saget A., G. Chebbo, and Jean-Luc Bertrand-Krajewski. (1996). The First Flush in Sewer Systems. Water Science and Technology Vol.33(No.9) 101-108. Saget, A., Gromaire-Mertz, M.C., Deutsch, J.C., and Chebbo, G. (1998): Extent of Pollution in Urban Wet Weather Discharges. BHS Int. Conference on "Hydrology in a Changing Environment", Exeter, UK: Sansalone, J.J.; Buchberger, S.G. (1997): Partitioning and first flush of metals in urban roadway storm water. Journal of Environmental Engineering, Vol, 123, No. 2, 134-143. Smullen,.T.; Shallcross, A.L.; Cave, K.A. (1999): Updating the U.S. Nationwide Urban runoff quality data base. Water Science and Technology, 39(12), 9-16. SVK (1984): Recipientbelastning fra overløbsbygværker. Dansk Ingeniørforening, Spildevandskomitéen, Skrift 21. Tekst og Tryk, København. SVK (1999): Regional variation af ekstremregn i Danmark. Ingeniørforeningen i Danmark, Spildevandskomitéen, Skrift 26. Tekst og Tryk, København. Tasker, G.D. og Driver, N.E. (1988): Nationwide regression models for predicting urban runoff water quality at unmonitored sites. Water Ressources Bulletin, 24 (5), 1091-1101. USEPA (1983): Final Report of the Nationwide Urban Runoff Program. Washington, D.C. 20460: Water Planning Division - U.S. Environmental Protection Agency, VanBuren, M. A., Watt, W.E., and Marsalek, J. (1997): Application of the log-normal and normal distributions to stormwater quality parameters. Water Research, 31(1), 95-104. Bilag A : Literature review of pollutant concentrations in combined sewage2. Procedures for predicting stormwater pollutant loads 3. Structure and quality of measurement programs 4. Concentration levels reported in international investigations 5. Explaining the variation of EMC's and SMC's 1. Introduction1.1 Background 1.1 Background The Danish National Authorities recommend three standard methods of increasing complexity for the calculation of urban runoff pollution loads, ranging from using area unit pollution loads to using long historical rain series and the SAMBA module in the MOUSE package. Common for these methods is the concept of event mean concentrations (EMC’s), i.e. that the pollutant concentration in the runoff is assumed to be independent of the size and distribution of the rain volume and also independent of the characteristics of the catchment such as size, storage capacity, maintenance etc. Data from recent measurements question these assumptions (Miljøstyrelsen, 1997). During two summer periods runoff from six catchments has been measured. The preliminary analysis of the data showed significant differences between the hydrograph and the pollutograph, and the calculated event mean concentrations were significantly higher than what was previously observed. In appendix B of this report the Danish data is processed more closely using modern statistical methods. The purpose of this appendix (A) is to review the available international investigations on the same issue, as basis for assessing the results from analyzing the Danish data. Results from the literature review and the data processing are compared in the main report. 1.2 Target of the review The core of the literature review is to assess levels of EMC’s in stormwater discharges from combined sewer systems. Of particular importance is the variation of average EMC’s from different sites in different regions and countries, e.g. the variation of site mean concentrations (SMC’s). On top of this comes other issues related to the use of these EMC’s for calculation of urban runoff pollution loads. The purpose can thus be divided into the following tasks
Focus is on suspended solids (SS), organic matter (COD) and nutrients (N and P) but other pollutants will be included where they are available. 1.3 Information sources The following two information sources available at DTU through the Technical Knowledge Center were systematically searched for relevant literature:
More than 6000 references were found using the following search profile
However, only a minor part of these references were relevant to the project. After importing the references in the literature database program Reference Manager 8.0 for Windows 95 they were manipulated in different ways, including visual inspection of on-line abstracts, finally leading forward to a selection of about 90 references of some relevance to the project. This limited number of references illustrates that technical reports from national and regional sources are not commonly included in such databases and that there was no strong tradition until recently among researchers of urban drainage to publish results in international forums. Some of the major international measurement programs have only been published in national technical reports and these have not generally been available during the project. To complement the literature search publications collected at DTU and AAU during the past years (books, reports, conference proceedings and journal papers) were added to the material scanned in detail. This increased the information level significantly as far as conference proceedings and technical report goes. The reference list covers all the references cited in the text but references only to the general subject are not included. 2. Procedures for predicting stormwater pollutant loads2.1 Types of methods 2.1 Types of methods Three levels of detail A large variety of methods exist for estimating pollution runoff loads from urban areas. In this review we distinguish between the following three levels of detail
This discrimination in three levels is consistent with the three levels of calculation methods proposed by the Danish EPA (Miljøstyrelsen, 1990b). Level-1: Area unit pollution loads Many authors stipulate areal unit pollution loads for different pollutants and catchment types, e.g. (Novotny, 1991, 1992). However, such values are calculated based on measured data from local sampling stations and subjective judgments are sometimes applied widely in this process. Direct transfer of unit pollution loads to catchments with other climatic and societal conditions may be questionable and we thus choose not to assess this type on information in the review. Level-2: Simple procedures Numerous simple procedures for predicting pollution loads from knowledge about rainfall, catchment characteristics and average pollutant concentrations exist. They are either empirical regression models or equations that in a simplified manner represent the hydrological processes and the average pollutant concentration in the runoff water. The regression models may give valuable information about features governing the variation between storm events and between catchments, and the major part of the review will thus be devoted to such procedures. Level-3: Simulation models Regarding simulation models, a large number of different models exist on the international market, involving different levels of complexity in the description of hydrologic and pollution transport processes. Considering the typical lack of pollution measurements in most practical cases, use of such models becomes a controversial subject of debate and this is not the purpose of the review. The SAMBA model has been used extensively in Denmark over the past decades. It is based on simple mixing of wastewater and stormwater with different average concentrations and facilitates transport and storage, before final discharge into receiving waters via overflow structures or outlets. There is some discussion whether more phenomena could be included in planning-level models like SAMBA and thus, part of the review will also cover the extent to which different transport processes have been documented in international investigations. The purpose would be to identify a few variables that can be used to describe the variation of the pollutant concentrations during and between events. 2.2 Definition of the EMC and SMC EMC - The event mean concentration The level-2 and level-3 methods for estimation of urban runoff pollution are typically based on average representative concentrations of pollutants. It is commonly accepted to use event mean concentrations (EMC’s) to characterize urban runoff. An EMC is calculated for an individual storm event as the total mass load of a pollutant parameter divided by the total runoff water volume discharged during the storm. Commonly, a large variation is observed when calculating EMC’s for several events from the same site. SMC - The site mean concentration When estimating annual pollution loads it is of primary importance to know the average level of EMC’s. A site mean concentration (SMC) is the arithmetic mean value of the EMC’s measured at one site. Commonly, a large variation is observed when comparing SMC’s from different sites. 2.3 Pollutant concentrations in separated and combined sewer systems The Danish level-2 procedure The Danish level-2 calculation method (Miljøstyrelsen, 1990; SVK, 1984) facilitates estimation of runoff pollution from combined sewer systems by calculating the water volumes discharged via an overflow structure and working with mixtures of two types of water, (1) Wastewater from household and industrial sources and (2) stormwater runoff. It is emphasized that for combined sewer systems the pollutant concentrations in "stormwater" (EMC) is significantly higher than for separate sewer systems due to erosion of sediments deposited during dry weather periods. A "stormwater" event mean concentration can be calculated as
where the subscripts ww and tot denote the wastewater and the total (wastewater and stormwater) flows (Q) and concentrations (C), and the integral signs illustrate that the EMC is evaluated as an average for the whole event duration. The wastewater flow and concentration is measured during dry weather assuming only minor variations whereas the total flow and concentration is measured during runoff. Total and "stormwater" concentrations It is common in the Scandinavian countries to distinguish between stormwater in separated systems and the "stormwater" fraction in combined sewer systems, both in calculation procedures and in reported EMC’s and SMC’s. However, it is more common internationally to work with total concentrations only. These will, ideally, be higher in combined sewer systems due to the mixing with wastewater and re-suspension of sediments during rain. There are, however, indications that the differences are not as large as expected. Fault connections Canadian studies have shown between 5 and 13% of illicit sanitary connections to storm sewers (Field, 1984). A possible indication on how severely fault connections may influence storm sewers can be seen in Table 2.1 which compares expected concentration levels of TSS, COD and BOD in storm sewers, polluted storm sewers and combined sewers. The data originates from the French database Qastor (Saget and Chebbo, 1996) and it is important to stress that site variations are large, even larger than indicated in the table. This indicates that it may be hard to conclude which type of sewer system has the most polluted runoff water during wet weather. Table 2.1
2.4 Simple procedures for estimating pollution runoff Several authors describe or review methodologies for estimating annual pollutant loads (AL) under wet-weather conditions from separate storm sewers, and we found no similar references dealing with combined systems. Despite this fact some of the procedures for separate systems will be briefly reviewed, because of the systematic approaches taken. Part of the review is based on (Pandit and Gopalakrishnan, 1997). 2.4.1 Regression equations SWMM Level 1 The Storm Water Management Model (SWMM) Level-1 is a preliminary screening procedure developed with the support of the US EPA by reviewing and using non point source pollution data (Heaney et al, 1976). The model provides estimates of annual loads of five pollutants (BOD, TSS, VSS, TP and TN) as a function of land use, type of sewer system, precipitation, population density and street-sweeping density. The basic equation is
USGS regression model The United States Geological Survey (USGS) developed regression models from data in two large national databases of urban runoff quality (see section 4.7) for predicting ten pollutants at ungauged locations (Tasker and Driver, 1988; Driver and Tasker, 1990). The final regression relationship yields
The annual pollutant load is not directly proportional to the catchment area, and the regression model thus produces estimates notably different from other methods. Typically, much higher loads are predicted for relatively small-size catchments (below app. 10 ha) and they get relatively smaller as the catchments get larger (Pandit and Gopalakrishnan, 1997). 2.4.2 Methods based on the EMC/SMC concept The simple method As indicated by its title, this is a simple method in its formulation (Schueler, 1987). The annual load is estimated as
Continuous simulation method Estimation of Pj may give some difficulties and Pandit and Gopalakrishnan (1996) thus proposed the following method
where ASRC is an annual storm runoff coefficient, which is determined by simulating annual runoff volumes based on historical rainfall series with the SCS (soil conservation services) method and calculating ASRC=Ra/P where Ra is the annual storm runoff depth. Runoff model The last reviewed method based on the EMC/SMC concept yields
where Ai and Ap are the effective impervious and pervious areas and ri and rp are runoff coefficients of these areas, respectively (Chiew and McMahon, 1999). 2.5 Discussion Disadvantage of regression models The disadvantage of the two regression methods is that the parameters and relations are difficult to generalize and transfer to conditions outside the United States. Systematic differences between pollutant loads from different catchments are "hidden" in several variables making it difficult to distinguish between different effects. Advantage of EMC/SMC based models The advantage of the three methods listed in Eqs. (2.4-6) is that they distinguish between runoff volumes and concentrations of pollutants in the runoff water (EMC/SMC’s). The difference between the methods is only the way the annual runoff is estimated. In the two first methods the average EMC (or SMC) of a site is determined by finding the mean EMC of three or more "representative" storm events. These storms are selected based on their magnitude, their antecedent dry weather periods and the deviation of their depth and duration from those of the average storm in the area. However, in lack of measurements the three methods may be used with regional EMC/SMC-values taken from the literature, in which case the models can only give a guide to the probable range of pollution loads. Adjusting EMC’s with local data Villadsen (1998) estimated using first order analysis of Eq. (2.5) for a given Danish example an annual total Nitrogen load of 550 kg/year with a standard deviation of 250 kg/year. This highlights the need for adjusting regional EMC/SMC values with local data. Hoos (1996) mention four different methods, but this aspect will not be explored in more detail. Good EMC/SMC data are required It is clear from above that good estimates of EMC’s and/or SMC’s is crucial to the accuracy of calculating annual pollution discharges during wet-weather. 3. Structure and quality of measurement programsMany investigations have been performed regarding the determination of pollutant discharges from combined sewers but only few have been reported in scientific journals and international conferences making it difficult to access the data. In most cases it is not possible to get insight into how and where exactly the measurements were carried out because the measurement conditions are poorly described even in the original national or regional project reports. Aim of investigations The procurement of data leading to a better understanding of the pollution sources and of the physical, chemical, and biological processes involved has a number of aims (Geiger, 1986a):
In order to be able to make sound conclusions regarding the issues above it is of paramount importance to choose field study site carefully. The phenomena of main interest need to occur in the catchment with a sufficient frequency. Large variation of pollutant concentrations In general, measured pollutant concentrations vary considerable between events and from catchment to catchment. A very important part of the variation in results from measurement campaigns stems from the uncertainty arising from how and where in a catchment measurements are carried out, how analyses of water samples are performed and how subsequent data analysis is carried out. These issues are discusses in more detail below. Location of sampling place Some studies are performed on the spill water itself whereas measurements in others studies are taken in-sewer or inside CSO chambers. The latter is e.g. the case for Danish measurements (Miljøstyrelsen, 1990a,b) and these should thus not be compared directly with measurements on spill water. However, in many investigations such information is not available and it may even sometimes be doubtful to distinguish whether the measurements are conducted in combined or separated sewer systems. Hydrographs and pollutographs To identify hydrographs and pollutographs the sampling resolution has to be high enough to avoid aliasing. As the variability in the studied processes is high the result is often too many samples making it impossible to analyze all samples in the laboratory. Thus a compromise is often unavoidable. Furthermore, the correct time synchronization between measurements of different entities is necessary. The accuracy of the different measurements should also be comparable. There is e.g. no reason to do very accurate pollutant transport measurements if the hydraulic data accuracy is very poor. Number of events and data treatment Another concern is the number of events monitored and how the data treatment is conducted. This of course depends on what is being investigated. For example, a limited number of EMC's may be sufficient to obtain a good estimate of SMC for a location. However, if extreme statistical properties of e.g. CSO events are sought a high number of events is needed. Sometimes conclusions about the characteristics of extreme events are based on a limited sample of relatively small events. This is, of course, an extrapolation, which should be done with the uttermost care. Calculation of EMC and SMC A special problem is that it is mostly not clear how EMC's and SMC's have been calculated. For sampling programs that are based on flow-weighted techniques, the EMC should be taken as the flow-weighted mean concentration. In studies employing sequential discrete sampling, the EMC should be taken as the area under the loading curve (loadograph) divided by the area under the flow rate curve (hydrograph). Even these simple calculations may sometimes be misunderstood. The SMC should ideally be taken as the arithmetic mean and should not be confused with the median which is mostly higher than the mean due to the skewness of the data. Especially for small samples the SMC it is sometimes calculated as a volume-weighted mean concentration, and sometimes very small events are discarded from the sample analyzed because they have unexpectedly high pollutant concentrations. Uncertainty from measurement and analyses Last but not least come the inaccuracies originating from the uncertainties in the measuring and analysis methods. A typical investigation may consist of the following:
Rainfall measurements The uncertainty on rain gauge measurements using a traditional tipping bucket gauge is estimated to be 5-10% of the total rain depth (Maksimovic and Radojkovic, 1986). It is important not to introduce a time lag between rainfall measurements and flow measurements on an average basis by taking into account the time of concentration. On top of this comes the effect of spatially distributed rainfall which introduces uncertainty of runoff volumes predicted from rainfall measurements, depending on the catchment size (Arnbjerg-Nielsen, 1996). Although these uncertainties may be significant when estimating pollution runoff loads from rainfall measurements they are not important when calculating EMC's and SMC's based on measurements of flow and pollution concentrations. Discharge measurements The quality of flow measurements depends on the method applied. Traditionally measurements of water depth over weir structures have been used. Presently, the combination of a pressure sensor and a Doppler velocimeter is often used. The newest development is electromagnetic flowmeters, which introduces no obstacles into the flow. Beside these principles a lot of sensors exists based on potentiometers, ultra sound etc. Common for all the measuring devises is that the commercial producers usually quite optimistically estimate the obtainable precision. Dependent on the type of sensor system uncertainties varies from a few percent of the flow rate up-till app. 50 % (Maksimovic and Radojkovic, 1986). Water samples Besides rainfall and run-off measurements the intricate issue of taking water samples is important. Some of the investigations presented in chapter 4 are based on grab samples, others on automatic aqua samplers using either vauum pumps or peristaltic pumps. How large discrepancies this introduces is difficult to assess, but the result of using the different approaches is not the same. The next question is where in the cross-sectional flow to take the sample. Many agree that the only feasible way to sample is to use a flexible tube pointing downstream placed in the flow well above any deposits (Balmforth et al., 1995). Other investigations have tried to find an influence of suction velocity, probe size etc. where variations have been shown to be less than those introduced by e.g. the subsequent laboratory analysis (Schlütter and Schaarup-Jensen, 1998). Others have, however, expressed the importance of the intake velocity (Kleijwegt, 1992). It is important to realise that using an automatic aqua sampler will never depict the mass transport of near bed solids or bed load in general. Geiger (1984) recommends homogenising a part of the flow before sampling takes place. Analytical procedures When water samples are analyzed the analytical procedure introduces additional uncertainty. If for instance one large sample is subdivided and analyzed for total suspended solids (TSS) a coefficient of variation as high as CV=20 % may be expected (Schlütter and Schaarup-Jensen, 1998). This uncertainty obviously depends on which parameter is being determined. Furthermore, the total variance in results due to measurement uncertainty accumulates from numerous sources. In the case of TSS, uncertainty originates from e.g. representativeness of the sample, decomposition of the sample before analysis, analytical procedure, numerical rounding errors, etc. The problem is that it is impossible to track the propagation of uncertainty and that the size of the individual contributions to the uncertainty often is unknown. The human factor Field studies at multiple sites also introduce in-between site discrepancies due to the fact that a number of different people are carrying out the measuring campaigns and analyses of samples and data. The considerations mentioned in this paragraph serve as background for the descriptions of measuring campaigns for EMC/SMC-values presented in chapter 4. It is thus proper to review the rendered data with some reservation. 4. Concentration levels reported in international investigations4.1 Dutch study in Loenen, etc., 1986 The studies presented in this paragraph are both studies from individual sites and comparative studies. They present large variations with regard to experimental procedures, to what extent findings have been related to catchment characteristics and the level of detail reported. In chapter 5.2 the statistical distribution of the data is analyzed whereas chapter 5 relates the SMC-values to catchment characteristics. 4.1 Dutch study in Loenen, etc., 1986 The study commenced in 1981 with the aim of looking into storm water discharges from sewer systems (Onderdelinden and Timmer, 1986). The fact that this is a Dutch study makes it interesting, as the average sewer system in the Netherlands is flat and often with some infiltration water due to the high groundwater levels. This results in relatively high dry weather flows (DWF). The small hydraulic gradients make the systems prone to depositing of sediments. Relatively large volumes of fine sediments in the systems can potentially be flushed out during rain events, but this is somewhat counterbalanced by the low mean slope of the sewer systems which does not entail high bed shear levels. Six drainage areas with typical Dutch sewer systems were monitored. The four combined sewer systems are located at Loenen, Oosterhout, Bodegraven, and Kerkrade. Table 4.1 shows the main characteristics of these sites. The gradients in the systems vary between 1:500 and 1:1000 (1-2 0/00) and all chosen systems have relatively large diameter sewers and only one CSO structure connected. Table 4.1
Some general conclusions were reached. The pollution emissions depend on rainfall intensity and overflow discharges, i.e. extreme loads of pollutants occur when overflow discharges are large. Contrary to expectations there were no correlation with the average dry weather period (ADWP). One explanation is that the sewer system is not flushed clean each time an overflow occurs. Another subject treated within the project were the correlation between different measured pollutant parameters. Table 4.2 shows computed correlation between parameters. Table 4.2
As seen in table 4.2 there are rather high correlations between the shown parameters. This means that the concept of using one or a few parameters such as COD as overall pollutant indicators is quite valid in an on-line situation. The level of the different pollutant parameters needs, however, to be measured before the correlations can be used for predicting e.g. BOD from measurements of COD. Results obtained from the four combined systems are seen in table 4.3. Table 4.3
4.2 German study in Munich-Harlaching, etc., 1977 This study has been presented by Geiger (1986b) and besides presenting results from the measuring site of Munich-Harlaching reference is also made to several other studies. The field data was collected during the period 1977 to 1981. Munich-Harlaching is a rather big catchment with a drainage area of 540 hectares. This should result in less pronounced first flush due to the long concentration time, i.e. that all the sediments and water does not arrive at the CSO at the same time. The catchment characteristics are seen in table 4.4. Note the difference between the average surface inclination (1.7%) and the average sewer slope (0.5%). Such differences underline the importance of checking information carefully when correlating runoff concentrations with catchment characteristics. Some main conclusions were reached based on the study (Geiger, 1986b). For the catchment of Munich-Harlaching first flush seems to depend on the level of the DWF whereas correlation with ADWP was not found. The basis for the conclusion with respect to the DWF is calculated contributions of DWF to the storm water run-off. In this case the DWF contributes with 23% to the run-off volume, 32% to TSS, 31% to BOD5, 44% to COD, 53% to NKj, and 43% to Ptot. Some flush effects were seen for the events especially for TSS and to some degree for COD whereas other pollutant parameters showed dilution effects. The flush effects were most apparent for night events where the DWF is small. Table 4.4
I data.n connection with the investigation presented by Geiger (1986b) a literature search resulted in mean concentrations (not EMC's) for combined sewers, see table 4.5. Unfortunately, attaining catchment areas, etc. were not reported, neither the original source of the Table 4.5
The first conclusion to be drawn on table 4.5 is that the mean values exhibit large variations. Some of the discrepancies can of course arise from differences in measuring procedures and methods and calculation methods, cf. chapter 3, but a large part of the variation must be explained by differing rainfall and catchment characteristics at each site. As can be noticed in table 4.5 the values from the Munich-Harlaching catchment are not included. The investigations in Munich-Harlahing consists of a very high number of samples taken which have been used for calculation of mean concentrations and station mean concentrations. Table 4.6 shows some of the obtained results. When combined run-off concentrations and load figures from Münich-Harlaching was plotted it demonstrated that the values were lognormal distributed. This distribution has frequently been shown to be applicable (VanBuren et al, 1997), though it did not fit distributions of dissolved solids, chloride, sulphates, and COD. Table 4.6
4.3 Collation study from United Kingdom, 1985 This reference (Ellis, 1986) does not present one specific investigation but presents pollution aspects concerning urban runoff and EMC-values condensed from mainly UK sources. It is evident that treatment of the dry weather flow (DWF) from combined sewers is not sufficient for a sustainable receiving water quality. It is estimated that 35% of the annual pollutant load in the United Kingdom originates from CSO’s, that operates only 2-3% of the time. Comparing annual water volumes the dry weather runoff approximately equals the stormwater runoff. A summary of encountered values of mean pollutant concentrations is reproduced in table 4.7. Table 4.7 Look here! As seen (table 4.7) the values are given in ranges indicating the variation of EMC's. It is interesting in this case to see the attempt to discriminate between different pollution sources. It can be seen that the pollution load from CSO is significantly higher than from the storm sewer outlets. 4.4 Canadian study in Ontario, 1980ties An interesting comparison is made between raw sewage, treated sewage, surface runoff, and combined sewer overflow. This comparison can be seen in Table 4.8. Data originates from Ontario, Canada and are rendered by Waller and Hart (1986). Table 4.8
Mean concentrations of TSS from combined sewer overflows are rather high (190 mg/l). This is explained by the fact that combined sewer systems often serve older urban areas with higher population density. Separate and combined sewer systems are compared (Waller and Hart, 1986) and according to this comparison the combined system discharges about twice the loads of the separate system, also taking into account the discharges from the WWTP. This seems to be valid for TSS, Ptot, Ntot, and chlorides. However, such conclusions depend on e.g. the storage volume and the interceptor capacity of the catchment and such information was not given. 4.5 French measurement programmes 4.5.1 National French study, 1986 In this reference (Hémain, 1986) a national French study containing four sites is presented. The French results originate from four catchments (Maurepas, Les Ulis, Aix Zup, and Aix Nord) with relatively long and consistent measurements, (Hémain, 1986). A summary of the results is shown in Table 4.9. Data can also be seen in (Deutsch and Hémain, 1984). Table 4.9
4.5.2 Study in "Le Marais", 1998 The Le Marais catchment is a monitored catchment, which has been thoroughly investigated for a number of years (Gromaire-Mertz et al, 1998a,b). As for other studies it was revealed that the mean concentrations are not the same at different levels in the catchment. The catchment characteristics are shown in Table 4.10 and Table 4.11 shows results for TSS, COD, BOD, and VSS. The EMC-values for roof, yard, and street are calculated as means of EMC for a number of events and the ranges are the result of different roof, yard and street types. Since there was only one outlet from the studied catchment no range is given here. Table 4.10
Table 4.11
The different surfaces (roofs, yards, etc.) do not contribute to the total load with the same percentage from event to event, though pollution originating from resuspension of sewer sediments is rather constant 45 - 66%. Waste water contributes with 6 – 37%, roofs 3 – 23%, yards 3 – 10% and streets 10 –17%. The findings equal those of other French studies according to (Gromaire-Mertz et al, 1998a). 4.6 Norwegian study in Oslo, 1974 This study was initiated in 1974 and is comprised of seven field sites, three combined systems and four separate sewer systems (Lindholm and Balmér, 1978). The objective of this investigation was to estimate annual levels of pollution discharges and in what way this was influenced by
The study did, however, not show clear correlations, but it did show that combined sewers for most pollutants contributes to the annual load with larger annual loads than separate sewers. Catchment characteristics can be seen in (Lindholm and Balmér, 1978). Table 4.12 renders the results for combined sewers. Table 4.12
One of the inherent problems of measuring campaigns like this one is whether or not the monitored rain events constitute a suitable representation of the annual precipitation even though the whole year is not monitored. In this case it was noticed that one of the monitored rain events increased the annual loads by a factor of 2-3 as both concentrations and overflow volume were exceptionally large. This was a rain event with a ten-year return period. 4.7 Measurement programs in the Unites States 4.7.1 NURP (1978-83) The United States Nationwide Urban Runoff Program (NURP) was initiated in 1978 by the environmental protection agency. The final report from the investigations was published in 1983 (USEPA, 1983). The aim of this five year program was to assess the properties of urban runoff pollution to water quality across the United Sates. A range of pollutants were monitored with good consistency at almost all the catchments. The pollutant parameters were: Suspended solids, chemical oxygen demand, biological oxygen demand, total nitrogen, ammonia, total phosphorus, copper, lead, and zinc. The NURP program developed EMC's for these and other pollutants, drawing upon data collected from over 2,300 events at more than 81 sampling stations located in 28 different metropolitan areas. The catchments attaining characteristics were determined by land-use, drainage area, population density, imperviousness, and runoff-coefficient, cf. Table 4.13. Table 4.13
The overall results from the NURP study are shown in Table 4.14 grouped by sampling station; they represent the statistical properties of all the SMC-values found within the NURP program. Between one and 37 EMC values were used to calculate the SMC values for different pollutant parameters. To get an impression of the variation between sampling stations Figure 4.1 shows the 37 SMC-values of COD for residential area as a bar graph. The mean value of the SMC-values shown is 102.4 mg/l. This value is very close to the guideline value of COD stipulated by the U.S. EPA for planning-level calculations (100 mg/l). Table 4.14 Look here! Figure 4.1 Look here! The data in Table 4.14. is grouped by land-use category (residential, industrial, mixed, commercial and rural). However, the NURP study concluded that the variance of the EMC's when data are grouped by land-use or geographic region is so great that the groups cannot be distinguished statistically. In some cases investigators have attempted to differentiate between land-use categories by applying the NURP data computed by land use, despite the NURP conclusions to the contrary. It is not clear from the original project report (USEPA, 1983) whether it is concerned with separated or combined sewer systems and contact was thus established with American specialists in the field. Pitt (1999) states that all the catchments included in the NURP database are served by separate systems, however with substantial influence of illicit wastewater connections. Thus data from the NURP database is included in the following to provide a basis for comparison, however sites with less than 50 mg COD/l are excluded from the analysis. American data from combined sewer systems has not been collected and analyzed in a similar systematic way. 4.7.2 Updating the NURP database Several measurement programs have been conducted in the US since the NURP studies stopped and an effort to compile all data into one common database was recently started by the company Camp Dresser and Mckee (Smullen and Cave, 1998). The database includes data from the following sources:
Only data from monitoring locations that exhibited little or no base flow and that did not include any stormwater management control practices were allowed in the database. As for the NURP data, this means that it is not clear which data comes from combined sewer systems. Table 4.15 shows the major findings from comparing the new, pooled database with results from only the NURP data. The differences between the pooled means and those estimated from the NURP data range from a 79% lower estimate for Copper to a 36% higher estimate for BOD. The lower metal concentrations in the newer data could be the result of sampling problems (e.g. poor solids recovery), or they may reflect the use of cleaner technologies that are more prevalent in the 1990'ies for sampling, chain of custody transfers and laboratory methods for metals. These cleaner technologies have evolved over the past decades in response to the criticism of metal determination from previous decades (Smullen and Cave, 1998). The differences between the very large US data sets illustrate once again that SMC's and EMS's are subject to large variations and that such concentrations should be interpreted with care. Table 4.15
5. Explaining the variation of EMC's and SMC's5.1 Variation of EMC- and SMC-values 5.1 Variation of EMC- and SMC-values Table 5.1 shows summary statistics for TSS, COD and BOD based on the measurement programs reviewed in chapter 4. Other pollutant parameters have not been reported frequently enough to calculate summary statistics, but the ranges for these parameters can be seen in table 5.2. Table 5.1
Table 5.2
As seen in the tables above the parameters vary considerably. As earlier explained the variations stem from variations between sites and differences in measuring campaign methodologies, but it is not clear how to distinguish between the two types of contributions to the variation. Subsequently, it is very difficult to distinguish between the influences from rainfall, runoff characteristics and site variations such as rainfall intensity, rainfall duration, rain depth, discharges on surfaces and in pipes, runoff coefficient, first flush tendency of the system, land use, catchment area, population density, dry weather flow, antecedent dry weather period etc. The very large NURP project arrived at a set of recommended values for the United States although variations were large between sites. Making conclusions about SMC/EMC-values based on a few measurement sites and a limited number of monitored events may very well result in doubtful conclusions. Furthermore, if a "small" study is extended the variation may increase due to the condition that the already monitored sites and events were not representative for the spatial and temporal variations. Table 5.3 summarizes the main literature data on TSS, COD, Tot-N and Tot-P by country to provide a basis for comparison with the Danish measurement data. Sites from the NURP database with less than 50 mg COD/l have been excluded. 5.2 Distribution of EMC-values As already mentioned the distribution of EMC-values of a number of pollutant has been shown to be log-normal distributed (VanBuren et al, 1997). This statistical consistency allows for probabilistic modelling of run-of quality. By specifying return periods or exceedance probabilities it is possible to estimate corresponding EMC’s and vice versa. This is illustrated on Fig. 5.1. Figure 5.1 According to Hémain (1986) data from the NURP program partly followed a log-normal distribution (for TSS, T-tot P, Tot-Pb, and Tot-Zn), whereas COD did not seem to fit the distribution. Similar results were found in the French national programme (Hémain, 1986). Figur 5.2 Figure 5.3 Histograms based on SMC-values of TSS and COD from the literature review are shown in Figs. 5.2 and 5.3. Application of the simple Bowman-Shelton test showed the COD data to be log-normal distributed whereas the TSS data could neither be said to follow a normal or log-normal distribution. 5.3 Correlation with event and catchment characteristics The first thing researches do when obtaining some measured data is to look for correlations between results and influencing parameters characterizing individual events and individual sampling sites as mentioned above. Often anticipated correlations are not found. Very few references e.g. report correlation with ADWP (Pearson et al, 1986) contrary to what one may expect. In the study by Saget et al (1998) EMC-values were correlated with mean slope of the catchments and time of concentration without success. It is a general result that no singular input characteristics can explain the main part of the EMC-values (Hémain, 1986). When looking at the extent of the measurement campaigns, which have been carried out it can be concluded that no single project have been able to explain the differences between estimated EMC-values with good confidence. This can also be seen when plotting parameters reported in this review against different catchment characteristics. Plots showing relationships with the catchment characteristics are seen in figure 5.4 to 5.8. The scatter plots do, in general, not show pronounced dependency on either catchment area or population density. It can be seen, however, that European values seem to be higher than pollutant levels in United States. This is consistent with the fact that the American sites represent storm sewers, however influenced to some extent by illicit wastewater connections. Regression analyses have been carried out on data from the NURP and USGS databases (Tasker and Driver, 1988; Driver and Tasker, 1990). It was found that the various regression models could account for 10 to 68 percent of the total variation in observed loads, and that regression models may be used for planning levels calculations, or in identifying data-collection needs. Figure 6.1 Figure 6.2 Figure 6.3 Figure 6.4 Figure 6.5 6. ConclusionsThis review revolves ound assessment of EMC/SMC-values based on results from international studies. The review has revealed ranges for EMC/SMC-values for different pollutants as shown in Table 5.1-3. There is of course no guarantee that all major international EMC/SMC studies have been reported in this review but it is believed that inclusion of additional studies will not change the overall results. One conclusion recurs in almost all references; the SMC-values are very much site-dependent. This results in quite broad ranges of the EMC-values reported. Part of the variation of the found SMC/EMC-values may be a consequence of the fact that investigations have been reported from all over the world. Different countries have different sewer design traditions based on the specific countries geology layout, city planning and mentality of the inhabitants. Transfer of data from this review must therefore be undertaken with a fair amount of caution. The variability of the phenomena studied also points out that in order to make conclusions based on measured data, it is necessary to carry out enough measurement campaigns to establish a sound statistical basis for these conclusions. 7. Reference ListThe reference list contains all references cited in the text as well as some additional references used as background information sources. Arnbjerg-Nielsen, K. (1996): Statistical analysis of urban hydrology with special emphasis on rainfall modelling. Ph.D. thesis. Department of Environmental Science and Engineering, Technical University of Denmark. Ashley R. M. and R. W. Crabtree. (1992). Sediment Origins, Deposition and Build-up in Combined Sewer Systems. Water Science and Technology Vol.25 (No.8) 1-12. Ashley R. M. and T. Hvitved-Jacobsen. (1998). Quo Vadis Sewer Process Modelling. 4th Int. Conf. on Developments in Urban Drainage Modelling, UDM, London, UK: Vol.1 Balmforth D. J., K. Lonsdale, B. B. Nussey, and Walsh. (1995). A Methodology for Monitoring the Performance of Combined Sewer Overflows. Journal Of The Chartered Institution Of Water And Environmental Management Vol.9(No.5) 510-8. Bertrand-Krajewski Jean-Luc, P. Briat, and O. Scrivener. (1993). Sewer Sediment Production and Transport Modelling: A Literature Review. Journal of Hydraulic Research Vol.31(No.4) 435-61. Bertrand-Krajewski Jean-Luc, G. Chebbo, and A. Saget. (1998). Distribution of Pollutant Mass VS Volume in Stormwater Discharges and the First Flush Phenomenon. Water Research Vol.32(No.8) 2341-56. Chiew, F.H.S. and T.A. McMahon (1999). Modelling runoff and diffuse pollution loads in urban areas. Water Science and Technology Vol. 39(No.12) 241-248. Boller M. (1997). Tracking heavy metals reveals sustainability deficits of urban drainage systems. Water Science and Technology Vol.35(No.9) 77-87. Butler D., S. Thedchanamoorthy, and J. A. Payne. (1992). Aspects of Surface Sediment Characteristics on an Urban Catchment in London. Water Science and Technology Vol.25(No.8) 13-20. Chebbo G. (1992). Solides des Rejets Pluviaux Urbains Caractersation et Traitabilite. L'Ecole Nationale Des Ponts et Chaussees, Chebbo G. and A. Bachoc. (1992). Characterization of Suspended Solids in Urban Wet Weather Discharges. Water Science and Technology Vol.25(No.8) 171-9. Deletic A. (1998). The First Flush Load of Urban Surface Runoff. Water Research Vol.32(No.8) 2462-70. Deutsch J. C. and J. C. Hémain. (1984). Main results of the French National programme of Urban Run-off Quality Measurements. Int. Conf. on Urban Storm Drainage - Göteborg: Chalmer University of Technology, Vol.4 Driver, N.E. and Tasker, G.D. (1990): Techniques for estimation of storm-runoff loads, volumes, and selected constituent concentrations in urban watersheds in the United States. US Geological Survey Water Supply paper 2363. Ellis J. B. (1986). Pollutional Aspects of Urban Runoff. NATO ASI Series Berlin Heidelberg: Springer-Verlag, Vol.G10 1-38 Ellis J. B. and T. Hvitved-Jacobsen. (1996). Urban Drainage Impacts on Receiving Waters. Journal of Hydraulic Research Vol.34(No.6) 771-83. EPA U. S. (1983). Final Report of the Nationwide Urban Runoff Program. Washington, D.C. 20460: Water Planning Division - U.S. Environmental Protection gency, European Standard CEN EN 752-4. (1997). Drain and Sewer Systems Outside Buildings - Part 4: Hydraulic Design and Environmental Considerations. CEN central secretsriat: Rue de Strassart, 36 B-1050 Brussels: European Commitee for Standardization, Field R. (1984). The USEPA Office of Research and Developments view of Combined Sewer Overflow. Int. Conf. on Urban Storm Drainage - Göteborg: Chalmer University of Technology, Vol.4 1333-56. Friedler E. and D. Butler. (1996). Quantifying the inherent uncertainty in the quantity and quality of domestic wastewater . Water Science and Technology Vol.33(No.2) 65-78. FWR. (1994). Urban Pollution Management Manual FR/CL 0002. Liston Road, Marlow, Buckinghamshire, UK: Foundation for Water Research, Geiger W. F. (1984). Characteristics of Combined Sewer Runoff. Int. Conf. on Urban Storm Drainage - Göteborg: Chalmer University of Technology, Vol.4 Geiger W. F. (1986a). Use of Field Data in Urban Drainage Planning. Heidelberg 1986: Nato ASI Series - Urban Run-off Pollution, Springer-Verlag, Vol.G10 103-126 Geiger W. F. (1986b). Variation of Combined Runoff Quality and Resulting Pollutant Retension Strategies. Wageningen - The Netherlands: TNO Committee on Hydrologocal research, Vol.1 71-91. German ATV - A 128E. (1992). Standards for the Dimensioning and Design of Stormwater Structures in Combined Sewers. Gesellschaft zur Föderung der Abwassertechnik e.V. (GFA) Hennef: ATV German Association for Water Pollution Control, Gromaire-Mertz M. C., G. Chebbo, and M. Saad. (1998a). Origins and characteristics of urban wet weather pollution in combined sewer systems: The experimental urban catchment "Le Marais" in Paris. Water Science and Technology Vol.37(No.1) 35-43. Gromaire-Mertz M. C., S. Garnaud, A. Gonzalez, and G. Chebbo. (1998b). Characterization of runoff pollution in Paris. 3rd Int. Conf. NOVATECH, Lyon, France: Vol.1 29-37. Gupta K. and A. J. Saul. (1996). Specific Relationships for the First Flush Load in Combined Sewer Flows. Water Research Vol.30(No.5) 1244-52. Harremoës P. (1982). Immediate and Delayed Oxygen Depletion in Rivers. Water Research Vol.16 1093-8. Heaney, J.P.; Huber, W.C. and S.J. Nix (1976). Storm water management model: level I –preliminary screening procedures, EPA Rep. No. 66/2-76-275, U.S. Envir. Protection Agency (U.S. EPA), Cincinatti, Ohio. Hémain J. C. (1986). Statistically Based Modelling of Urban Runoff Quality: State of the Art. NATO ASI Series Berlin Heidelberg: Springer-Verlag, Vol.G10 277-303 Herrmann T. and U. Klaus. (1997). Fluxes of nutrients in urban drainage systems: Assessment of sources, pathways and treatment techniques. Water Science and Technology Vol.36(No.8-9) 167-72. Hogland W., R. Berndtsson, and M. Larson. (1984). Estimation of Quality and Pollution Load of Combined Sewer Overflow Discharge. Int. Conf. on Urban Storm Drainage - Göteborg: Chalmer University of Technology, Vol.3 841-50. Hoos, A.B. (1996). Improving regional-model estimates of urban-runoff quality using local data. Water Resources Bulletin Vol. 32 (No.4), p. 855-863. Huber W. C. (1986). Deterministic Modelling of Urban Runoff Quality. Heidelberg 1986: Springer-Verlag, Vol.G10 167-242 Hvitved-Jacobsen T. (1982). The Impact of Combined Sewer Overflows on the Dissolved Oxygen Concentration of a River. Water Research Vol.16 1099-105. Hvitved-Jacobsen T. (1986). Conventional Pollutant Impacts on Recieving Waters. Heidelberg 1986: Springer-Verlag, Vol.G10 103-126 Hvitved-Jacobsen T. and P. Harremoës. (1982). Impact on Combined Sewer Overflows on Dissolved Oxygen in Recieving Streams. Urban Storm Water Quality, Management and Planning, 2nd Int. Conf. on Urban Storm Drainage, Urbana, Illinois, USA: Water Resources Publications, Littleton, Colorado, USA, 226-35. Hvitved-Jacobsen T., J. Vollertsen, and P. H. Nielsen. (1998b). A Process and Model Concept for Microbial Wastewater Transformations in Gravity Sewers. Water Science and Technology Vol.37(No.1) 233-41. Hvitved-Jacobsen T., J. Vollertsen, and N. Tanaka. (1998a). Wastewater Quality Changes During Transport in Sewers - an Integrated Aerobic and Anaerobic Model Concept for Carbon and Sulphur Microbial Transformations. Water Science and Technology Vol.38(No.10) 257-64. IAWQ. (1996). Solids in Sewers: State of the Art. IAWQ, Kleijwegt R. A. (1992). Communications on Hydraulic and Geotechnical Engineering - On Sediment Transport in Circular Sewers with Non-cohesive Deposits. Delft University of Technology, Linde J. J. and P. S. Mikkelsen. (1998). Combined Effects of Retrofitting, Stormwater Infiltration and Real Time Control for Combined Sewer Overflow Abatement. Imperial College of Science, Technology & Medicine, London, UK: Vol.2 545-52. Lindholm O. and P. Balmér. (1978). Pollution in Storm Runoff and Combined Sewer Overflows. Int. Conf. on Urban Storm Drainage, Southampton, England: Vol.1 575-85. Lucas-Aiguier E., G. Chebbo, Jean-Luc Bertrand-Krajewski, B. Gagné, and P. Hedges. (1997). Analysis of the Methods for Determining the Settling Characteristics of Sewage and Stormwater Solids. Aalborg University: 2nd Int. Conf. on The Sewer as a Physical, Chemical and Biological Reactor, Aalborg, Denmark, Vol.1 Maksimovic C. and M. Radojkovic. Urban Drainage Catchments. (1986). PERGAMON, Mance G. and M. M. Harman. (1978). The Quality of Urban Storm-water Run-off. Int. Conf. on Urban Storm Drainage - Southampton: Pentech Press, Vol.1 603-17. Michelbach S. (1995). Origin, Resuspension and Settling Characteristics of Solids Transported in Combined Sewage. Water Science and Technology Vol.31 (No.7) 69-76. Michelbach S. and C. Wöhrle. (1992). Settleable Solids in a Combined Sewer System - Measurement, Quantity, Characteristics. Water Science and Technology Vol.25(No.8) 95-102. Miljøstyrelsen (1990a): Bearbejdning af danske måledata af regn og afstrømning. Miljøprojekt 136. Miljøstyrelsen, København. Miljøstyrelsen (1990b): Bestemmelse af belastningen fra regnvands-betingede udløb. Spildevandsforskning fra Miljøstyrelsen, nr. 4. Miljøstyrelsen, København. Miljøstyrelsen. (1997). Det intensive måleprogram for de regnvandsbetingede udløb. Report No.43. Novotny, V. (1991). Urban diffuse pollution: Sources and abatement. Water Environment and Technology Vol. 3 (No.12), pp. 60-65. Novotny, V. (1992). Unit pollution loads. Their fit in abatement strategies. Water Environment and Technology Vol. 4 (No.1), pp. 40-43. Onderdelinden G. and J. L. Timmer. (1986). Discharges of Pollutants From Dutch Sewer Systems; An Overview of Measurements, Experiences and Results. Wageningen - The Netherlands: TNO Committee on Hydrologocal research, Vol.1 53-69. Pandit, A. and G. Gopalakrishnan (1997). Estimation of Annual Pollutant Loads under Wet-Weather Conditions. Journal of Hydrologic Engineering Vol.2 (No.4), pp. 211-219. Pearson L. G., R. C. Thornton, A. J. Saul, and K Howard. (1986). An introductory Analysis of Factors Affecting the Concentration of Pollutants in the First Foul Flush of a Combined Storm Sewer System. Wageningen - The Netherlands: TNO Committee on Hydrologocal research, Vol.1 93-117. Pitt, R. (1999): Information about the NURP database (personal communi-cation). Ristenpart E. (1995). Sediment Properties and Their Changes in a Sewer. Water Science and Technology Vol.31(No.7) 77-83. Roesner L. A. (1996). National Storm Water Quality Regulations and Standards. Journal of Hydraulic Research Vol.34(No.6) 841-56. Saget A. and G. Chebbo. (1996). Quastor: The French Database about the Quality of Urban Wet Weather Discharges. 7th Int. Conf. on Urban Storm Drainage, Hannover, Germany: Vol.3 1707-13. Saget A., G. Chebbo, and Jean-Luc Bertrand-Krajewski. (1996). The First Flush in Sewer Systems. Water Science and Technology Vol.33(No.9) 101-8. Saget A., M. C. Gromaire-Mertz, J. C. Deutsch, and G. Chebbo. (1998). Extent of Pollution in Urban Wet Weather Discharges. BHS Int. Conference on "Hydrology in a Changing Environment", Exeter, UK: Saul A. J. (1998). CSO State of the Art Review: A UK perspective. 4th Int. Conf. on Developments in Urban Drainage Modelling, UDM, London, UK: Vol.1 617-27. Schaarup-Jensen K. and T. Hvitved-Jacobsen. (1991). Pollution from Urban Runoff - Oxygen Depletion in Streams and Rivers. COMETT II Triton Course (Integrated Urban Runoff): 17 Schlütter F. and K. Schaarup-Jensen. (1998). Sediment Transport Under Dry Weather Conditions in a Small Sewer System. Water Science and Technology Vol.37(No.1) 155-62. Schueler, T.R. (1987). Controlling urban runoff: a practical manual for planning and designing urban BMP’s. Dept. of Envir. Programs, Metropolitan Washington Council of Governments, Washington D.C., Publ. No. 87703. Smullen,.T.; Shallcross, A.L.; Cave, K.A. (1999): Updating the U.S. Nation-wide Urban runoff quality data base. Water Science and Technology, 39(12), 9-16. Stotz G. and Kh. Krauth. (1984). Factors Affecting first Flushes in Combined Sewers. 3rd Int. Conf. on Urban Storm Drainage, Göteborg, Sweden: Chalmers University of Technology, Vol.3 869-77. SVK (1984): Recipientbelastning fra overløbsbygværker. Dansk Ingeniør-forening, Spildevandskomitéen, Skrift 21. Tekst og Tryk, København. Tasker G. D. and N. E. Driver. (1988). Nationwide Regression Models for Predicting Urban Runoff Water Quality at Unmonitored Sites. Water Resources Bulletin Vol.24(No.5) 1091-101. USEPA (1983): Final Report of the Nationwide Urban Runoff Program. Washington, D.C. 20460: Water Planning Division - U.S. Environmental Protection Agency, VanBuren M. A., W. E. Watt, and J. Marsalek. (1997). Application of the log-normal and normal distributions to stormwater quality parameters. Water Research Vol.31(No.1) Verbanck M. (1990). Sewer Sediments and Its Relation With the Quality Characteristics of Combined Sewer Flows. Water Science and Technology Vol.22 (No.8) 247-57. Villadsen, M. (1998). Cost Benefit Analysis of integrated Urban Drainage Systems. Student project report. Department of Environmental Science and Engineering, Technical University of Denmark. Vollertsen J. and T. Hvitved-Jacobsen. (1998). Aerobic Microbial Transformations of resuspended Sediments in Combined Sewers - a Conceptual Model. Water Science and Technology Vol.37(No.1) 69-76. Vollertsen J. and T. Hvitved-Jacobsen. (1999). Stoichiometric and Kinetic Model Parameters for Microbial Transformations in Combined Sewers. (Accepted for) Water Research 16 Vollertsen J., T. Hvitved-Jacobsen, I. McGregor, and R. M. Ashley. (1998). Aerobic Microbial Transformations of Pipe and Silt Trap Sediments from Combined Sewers. Water Science and Technology Vol.38(No.10) 249-56. VROM. (1991). Final Report of the 1982-1989 NWRW Research Programme. Gravenhage, Netherlands: SDU Publishers, Report No.ISBN 90 346 2569 9 Waller D. H. and W. C. Hart. (1986). Solids, Nutrients, and Chlorides in Urban Runoff. NATO ASI Series Berlin Heidelberg: Springer-Verlag, Vol.G10 59-85 Warn A. and A. Gunby. (1998). Using 99 Percentiles of River Water Quality to Design Controls on Discharges from Sewers. - Xanthopoulos C. and A. Augustin. (1992). Input and Characterization of Sediments in Urban Sewer Systems. Water Science and Technology Vol.25(No.8) 21-8. Bilag B : Bearbejdning af danske måledata for fælleskloakerede oplande3. Bearbejdning af hændelsesmiddelkoncentrationer 4. Analyse af korrelationsstruktur 5. Fraktioneret prøveudtagning 6. Betydning af variation under og mellem regnhændelser 1. Indledning1.1 Baggrund 1.1 Baggrund Samtidig med etableringen af overvågningsprogrammet for Vandmiljøplanen blev etableret en række målestationer, der skulle verificere og udbygge viden om beregningsforudsætningerne i det generelle måleprogram. Der blev etableret 6 målestationer, hvor der blev målt sammenhængende tidsrækker af regn og afstrømningsforløb. For tre af disse stationer blev endvidere udtaget vandprøver af nogle af de registrerede hændelser med henblik på at analysere for organisk stof, næringssalte og suspenderet stof. Miljøstyrelsen har lavet en sammenfatning af resultaterne (Miljøstyrelsen, 1997). Det intensive måleprogram blev tilrettelagt på baggrund af det hidtidige videngrundlag som bestod af data fra 3 målestationer. Bearbejdningen af disse data resulterede i anbefalede stofkoncentrationer (Miljøstyrelsen, 1990a) samt en anbefaling af, hvorledes et fremtidigt prøvetagningsprogram skulle designes (Miljøstyrelsen, 1990b). 1.2 Hidtidig bearbejdning Den hidtidige bearbejdning af de nye data har vist, at de nye målinger generelt ligger på et højere niveau end de hidtidige typetal; specielt for organisk stof er der tale om væsentlige forskelle. Endvidere indikerer de nye data, at der i nogle oplande er tale om kraftige ændringer i koncentrationer under og mellem hændelser, der delvist kan modelleres vha. forklarende variable såsom maksimal regnintensitet, afstrømmet volumen, tid siden sidste hændelse mv. Der er derfor behov for en fornyet bearbejdning, der opsamler viden fra både de oprindelige og de nye oplande. De afstrømmede vandmængder er stort set i overensstemmelse med de hidtidige anbefalinger. Derfor omfatter den nye bearbejdning ikke de hodrologiske parametre, men kun stofparametrene. En undersøgelse har endvidere vist, at specielt for ekstremhændelser er det usikkerheden på stofkoncentrationen, der har størst betydning for mængden af aflastet stof (Arnbjerg-Nielsen et al., 1994). 1.3 Formål og metode Dette bilag bearbejder målinger fra danske målestioner i fælleskloakerede afløbssystemer. Målingerne hidrører fra Mølleåundersøgelsen (Johansen, 1985), Birkerød kommune (Birkerød kommune, 1982, Miljøstyrelsen, 1990a) samt det intensive måleprogram i forbindelse med vandmiljøplanens overvågningsprogram (Miljøstyrelsen, 1997). Formålet med notatet er at lave en syntese på baggrund af de danske data og komme med en foreløbig anbefaling på baggrund af dette materiale. Der fokuseres på at identificere eventuelle systematiske variationer mellem oplande og mellem og under regnhændelser. Den nye bearbejdning er baseret på statistiske værktøjer, der er almindelige indenfor statistisk analyse af målinger. Der er derfor behov for definition af en terminologi for såvel afstrømningens processer og for den statistiske bearbejdning af datamaterialet. De definitioner omkring processer i afstrømningen som er nødvendige for at forstå nærværende bilag er defineret i hovedrapporten og vil ikke blive gentaget i bilaget. De statistiske værktøjer som er benyttet under bearbejdningen er ikke omtalt i hovedrapporten og i dette bilag er der også lagt vægt på tolkningen af resultaterne i stedet for en detaljeret beskrivelse af værktøjerne og deres forudsætninger. Hvor det er skønnet centralt for forståelsen er de statistiske værktøjer forklaret i almindeligt sprogbrug; de øvrige steder er der henvist til den statistiske litteratur. 2. DatamaterialeI alt indgår data fra seks oplande; tre af disse er målt i perioden 1974 - 1981 og er tidligere bearbejdet grundigt (Miljøstyrelsen, 1990a). Målinger i de sidste tre oplande er foregået i perioden 1992 - 1995 som led i vandmiljøplanens intensive måleprogram. Oplandene beskrevet i hovedtal i tabel 2.1 og den omtrentlige placering er vist på figur 2.1.
Tabel 2.1 Det optimale havde været at benytte præcis det samme datamateriale for de tre første oplande som er rapporteret i Miljøstyrelsen (1990a). Dokumentationen af dette materiale har imidlertid ikke kunnet fremskaffes. Hovedtallene for Vestre Paradisvej og Cedervænget har kunnet fremskaffes fra Johansen (1985), hvor også dataopsamlingen er beskrevet detaljeret. I Miljøstyrelsen (1990a) benyttes kun hændelser, der er analyseret enkeltvist, og spildevandsbidraget er skønnet og fratrukket, således at der regnes på overvandskoncentrationer. Dette er ikke tilfældet i bearbejdningen i Johansen (1985). Miljøstyrelsen (1990a) sammenligner de to bearbejdninger, og det konkluderes, at såvel middelværdier og medianværdier generelt er (lidt) mindre i Johansen (1985). En simpel analyse af rådata viser, at en stor del af forskellen mellem de to bearbejdninger sandsynligvis ligger i vægtningen af hændelseskoncentrationen med det afstrømmede volumen. Figur 2.1 Odinsvej Det har ikke været muligt at retablere de bearbejdede data for Odinsvej. Data for Odinsvej foreligger derfor kun i det omfang de indgår i figurer mv. i Miljøstyrelsen (1990a). Data kan derfor kun medtages i den simple deskriptive statistik af hændelsesmiddelkoncentrationer, men ikke i udregning af stationsmiddelkoncentrationer eller analyse af korrelationer og identifikation af indflydelsen af mulige forklarende variable på hændelsesmiddelkoncentrationen. Soldalen I forbindelse med nærværende bearbejdning er data fra Soldalen blevet analyseret på ny. Dataopsamlingen er beskrevet i Miljøstyrelsen (1997). Alle regnhændelser med stofprøver er gennemgået med henblik på at beregne fraktioneringen af hændelserne. Prøveudtagningen er foretaget flowproportionalt med en tidsopløsning i fraktioneringen på 3 timer. Vissing Rådata fra Vissing er også gået tabt. Alle oplysninger i denne bearbejdning er derfor taget fra Miljøstyrelsen (1997). Prøveudtagningen er sket flowproportionalt ved at måle på den videreførende ledning samt overløbsledningen. Der er ikke målt fraktionerede prøver, idet prøverne er sammenblandet inden de kemiske analyser. Hasseris For oplandet i Hasseris er bearbejdningen baseret på de regneark, der er udarbejdet af Nordjyllands Amt i forbindelse med afrapporteringen. I forhold til bearbejdningen i Miljøstyrelsen (1997) er der en række ændringer, idet en række regnhændelser i den daværende bearbejdning var blevet trunkeret, dvs. den sidste del af hændelsen var ikke medtaget i bearbejdningen. Væsentligst er hændelsen den 15. september 1994, der i den førnævnte bearbejdning indgår med et regnvolumen på 25 mm, men som i nærværende bearbejdning har 73 mm. Endvidere har amtet været behjælpelige med at fremskaffe supplerende data, specielt omkring fraktionering af hændelserne. Prøveudtagningen er sket som flowproportionale prøver med en tidsopløsning på 20 minutter under regn. Dataopsamlingen er beskrevet i Miljøstyrelsen (1997). 3. Bearbejdning af hændelsesmiddelkoncentrationer3.1 Variation af hændelsesmiddelkoncentrationer 3.1 Variation af hændelsesmiddelkoncentrationer I Miljøstyrelsen (1997) er det påpeget, at beregning af stationsmiddelkoncentrationer medfører markant højere koncentrationer på de tre nye stationer, op til 5 gange de hidtil anbefalede værdier. Det, der sammenlignes, er fordelingen af hændelseskoncentrationerne med den hidtil anbefalede værdi. Denne sammenstilling bør foretages med varsomhed, idet den hidtil anbefalede værdi ikke er baseret på væsentlig flere data end det nye datamateriale. Derfor bør man i stedet for betragte fordelingen af hændelsesmiddelkoncentrationer for de seks oplande under et. 3.1.1 COD Empirisk fordelingsfunktion De empiriske fordelingsfunktioner for COD for alle oplande er vist i figur 3.1. Det ses, at de tre gamle oplande har stort set sammenfaldende fordelinger (bemærk afbildningen er i log-skala) og at 2 af de nye oplande har et stort sammenfald med de tre gamle, dog med en forhøjet risiko for hændelser med meget høje koncentrationer. Oplandet i Hasseris har tilsyneladende generelt høje koncentrationer. Figur 3.1 Fordeling af hændelsesmiddelkoncentrationer for de seks oplande. De tre gamle oplande er markeret med gennemsigtige signaturer. Specielt Hasseris falder udenfor. De S-formede kurver i en logaritmisk afbildning indikerer, at data beskrives godt af en log-normal fordeling. Små hændelser fjernes En del af hændelserne i de nye oplande er baseret på meget små hændelser, ned til 0,1 mm afstrømmet overvand. Den mindste hændelse, der er medtaget selvstændigt i de gamle oplande er på 1,6 mm. En så lille hændelse vil kun yderst sjældent medføre aflastning. Derfor slettes alle hændelser med et afstrømmet volumen på under 1 mm også for de nye oplande. Ved fjernelse af disse små hændelser ekskluderes 4 hændelser fra Soldalen og en fra hvert af oplandene Vissing og Hasseris. Fordelingerne af hændelsesmiddelkoncentrationer af COD ser herefter ud som vist på figur 3.2. Det ses umiddelbart, at de fem af oplandene tilhører samme fordelingsfunktion, mens Hasseris adskiller sig markant fra de øvrige. Figur 3.2 3.1.2 P, N og SS Konklusionerne for COD kan overføres til de øvrige stoftyper. Målingerne af P indikerer dog, at fordelingen af HMK for Soldalen og Vissing ligger lidt lavere end de gamle oplande 3.1.3 Sammenligning mellem oplande Hasseris er outlier Hasseris adskiller sig klart fra de andre fem oplande. Oplandet er meget stort i forhold til de øvrige oplande. Det burde dog ikke i sig selv give anledning til så store forskelle. Det virker mere sandsynligt, at årsagen skal findes i flade strækninger i afløbssystemet samt områder med problemer med sedimentation. Man er påbegyndt renovering af oplandet og har konstateret store problemer med rodindtrængning og sammenfaldne rør. I en selvstændig analyse konkluderer Larsen et al (1998), at der fra oplandet i Hasseris er tale om en kraftig First Flush effekt, idet den afstrømmede masse af COD er bedre korreleret til den forudgående tørvejrsperiode end til regnafstrømningen. Fraktionerede prøver fra oplandet udviser da også betydelige koncentrationsændringer i løbet af hændelserne, se kapitel 5. Modellering af forskelle Bearbejdningen som er anskueliggjort i figur 3.2 viser, at der eksisterer mindst to typer af oplande i Danmark. Hvis variationen var rent stokastisk kunne opbygges en compound-model, der angav sandsynligheden for at et opland tilhørte den ene eller anden fordeling. Det er dog ikke rimeligt i denne situation, hvor det er sandsynliggjort, at der er tale om en forskel, der kan forklares og modelleres deterministisk. I oplande hvor det er sandsynliggjort at der ikke er problemer med sedimentation kan benyttes koncentrationer svarende til de fem oplande i dette notat. Hvis der derimod er tale om et opland med kendte problemer og et stort renoveringsbehov må der benyttes forhøjede koncentrationsniveauer. De aktuelle koncentrationsniveau bør da fastlægges ved at sammenligne med Hasseris eller f.eks. hollandske data. 3.2 Beregnede hændelses- og stationsmiddelkoncentrationer Den primære forskel på oplandene er tilsyneladende graden af resuspension under regn, hvor Hasseris adskiller sig fra de øvrige fem oplande. Nærværende bearbejdning vil derfor primært fokusere på at modellere de fem oplande med begrænset resuspension. I tabel 3.1 – 3.4 er angivet såvel HMK som SMK for alle stoftyper og alle måleoplande. Endvidere er angivet vægtede værdier af stationsmiddelkoncentrationer fra de fem oplande med ens karakteristika svarende til, at alle hændelser var målt på samme opland. Det bemærkes, at dermed vægtes Vestre Paradisvej og Cedervej højt i forhold til de øvrige oplande, se tabel 2.1.
Tabel 3.1
Tabel 3.2
Tabel 3.3
Tabel 3.4 Af tabel 3.1 – 3.4 fremgår det, at SMK for Hasseris er meget lav sammenlignet med fordelingen af HMK. Det skyldes, at der er en ekstrem hændelse på 73 mm, der indgår i beregningen. Denne hændelse har selvsagt den laveste HMK, jf. diskussionen omkring first flush i oplandet. På figur 3.3 er vist de beregnede SMK-værdier for alle målestationer. For Hasseris er indtegnet to værdier. Den lave SMK værdi svarer til beregningen i tabel 3.1 – 3.4, hvorimod den høje værdi er beregnet ved at se bort fra den ekstreme hændelse. 3.3 Typetal baseret på danske hændelsesmiddelkoncentrationer Der er generelt god overensstemmelse mellem de gamle og de nye data, bortset fra Hasseris. Der er udført et test for, hvorvidt fordelingerne af HMK mellem oplande er tilfældig for de fem øvrige oplande ved at lave en variansanalyse mellem oplandene. En hypotese om ens fordelinger accepteres for COD og N og forkastes for SS. For P er hypotesen accepteret, men er tæt på at blive forkastet. Der er 10% sandsynlighed for, at de empiriske fordelinger af HMK for P er ens; normalt forkaster man hypotesen ved kun 5% sandsynlighed. Når hypotesen forkastes, må middelværdien til brug for beregning af årsbelastningen opgives som et interval. Figur 3.3 For oplande uden sedimentationsproblemer er der dermed kun behov for mindre justeringer af de hidtidige typetal, se tabel 3.5. Intervallerne for SS skyldes, at der er en signifikant variation mellem oplande, mens intervallerne for de ekstreme værdier skyldes et begrænset antal målinger. En analyse af de fraktionerede prøver giver dog anledning til at begrænse typetallenes anvendelse til oplande med begrænsede voluminer, se kapitel 5.
Tabel 3.5 4. Analyse af korrelationsstruktur4.1 Forklaringsgrad for hver variabel og hvert opland Forklarende variable For de fem af oplandene er der flere mulige forklarende variable, som kan bruges til at beskrive variationerne af HMK. De primære variable er baseret på tid siden sidste regnhændelse samt karakteristika ved såvel regn som afstrømning. I tabel 4.1 er vist en oversigt over alle de forklarende variable, der er blevet benyttet i beregningerne af korrelationer. Som omtalt i kapitel 2 er det ikke lykkedes at etablere data fra Odinsvej til brug for denne del af undersøgelsen. Tabel 4.1 Se her! Formål Den primære formål med at undersøge korrelationerne er at undersøge og i givet fald identificere, hvilke variable fra tabel 4.1 der bedst beskriver variationen i hændelsesmiddelkoncentrationen. Disse variable kan så benyttes til at søge efter hvilke underliggende processer der styrer de observerede korrelationer. Variation mellem oplande Fordelingerne for de enkelte oplande kan antages at være ens for P, N og COD uden forklarende variable for de fem oplande. For SS er der en systematisk variation mellem oplande, der bør medtages. For P, N og COD kan inddragelse af forklarende variable medføre, at variationen mellem oplande bliver signifikant, fordi den residuale variation bliver mindre. Dette gælder specielt for P, hvor der kun er 10% sandsynlighed for, at oplandene er ens. 4.1 Forklaringsgrad for hver variabel og hvert opland Korrelationerne undersøges ved at opbygge to typer af regressionsmodeller på baggrund af data. Regressionsmodellerne benyttes, fordi de giver det bedste billede af, hvor god en variabel er til at beskrive variationen for en bestemt stoftype. I den første undersøgelse opbygges modeller af følgende type for hvert opland og hver stoftype separat:
hvor E antages at være normalfordelt med midelværdi 0 og spredning s . m , a og s er parametre der estimeres. Forklaringsgraden, R2, beregnes som den reduktion af variansen der sker i forhold til ikke at lade variablen indgå i modellen (svarende til a = 0). Forklaringsgraden ligger mellem 0 og 1 og en høj værdi for en given variabel betyder altså, at denne variabel er velegnet til at beskrive variationen i HMK. I tabel 4.2 er angivet de variable, som ved en regressionsmodel af typen (4.1) giver forklaringsgrader på mindst 20%. Forklaringsgraden er valgt så lavt fordi formålet primært er at screene datamaterialet for mulige forklarende variable. De variable, der generelt er nævnt flest gange i tabel 4.2 er ivar, afvol, qvar og ttoer, men også ivol, igns og qmax er nævnt flere gange. Derimod tyder det på, at i10 og qgns er uegnede til at indgå i en model. Generelt giver de utransformerede variable højere forklaringsgrader end de log-transformerede. 4.2 Korrelationsstruktur for variable på tværs af oplande De enkelte forklarende variable kan også testes samtidigt på alle oplande ved at opbygge en model af typen
hvor OPLAND og E er stokastiske variable og a 1 og a 2 er parametre, som skal estimeres sammen med spredningerne på OPLAND og E, hhv. s OPL og s E. På den måde kan den enkelte variabel testes på tværs af oplandene, under forudsætning af, at variationen mellem oplande kan beskrives som en konstant forskel i niveauet. Forklaringsgraderne for modeller af typen (4.2) ligger generelt mellem 10 og 50%. For disse modeller er det imidlertid også vigtigt at teste, hvilken af variablene der har størst betydning. Man kunne f.eks. tænke sig, at det var variationen mellem oplande, der gjorde, at en model havde en høj forklaringsgrad. Derfor skal nu både hele modellen testes, men også de individuelle bidrag. Det gøres ved at beregne, hvor stor sandsynligheden er for, at såvel hele modellen som de enkelte bidrag er signifikante, dvs. om forklaringsgraden er stor nok til at berettige til at parameteren bliver inddraget. Disse sandsynligheder er angivet i tabel 4.3. Sandsynligheden vil have værdier mellem 0 og 1, således at en lav værdi indikerer stor betydning. I statistisk litteratur benyttes ofte en grænse på 5%, således at værdier under 5% indikerer, at denne variabel bør indgå i modellen.
Tabel 4.2 Det fremgår at tabel 4.3 at de variable, der bedst beskriver variationen for de enkelte stoftyper er ivol, ivar, igns, afvol, qvar og ttoer. I alle tilfælde er det de utransformerede variable, der giver den bedste forklaringsgrad.
Tabel 4.3 4.3 Samvariation mellem forklarende variable De to typer af regressionsmodeller peger på de samme variable til at beskrive variationen i HMK, ivol, ivar, igns, afvol og ttoer. Disse variable er imidlertid internt korrelerede, dvs. de indeholder delvist den samme information. Principale komponenter Den interne korrelationsstruktur mellem de fem variable kan undersøges ved hjælp af den statistiske metode principale komponenter. Den teoretiske baggrund og tolkningen af de numeriske resultater er beskrevet i Morrison (1967). Analysen viser, at 56% af den samlede variation i de fem variable kan forklares ved samvariation mellem ivol, ivar og afvol. Yderligere 22% skyldes samvariation mellem igns og ttoer. Den resterende variation skyldes stort set, at ttoer afviger fra de øvrige variable. 4.4 Generel lineær model Da ivol og afvol minder meget om hinanden vil kun ivol blive benyttet af hensyn til generaliserbarheden. Der er dermed 4 variable, der kan blive brugt under opbygningen af en generel lineær model: ivol, ivar, igns og ttoer. Modellen er dermed af typen (4.3) hvor signaturerne er som tidligere defineret. Det testes nu for hver stoftype, hvilke parametre, der er signifikante og bedst beskriver variationen. De endelige modeller og parameterestimater er vist i tabel 4.4.
Tabel 4.4 Der er opstillet en tilsvarende model baseret på afstrømningens volumen:
Denne model har samme forklaringsgrad som modellen vist i formel (4.3) for P, N og COD. For SS er modellen lidt dårligere til at forklare variationen i HMK. Der er mindre forskelle på den relative betydning af parametre, men med lidt ændret betydning. Man kan tolke betydningen af regnens karakteristika som et mindstemål for betydningen af variationen under hændelsen og betydningen af den forudgående tørvejrsperiode som et mindstemål for variation mellem hændelser. Der er tale om mindstemål, fordi modellerne i formlerne (4.3) og (4.4) ikke afspejler de fysiske processer, som foregår mellem og under regn. Den relative betydning er vist på figur 4.1. Figur 4.1 Alternativ modelformulering Den konstruerede model svarer til, at der bliver ved med at blive opbygget sedimenter i tørvejrsperioder, og at der bliver ved med at blive fjernet sedimenter mv. under regn. En mere realistisk model vil være at modellere opbygning og fjernelse som 1. ordens processer, hvorved der vil ske en eksponentiel vækst til en givet mængde sedimenter i tørvejr og tilsvarende blive fjernet til et givet koncentrationsniveau under regn. Residualanalyse Der er lavet simple analyser af residualerne ved at plotte residualerne mod regressorerne. Der er ingen systematik i disse plots, der dog indikerer, at der for alle modellerne kun er et begrænset antal observationer med høj forudgående tørvejrsperiode og med lange varigheder. Hasseris Generelt har modellerne hvor Hasseris indgår en bedre forklaringsgrad. Det medfører dog, at spredningen mellem oplande øges kraftigt, hvorved prediktion til et nyt opland (uden målinger) vil blive mere usikker. Derfor diskuteres i det følgende kun modeller, hvor data fra Hasseris ikke indgår. Variation internt i hændelser Lang regnvarighed medfører mindre HMK og at lang forudgående tørvejrsperiode medfører højere HMK. Dette indikerer, at koncentrationsforløbet under hændelsen er som skitseret på figur 1.1, altså en generel tendens til faldende koncentration internt i hændelsen. Den tilfældige variation af HMK mindskes ved opbygningen af modellen, men ikke meget. SS SS har en rimelig forklaringsgrad, men variationen mellem oplande er stor. Selv om den residuale varians er halveret vil man ved prediktion af HMK for enkelte hændelser i et nyt og ukendt opland stadig beregne større varianser ved brug af modellen end uden pga. den store varians mellem oplande. Det anbefales derfor ikke at benytte modellen. P For P accepteres en hypotese om at variationen mellem oplande er uden betydning inden opbygningen af en model med forklarende variable. De forklarende variable mindsker den tilfældige variation således at der kan erkendes en forskel mellem oplandene. Variationen mellem oplandene er af en størrelsesorden, der vil medføre, at prediktion af HMK for en given hændelse i et ukendt opland vil være mere usikker ved brug af modellen end uden. Det anbefales derfor ikke at bruge modellen. COD Fordelingen af HMK for COD og N udviser ingen tegn på signifikante variationer mellem oplande, hverken før eller efter opbygning af modellen. Dermed kan den viste model benyttes til at beskrive variationen af HMK af N og COD i ukendte oplande. Forklaringsgraden er dog så ringe, at man må betvivle fordelen heraf. 5. Fraktioneret prøveudtagning5.1 Koncentrationsændringer gennem hændelsen I de 4 af oplandene er der udført kun én analyse pr. stoftype pr. regnhændelse, hvilket kun giver mulighed for analyse af variationen af HMK, hvilket er gjort i kapitel 4. I oplandene Soldalen og Hasseris er der udtaget og analyseret fraktionerede prøver, hvorved der er mulighed for at se på hvorledes koncentrationen af de enkelte stoftyper varierer gennem hændelsen. Uheldigvis har de to oplande de største værdier af SS og COD, som er de værdier der forventes at være mest følsomme overfor resuspension og dermed flush effekter. Representativiteten af de to oplande er dermed tvivlsom. 5.1 Koncentrationsændringer gennem hændelsen Normeret afbildning Antagelsen bag HMK og SMK er, at eventuelle variationer i koncentrationerne sker på et tilfældigt sted i hændelsen – altså at en first flush eller last flush effekt forekommer tilfældigt og ikke har nogen stor betydning. Ofte undersøges tilstedeværelsen af systematiske variationer internt i hændelser ved at plotte normeret stofafstrømning mod normeret volumenafstrømning som vist på figur 5.3. En ret linie angiver en konstant koncentration fra start til slut i hændelsen, mens en first flush og last flush effekt vil vise sig som systematiske afvigelser hhv. over og under den rette linie. Ikke-normeret afbildning Der er dog den ulempe ved den normerede afbildning, at den kan skjule noget af variationen, idet små hændelser dermed får lige så stor vægt som store hændelser. Intuitivt vil en first flush effekt have størst effekt i mellemstore regn, hvor der vil fremkomme et tydeligt knæk. For små og meget store regn vil en eventuel first flush effekt ikke kunne erkendes, se figur 5.3. Derfor suppleres den normerede afbildning med grafer, hvor der ikke er foretaget nogen normering, se figur 5.1. Hvis der ikke er nogen first flush effekt vil hver hændelse være en ret linie (bortset fra tilfældig variation) og linierne vil være sammenfaldende. Tydelige knæk i linierne og store variationer i hældning indikerer first eller last flush effekter. Delvist normeret afbildning Endelig kunne man forestille sig, at effekterne ville være mest tydelige ved en delvis normering, dvs. med normeret stofafstrømning mod ikke-normeret volumenafstrømning, se figur 5.2. En eventuel flusheffekt kan muligvis lettest generaliseres vha. en sådan afbildning. På figur 5.1 – 5.3 er vist alle tre afbildninger for Soldalen for COD. Der optræder tydelige first flush effekter for hændelserne 940517 og 940526 og også i nogen grad for 931012 og 930721. Den forudgående tørvejrsperiode har været på hhv. 6, 3, 3 og mindst 3 dage. For Hasseris er der en tilsvarende effekt, se figur 5.4. I det opland har 6 af de 10 hændelser med mere end 2 mm afstrømning tydelige first flush effekter. For begge oplande gælder det, at en eventuel first flush effekt optræder i løbet af de første 3-5 mm afstrømning. Figur 5.1 Figur 5.2 Figur 5.3 Tendensen fra figur 5.1 – 5.3 går igen i de fraktionerede prøver for SS (ikke målt i Soldalen), N for Hasseris og P for begge oplande. I Soldalen er first flush effekten ikke særlig tydelig for N, se figur 5.5. De fraktionerede prøver antyder dermed, at resuspension i nogle tilfælde er betydelig first flush og at resuspensionen da optræder inden for de første 3-5 mm af hændelsen. Det betyder, at man i nogle tilfælde vil beregne systematisk forkerte årsbelastninger ved brug af typetallene opgivet i tabel 3.1-3.2. Det vil især gælde for oplande, der sjældent aflaster pga. stort opmagasineringsvolumen. I disse tilfælde vil den beregnede årsbelastning være for høj. I oplande med begrænset ledningsvolumen og hyppige aflastninger vil de beregnede typetal være repræsentative, under forudsætning af, at hændelserne er repræsentative for nedbørsforholdene i oplandet. I nogle tilfælde anvendes modelberegninger med et bassinvolumen på over 10 mm. Ved en hensigtsmæssig konstruktion af bassin og overløbsbygværk kan man i praksis opnå, at de aflastede vandmængder har overvandskoncentrationer svarende til den sidste del af regnhændelsen. Derfor gives i næste afsnit et overslag på, hvor store typetal der skal benyttes i det tilfælde. Koncentrationerne kan herefter sammenlignes med værdier fra separate regnvandssystemer, hvor der ikke sker resuspension i ledningsnettet, ligesom værdier fra litteraturstudiet også inddrages i de endelige anbefalinger. A 5.2 Overvandskoncentrationer sidst i store regnhændelser Overvandskoncentrationen udviser en systematisk variation, idet koncentrationerne i overvandet i alle tilfælde er mindre efter de første 5 mm volumenafstrømning end i hændelsen som helhed. I tabel 5.1 er angivet en oversigt over overvandskoncentrationerne i de hændelser, hvor der er afstrømmet mere end 5 mm. Figur 5.5 På baggrund af reduktionen i HMK samt et beregnet SMK er der i tabellen ligeledes opgivet et skøn over, hvad man kan sætte overvandskoncentrationen til i volumenrige afløbssystemer ved beregning af overløb. Det bemærkes, at skønnet er baseret på i alt 10 hændelser samt en subjektiv vurdering, hvorfor anbefalingen må tages med et kraftigt forbehold. 5.3 Sammenligning med hændelsesmiddelkoncentrationer I kapitel 4 blev der benyttet en forklarende model der beskrev variationen af HMK som funktion af forudgående tørvejrsperiode og egenskaber ved regnen. I dette kapitel er der benyttet egenskaber ved afstrømningen. For at sikre sammenligneligheden mellem de to kapitler er der blevet estimeret modeller af typen
Modellerne hvor Hasseris oplandet ikke indgår har samme forklaringsgrader og parameterestimaterne har samme fortegn og størrelsesorden som i formel (4.3). Resultaterne fra de to kapitler peger er dermed i overensstemmelse med hinanden.
Tabel 5.1 6. Betydning af variation under og mellem regnhændelserFor både Hasseris og Soldalen er de fraktionerede prøver benyttet til at simulere effekten af de fundne variationer i HMK. Metoden i undersøgelsen er at sammenligne forskellige typer af modelmæssige bassinudbygninger. For de valgte udbygninger beregnes den faktiske aflastning i kg COD for de målte hændelser. Derefter bestemmes den SMK som ville give den tilsvarende aflastning i kg COD. Resultatet opgives som en relativ SMK, således at en værdi på 1 betyder, at volumen- og stoftilbageholdelsen er lige stor i bassinet. Hvis den relative værdi af SMK falder, tilbageholder bassinerne mere stof end volumen. Der varieres på tre variable: typen af bassin, størrelsen af bassinet og afløbstallet. To typer af bassiner betragtes: 1) ideelt opblandet bassin, svarende til et in-line bassin og 2) et ikke-opblandet bassin, svarende til et off-line bassin. De to typer bassiner er skitseret på figur 6.1. Ofte skelnes ikke mellem de to typer af bassiner i dansk dimensioneringspraksis, men med variationer under hændelsen må der forventes forskellige forureningsmængder afhængigt af bassintype. Figur 6.1 For Soldalen har typen af bassin stor indflydelse på effektiviteten af bassinet. Hvis der udbygges med et almindeligt in-line bassin vil stof-tilbageholdelsen ikke være bedre end volumentilbageholdelsen. Hvis man derimod vælger et off-line bassin, ses det at stoftilbageholdelsen er væsentligt større end volumentilbageholdelsen, svarende til en reduktion i SMK på 50% ved en volumenudbygning på 3-4 mm eller højere. For Hasseris viser det sig ikke overraskende, at det er konstruktion af bassinvoluminet, der har den dominerende betydning for de beregnede aflastninger. I Hasseris er first flush effekten så dominerende, at et off-line bassin på blot 2 mm betyder, at den relative SMK er faldet til 0,25. For in-line bassiner er den relative SMK også faldet til under 0,50 ved et volumen på 2 mm. A Figur 6.2 7. OpsamlingI forhold til de hidtidige typetal er der behov for mindre opjusteringer af koncentrationerne af SS og COD ved inddragelse af de nye oplande. Der er ikke belæg for at ændre værdierne af P og N. Et enkelt af oplandene, Hasseris, har karakteristika, der er væsentligt forskellige fra de øvrige. Dette opland er derfor delvist udeladt af bearbejdningen. Analysen viser, at der for større regnhændelser generelt er lavere hændelsesmiddelkonklusioner og at dele af variationen kan forklares ved inddragelse af regnhændelsens varighed og gennemsnitlige regnintensitet samt tiden sidste hændelse. Variationen mellem oplandene forhindrer prediktion til ukendte oplande for SS og P, mens der kan opbygges en model for variationen i ukendte oplande for COD og N. Forklaringsgraden for modellen er dog så lav som 20 - 30%, hvorfor det er tvivlsomt, hvorvidt det er værd at opbygge en sådan model. Analyse af fraktionerede prøver indikerer, at der forekommer systematiske variationer gennem hændelserne, således at der generelt er højere koncentrationer i overvandet i begyndelsen af hændelsen, dvs. first flush. Datamaterialet peger på, at høje initielle koncentrationer er udvasket i løbet af 3-5 mm afstrømning. Dette er i overensstemmelse med bearbejdningen af HMK. Det danske datamateriale er begrænset og en anbefaling bør suppleres med erfaringer fra udlandet. I tabel 6.1 er vist hvilke værdier der kan foreslås baseret på de danske data.
Tabel 7.1 8. LitteraturArnbjerg-Nielsen, K., Schultz, N., Thrane, S. og Harremoës, P. (1994): Usikkerhedsvurdering af urban afstrømning. 2. Analyse af eksisterende opland. Stads- og Havneingeniøren, 1994, 12, 26 - 30. Birkerød Kommune (1982): Udledninger fra kloaknettet under regn i Birkerød Kommune. Teknisk forvaltning, Birkerød Kommune, oktober 1982. Johansen, N.B. (1985): Discharge to receiving waters from sewer systems during rain. Dept. of Environmental Engineering, Technical University of Denmark. Larsen, T., Broch, K. og Andersen, M.R. (1998): First flush effects in an urban catchment area in Aalborg. Water, Science and Technology, 37, 1, 251-257. Miljøstyrelsen (1990a): Bearbejdning af danske måledata af regn og afstrømning. Miljøprojekt 136. Miljøstyrelsen, København. Miljøstyrelsen (1990b): Bestemmelse af belastningen fra regnvandsbetingede udløb. Spildevandsforskning fra Miljøstyrelsen, nr. 4. Miljøstyrelsen, København. Miljøstyrelsen (1997): Det intensive måleprogram for de regnvandsbetingede udløb. Arbejdsrapport nr 43. Miljøstyrelsen, København. Morrison, D.F. (1967): Multivariate Statistical Methods. McGraw-Hill Series in probability and statistics. McGraw-Hill Book Company, New York, USA. Bilag C : Oversigt over danske måledata for fælleskloakerede oplandeNedenfor er angivet de data, der er benyttet til udregning af værdier for HMK og SMK samt indgået i opbygningen af de lineære modeller i Bilag B. Signaturforklaring til oplande (OP): 1: Vestre Paradisvej Øvrige signaturer er:
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||