Klassificering av markprov utifrån föroreningsmönster
Öberg, T.
Posterpresentation vid Nätverket Renare Marks vårmöte i Skövde, 19-20 mars 2002.

Enskilda markprov kan klassificeras genom att, ämne för ämne, jämföra föroreningshalterna med referensvärden. En samlad utvärdering av föroreningsmönstren i proven ger mer information, ökad känslighet och säkrare slutsatser. Mönsterjämförelser öppnar dessutom helt nya möjligheter, dels att utvärdera undersökningar med ett litet antal prov, dels att spåra föroreningskällor. Här visar jag på hur det kan tillämpas praktiskt.

Bakgrund

Antalet prov som analyseras i en markundersökning är alltid begränsat. Det innebär att tolkningar och slutsatser är behäftade med osäkerhet. Alla åtgärder som kan öka informationsutbytet är därför av värde.

I de flesta sammanhang analyseras mer än en förorening. Utvärderingen sker dock i allmänhet genom att jämföra varje enskild förorening med någon typ av referens- eller riktvärde. Samvarierar flera av föroreningarna så ökar känsligheten i utvärderingen om alla dessa beaktas samtidigt. Samma sak gäller givetvis säkerheten i slutsatserna. Genom att granska föroreningsmönstret kan man dessutom ibland fastställa om det är en eller flera föroreningskällor och kanske även spåra ursprunget.

 

Mönsterigenkänning

Analysresultaten för olika föroreningar i ett enskilt markprov kan beskrivas som ett "mönster", t.ex. genom att visa de inbördes relationerna med ett histogram, figur 1.

Figur 1

Det går förstås att lägga många liknande diagram sida vid sida, men det är svårt att manuellt jämföra föroreningsmönster i olika prov. Därför har olika statistiska och matematiska metoder utvecklats som förenklar och automatiserar arbetet.

 

Ett räkneexempel

I tre olika undersökningar togs 16 (9+4+3) prov av förorenad mark runt nedlagda bensinstationer. Markproven analyserades med avseende på alifatiska och aromatiska kolväten, samt bly (totalt 13 st analysvariabler), tabell 1.

Tabell 1
Halter av olika föroreningar i markprov (mg/kg TS).

Prov	Alifater >C5-C8	Alifater >C8-C10	Alifater >C10-C12	Alifater >C12-C16	Alifater >C5-C16	Alifater >C16-C35	Bensen	TEX	Aromater >C8-C10	Aromater >C10-C35	PAH cancer.	PAH övriga	Bly
1	<5	<1	<3	<10	<10	<10	<0.005	<1	<0.8	<2	<0.03	<2	3.9
2	<5	<1	<3	<10	<10	<10	<0.005	<1	<0.8	<2	<0.03	<2	20
3	<5	<1	<3	<10	<10	14	<0.005	<1	<0.8	<2	<0.03	<2	14
4	<5	<1	11	29	40	51	<0.005	<1	<0.8	<2	<0.03	<2	18
5	<5	<1	<3	<10	5	14	<0.005	<1	0.95	<2	<0.03	<2	14
6	<5	<1	<3	10	11	18	<0.005	<1	<0.8	<2	<0.03	<2	21
7	<5	<1	15	39	54	36	<0.005	<1	5.2	<2	<0.03	<2	18
8	<5	<1	4.5	15	20	<10	<0.005	<1	<0.8	<2	0.073	<2	24
9	<5	<1	<3	<10	<10	<10	<0.005	<1	<0.8	<2	<0.03	<2	23
10	<5	1	56	240	300	280	<0.005	<1	7.2	37	1	3	150
11	<5	<1	<3	<10	<10	75	<0.005	<1	2.4	7.4	4.2	9.3	31
12	20	30	53	<10	110	110	0.078	2.1	660	6.8	0.38	2.8	36
13	<5	<1	<3	<10	<10	24	<0.005	<1	<0.8	2.6	3.2	5.2	150
14	8.6	10	6.1	<10	25	<10	<0.005	<1	10	<2	<0.03	<2	5.9
15	41	46	69	<10	160	<10	<0.005	3.1	570	4	0.048	<2	10
16	2.5	<1	<3	<10	<10	<10	<0.005	34	5.5	<2	<0.03	<2	4.8

Anm. Halter över de föreslagna riktvärdena för känslig markanvändning har markerats med fet stil.

Föroreningshalterna var låga i den första undersökningen och den används därför som referensdata i det här exemplet. Variationsmönstret för referensproven beskrivs matematiskt med s.k. principalkomponentanalys (Jackson, 1991). Föroreningsmönstren i de övriga proven (10-16) jämförs sedan med den framräknade modellen. I jämförelsen inkluderas även tre simuleringar (benämnda S1, S2 och S3) där alla analysvariablerna har getts värden på 70, 50 respektive 30% av riktvärdena för känslig markanvändning (Naturvårdsverket, 1998).

I figur 2 visas överensstämmelsen mellan de olika proven och modellen med ett klassificeringsdiagram. Den horisontella X-axeln visar avståndet inom modellen och den lodräta Y-axeln visar avståndet från modellen.

Figur 2

Prov till höger respektive ovanför de inritade begränsningslinjerna skiljer sig markant (statistiskt signifikant) från modellen. Referensdata visar förstås god överensstämmelse, liksom prov 14. Övriga prov avviker p.g.a. förhöjda föroreningshalter, mest påtagligt är det för prov 10, 12 och 15. Simuleringarna S1-S3 visar att känsligheten ökar ytterligare när flera analysvariabler samtidigt visar svagt förhöjda halter.

 

Slutsatser

Utvärdering av markprov där flera föroreningar har bestämts bör ske så att all information utnyttjas. Genom att använda mönsterigenkänning så kan man öka säkerheten i slutsatserna, liksom känsligheten i att upptäcka föroreningar.

Mönsterigenkänning gör det är också möjligt att utvärdera enstaka tillkommande prov genom jämförelse med lokala och regionala bakgrundsdata, eller andra typer av "jämförelsebibliotek" (Kurup et al, 2001). Det är här som den största potentialen finns. Tidigare har det varit svårt att utnyttja statistik i undersökningar med ett litet antal prov. En omvänd strategi skapar nya möjligheter. Istället för ett referensvärde så beräknas en referensmodell, sen jämförs varje tillkommande prov med referensmodellen.

Referensmodellerna behöver naturligtvis inte bara avse bakgrundsvärden, de kan lika gärna avspegla olika typer av föroreningskällor. Därmed skapas även underlag för att effektivt kunna identifiera och särskilja bidrag från olika föroreningskällor, med en detaljeringsgrad ner på det enskilda provet.

 

Referenser

Jackson, J.E., 1991. A user’s guide to principal components. John Wiley & Sons, New York.

Kurup, P.U. et al, 2001. An innovative technology for characterizing hydrocarbon contaminated sites. Presentation vid the 18th Annual International Conference on Contaminated Soils, Sediments and Water, 22-25 oktober, University of Massachusetts, Amherst.

Naturvårdsverket, 1998. Förslag till riktvärden för förorenade bensinstationer. Rapport 4889. Naturvårdsverket förlag.