| Forside | | Indhold | | Forrige | | Næste |

Kortlægning af diffus jordforurening i byområder. Delrapport 3

2. Planlægning af undersøgelsesstrategier

2.1 Definitioner for diffus jordforurening

Udgangspunktet for en undersøgelsesstrategi er, at den diffuse jordforurening udfra en historisk redegørelse for området skal kunne relateres til en eller flere hændelser, der kan være årsag til at området som helhed er forurenet, og dermed kan beskrives ved hjælp af statistisk værktøj.

Ved diffus jordforurening kan selv mange jordanalyser ikke sandsynliggøre, at et større område er forurenet. De enkelte analyser beviser kun, at punkterne, hvori de analyserede jordprøver er udtaget, er forurenede. Hvis derimod området mellem punkterne skal dokumenteres som værende forurenet, forudsætter dette en bevisførelse herfor. Denne bevisførelse kræver, at der udfra den historiske redegørelse opstilles en sandsynlig forureningsmodel for forureningens oprindelse, og at der i overensstemmelse hermed findes en indbyrdes og statistisk velfunderet relation mellem punktmålingerne i det aktuelle område.

2.2 Systematiske trin ved opbygning af strategier

2.3 Den historiske redegørelse

Ligesom ved andre typer undersøgelser skal der indsamles oplysninger om potentielle forurenende aktiviteter i området, herunder både punktkilder og diffuse kilder, og der skal defineres en præcis afgrænsning af undersøgelsesarealet. I modsætning til forurening ved punktkilder er der typisk tale om et større geografisk areal og dermed mulighed for bidrag fra flere forureningskilder.

Figur 2.1
Systematiske trin ved udvikling af en undersøgelsesstrategi
Systematic steps in the development of an investigation strategy

2.4 Forureningsmodeller

En undersøgelsesstrategi for et diffust forurenet areal tager udgangspunkt i den måde (mekanismen), hvorpå en jordforurening er opstået, dvs. kilden, spredningen herfra og den forventede fordeling og belastning i jordmiljøet.

Der kan beskrives fem forureningsmodeller, som er typiske for diffus forurening. Diffust forurenede arealer vil dog ofte have været udsat for mere end en form for belastning.

De fem forureningsmodeller er baseret på et koncept udarbejdet af Amternes Videncenter for Jordforurening, som følger, jf. figur 2.2:

De fem forureningsmodeller er illustreret i figur 2.2.

Se her!

Figur 2.2
De fem forureningsmodeller for diffus jordforurening
The five conceptual pollution models

For alle fem typer diffust forurenet jord er de tidsmæssige og historiske aspekter vedrørende spredning i miljøet væsentlige. For det aktuelle geografiske areal skal der opstilles en model eller modeller for forureningsforhold og sandsynlige forureningsparametre baseret på den historiske redegørelse.

Typiske kilder og forureningstyper er beskrevet i rapporten over erfaringsopsamling og afklaring af kilder til diffus jordforurening /ref. 2/.

I tabel 2.1 er gengivet en oversigt over potentielle kilder og forureningsparametre /ref. 2/. Listen er ikke udtømmende.

Tabel 2.1
Forureningsmodeller, potentielle kilder og forureningsparametre /ref. 2/.
Conceptual pollution models, potential sources and pollutants

**Analyseteknisk problemer

2.5 Hypoteser

Tabel 2.2
Hypoteser om datasammenhænge fra AVJ rapport /ref. 6/.
Hypotheses concerning data relationships according to /6/.

2.6 Statistiske og geostatistiske data

I forbindelse med planlægning af en undersøgelse bør der tages stilling til hvilken statistisk behandling af de indsamlede data er nødvendigt for at kunne bekræfte hypoteserne, f.eks. "er det gennemsnitlige indhold af bly større end jordkvalitetskriteriet?". I bilag A er angivet en række strategiske overvejelser vedrørende den statistiske og geostatistiske tilrettelæggelse af et undersøgelsesprogram.

Feltmetoder vil typisk have en større analyseusikkerhed, men tillader, at der kan analyseres et større prøveantal. Det er således vigtigt, at de almindelige analytiske kvalitetsmål inddrages i resultatbehandlingen /ref. 7/. I rapporten om afprøvning af feltmetoder /ref. 2/ er anvendelse af deskriptiv statistik illustreret ved afprøvning af to feltmetoder. I bilag B beskrives statistikken for undersøgelsesresultater fra en tidligere undersøgelse på Østerbro i København /ref. 11/, og i bilag C vurderes de supplerende resultater for bly indsamlet i forbindelse med rapporten om afprøvning af feltmetoder /ref.2/.

Ved den geostatistiske vurdering skal der bl.a. bestemmes afstanden mellem prøvetagningspunkterne, om der bør anvendes symmetriske eller tilfældige prøvetagningsnet, og om der i en mindre del af undersøgelsesarealet bør udtages prøver tæt på hinanden. Især ved vurdering af forureningens geografiske fordeling er det vigtigt, at der udtages prøver med lille såvel som stor indbyrdes afstand. Herved kan det vurderes, hvorvidt variansen mellem målingerne stiger med afstanden. I rapporten over erfaringsopsamling og afklaring af kilder /ref. 2/ angives eksempler på anvendelse af geostatistiske teknikker.

Hvis der skal udføres en streng statistisk test, skal både den statistiske nulhypotese og den alternative hypotese defineres, og det skal sikres, at de data, der kan bruges til at bekræfte eller forkaste den nulhypotese. Hvis den mest sandsynlige hypotese vælges som alternativ hypotese, kræves færre data til at forkaste nulhypotesen.

Det er dog ikke altid hensigtsmæssigt at vælge den mest sandsynlige hypotese som alternativ hypotese, idet det er undersøgelsens formål og ambitionsniveau, som bør være bestemmende for valg af nulhypotese.

Ved statistiske tests skal der vælges med hvilken sandsynlighed, testen ønskes udført, f.eks. 95% sandsynlighed. Vejledning i statistiske prøvetagningsstrategier er angivet i /ref. 8, 9 og 10/.

Ved afvigelser fra det forventede statistiske resultat kan afvigende målepunkter evt. fjernes, og der kan foretages følsomhedsberegninger af konsekvenser. Afvigende punkter bør aldrig bare fjernes fra et datasæt, men bør være udgangspunkt for vurdering af konsekvenser for konklusioner og evt. behov for en supplerende dataindsamling.

Enkelte afvigende punkter vil normalt ikke påvirke medianværdien, men har betydning for middelværdien /ref. 7/. Ved identifikation af afvigende måledata bør det vurderes, om der er uoverensstemmelse med den forventede forureningsmodel, og hvorvidt ændringer i undersøgelsesstrategien er nødvendige for at opfylde undersøgelsesformålet, dvs. belyse de oprindelige spørgsmål/hypoteser.

En geostatistisk følsomhedsvurdering (estimering af koncentrationsniveau inden for arealet ved hjælp af semivariogrammer og krigging samt efterfølgende sammenligning med de målte data) kan også anvendes i forbindelse med tolkning af afvigende data.

2.7 Valg af analyseparametre og måleteknikker

2.7.1 Analyseparametre

Den historiske redegørelse og erfaringer fra andre undersøgelser af samme eller tilsvarende lokaliteter udgør hovedkilderne til viden om mulige forureningsparametre på en given lokalitet, jf. tabel 2.1

I rapporten over erfaringsopsamling og afklaring af kilder til diffus jordforurening /ref. 2/ er der redegjort for typisk kilder og forureningsparametre. Tidligere undersøgelser af diffus jordforurening har hovedsagelig fokuseret på tungmetaller, inkl. cadmium og kviksølv, men især bly samt olie og PAH. Disse er de meste kritiske parametre ved de fleste undersøgelser. Der kan dog være andre relevante parametre som cyanid, svovl, sulfat, PCB, phthalater, blødgørere og dioxiner, men disse er sjældent blevet undersøgt.

2.7.2 Indikatorparametre, feltteknikker og screeningsanalyser

Det kan være omkostningskrævende at analysere alle jordprøver for alle forureningsparametre. Som alternativ kan der analyseres et antal indikatorparametre, der belyser forureningsniveauet og – spredningsmønstret over arealet. F.eks. kan bly anvendes som indikator for forurening fra trafikken. Som dokumentation for forureningsniveauet iht. myndighedskravene analyseres herefter et mindre antal repræsentative prøver for andre forureningsparametre ved hjælp af specifikke akkrediterede laboratorieanalyser /ref. 14, 15/.

Endvidere kan der anvendes screeningsanalyser, hvor en række stoffer analyseres på et semi-kvantitativt eller kvalitativt niveau, f.eks. GC-FID-screening for oliekulbrinter, tjære og andre kulbrinter. Screeningsanalyserne er typisk mindre specifikke metoder med højere detektionsgrænser end de specifikke akkrediterede laboratorieanalyser /ref. 16/.

Det er dog nødvendigt at identificere, hvilke sammenhæng der er mellem indikatorparametre, feltmålinger, screeningsanalyser og de specifikke akkrediterede laboratorieanalyser, som anvendes som dokumentationsanalyser.

Anvendelse af indikatorparametre, feltmålinger og screeningsanalyser skal også opfylde de krav til dataindsamling, der er defineret i det statistiske og geostatistiske design. Der er et behov for en statistisk vurdering af variationen mellem prøvetagningspunkterne, og dette betyder, at analyser med høj analyseusikkerhed (variation), d.v.s. feltmetoder ikke altid kan bruges. Imidlertid kan feltmetoder og andre parametre som geologi, tørstof, PID-målinger og organisk indhold (glødetab) give vigtige informationer om arealets inhomogenitet, som kan relateres til forureningsforholdene.

Feltmetoder anvendes ofte som screeningsanalyser. I håndbogen om feltmetoder /ref. 17/ er opstillet en oversigt over relevante feltmetoder i forhold til forureningsparametre. Et udsnit af tabellen vedr. parametre og metode som vurderes, som relevant for diffus forurening er gengivet i tabel 2.3.

Tabel 2.3
Oversigt over feltmetoder og forureningsparametre
Overview of field screening methods and pollutants

Som det ses af tabel 2.3, er de to teknikker af interesse ved analyse af henholdsvis metaller og organiske forbindelser, EDXRF og immunoassay.

En fordel ved at anvende immunoassays i stedet for laboratorieanalyser er, at der kan analyseres flere prøver inden for samme budget. En ulempe er dog, at analyseusikkerheden er større (f.eks. >25%) og nøjagtigheden væsentlig mindre (20 -70%) end ved laboratorieanalyser. Immunoassay for PAH og PCB er vurderet i rapporten om afprøvning af feltmetoder /ref. 3/.

Hvis inhomogeniteten over undersøgelsesarealet er endnu større end analyseusikkerheden, kan det alligevel være fordelagtigt at bruge feltmetoder til screening af forureningsniveauet. Resultaterne kan bruges til at vurdere, om målepunkterne (med en vis sandsynlighed) ligger inden for et givent koncentrationsinterval. Immunoassay kan derfor bruges til screening af et større område i en indledende (fase 1) undersøgelse. En indledende vurdering af forureningsniveauet og den spatielle fordeling kan bruges til justering af det statistiske design i de supplerende fase 2-undersøgelser.

Om der er fordele ved at bruge immunoassay vil derfor være afhængig af prøveantal og størrelsen af det areal, som skal undersøges. Immunoassay kan også bruges til vurdering af, om der findes større arealer inden for undersøgelsesområdet med signifikant forskellige koncentrationer. Ambitionsniveauet for undersøgelsen (formålet) har også betydning, idet immunoassays tillader optimering af et detaljeret prøvetagningsprogram. Immunoassays vil dog sjældent være fordelagtigt ved mindre og mere enkle undersøgelsesprogrammer. Immunoassay-resultaterne kan ikke direkte sammenlignes med GC-MS-SIM-resultaterne, men kan bruges til optimering af prøvetagningen. Ved mindre undersøgelser eller undersøgelser, hvor koncentrationerne ændres inden for kort afstand (liniekilder langs vej), og hvor forureningens sammensætning skal identificeres og kvantificeres, er immunoassay uegnet. Immunoassay kan derimod anvendes til afgrænsning af forurenede arealer og ved estimering af forureningsniveauet over et større areal.

Til analyse af tungmetaller er EDXRF et udmærket værktøj, dog er detektionsgrænsen for visse metaller (As, Cd, Hg) forholdsvis høje, hvilket kan begrænse metodens anvendelighed. Analyseusikkerheden er lille (<15%) og nøjagtigheden 75 - 125 % ved koncentrationsniveauer på 100–500 mg/kg TS. Ved lave koncentrationer tæt på detektionsgrænsen er analysekvaliteten dog mindre god. EDXRF er vurderet i rapporten om afprøvning af feltmetoder / ref. 3/ og kan både anvendes til dokumentation af forureningsforhold suppleret med enkelte akkrediterede kontrolanalyser, og til screening. Ved at udføre kontrolanalyser på jordprøver(hvor EDXRF og ICP/AAS resultater sammenlignes) og kontrolmålinger på referencejord kan analysekvaliteten bestemmes. Vurderingen af analysekvaliteten kan anvendes til vurdering af data samt forureningens geografiske fordeling af over undersøgelsesarealet /ref. 7/.

2.7.3 Dokumentationsanalyser

Når myndighederne skal træffe afgørelser er det vigtigt, at beslutningsgrundlaget er troværdigt. Der skal derfor udføres et antal analyser, som så præcist som muligt angiver forureningsart og koncentration Her tænkes på akkrediterede specifikt laboratorieanalyser /ref. 16/.

Laboratorieanalyser af metaller er baseret på, at metallerne ekstraheres fra jorden ved opvarmning i salpetersyre. Metallerne bliver således opløst i vand, og analyserne foretages herefter på den vandige opløsning. Analysen foretages på væskeekstrakt ved hjælp AAS (Atom Absorption Spektrometri) eller ved ICP-AES (Induktiv- koblet- plasma-atomemissionsspektrometri), hvor der måles ved de anbefalede bølgelængder for de udvalgte metaller. Ved ICP kan der analyseres for flere metaller i samme analysegang. Analyseusikkerheden er typisk mindre end 10% og nøjagtigheden 90 - 95%. For at opnå tilstrækkelige detektionsgrænser er det er nødvendigt med specielteknikker til kviksølv, cadmium, arsen, nikkel og molybdæn, henholdsvis coldvapour-teknik ved AAS for kviksølv og grafitovn ved AAS for cadmium, arsen, nikkel og molybdæn. For de fleste metaller kan opnås væsentlig lavere detektionsgrænser ved grafitovnsteknik.

Meget ofte udgøres en diffus forurening med metaller af flere forskellige stoffer, f.eks. chrom, zink og cadmium fra stålværker, bly, kobber og zink fra trafik og vanadium, bly og antimon fra kulfyrede kraftværker. Derfor er det også ofte af interesse at kunne vurdere koncentrationsniveauet for flere metaller, og multi-element-teknikker som ICP og EDXRF kan anbefales.

Tungmetaller med relativt høje jordkvalitetskriterier i forhold til en lav naturlig baggrundskoncentration, f.eks. kobber og chrom, er sjældent problematiske som diffus forurening, til trods for at der ofte måles markant forhøjede værdier.

Anderledes forholder det sig med bly, nikkel, arsen, cadmium og kviksølv, hvor jordkvalitetskriterierne er tæt på baggrundsniveauerne. Forhøjede tungmetalkoncentrationer kan i visse tilfælde have en naturlig oprindelse.

Principperne for laboratorieanalyser af organiske forureninger er typisk baseret på GC-teknikker efter ekstraktion med et ekstraktionsmiddel. Ekstraktions- og GC-betingelserne er optimeret for de stoffer, der skal måles. Ved GC-FID identificeres stofferne ved sammenligning af retentionstiden iht. standardstoffer, og derfor kan stoffer med samme retentionstid interferer. GC-MS er mindre sårbar over for interferens fra andre stoffer og identifikationen er derfor mere sikre. Analyseusikkerheden er typisk 15 - 20% og nøjagtigheden 70-95%.

I de senere år har der været en stigende interesse for en nøjere vurdering af forureningssammensætningen, især de organiske parametre som PAH (tjære, olie, emission fra forbrænding) og olieprodukter /ref. 18, 19/. Naturlig forekomst af kulbrinter og PAH-lignende stoffer er ligeledes af interesse, idet disse kan stamme fra tørv, spagnum, organisk-holdige sedimenter m.v.

Olie- og tjæreforurening består altid af flere enkeltstoffer, og selv ved de mere specifikke analyser (GC-MS-SIM) identificeres og kvantificeres kun en mindre del af det totale indhold. I rapporten over statistisk bearbejdning af data over diffus jordforurening /ref. 6/ er det vist, at der er en klar sammenhæng mellem benzo(a)pyren (BaP) og total PAH samt med Miljøstyrelsens jordkvalitetskriteriet (sum af 7 PAH´er). BaP kan derfor anvendes som kriterium ved klassificering af jord, mens de andre PAH´er og PAH-profilen kan anvendes til vurdering af forureningsart og -oprindelse. I tvivlstilfælde vil PAH-profilen også bekræfte, hvorvidt BaP-indholdet er realistisk.

Metoder til at skelne mellem naturlige kulbrinter og forureninger som olie og tjære, samt til at vurdere, om kilden til PAH-forureninger er pyrogen (forbrænding), petrogen (olie) eller biogen (naturligt), findes, men kræver detaljerede vurderinger af komponentsammensætning og komplicerede laboratorieteknikker som GC-MS-SIM /ref. 19, 20/.

2.8 Prøvetagnings- og analyseplan

2.8.1 Afstand og antal af målepunkter

Afstanden mellem prøvetagningspunkterne er bestemmende for, hvor nøjagtigt koncentrationsniveauerne for området kan bestemmes. Hvis der ikke foreligger informationer om stoffets inhomogenitet i jorden samt om analyseusikkerheden, kan den optimale afstand og antal af prøvepunkter først bestemmes efter en indledende undersøgelse og databehandling, se fase 1 i figur 2.1.

Selv om det indledningsvis vælges at udtage prøverne i en større skala, f.eks. > 100 m, er det vigtigt også, at vurdere variationen mellem prøver med en mindre indbyrdes afstand. Ligeledes skal analysemetodens analyseusikkerhed vurderes ved at der udføres flere bestemmelser på de samme prøver.

Beslutning om, i hvilken skala prøvetagningsnettet skal udføres, bør baseres på den forventede forureningsspredning over arealet. Den historiske redegørelse, erfaringer vedrørende typiske belastningsniveauer langs veje, OML-beregninger, vindretninger, topografi samt det forventede baggrundsniveau er blandt de mange oplysninger, som kan benyttes ved vurderingen af størrelsen af det påvirkede areal samt den forventelige variation i forureningsniveauet.

2.8.2 Prøvetagningsnet iht. forureningsmodellen

Hvis forureningsmodellen, jf. 2.4, indikerer, at en forureningsfane kan forventes i en vis retning (nedfalds- eller liniemodel), er det selvfølgelig nødvendigt, at der udtages prøver både inden for og uden for fanen, således at dens udbredelse kan kortlægges.

Ved en jævn belastning (overflademodel, bidragsmodel) skal der udtages det antal prøver, der anses for tilstrækkeligt, for at kunne vurdere variationen over hele området. Antallet af prøver er dels bestemt af ambitionsniveauet og dels af den "naturlige" variation i jorden. Hvorvidt antallet af prøverne er tilstrækkeligt til at beskrive forureningsniveauet kan først vurderes statistisk, når der er foretaget en beregning af variationen og analyseusikkerheden for de indledende data fra fase 1.

2.8.3 Prøvetagningsdybden

De fleste former for diffus jordforurening (nedfaldsmodel, liniemodel og overflademodel) findes i jordoverfladen, og forureningen er i værste fald blandet ned til plovdybden. Jordforureningen er ofte størst i de øverste 0 - 20 cm jord, og aftager derefter i styrken (gælder dog ikke i opfyldte områder og for bidragsmodellen og kulturlag).

Ved kortlægning af diffust forurenet jord er det, i forbindelse med en risikovurdering, jordoverfladen, der er mest kritisk, idet det primært er arealanvendelsen, der skal sikres. Ved nedfald af luftbåren forurening vil jordoverfladen, inkl. græstørv, være belastet. Det kan derfor forventes, at forureningen i de øverste 0–5 cm vil være større end de underliggende lag. Der er dog problemer forbundet med prøvetagning af jorden i det øverste vækstlag, hvorfor der kan også vælges at udtage jordprøver fra jordlag under græstørv i 2-10 cm dybde, som antages at være repræsentative ved vurdering af risiko for hudkontakt.

Det anbefales, at jordprøverne udtages i uberørt jord. Dette gælder navnlig jordprøver, der udtages i dybdeintervallet 0-5 cm. Det er vigtigt at skelne mellem plantebede, hvor der graves, og uberørt jord, hvor der ikke graves, f.eks. græsarealer og ikke-dyrket jord.

Ved vurdering af diffust forurenet arealer er det vigtigt, at vurdere om forureningen aftager med dybden (nedfaldsmodel, liniemodel og overflademodel), hvorfor der skal udtages jordprøver i forskellige dybder. Dybdemæssige betragtninger er desuden af interesse, hvis jorden skal bortskaffes.

For områder, hvor der er foretaget terrænregulering med fyldjord, kan der være tilkørt forurenet jord. Der kan være tale om få eller mange læs forurenet jord af varierende sammensætning. Dette kan medføre stor variation mellem de indbyrdes målepunkter samt over dybden. Prøvetagnings- og analyseplaner kan ikke belyse forureningsniveauet på et sådant areal som helhed, men kan såfremt prøvetagningsnettet er tilstrækkeligt tæt, evt. bekræfte hypotesen om, at forureningen skyldes tilfældige forurenede jordlæs,.

Ved anlægsarbejder udføres ofte større jordflytninger, blandt andet er jord langs veje ofte fyldjord.

2.8.4 Blandeprøver

Ved opstilling af en prøvetagnings- og analyseplan er det væsentligt at overveje, om prøverne skal udtages som blandeprøver eller som stikprøver.

Ved blanding af flere delprøver fås en prøve, som repræsenterer gennemsnittet for de sammenstukne prøver. Blandeprøver er udmærkede, hvis man kun er interesseret i en gennemsnitsværdi.

Fordelen ved blanding af stikprøver er, at analyseomkostningerne kan reduceres, mens resultaterne stadig vil være repræsentative for et større jordvolumen. Blanding af prøver foretages derfor ofte ved vurdering af jordbunker, hvor den spatielle sammenhæng mellem prøvernes placering i det oprindelig jordlag og forureningsniveauet er gået tabt, fordi jorden allerede er opblandet.

Til klassifikation af jord anvendes typisk blandeprøver sammenstukket af fem stikprøver /ref. 15/. Resultaterne anvendes til beregning af gennemsnittet for jordbunken i forhold til en grænseværdi, der højest må overskrides med 50% /ref. 15/. Der foretages naturligvis ikke blanding af stikprøver, hvis der er tale om flygtige stoffer.

Blanding af stikprøver er mindre hensigtsmæssig, hvis resultatet skal bruges til sortering af jord i bunker efter forskellige koncentrationsniveauer, eller til vurdering af jordforureningen i det oprindelig jordlag. I sådanne tilfælde skal prøverne kun blandes, hvis de forventes at være repræsentative for en sammenhængende forurening. Det vil sige, at prøver fra forskellige geologiske lag og dybder ikke bør blandes.

Ved vurdering af diffus jordforurening skal der etableres en indbyrdes og statistisk velfunderet relation mellem alle punktmålinger i området, jf. afsnit 2.1. Det er således vigtigt at vurdere både den indbyrdes variation mellem prøver udtaget tæt på hinanden og med større afstand. Det er derfor ikke ønskeligt, at prøver fra forskellige punkter blandes. Blanding af prøver kan dog evt. anvendes med henblik på at reducere analyseomkostningerne i en indledende vurdering af den spatielle fordeling af forureningen over større arealer med henblik på at identificere delområder, som kræver større opmærksomhed.

Endvidere er det ofte blevet forslået, at blande flere delprøver fra et mindre areal (f.eks. 1 m²) med henblik på at skabe én prøve, som er mere repræsentativ (gennemsnitsværdi) for prøvetagningspunktet end de enkelte stikprøver. Dette betyder bl.a., at en enkelt delprøve med højt forureningsindhold ikke kan identificeres som afvigende (outliers), hvilket kan påvirke den statistiske behandling. Hvis koncentrationer i delprøver alligevel er sammenlignelige, er der ingen fordel i at blande prøverne, idet det ikke giver nogen økonomisk fordel og samtidigt er en meget tidskrævende proces.

Derimod kan det i prøvetagningspunkter, hvor der alligevel er sket opblanding/ behandling af jord, f.eks. i dyrkede bede, overvejes at lave en blandeprøve af 3-5 delprøver for at sikre, at prøven er repræsentativ for feltet og at der ikke er sket en fortynding af forureningen.

Det skal dog bemærkes, at blanding af jordprøver kræver standardiserede teknikker og udstyr.

2.9 Databehandling og rapportering

Undersøgelsen rapporteres i en datarapport og resultaterne beskrives statistisk.

Ved databehandlingen vurderes der, om hypoteserne vedrørende forureningsforhold kan dokumenteres. Der foretages databehandling af de enkelte prøvetagningsfelter, for delområder og for undersøgelsesarealet som helhed. Med henblik på visualisering af koncentrationsniveauerne foretages der en geostatistisk vurdering af forureningsniveauerne over hele undersøgelsesarealet. Data fra den historiske redegørelse og evt. tidligere data indarbejdes i databehandlingen.

Der vurderes ,om der er behov for yderligere undersøgelser (f.eks. en fase 2 eller 3, jf. figur 2.1).

I bilag D er der opstillet et teoretisk eksempel på sammenhængen mellem dataindsamling, hypoteser og databehandling.