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

Diffus jordforurening og kulturlag

16 Erfaringer ved afprøvning af strategien

16.1 Forureningsmodel

Som udgangspunkt var det antaget, at den diffuse jordforurening i de 10 testarealer havde sin oprindelse i en bidragsmodel, hvorved små tilfældige bidrag af forurenende stoffer og materiale er tilført kulturlaget igennem århundreder. Det var antaget, at den diffuse jordforurening ville udgøre en varierende og tilfældig belastning af topjorden. Det var også antaget, at nogle områder kunne være påvirket af trafikken (liniemodel) eller af punktkilder.

Som nævnt i kapitel 1 og 2, er der mange ligheder mellem bidragsmodellen og fyldjordsmodellen. Ved fyldjordsmodellen er der antaget en systematisk påfyldning af jord (evt. til større dybder), hvor der kan have indgået forurenede jordpartier, mens bidragsmodellen er baseret på små tilfældige bidrag til jordoverfladen, som opblandes i topjorden. Ved bidragsmodellen antages forureningen påført igennem mange år, måske århundreder, via deponering af og udvaskning fra byggemateriale og affaldsprodukter, nedfald af støv og emissioner (boligopvarmning, bybrande). Ved fyldjord kan der være tale om forurenet jord fra datidens punktkilder, som er blevet deponeret i forbindelse med anlægsarbejder på et tidligere og ukendt tidspunkt. Det skal noteres at strategien for bidragsmodellen og fyldjordsmodellen er sammenlignelige – ved fyldjordsmodel skal der blot vurderes mulighed for forurening til større dybde.

På alle testarealer er jorden beskrevet som kulturfyld i det øverste jordlag og ofte ned til 1 m’s dybde. Undersøgelsesstrategien er dog den samme for begge modeller, men der vil i forbindelse med databehandling kunne skelnes mellem de to modeller. Ved fyldjordsmodellen, dvs. et opfyldt område forventes der stor heterogenitet inden for afstande af 10 - 50 m, som skyldes jordpartier af forskellig oprindelse. For eksempel forurenet læs kan have været påført fyldområdet som et jævnt lag spredt ud over arealet, hvor der evt. tilføjes flere lag lagt oven på hinanden. Alternativt kan forurenet læs have været tippet over en skrænt, hvor hver læs jord udgår en ny skrænt. Forureningsmønster i fyldjord vil formentlig betyde, at der er behov for at undersøge diffus jordforurening på ejendomsniveau.

Imidlertid er der intet, som forhindrer, at et opfyldt område viser samme karakteristika som bidragsmodellen, dvs. et varierende og tilfældigt koncentrationsniveau i hele fyldlaget, eller at et opfyldt areal igennem tid udsættes for forureningsbidrag og opblanding, og bliver til kulturlag.

Generelt konkluderes det, at forureningsmønstret på de 10 testarealer er godt beskrevet ved hjælp af bidragsmodellen. Typisk er der observeret et tilfældigt mønster i områder med høj udnyttelsesgrad, en lang historik og evt. skiftende arealanvendelser, herunder til boligformål. I denne type områder ses ofte mindre delområder med lavere eller højere niveauer, som antages at repræsentere punktforureninger eller områder, hvor jorden er fjernet i forbindelse med renovering eller jordudskiftning. Bemærk, at selv om forureningsmønstret beskrives som varierende og tilfældigt, kan der være en spatiel korrelation som indikerer, at punkter tæt på hinanden er mere ens end målinger foretaget i større afstand. Dette betyder, at koncentrationen i et punkt kan estimeres på grundlag af de nærliggende målinger.

Generelt ses de højeste forureningskoncentrationer i de ældste byområder, mens der kun ses små overskridelser af jordkvalitetskriterierne i de nyere boligområder.

Generelt ses, at forureningen er størst i det øverste jordlag (bidrag ovenfra), men godt kan fortsætte (eller stiger svagt) i dybden i de ældste områder, etableret på kulturlag. For de områder, hvor forurening findes i samme koncentrationsniveau i dybden, f.eks. i 0,5 m’s dybde, kan der ikke skelnes, om området er etableret på forurenet fyld eller det er blevet forurenet under dannelsen af kulturlag.

I forbindelse med undersøgelsen er der ud over diffus jordforurening på nogle af testarealerne (testareal D, F og G) fundet tydelige tegn på mindre punktkilder.

Generelt er der ikke påvist en direkte påvirkning fra trafikken (f.eks. høje indhold af bly eller BaP i jordprøver udtaget tættest på trafikken), idet de fleste prøver er udtaget mindst 5 -10 m fra vej.

16.2 Analyseparametre

Analyseparametrene blev udvalgt på baggrund af erfaringsopsamlingen i fase I /1/, hvor der var identificeret følgende potentielle forureningsparametre:

• Arsen (As)
• Bly (Pb)
• Cadmium (Cd)
• Chrom (Cr)
• Kobber (Cu)
• Kviksølv (Hg)
• Nikkel (Ni)
• Zink (Zn)
• PAH - udvalgte polycycliske aromatiske kulbrinter (PAH), herunder BaP (standardmetode for MST 7 PAH iht. JKK samt en udvidet pakke til vurdering af PAH-sammensætning)
• Totalkulbrinter, herunder olie (standardmetode inklusiv BTEX)
• Phthalater - udvalgte phthalater (analysepakke for 8 phthalater, herunder DEHP)
• PCB - udvalgte polychlorerede biphenyler (PCB) (analysepakke for 7 standard PCB; 28, 52, 101, 118, 138, 153 og 180)
• Pesticider - udvalgte persistente pesticider (Atrazin, DDT +DDE +DDD, Dichlorbenil, Dieldrin, Lindan, Malathion, Parathion, Simazin)
• Dioxiner - udvalgte dioxiner (standardpakke for 17 polychlorerede dibenzofuraner og dibenzodioxiner)

Tungmetaller, olie og PAH

Jordkvalitetskriterierne (JKK) for bly, sum af polycycliske aromatiske hydrocarboner (PAH) herunder benzo(a)pyren (BaP) overskrides hyppigt i det øverste jordlag (0 - 0,3 m under terræn, m u. t.). I de ældste byområder ses også overskridelse af afskæringskriterierne (ASK). Forureningsmønstret for bly og BaP er forskelligt, dvs. at forureningen formentlig stammer fra forskellige kilder. På nogle af testarealerne ses mindre overskridelser af JKK for totalkulbrinter (olie), cadmium, kviksølv og dibenz(a,h)anthracen (DiBahA).

Det har vist sig, at cadmium og kviksølv ofte er interessante forureningsparametre, idet der ses overskridelser af JKK i de ældre byområder og disse stoffer bør indgå i analyseprogrammet i større omfang end anvendt i testarealerne i København. Kviksølv er især vigtigt i ældre bydele. I byområder forhøjede indhold i forhold til "baggrundsniveauet for landområder" er fundet for kobber og zink. Generelt ses der ikke forhøjede indhold af arsen, nikkel og chrom.

Metallerne; bly, cadmium, kobber og zink er ofte i en vis grad korrelerede og viser forhøjede niveauer i forhold til baggrundsværdierne i landområder. Disse parametre kan derfor anvendes til at bekræfte forureningsspredningsmonstret.

Sum af MST 7 PAH er en vigtig parameter, idet især benzo(a)pyren er en hyppigt og særlig kritisk forureningsparameter. Ved at måle på alle 7 PAH kan det desuden kontrolleres, at der er overensstemmelse i koncentrationsniveau for BAP og DiBahA (dibenz(ah)anthracen), idet de enkelte PAH er direkte korrelerede – dvs. det kan kontrolleres at der ikke er fejl i analyseresultatet for eksempelvis BaP.

Analyse af flere PAH med henblik på en vurdering af PAH-sammensætning har indikeret interessante forhold, jf. afsnit 15.3, men disse forhold er ofte uklare, hvilket antagelig skyldes, at der er bidrag fra mange kilder. Vurdering af PAH-sammensætningen er især interessent i forbindelse med kildekarakterisering, men bidrager ikke synderligt til større sikkerhed vedrørende kortlægning af diffus jordforurening.

PCB

Generelt er der ikke påvist indhold af polychlorerede biphenyler (PCB) i jordprøver fra boligområder (intet påvist i 90% af prøver).

Phthalater

Der er målt lavt indhold af phthalater, men der er ingen overskridelse af JKK (der er intet påvist i 30% af prøverne og kun én prøve har et indhold på mere end 1/250 af JKK).

Dioxin

Der er i alle jordprøver fundet lavt indhold af dioxiner (1 - 20 ng internationale toksicitetsækvivalenter (ITE)/kg TS), og niveauet er tilsyneladende forhøjet i de ældre bykerner i forhold til baggrundsniveauet for landområder. Der er ikke opstillet et dansk JKK for dioxin, hvorfor den sundhedsmæssige betydning ikke kan vurderes. Til orientering kan det nævnes, at baggrundsniveauet i landbrugs- og byområder i Tyskland er henholdsvis 1- 5 ng ITE/kg TS og 10 – 30 ng ITE/kg TS /25, 28/.

Pesticider

Pesticidindholdet (kun pesticider med lange nedbrydningstider) er analyseret i 10 jordprøver. Der er kun fundet lave indhold af DDT og parathion i 4 af de 10 prøver. JKK er ikke overskredet.

Konklusion vedrørende standardanalyseparametre

De væsentligste analyseparametre ved kortlægning af diffus jordforurening i byområder er bly og benzo(a)pyren (BaP). Supplerende analyser for andre tungmetaller (cadmium, kobber, zink) og sum af PAH vil medvirke til en bedre beskrivelse af forureningsfordeling over et areal, dvs. bedre beskrive og bekræfte om vi har et ensartet forureningsniveau på arealet. Der er intet grundlag for at analyse for PCB, phthalater, dioxiner og pesticider.

Det konkluderes at der ingen grundlag er for at analysere for PCB, phthalater, dioxiner eller pesticider i diffus jordforurening i kulturlag.

16.3 Måleteknikker

Måleteknikkerne blev udvalgt til at bestemme de ovennævnte analyseparametre med en detektionsgrænse svarende til mindst en 1/10 del af JKK, eller hvis der ikke findes JKK (PCB, dioxiner og visse pesticider) til 1/10 del af det forventede baggrundsniveau. Måleteknikker og detektionsgrænser er præsenteret i afsnit 2.6.

Et af delformålene ved de tekniske undersøgelser har været at få afprøvet feltteknikkerne med henblik på en optimering af analyseomkostningerne ved kortlægning af diffust forurenet jord, dvs. screening. I fase I blev der foretaget en evaluering af to feltteknikker; EDXRF for tungmetaller og immunoassay for PCB og PAH. EDXRF har en rimelig analysekvalitet og er forholdsvis billig, mens immunoassay er relativt dyr og kun niveauangivende /2/. EDXRF er derfor valgt som feltteknik ved nærværende undersøgelse.

I det følgende vurderes erfaringerne med denne feltteknik for tungmetallerne.

Vurdering af feltmålinger med EDXRF

Feltteknikken er afprøvet i fase 1 /2/ og er af økonomiske hensyn af interesse med henblik på at kunne øge antallet af analyser inden for et givet budget. Ved start af projektet i april 2002 var der en økonomisk fordel ved brugen af EDXRF, men den økonomiske fordel blev ved undersøgelserne i Ringsted i januar 2003 mindre attraktiv sammenlignet med de analytiske fordele ved brug af laboratorieanalyser. Dette udsagn uddybes nedenunder.

Som beskrevet i afsnit 2.10 er alle prøver fra København analyseret for As, Pb, Cr, Cu, Ni og Zn med en feltteknik (EDXRF), uden anden forbehandling end tørring. Tungmetalindholdet er herefter kontrolleret i ca. 10 – 20% af prøverne ved en akkrediteret ICP-analyseteknik, og er desuden analyseret for Cd og Hg.

Alle jordprøver udtaget i Ringsted er analyseret ved en akkrediteret ICP-analyseteknik for Pb, Cd, Cr, Cu, Ni og Zn. Et mindre antal prøver er analyseret for As og Hg.

EDXRF har i denne sammenhæng følgende ulemper:

• Høje detektionsgrænser
• Lave cadmiumniveauer f.eks. omkring JKK og ASK kan ikke måles

Desuden er der ved en feltanalyse yderligere en usikkerhed i forhold til laboratorieanalyser vedrørende sammenlignelighed med de akkrediterede laboratoriemetoder, dvs. genfinding - findes der samme mængde som i referencejord eller ved en akkrediteret analyse? Ligeledes er analyseusikkerhed (repeterbarhed og spredning mellem måleserier - fås det samme resultat ved gentagne analyser?) ofte større for feltmålemetoder.

Detektionsgrænserne ved EDXRF er væsentligt højere end ved ICP-teknikken, jf. tabel 2.4 og koncentrationsniveauerne for As, Cr og Ni i byjord er typisk omkring detektionsgrænsen for EDXRF-teknikken og på samme niveau som baggrundsniveauet i landområder. Det betyder, at EDXRF ikke kan bestemme koncentrationsniveauet for As, Cr og Ni i byjord, da disse parametre sjældent er forhøjede og aldrig over JKK. Der kan heller ikke måles for cadmium med EDXRF, idet detektionsgrænsen er på samme niveau som for de andre metaller, dvs. over afskæringskriteriet for cadmium (5 mg/kg TS).

Ved en femdobbelt bestemmelse på en jordprøve ved ICP og EDXRF fås god overensstemmelse for genfinding af metalindholdet ved EDXRF i forhold til målinger med ICP. Prøvens indhold af chrom og kobber var dog tæt på detektionsgrænserne for disse metaller.

Tabel 16.1 Genfinding ved sammenligning af EDXRF og ICP på en forurenet jordprøve
Comparison of yield for the analysis of a contaminated soil sample by EDXRF and ICP

Genfindingsresultaterne for en referencejord ved EDXRF er vist i tabel 16.2.

Tabel 16.2 Resultater for genfinding ved EDXRF med certificeret jord
Results for the analysis of reference soil EDXRF

Analyseusikkerheden ved EDXRF har for kontrolprøver målt med ICP ofte vist sig at være mindre end 10% for bly og zink. Måleteknikken for EDXRF betyder, at der ved beregning af prøvens indhold udarbejdes en tællestatistik, hvorved der kan estimeres en usikkerhed på hvert resultat. Dette er dog som minimum 5% af det rapporterede resultat. Usikkerheden på de enkelte prøver er ofte lav (5 - 20%), men kan være op til 150% på enkelte forurenede prøver. Analyseusikkerheden mellem måleserier er ikke undersøgt.

Ved sammenligning af alle data fra testarealerne, målt ved henholdsvis ICP og EDXRF, ses en relativ stor spredning (for bly og zink) med ekstreme værdier, "outliers", og med både højere og lavere værdier ved ICP i forhold til EDXRF (dvs. ingen entydig bias). Den geostatistiske databehandling bekræfter også relativ stor variation (heterogenitet) i målingerne af diffus jordforurening i byområder. Ved en nøjere analyse af dataene ses dog alligevel en generel tendens til lidt højere indhold ved målingerne med EDXRF (systematisk fejl, bias) end ICP, især for de forurenede prøver.

Da der ved EDXRF kun måles i et lille "vindue" på overfladen af jordprøven, mens der ved ICP udføres ekstraktion på 2 g jord, kan en forskel mellem de to typer målinger forklares ved, at der ligger en påført forurening med tungmetaller på overfladen af jordpartiklerne. Tendensen for data fra København illustreres i figur 16.1. Hvis afvigende datapunkter fjernes ses, at EDXRF-målingerne typisk er ca. 25% højere end ICP-målinger, jf. regressionsligning.

Figur 16.1 Sammenligning af EDXRF og ICP målinger fra København
Comparison of measurements by EDXRF and ICP from Copenhagen

Klik her for at se figuren.

I figur 16.2, 16.3 og 16.4 vises undersøgelsesdata for bly, kobber og zink for alle testområder i 10 cm’s dybde, og for testområder i København vises både medianværdier med og uden EDXRF-resultater. Da der kun er målt på få prøver med ICP, vil der være en større usikkerhed m.h.t. den sande værdi. Figurerne illustrerer alligevel, at der tilsyneladende måles lidt højere værdier med EDXRF, men at det overordnede forureningsbillede er uændret. Dette betyder ikke, at EDXRF-teknikken er udelukket fra anvendelse ved undersøgelse af diffus jordforurening, men at teknikken har en række ulemper i forhold til laboratorieanalyser som f.eks. ICP.

n= antal af målinger

Figur 16.2 Oversigt over blymålinger i 10 cm’s dybde med og uden EDXRF-resultater
Overview of measurements for lead with and without EDXRF results

n= antal af målinger

Figur 16.3 Oversigt over kobbermålinger i 10 cm’s dybde med og uden EDXRF-resultater
Overview of measurements for copper with and without EDXRF results

n= antal af målinger

Figur 16.4 Oversigt over zinkmålinger i 10 cm’s dybde med og uden EDXRF-resultater
Overview of measurements for zinc with and without EDXRF results

Konklusion vedrørende anvendelse af feltteknikker

Erfaringerne fra afprøvningen af strategien fører til en anbefaling om anvendelse af laboratorieanalyser, såsom ICP eller AAS, i stedet for feltteknikken med røntgenfluorescens (EDXRF). Anvendelse af ICP eller AAS vil medføre lavere detektionsgrænser og sikrer sammenligneligheden med andre undersøgelser (bias undgås). Desuden kan der tilsyneladende også opnås en lavere analyseusikkerhed, idet det vurderes, at EDXRF er meget følsom over for mikroheterogenitet i jordmediet.

Hvis der endvidere ved anvendelse af en feltteknik ikke inden for samme budget kan opnås et væsentligt større antal analyser end ved laboratorieteknikker, er der ingen fordele ved anvendelse af feltteknikker til diffus jordforurening. Feltteknikkerne anvendes også til hurtig-screeninger, hvorved der kan leveres resultater, mens man er i felten. Prøvetagningsplanen kan således justeres løbende, hvilket dog ikke er relevant ved diffus jordforurening, da tidsplanen generelt ikke er stram.

Derfor konkluderes det, at der er en faglig begrundelse for at vælge laboratorieanalyse for tungmetaller, f.eks. ICP-analyser (hvor der analyseres 5 - 6 metaller i samme analysegang), idet detektionsgrænserne er lave, resultaterne er sammenlignelige med andre undersøgelser, cadmium indgår i analysepakken og analyseprisen ikke er væsentlig forskellig fra EDXRF/ feltmetoder. Den sidste begrundelse er imidlertid afhængig af markedspriserne for begge analyse metoder.

16.4 Design af forsøgsplan

Der er ved andre områdeundersøgelser anvendt en afstand mellem prøvetagningspunkter på 100 m dvs. i et prøvetagningsnet på100 x 100 m. For hver punkt udtages en blandeprøve som et sammenstik af 5 enkeltprøver udtaget inden for et område på ca. 1 m². Fordelen ved et regelmæssigt net af prøvetagningspunkter er, at man kan minimere usikkerheden for alle punkter (samme afstand mellem punkterne). Ulempen er, at man ikke kan beskrive variationen på en mindre skala end nettets maske, f.eks. 100 m.

Forsøgsplanen for undersøgelsen af diffus jordforurening og kulturlag har været baseret på tilfældige prøvetagningsfelter, jf. afsnit 2.7. Der er til vurdering af den lokale heterogenitet udtaget 1 - 5 enkeltprøver fra prøvetagningsfelter af 100 m² (10 x 10 m). På denne måde indsamles et vist antal prøver med kort indbyrdes afstand, og forureningsvariationen kan vurderes inden for kort afstand. Der er ikke anvendt softwareprogrammer til at genere disse tilfældigt, da der både er bygningsmæssige og forureningsmæssige (punktkilder) restriktioner vedrørende placering af prøvetagningsfelterne. Prøvetagningsfelterne er derfor placeret hvor der har været muligt, men med øje for, at der skabes forskellig indbyrdes afstand, samt at der tages højde for bygninger, veje, historik, punktkilder m.m.

Mens forsøgsplanen har vist sig velegnet ved vurdering af arealernes lokale heterogenitet, jf. afsnit 15.6, har den dog en ulempe. Ved lavt prøveantal (< 20 prøver) kan der skabes skævfordelinger, dvs. støj i databehandlingen, idet der tilfældigt er udtaget flere punkter tæt på hinanden i et område med lidt højere eller lavere indhold.

Prøvetagningstæthed og arealstørrelse

Databehandlingen har indikeret, at der skal være et vist minimum af punkter i et område med et sammenhængende forureningsmønster, før der kan foretages en geostatistisk databehandling. I forbindelse med databehandlingen skal der i hvert afstandsinterval være et vist antal datapar (data som sammenlignes parvis). Disse datapar anvendes til at beregne varians og den teoretiske semivariogram, der er en matematisk beskrivelse af arealets spatielle varians, som anvendes til at forudsige koncentrationsniveauer såvel som sandsynligheden for overskridelse af JKK m.v.

Det er antallet af datapar, der er afgørende for databehandlingen, og ikke nødvendigvis størrelsen af testområdet, dog skal undersøgelsesarealet have en vis størrelse. Der er behov for flere datapunkter, hvis der er et højt "støjniveau", dvs. at variansen ("nugget") inden for små afstande er højt. Udover et tilstrækkeligt antal punkter, skal arealet være stort nok til at randeffekter undgås, og datatætheden skal være tilstrækkelig i forhold til afstanden ("range") mellem de korrelerede datapar. Testarealerne har i den sammenhæng været for små, eller har manglet punkter. Dette gælder især testarealerne i de ældre bykerner. Det er bl.a. derfor, at undersøgelsesarealerne bør have en vis størrelse, f.eks. 0,2 – 1 km² og selvfølgelig en passende prøvetagningstæthed, jf tabel 16.3. Ved et større undersøgelsesareal minimeres randeffekterne.

Baseret på erfaringer fra undersøgelsen kan det bemærkes, at "range" for den geostatistiske analyse typisk har en størrelsesorden på 200 til 400 m. Der vil typisk fastlægges en "lagafstand " (afstandsinterval) på 50 m, dvs. semivariogrammet defineres af 8 "lag". Inden for hvert afstandsinterval bør der mindst være 75 – 200 datapar. Da datapunkter sammenlignes parvis, bør der være mindst 25 (svarende til 625 datapar) – 40 (svarende til 1600 datapar) prøvetagningspunkter over arealet som helhed, dog er de nødvendige antal prøvetagningspunkter for en tilfredsstillende geostatistiske analyse afhængig af områdets "støjniveau" – dvs. om der ses stor spredning i koncentrationer (inhomogenitet) inden for kort afstand.

Det har også vist sig, at der ikke kunne gennemføres geostatistisk analyse på de tidligere områdeundersøgelser, baseret på et net på 100 x 100 m, uden at udtage supplerende målinger inden for kort indbyrdes afstand, jf. afsnit 14.1 og /2, 33/.

Størrelsen af området har dog betydning for antallet af punkter, idet der ved et større område er højere sandsynlighed for delområder med andre forureningsmønstre, f.eks. stor spredning (variationsmønster) eller et andet korrelationsforhold mellem forureningskomponenterne. Hvis delområder ikke behandles hver for sig, er konklusionen for området som helhed behæftet med større usikkerhed end for delområderne, dvs. at konfidensintervallet for estimatet er stort, eller det kan være umuligt at gennemføre analysen.

Da prøvetagningstætheden både skal give en rimelig dækning af arealet samt belyse variationen inden for små afstande inden for arealer er der behov for flere prøvetagningspunkter end ved et standardnet. Ved et net på 100 m fås en prøvetagningstæthed på 100 pkt./km². Udtagning af f.eks. yderligere 100 prøver til at vurdere variationerne i punkter imellem disse punkter, medfører en prøvetagningstæthed på 200 pkt./km². Den nødvendige tæthed bør dog afklares i en indledende undersøgelsesfase på det aktuelle undersøgelsesareal. Alle punkter bør fordeles tilfældigt, men det skal dog sikres, at alle delområder, herunder randområder, har en rimelig dækning.

I nogle testområder har det efter den indledende databehandling været muligt at opdele området i sammenlignelige forurenede delområder. På denne måde er der opnået et mere sikkert estimat for forureningsniveauet.

I andre testområder har det ikke været muligt at udføre analysen, fordi der har været for få punktobservationer kombineret med et meget heterogent variationsmønster, jf. den sydlige del af testareal A - Nyboder.

Den geostatistiske databehandling har desuden belyst, at der på de fleste testarealer forekommer relativt store variationer inden for selv små afstande. Semivariogrammernes "nugget effekt" (afskæring på Y-aksen) er et udtryk for mikrovariation (variation inden for få meter), som dels er et resultat af forureningsspredning kombineret med jordmediets heterogenitet, og dels i et vist omfang afspejler analyseusikkerheden.

Analyseusikkerheden kan forbedres ved at anvende laboratorieanalyse med lille analyseusikkerhed, jf. afsnit 16.3, men mikrovariationen betyder, at selv et øget antal prøver ikke nødvendigvis vil forbedre estimatet for forureningsniveauet. Disse enkelte bidrag til usikkerheder og variationen kan imidlertid ikke klart adskilles.

Et øget antal prøver vil dog hjælpe ved makroheterogeniteten, som ses, hvis der indgår delområder, hvor der er udskiftet jord, f.eks. ved gårdsaneringer. Denne type områder kræver dog et mere fintmasket undersøgelsesdesign kombineret med en meget detaljeret gennemgang af historikken i området, helt ned på ejendomsniveau. Undersøgelsen vil i et sådant tilfælde ligne en traditionel kortlægning af individuelle ejendomme.

Erfaringer fra afprøvningen af strategien fører til en anbefaling af en trinvis udvikling af undersøgelsesaktiviteterne for diffus jordforurening i byområder som anført nedenunder. Det forudsættes, at et område med en sammenhængende arealanvendelsesmæssig historik er udvalgt til undersøgelsen.

Fase 1 Indledende screening
Prøvetagning fra 9 punkter fordelt over 3 prøvetagningsfelter på ca. 100 m² til vurdering af forureningens heterogenitet (variation ved lille afstand) samt kontrol af standardanalyseparametre i forhold til forureningsforholdene. Desuden foretages en vurdering af kulturlagstykkelsen og jordforureningens vertikale fordeling ved en prøvetagning ned til 1 m’s dybde. Der udtages prøver i 2 - 10 cm’s dybde i alle prøvetagningspunkter, i mindst 50% af punkter i 25 - 30 cm’s dybde, og i ca. 25% af punkter ved 45 – 55 og 95 - 105 cm’s dybde. Ved stor variation i koncentrationsniveauet (heterogenitet) skal prøvetagningstætheden i fase 2 øges.

Fase 2 Dataindsamling
Prøvetagning i 2 - 30 cm’s dybde i mindst 31 punkter (dvs. mindst 40 prøvetagningspunkter, inkl. fase I) med forskellig indbyrdes afstand. 40 prøvetagningspunkter svarer til en prøvetagningstæthed på 200 pkt. /km² på et areal på 0,2 km². Der udtages prøver i 2 - 10 cm’s dybde i alle prøvetagningspunkter, i mindst 10 - 25% af punkter i 25 - 30 cm’s dybde, og i ca. 10% af punkter ved 45 – 55 og 95 - 105 cm’s dybde. Ved større arealer bør der udtages forholdsvis flere prøver. Der bør udtages et antal prøver i større dybder.

Fase 3
Evt. supplerende dataindsamling i delområder med afvigende karakteristik.

Enkeltprøver eller blandeprøver

I fase 1 /2/ er resultaterne for blandeprøve og enkeltprøver (stikprøver) sammenlignet i to delområder på Østerbro. Det blev konkluderet, at der hverken var fordele eller ulemper ved blanding af jordprøver i områder, hvor der forventes ensartet forureningsniveauer.

Ved afprøvningen af strategier for diffus jordforurening i fase 2 er alle jordprøver udtaget som enkelte punktprøver, men der er udtaget op til 5 punktprøver inden for felter på 100 m² (10 x 10 m). Formålet er at måle på forureningsvariationen (heterogenitet) inden for en kort afstand, hvilket er en vigtig del af den geostatistiske analyse.

Ved konkrete områdeundersøgelser blander man ofte 3 - 5 jordprøver, således at blandeprøven repræsenterer gennemsnittet for et større jordvolumen. Det ideale forhold vil være at analysere mange prøver som enkeltprøver og beregne gennemsnittet for de enkelte delområder og et samlet gennemsnit for alle delområder.

Hvis ikke alle prøver ønskes analyseret, kan der analyseres på blandeprøver. Anvendelse af blandeprøver til at beregne et gennemsnit er statistisk ligeså godt, idet en blandeprøve bare er en fysisk måde at lave et gennemsnit på. Derfor kunne man argumentere for, at hver punktmåling udtages som en blandeprøve af 3 - 5 sammenstik inden for 1 m² ved selve den geostatistiske analyse.

Der er dog en væsentlig ulempe, idet blandingsproceduren er meget besværlig og tidskrævende, når den udføres korrekt. Desuden bør den udføres på et laboratorium med henblik på at reducere risiko for kontaminering mellem punktprøver med forskellige forureningsgrader. Dette medfører ekstra omkostninger. Hvis blanding ikke udføres grundigt (bl.a. er lerjord svær at blande) eller der sker krydskontaminering i blandingsbeholderen, et tilfældigt og misvisende resultat. Alternativet er, at analysere en enkelt tilfældig prøve udtaget fra den pågældende 1 m².

Spørgsmålet er derfor, om de ekstra omkostninger, der er ved at blande under kontrollerede forhold, giver fordele i forhold til at analysere på et øget antal af enkeltprøver.

I figur 16.5 og 16.6 er vist resultaterne for prøver udtaget i prøvetagningsfelter på 100 m² samt resultatet for gennemsnittet for feltet, dvs. den teoretiske blandeprøve. Figur 16.5 og 16.6 viser resultater for henholdsvis et meget forurenet testområde i den gamle bykerne i København og et uforurenet boligområde fra 1950’erne i Ringsted. I testareal A er der målt med både ICP og EDXRF, men i testareal I er kun målt med ICP.

Figur 16.5 Sammenligning af blandeprøver og enkeltprøver - Testareal A
Comparison of composite samples and individual samples- test area A.

Klik her for at se figuren.

Som det ses af figur 16.5 vil blanding af de enkelte prøver udjævne effekten af en enkelt høj eller lav værdi. For eksempel er der fundet en høj værdi i en prøve i felt 8 og dette betyder at gennemsnittet er højere end for gennemsnittet for felt 7. Men medianværdien for de to felter er nogenlunde ens og ét højt resultat for en blandeprøve i felt 8 vil sløre vurderingen af diffus jordforurening på testarealet som helhed. Altså vil det være bedre at måle på to eller flere enkeltprøver i felt 8 end at lave en blandingsprøve.

Hvis alle prøver er på samme niveau, jf. figur 16.6, er blandeprøven repræsentativ for alle jordprøver.

En anden måde at vurdere betydningen af blandingsprøver er at se, hvordan anvendelse af blandeprøver vil påvirke gennemsnitsberegningen for et areal. I. figur 16.7 – 16.10 er der vist den gennemsnitlige koncentration for arealet som helhed beregnet på basis af

• en blandeprøve fra hver felt (dvs. alle resultater er anvendt i beregning)
• samt ved 6 tilfældige udvalg af en enkeltprøve fra hver felt

Ved de 6 tilfældige udvalg anvendes et mindre antal resultater svarende til udtagning og analyse af enkeltprøver i stedet for blandeprøver.

Der er ved hjælp af et "box and Whisker Plot" vist median, gennemsnit, minimum, maksimum samt 25 og 75% fraktil for arealet som helhed. Beregninger er foretaget for bly og BaP for henholdsvis et meget forurenet testområde i den gamle bykerne i København og et uforurenet boligområde fra 1950’erne i Ringsted.

Figur 16.6 Sammenligning af blandeprøver og enkeltprøver - Testareal I
Comparison of composite samples and individual samples- test area I.

Klik her for at se figuren.

Figur 16.7 Beregning af gennemsnit med blande- og enkeltprøver - Testareal A (bly)
Calculations of mean using composite samples or individual samples - test area A (Lead).

Klik her for at se figuren.

Figur 16.8 Beregning af gennemsnit med blande- og enkeltprøver -Testareal A (BaP)
Calculations of mean using composite samples or individual samples - test area A (BaP).

Klik her for at se figuren.

Figur 16.9 Beregning af gennemsnit med blande- og enkeltprøver - Testareal I (Bly)
Calculation of mean using composite samples or individual samples - test area I (Lead).

Klik her for at se figuren.

Figur 16.10 Beregning af gennemsnit med blande- og enkeltprøver - Testareal I (BaP)
Calculation of mean using composite samples or individual samples - test area I (BaP)

Klik her for at se figuren.

I figur 16.7, 16.8, 16.9 og 16.10 ses, at medianværdierne for arealet (de sorte tal til venstre for bokserne) er nogenlunde konstante for både blandeprøver og enkeltprøver. I figur 16.7, 16.8 og 16.9 er gennemsnittet (rødt tal til højre for bokserne) og medianværdien, beregnet på grundlag af blandeprøverne, nogenlunde ens. Derimod er gennemsnittet for de enkelte prøver meget påvirket af, hvilken prøve, der er valgt, og kan ligge over 75% fraktilen. I figur 16.10, ses at gennemsnittet og medianværdien er meget forskellige for både blandeprøver og for enkeltprøver.

Konklusion vedrørende anvendelse af blandeprøver

Ved den anvendte strategi for kortlægning af diffus jordforening er man interesseret i at måle den spatielle korrelation, dvs. om prøver udtaget tæt på hinanden ligner hinanden mere end prøver udtaget på større afstand. Databehandlingen er baseret på målinger af variansen for prøver, som er udtaget tæt på hinanden.

Undersøgelser baseret på blandeprøver er mindre påvirket af et højt forureningsindhold i en enkeltprøve, men forureningsbilledet bliver sløret, idet man - hvis der måles på én blandeprøve - ikke kender størrelsen af variationen mellem punkterne med kort indbyrdes afstand på et delområde, jf. felt 8 i figur 16.5. Dette kan kun undgås ved, at der analyseres på flere prøver fra delområdet. Disse prøver kan selvfølgelig være blandeprøver, men prisen for blanding af prøverne bør være mindre end den tilsvarende pris for at analysere på endnu flere jordprøver.

Det vurderes derfor, at fordelen ved at blande prøver fra hvert enkelt prøvetagningspunkt (som reducerer variansen i målepunktet) ikke står mål med arbejdsindsats og risikoen for en mangelfuld blanding af blandeprøver.

Ved en geostatistisk forsøgsplan anbefales ikke blandingsprøver.

16.5 Prøvetagning i praksis

I de ældre bydele i København har det vist sig problematisk at finde egnede lokaliteter med bar jord til udtagning af prøver. Ofte har det været nødvendigt at udtage prøver i bede, hvor der er risiko for, at der er sket en udskiftning af jorden.

Erfaringen er, at arbejdet med besigtigelse og vurdering af prøvetagningsfelters egnethed skal prioriteres og at forsøgsplanen efterfølgende skal revideres.

16.6 Databehandling og -præsentation

Deskriptiv statistik

Som en del af projektet er der afprøvet forskellige former for datapræsentationer, bl.a. histogrammer og normal Q-Q plot samt logaritme- transformerede Q-Q-plots. Mens disse former for data-præsentationer illustrerer, hvorvidt data er normalfordelte, samt om der er tale om en flere toppet fordeling, er det ofte svært at skabe et visuelt indtryk af forureningsniveauer og sammenligne data fra forskellige områder. Til det formål er anvendt fraktilplots, som har den fordel, at de viser fordelingen af alle datapunkter, ligesom figurens udseende er uafhængigt af koncentrationsintervaller (som f.eks. ved histogrammer).

Resultaterne fra hvert enkelt testareal er præsenteret i tabelform ved følgende parametre: minimum, maksimum og gennemsnit samt 0,1 - 0,25 - 0,5 (median) - 0,75 og 0,9 fraktiler. Data fra de enkelte dybder er vist i samme tabel. Overskridelse af henholdsvis JKK og ASK er vist med en markering, således at man f.eks. direkte kan aflæse om 90% af dataene er under eller over JKK, eller om forureningsniveauet stiger eller falder i dybden.

I afsnit 2.11 er der givet en detaljeret beskrivelse af databehandlingen og der er redegjort for datahåndtering ved et mindre antal data, og for prøver, hvor intet er påvist, også i forbindelse med beregning af gennemsnit og median m.fl.

Et af de problemer, der har været, er at der for metallerne er anvendt to forskellige analysemetoder med hver deres detektionsgrænser. For målinger omkring detektionsgrænserne har den ene metode ikke påvist noget, mens der ved den anden metode er målt et tal. Til statistisk databehandling og grafiske præsentationer er der anvendt en værdi, som svarer til det halve af detektionsgrænsen. Hvis der er mange prøver, hvor der ikke er påvist noget påvirkes gennemsnittet. Der er derfor anvendt en protokol vedrørende forudsætninger ved beregning af gennemsnit. Ligeledes er det problematisk i oversigtstabellerne at vise en værdi svarende til det halve af detektionsgrænsen (f.eks. 10 mg/kg TS for As med EDXRF), idet værdien opfattes som en målt værdi, eller at vise disse værdier sammen med målinger med en mere følsom teknik (2,3 mg As /kg TS med ICP).

Ved evalueringen af de forskellige karakteristika for diffus jordforurening på tværs af de 10 testarealer er resultaterne præsenteret som medianværdier, dvs. at 50% af dataene er mindre end medianværdien. Gennemsnittet vurderes ikke at være repræsentativt for så stort et areal som testarealerne, idet et gennemsnit i teorien kun kan anvendes til at beskrive data, der er normalfordelte. Hvis dataene ikke er normalfordelte, fås en misvisende værdi, idet gennemsnittet alene svarer til en teoretisk blandeprøve, hvor der er blandet en lige mængde jord fra alle indsamlede jordprøver, dvs. en høj værdi kan have stor betydning. En medianværdi indikerer derimod, at 50% af prøverne har et indhold, som er lig eller mindre end medianværdien.

Endelig har den deskriptive statistik vist, at der sjældent findes normalfordelte data, men at data ofte tilnærmelsesvis kan beskrives som lognormalfordelte.

Da databehandlingen forudsætter en normalfordeling af data, f.eks. ved beregning af et simpelt gennemsnit eller ved geostatistisk behandling, anvendes derfor logaritme-transformerede data.

Erfaringen fra projektet har vist, at det er muligt illustrativt at præsentere de deskriptive parametre for et givet areal.

Diskussionen vedrørende en sikker beskrivelse af koncentrationsniveauerne for et areal og sandsynligheden for overskridelse af JKK eller ASK er behandlet under afsnittet om geostatistik.

Geostatistik

Den geostatistiske analyse gør det muligt at estimere koncentrationerne over et område, samt usikkerheden af estimatet. Ligeledes kan sandsynligheden for, om jorden på et givet sted i området ligger over jordkvalitetskriteriet eller under afskæringskriteriet beregnes. Men det er dog ikke alle områder, der er egnet til en geostatistisk analyse – områder uden en fælles forureningshistorik dvs. forskellige forureningskilder og stor heterogenitet kræver en større detaljeringsgrad eventuel helt ned på ejendomsniveau.

I afsnit 2.12 og figur 2.9 er angivet et flowdiagram som viser de forskellige trin som gennemgås i forbindelse med en geostatistisk analyse. I tabel 16.3 er angivet en oversigt over prøvetagningstæthed og testarealernes størrelse samt hvilke trin, jf. figur 2.9 der er opnået for de 10 boligområder.

Tabel 16.3 Prøvetagningstæthed og databehandling
Sampling density and data treatment

Som det ses af tabel 16.2, har det kun været muligt at vise en spatiel korrelation på enkelte testarealer med en høj prøvetagningstæthed. Erfaringen har vist, at udarbejdelsen af et eksperimentalt semivariogram er afhængig af et tilstrækkeligt antal punkter, især hvis heterogeniteten er høj. Erfaring har også vist, at arealet skal være stort nok til at undgå randeffekter. Testarealerne har i den sammenhæng været for små, eller der har været for få punkter, især i testarealerne i de ældre bykerner.

16.7 Beregning af sandsynlighed ved kortlægning

Et væsentligt resultat af den statistiske databehandling er sandsynligheden for, at:

1. Jordkvalitetskriteriet er overskredet.
2. Afskæringskriteriet ikke er overskredet.

Det vil sige, at man skal være sikker på disse forhold, før man kan tage en beslutning om kortlægning på Vidensniveau 2, og de videre tiltag.

Ad 1. Det er vigtigt at være sikker på, at der en vis sandsynlighed for, at jorden et givet sted i delområdet overskrider JKK, idet man ikke vil kortlægge på et ubegrundet grundlag.

Ad 2. Det er vigtigt at være sikker på, at der er en vis sandsynlighed for, at forureningsniveauet et givet sted i delområdet er mindre end afskæringskriteriet.

Det er nødvendigt med en administrativ beslutning om, hvilken grad af sandsynlighed der er nødvendigt ved disse to beslutninger i forbindelse med kortlægning af diffus jordforurening. Her skelnes mellem kortlægning på ejendomsniveau, hvor der indsamles data om en aktuel matrikel, og kortlægning af arealer med et fælles forureningsmønster.

Erfaringer ved beregning af sandsynlighed for henholdsvis overskridelse af JKK og overholdelse af ASK for de 10 testarealer, er for bly og BAP vist i tabel 16.4. Det er vigtigt at påpege, at beregning af sandsynlighed i ethvert punkt på grundlag af geostatistisk analyse er mere præcis end sandsynligheder beregnet på basis af den deskriptive statistik for de normal- eller lognormalfordelte data for arealet under ét.

Tabel 16.4 Oversigt over sandsynligheden for at koncentrationsniveauet i 0,1 m u. t. i testarealerne er mere end JKK og mindre end ASK.
Overview of the probability that for concentration level in 0.1 m’s depth is more than the soil quality criterion or less than intervention level

Erfaringen har vist, at den geostatistiske analyse er et godt værktøj til beskrivelse af forureningsmønstret og fordelingen over et areal. Når det lykkes at belyse en spatiel korrelation, kan koncentrationerne, konfidensintervaller samt sandsynligheden for overskridelser af jordkvalitetskriteriet og afskæringskriteriet beregnes.

Hvis en spatiel korrelation ikke kan belyses, kan den indledende databehandling i forbindelse med den geostatistiske analyse ofte indikere en rational opdeling i delområder, hvor det kan undersøges, om fordelingen er normal. Hvis fordelingen er normal (eller lognormal) kan koncentrationen, konfidensintervallet samt sandsynligheden for overskridelser af jordkvalitetskriteriet og afskæringskriteriet for delområdet som helhed estimeres.

16.8 Cost-benefit analyse

Med udgangspunkt i testareal I - Ringsted, er der foretaget en cost-benefit analyse af undersøgelsesstrategien baseret på den geostatistiske undersøgelsesstrategi sammenlignet med en undersøgelse på ejendomsniveau, hvor der indsamles to blandeprøver bestående af 5 stikprøver i to dybder fra hver ejendom. Det skal bemærkes, at der ofte indsamles flere prøver end to blandeprøver fra hver ejendom og cost-benefit analysen er alene baseret på et overordnet skøn over prisniveauet med henblik på at sammenligne de to former for undersøgelser.

Tabel 16.5 Cost-benefit analyse af den afprøvede undersøgelsesstrategi sammenlignet med en undersøgelse på ejendomsniveau.
Cost-benefit analysis of the tested investigation strategy compared with a traditional investigation of each land plot.

Tabel 16.5 viser, at en undersøgelse på ejendomsniveau vil koste mindst 2- 3 gange så meget som ved den afprøvede undersøgelsesstrategi. Ved den afprøvede undersøgelsesstrategi vil man på mange arealer kunne afgøre om arealet skal kortlægges eller ej, jf. afsnit 16.8. For de arealer, hvor omfang af undersøgelsen viser sig at være utilstrækkeligt, vil man kunne prioritere hvilke delområder, der kræver en dyberegående analyse. De indsamlede data ved en geostatistiske undersøgelse kan altid anvendes, hvis undersøgelsen viser, at det alligevel er nødvendigt med en undersøgelse på ejendomsniveau i hele området eller i delområder.

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

Version 1.0 April 2004, © Miljøstyrelsen.