Nanna I. Thomsen 1, Mads Troldborg 2, Ursula S. McKnight 1, Philip J. Binning 1 og Poul L. Bjerg 1

Transkript

1 Metode til kvantificering af konceptuel og parameterusikkerhed ved beregning af forureningsflux og koncentrationer fra forurenede lokaliteter (V2 niveau) Nanna I. Thomsen 1, Mads Troldborg 2, Ursula S. McKnight 1, Philip J. Binning 1 og Poul L. Bjerg 1 1.DTU Environment, Miljøvej Bldg. 113, 2800 Lyngby, Denmark 2. The James Hutton Institute, Craigiebuckler, Aberdeen AB15 8QH

2 Introduktion På grund af de mange dokumenterede (14.391) og mulige forurenede (12.868) grunde i Danmark, må man ofte foretage en risikovurdering på baggrund af meget få data (V2 niveau). Kilde: MST 2011 Redegørelse om jordforurening 2009

3 Introduktion Risikovurderingen vil derfor være behæftet med stor usikkerhed specielt omkring opstillingen af den konceptuelle model men også i brugen af parametre (f.eks. ved beregninger i JAGG). Usikker konceptuel model

4 Formål Vi vil udvikle en metode som giver mulighed for at håndtere risiko vurderinger af forurenede grunde på en transparent og systematisk vis. Metoden tager udgangspunkt i usikkerheden omkring håndteringen af den konceptuelle model men kan også inkludere parameterusikkerhed. Metoden til vurdering af konceptuel usikkerhed er afhængig af personlige vurderinger og præferencer.

5 Outline Forudsætning: Feltundersøgelse og indsamling af baggrundsdata Metode Konceptuel usikkerhed 1. Konceptuelle modeller opstilles systematisk 2. Bayesiansk netværk benyttes til at beregne en vægt for hver model Kombinering af konceptuelog parameterusikkerhed 1. De konceptuelle modeller opstilles analytisk 2. Hver model køres med en Monte Carlo simulering 3. Der benyttes et Bayesiansk model gennemsnit til at beregne den samlede usikkerhed Resultatet kan f.eks. benyttes i en risikovurderings sammenhæng

6 Study site: Forurenede lokalitet: XXvej nr. XX Nedlagt maskinstation TCE spildt i 1970erne. Volumen ukendt. 3 Boringer (B1, B2, B3) placeret på baggrund af fly fotos Alle boringer er prøvetaget for chlorerede opløsningsmidler Stof [µg/l] B1 B2 B3 PCE 0.5 < TCE 14 1, cdce , VC <

7 Konceptuelle modeller

8 Konceptuelle modeller

9 Et Bayesian belief netværk (Bayesiansk net) til kombinere de konceptuelle modeller N D Contamiantion Yes No Fractures Et bayesian belief netværk er en metode til at beregne sandsynligheder. Den er baseret på en grafisk opsætning af en konceptuel model. Conceptual models UD FD UN FN Software: Netica UD FD UN FN

10 Bayesiansk net for forurening (fri fase) Formålet er at bestemme sandsynligheden for at der forekommer fri fase () på lokaliteten. Concentration (Water) Compared to solubi... Btwn 0 and 1 pct Btwn 1 to 10 pct Gt 10 pct No water sample Samples (Water) Positive Negative No test Sudan IV Concentration (Soil) Btwn 0 and 5 g pr kg Btwn 5 and 10 g pr kg Gt 10 g pr kg No soil sample Samples (Soil) Positive Negative No test FLUTE Concentration (Air) Btwn 0 and 100 ug pr m3 Btwn 100 and 1000 ug pr m3 Gt 1 mg pr m3 No air sample Samples (Air) Positive Negative No test LIF/dye LIF observation Samples MIP Tests Observed Not observed Contamination

11 Bayesiansk net for forurening (fra fase) Concentration (Water) Compared to solubi... Btwn 0 and 1 pct Btwn 1 to 10 pct Gt 10 pct No water sample Samples (Water) Positive Negative No test Sudan IV Concentration (Soil) Btwn 0 and 5 g pr kg Btwn 5 and 10 g pr kg Gt 10 g pr kg No soil sample Samples (Soil) Positive Negative No test FLUTE Concentration (Air) Btwn 0 and 100 ug pr m3 Btwn 100 and 1000 ug pr m3 Gt 1 mg pr m3 No air sample Samples (Air) Positive Negative No test LIF/dye LIF observation Observed Not observed Samples MIP Tests Contamination

12 Bayesiansk net for forurening (fra fase) Spørgeskema Spørgsmål 1: Er der observeret fri fase på lokaliteten? - Ja - Nej

13 2.1 Bayesiansk net for Forurening (fra fase) 2 Hvad viser prøverne? - Fri fase - Opløst stof 2.1 Hvad er den højeste koncentration i vandprøverne? - Mindre end 1 % af opløselighed - Mellem 1-10 % af opløselighed - Større end 10 % af opløselighed - Ingen vandprøver Fri fase Opløst stof Mindre end 1 % af opløselighed Mellem 1-10 % af opløselighed Større end 10 % af opløselighed Ingen vandprøver Jørgensen, I. V., Broholm,M.M. & Bjerg, P. L. (2010): D i kildeområder - konceptuelle modeller, karakterisering og estimering af forureningsmasse.

14 Et Bayesian belief netværk til kombinere de konceptuelle modeller N D Contamiantion Yes No Fractures Model Vægt (%) FN 35.7 FD 24.3 UN 23.8 UD 16.2 Conceptual models UD FD UN FN UD FD UN FN

15 Opstilling af analytiske modeller UD FD UN FN DTU V1D DTU Vertical 1D Transport Model. A spreadsheet for risk assessment in low-permeability media Chambon, J. C., Binning, P. J., Jorgensen, P. R., and Bjerg, P. L., A risk assessment tool for contaminated sites in low-permeability fractured media. Journal of Contaminant Hydrology. 124 (1-4),

16 Parameter usikkerhed Monte Carlo simulering Vi benytter en Monte Carlo simulering til at bestemme betydningen af parameterusikkerheden x 1 x 2 x 3 Model f(x) y 1 Gennemsnit (µ) y 1 t Figuren er tegnet efter:

17 Kombination af konceptuel og parameterusikkerhed Multiple models Vægte Bayesian model UD y 1 t W1 average FD UN y 3 y 2 t t W2 W3 y BMA t FN y 4 t W4

18 Kombinering af konceptuel og parameter usikkerhed

19 Konklusion Vi har præsenteret en transparent metode til systematisk at opstille konceptuelle modeller for en forurenet lokalitet. Metodens resultater er uafhængig af brugerens personlige fortolkning af den konkrete lokalitet, da den bygger på en systematisk brug af de indsamlede data og vidensmængde. Metoden benytter et Bayesiansk netværk til at beregne de enkelte modellers sandsynlighed. Metoden kan kombineres med parameterusikkerhed ved at bruge et Bayesiansk model gennemsnit (en statistisk metode til at beregne et modelgennemsnit). Resultatet kan bruges i en risikovurdering