| Kildesporing af miljøfremmede stoffer i kloaknet 4.Opbygning af database til tør kildesporing4.1 Basens struktur 4.1 Basens struktur Som beskrevet i kapitel 3 er der i projektet udviklet et pc-baseret databaseværktøj til at organisere og kombinere data i forbindelse med den tørre kildesporing. Formålet med værktøjet er at lette arbejdet fra en konkret forurening er konstateret i f.eks. spildevandsslammet på et renseanlæg til kilden til forureningen i anlæggets opland er identificeret. Processen har tre faser:
Værktøjet skal således ses som en tre-trins-raket, hvor det i mange tilfælde ikke er nødvendigt at gennemføre alle tre trin. I princippet kan processen foretages manuelt, hvorfor der foreligger papirudgaver af de forskellige oversigter og tabeller, der indgår i databasen (Bilag 3 og 4), se iøvrigt afsnittet om tør kildesporing (afsnit 3.2). Imidlertid er det fundet mere hensigtsmæssigt og tidsbesparende at organisere og søge data ved hjælp af en PC-baseret database, hvorfor udviklingen af en sådan har indgået som et væsentligt element i det samlede projekt. Databasen kan yderligere forsynes med en GIS-overbygning til visualisering af den fysiske (geografiske) dimension i kildesporingen. Den overordnede datamodel fremgår af figur 4.1. Hver kasse beskriver en tabel, og pilene mellem kasserne beskriver relationerne mellem tabellerne. Øverst i hver kasse står navnet på tabellen, derefter kommer navnene på felterne i tabellen, som indeholder data. Alle tabeller, hvis navn begynder med "m2m" indeholder i sig selv ikke et emne, men bruges til at knytte to tabeller sammen i en såkaldt "mange-til-mange"-relation (f.eks.: Et produkt indeholder forskellige stoffer, og hvert stof indgår desuden i flere forskellige produkter). På trin 1 er tabellerne således:
På trin 2 indføres de konkrete virksomheder samt ledningsnettet, repræsenteret ved knudepunkterne (brønde mv.). På dette trin vil det være særdeles givtigt at indføre et GIS, idet netop virksomheder og brønde har en præcis geografisk beliggenhed og dermed egner sig til at blive fremhævet ved en visualisering. På trin 3 indføres oplysninger og data om praktisk prøvetagning og analyser knyttet til knudepunkterne i afledningsnettet. Figur 4.1 : Se her Model of the structure of the developed source identification database. 4.2 Datagrundlaget 4.2.1 Generel viden Stofdata
Denne type information er ofte tilgængelig i form af datablade, opslagsværker m.m. Miljøstyrelsen er i forbindelse med det nationale overvågningsprogram for vandmiljøet (NOVA 2003) ved at etablere en database, som indeholder ovennævnte typer stofdata. Anvendelsesdata
Det skal dog bemærkes, at oplysninger vedrørende de to sidstnævnte punkter tilsyneladende sjældent foreligger umiddelbart tilgængeligt endsige på brugbar elektronisk form i kommunernes miljøafdelinger, hvorfor det p.t. kan være nødvendigt at nøjes med grunddata. Tabel 4.1 viser et uddrag af databasens virksomhedstypetabel, hvis inddeling er baseret på systematikken for gruppeinddeling af Liste- og anmeldevirksomheder. Den fulde oversigt over anvendte virksomhedstyper findes i Bilag 3. Tabel 4.1 Extract of the categories of enterprises used in the database (see Annex 3).
Procesdata Generelt kendskab til forskellige typer af tekniske processer, specielt om hvilke kemiske stoffer der indgår i disse, indgår i kildesporingen på første trin. Mange processer går igen i forskellige brancher, men behøver kun at beskrives een gang. For en given proces registreres følgende data:
Emissionsdata og andre procesoplysninger ville være nyttige, men p.t. skønnes det ikke realistisk at indhente sådanne i det nødvendige omfang. Tabel 4.2 viser et uddrag af databasens procestabel, mens den fulde oversigt findes i Bilag 3. Tabel 4.2 Extract of the categories of processes used in the database (see Annex 3).
Produktdata I lighed med procesdata indgår generel viden om stoffernes anvendelse i flere forskellige kategorier på trin 1 i kildesporingen. Også her gælder det, at mange produkter går igen i forskellige brancher. For et givet produkt registreres:
Omstående tabel 4.3 viser et uddrag af databasens produkttabel, der er baseret på Produktregistrets gruppeinddeling af kemiske stoffer og produkter. Den fulde oversigt over anvendte produktkategorier findes i Bilag 3. Stofoversigter Ovenstående oplysninger kobles i såkaldte stofoversigter, hvoraf der er udarbejdet små 20 i forbindelse med dette projekt (se kapitel 5) Stofoversigterne er lavet i et matrixskema, der ud af den ene akse angiver, hvilken del af samfundsflow'et stofferne forekommer i forbindelse med, opdelt som følger:
Ud af den anden akse angives, hvilken spildevandskomponent stofferne forekommer i:
Tabel 4.3 Extract of the categories of products used in the database (see Annex 3).
Stofoversigterne er udarbejdet på skemaform (Excel regneark) dels for at give overblik, hvis man kun har dem i papirversion, og dels for let at kunne lægge oplysningerne ind i projektets Access database. De udarbejdede specifikke stofoversigter for i alt 17 stoffer findes i bilag 4, men i tabel 4.4 er der, som eksempel, vist uddrag af stofoversigten for NPE. Tabel 4.4 : Se her Example of database informations on the uses of a substance (NPE) (see Annex 4 for the full diagram and diagrams for other substances). 4.2.2 Lokalspecifik viden Virksomhedsdata Til opbygning af den lokalspecifikke del af databasen skal der, jf. afsnit 3.2.2, som minimum bruges en fortegnelse over eksisterende, relevante erhvervsvirksomheder i oplandet. Denne fortegnelse skal rumme navn og adresse på hver enkelt virksomhed, og for hver enkelt virksomhed på listen skal være anført en typebetegnelse, jf. systematikken i Liste- og Anmeldebekendtgørelserne (hhv. Bek. nr. 794 af 09.12.91 og Bek. nr. 367 af 10.05.92) suppleret med de yderligere kategorier, som er anført i Bilag 3 (herunder autoværksteder jf. Bek. nr. 922 af 05.12.97). Derudover vil især de specifikke spildevandsmængder eller, i mangel af denne information, de specifikke vandforbrug være af interesse i forhold til at kunne foretage en prioritering af de (ofte mange) potentielle kilder til et bestemt stof. Det er dog langt fra altid disse oplysninger er umiddelbart tilgængelige. Andre oplandsdata Spildevandsplaner og andet, der kan angive absolutte eller relative bidrag (af hydraulisk- og/eller stofbelastning) fra forskellige deloplande og hovedkomponenter af det samlede spildevand, er ligeledes værdifulde data til en sådan prioritering på basis af massestrømsbetragtninger. Endelig vil data fra tidligere moniterings- eller specialundersøgelser i ledningsnettet eller på renseanlægget kunne indgå i databasen til støtte for gennemførelsen af kildesporingen. Kommunekort Langt de fleste kommuner har i dag digitale vektor grundkort i enten T0 eller T1, T2, T3 kvalitet samt geodætiske raster kort i flere forskellige kortskalaer. Disse kort bliver enten brugt direkte eller som baggrund for stedsangivelsen af forskellige ledningstyper såsom el, vand, afløb, fjernvarme osv. eller af andre tekniske anlæg. Disse kort bliver løbende vedligeholdt fotogrammetrisk eller ved opmåling, og der kommer løbende opdateringer til Kort og Matrikelstyrelsens geodætiske rasterkort. Man kan dermed med rette sige, at det digitale kortmateriale hos de danske kommuner er veludbygget og af rimelig kvalitet. Ledningsnetoplysninger Mange kommuner har i dag data for afløbsledningsnettet liggende i et fælles udviklet format (DAS = Database for AfløbsSystemer). Dette format registrerer data for knudepunkter og ledningerne, der forbinder disse, på en standardiseret form. I mange kommuner findes DAS-data-systemet udbygget med et GIS-værktøj, AFREG, som kan vise afløbsledningsnettet på digitale kort, hvor det samtidig er muligt at se gader, matrikler, bygninger samt andre ledninger. Hvert knudepunkt er registreret med koordinater, og ledningerne identificeres ved de to knudepunkter, de forløber imellem. Med henblik på kildesporing etableres koblingen mellem AFREG-systemet og virksomhedsdata derfor ved at registrere navnet på det knudepunkt i afløbsledningsnettet, virksomheden er tilsluttet. Hvis denne information ikke er direkte tilgængelig, må koblingen skabes igennem adressen eller anden sted-angivelse. 4.3 Datahåndtering og søgemuligheder Datahåndteringen foregår vha. et i databasen indbygget søgesprog, som hedder Structured Query Language (SQL). SQL gør det muligt at fremfinde og opstille data på et utal af forskellige måder, f.eks. kan data sorteres, eller der kan foretages udvælgelser efter ønske. I forbindelse med den tørre kildesporing er det interessant at få svar på en lang række spørgsmål baseret på de i databasen tilgængelige data. Spørgsmålene er delt op i de samme trin som databasens tabeller. Dvs., at på Trin I er følgende blevet sat op, og der er etableret et interface til internt brug, som gør systemet let at betjene. Resultaterne har siden været lagt til grund for den videre tørre kildesporing. Trin I:
På Trin II er nedenstående spørgsmål forprogrammeret i databasen:
På Trin III er nedenstående spørgsmål klargjort:
Disse forprogrammerede forespørgsler er ikke noget udtryk for det totale antal mulige forespørgsler som kan stilles til systemet. Der er således kun de begrænsninger, som datastrukturen og brugeren stiller. 4.4 Opkobling til GIS De førnævnte eksisterende data og oplysninger er indlagt i et PC-baseret relationsdatabasesystem (konkret er der til projektet valgt Microsoft Access, men der kunne være valgt en hvilken som helst relationsdatabase). Herved kan der hurtigt skabes overblik over eksisterende viden, og det er muligt hurtigt at foretage kombinationer af forskellige søgeparametre. For yderligere at styrke disse muligheder og give den geografiske dimension, der må anses for helt central i en kildesporingssammenhæng, kan databasen kobles sammen med et Geografisk Informations System (GIS). Det nødvendige digitale kortgrundlag for GIS samt edb-registrerede ledningsystemer eksisterer i begge de valgte oplande, og der er til den konkrete kildesporing i de to oplande foretaget den nævnte kobling i GIS-produktet MapInfo (andre GIS kan vælges, se 4.6. Det er dog et krav, at database og GIS er samstemmende). Det skal dog præciseres, at dette arbejde (jf. projektansøgningen og bevillingsskrivelsen fra MST) udelukkende er foretaget til intern brug i projektets case-del, og at der ikke er udviklet en generel programpakke med en færdig brugerflade. Med et database-/GIS-system system vil det for eksempel hurtigt kunne visualiseres, hvor i oplandet virksomheder af en bestemt type befinder sig eller hvor der anvendes en bestemt teknisk proces eller et bestemt kemisk stof. Herudfra vil en optimal prøvetagnings- og målestrategi lettere kunne fastlægges. GISet vil grundlæggende give adgang til analyser af data fra to sider:
4.5 Databasesystemets muligheder og begrænsninger Muligheder De umiddelbare fordele et sådant databasesystem giver, er at datastukturen, altså datas sammenhæng og relationer, bliver kritisk gennemgået før data indlægges, samt at der foregår en meget stor mængde datavalidering ved indlæggelsen. Dette betyder, at datagrundlaget bliver bedre og der bliver skabt en stor overskuelighed over systemet og de samlede muligheder for anvendelser. Der er i databasen indbygget SQL søgesproget, som er et særdeles velegnet søgesprog, der gør det muligt at sammenkoble flere forskellige tabellers information, dvs. at et utal af muligheder for at samstille data fra forskellige tabeller bliver tilgængelige. Det vigtigste i denne sammenhæng er, at datastrukturen er hensigtsmæssig og entydig, så man ikke risikerer at få forskellige svar, hvis man kommer til data på forskellige måder. Systemet har yderligere den store fordel, at det umiddelbart kan kobles til et GIS, idet der findes stedsangivelse i både brønd- samt i adresse tabellen. Der kan vælges det GIS, man foretrækker eller har grundkort lagt ind i. Kobles systemet til et GIS, åbnes der mulighed for visualisering og avancerede spatiale analyser, som både vil skabe overblik men også vil være en stor hjælp ved udvælgelsen af eventuelle prøvetagningssteder. Begrænsninger Systemet har den begrænsning, at man ikke kan samstille mere end to tabeller ad gangen, man er nødt til at gemme resultatet i en ny tabel som så samstilles med den tredje osv. Dette giver en smule ekstraarbejde, når man gerne vil bruge 5, 6 eller 7 tabeller i én søgning. Der er i dette som i de fleste systemer den fare, at de indlagte oplysninger ikke opdateres, og at de forprogrammerede søgninger derved med tiden kommer til at give fejlagtige svar. Det er klart, at jo mere brugervenligt et produkt er, jo mere bliver det brugt, og kun derved forbedres data. Databaseproduktet er imidlertid yderst fleksibelt og både tabeller, bruger interface samt forespørgsler kan med lethed ændres, så produktet forbliver tidssvarende. Datamæssigt har systemet den begrænsning, at kategorierne, i og med, at der er brugt standard kategorier for virksomheder, processer og produkter, ofte er defineret meget brede. Dette betyder, at forespørgsler ofte giver et meget stort antal hits. Ved unikke nøgler for virksomheder, processer og produkter ville man komme ud over dette problem og dermed skabe meget større entydighed. Det samme problem er tilstede m.h.t. sammenkoblingen mellem stof og brønd, og mellem stofgruppe og brønd, idet der findes en unik nøgle på et stof, men ingen unik nøgle på en stofgruppe. Det betyder, at søger man i databasen for udledninger af en stofgruppe til brønde, får man et hit for hvert stof, som indgår i stofgruppen på hver brønd. For at afhjælpe dette problem bør der oprettes unikke nøgler (koder) til hver stofgruppe. Kommunerne har sjældent deres adresse- og ledningsdata koblet til grafik på samme måde, dette kan give problemer med at sammenkoble adresse med brønd. Nogle har en kobling mellem den enkelte matrikel eller husnummer og adressen, andre har en kobling mellem brønd og brønddata, og der findes ikke altid en adresse, som repræsenterer den enkelte brønd. Det er en fordel for den tørre kildesporing, hvis man kan koble en adresse sammen med en brønd, men det er et tidskrævende arbejde at udføre manuelt. 4.6 Krav til hard- og software Databasesystemet vil kunne bruges på Intel-baserede PC'ere fra og med 486 modellen, som bruger Windows 95 eller Windows NT som styresystem. Skal der kobles op til et GIS bør PC'en være en Pentium baseret maskine med min. 64 Mb hukommelse og en harddisk med min. 1Gb kapacitet. Det er især raster grundkortfilerne, som kræver de store hukommelsesmængder, for at de kan håndteres med en fornuftig hastighed. Softwarekravene er som ovenfor et Windows 95 eller Windows NT styresystem samt en relations database. Der er i projektet brugt Microsofts Access database, MSAccess version 97, men der kunne lige så godt være brugt en af de følgende:
Skal der kobles op til et GIS er der også forskellige muligheder. Der er i projektet brugt MapInfo (MapInfo Corporation), men de andre store GIS produkter på markedet ville også have været en mulighed f.eks.:
Det er et krav til GISet, at det kan importere forskellige dataformater, idet data sjældent er tilgængeligt i lige det format, som passer til den GIS platform man har valgt at bruge. Der modtages data fra forskellige GIS-systemer, fra forskellige databasesystemer og fra mange andre programmer. Hvis GIS'et ikke kan håndtere konverteringen af data er man nødt til at anskaffe produkter, som kan oversætte fra et format til et andet, eller lave aftaler med dataleverandørerne om at modtage data på et fællesformat som f.eks. DSFL. |