MNA-Konzepte - Grundlagen & Vorgehensweise - Untersuchung und Charakterisierung von Schadstofffahnen Prognose der Schadstoffentwicklung Dr. Peter Martus, HPC AG Bundesweite Fortbildung für Bodenschutzbehörden, interessierte Sachverständige und Pflichtige LABO Förderprojekt B 4.13 des Länderfinanzierungsprogramms Wasser, Boden und Abfall www.laenderfinanzierungsprogramm.de
Gliederung 1. Forderungen des LABO-Positionspapiers hinsichtlich Prognose 2. Fahnenstudien / Fahnenverhalten 3. Prognosen anhand von Zeitreihenanalysen mit statistischen Tests 4. Prognosen anhand von Modellen Analytische Modelle Bioscreen / Biochlor Numerische Modelle 5. Empfehlungen für die Vollzugspraxis 6. Fazit 2 2
1. Forderungen des LABO-Positionspapiers hinsichtlich Prognose 3 3
Forderungen des LABO-Positionspapiers hinsichtlich der Prognose Kein MNA ohne Prognose Die Prognose muss nachvollziehbar sein Die Prognose muss regelmäßig überprüft werden (Soll-Ist) 4 4
Definition Fahnenstationarität nach LABO (2009) Eine Schadstofffahne wird als quasi-stationär verstanden, wenn sie sich auf Dauer räumlich nicht mehr ausdehnt. Das bedeutet, dass ihre räumliche Kontur, beschrieben durch die Grenze zwischen GFS-Über- bzw. - Unterschreitung sich nicht mehr ausdehnt oder in Richtung des weiteren Abstroms verschiebt. Sie muss somit im Rahmen der natürlichen Variation der Fließbedingungen (Fließgeschwindigkeit, -richtung), wie aber auch der Reaktionsbedingungen ortsfest sein. 5 5
Die Prognose kann erfolgen auf Basis von Konzeptionellen Überlegungen wie z.b. Zeitreihenanalysen an einzelnen GWM mit Extrapolation in die Zukunft Analytischen und numerischen Modellen Prognoseinstrumente gehen von homogenen Bedingungen aus, daher Einschränkungen beachten 6 6
2. Fahnenstudien / Fahnenverhalten 7 7
Fahnenstudien 8 Schiedek et al. (1997) 8
Durchschnittl. Schadstoffkonzentration Fahnenlänge Fahnenverhalten von Mineralöl- Grundwasserkontaminationen wachsend stabil schrumpfend verbraucht 8 % 42 % 33 % 17 % I II III IV n = 271 90 % der Fahnen < 75 m Median = 30 m Zeit 8 % 16 % 59 % 17 % I II III IV 9 Zeit Rice et al. (1995) 9
3. Prognosen anhand von Zeitreihenanalysen / statistischen Tests 10 10
Visueller Vergleich 11 11
LCKW [µg/l] GWS [mnn] Schadstofftrend? Abhängigkeit von GWS? 50000 45000 40000 35000 GWM 1 56,80 56,60 56,40 30000 25000 20000 15000 56,20 56,00 55,80 10000 5000 0 LCKW GWS 55,60 55,40 Datum 12 GWS = Grundwasserstand 12
Jahr 2015 Jahr 2025 CKW-Konzentration [µg/l] Graphische Extrapolation (1) 100 Basierend auf dieser Trendlinie (EXP) wird ein Sanierungszielwert von 10 µg/l in ca. 2022 erreicht y = 141,95e -3E-04x R² = 0,8562 1 0 2000 4000 6000 8000 10000 12000 14000 Tage seit 01 Jan 1995 13 13
Jahr 2015 Jahr 2025 CKW-Konzentration [µg/l] Graphische Extrapolation (2) Basierend auf dieser Trendlinie (POTENZ) wird ein Sanierungszielwert von 10 µg/l nicht in absehbaren Zeiträumen erreicht 100 y = 8709,3x -0,642 R² = 0,8994 1 0 2000 4000 6000 8000 10000 12000 14000 Tage seit 01 Jan 1995 14 14
Trenduntersuchung Vorgehensweise Fragestellung: Liegt ein Trend eines Parameters vor und wie stark ist dieser? 1. Schritt: Mann-Kendall-Test Aussage: Schadstoffkonzentrationen zunehmend, abnehmend oder gleich bleibend? Saisonale Abhängigkeiten? Mann-Kendall-Test liefert keine Aussage bzgl. der Stärke des Trends 2. Schritt: t-test Aussage: Abhängigkeit (=Korrelation) von Parametern untereinander, statistische Signifikanz; Stärke des Trends / der Korrelation 15 15
Eingabe Mann-Kendall nach WDNR (2003) Site Name =MNA-Standort BRRTS No. = Well Number = GWM 1 Compound -> LCKW (gesamt)lckw (Frühling) LCKW (Herbst) Concentration Concentration Concentration Concentration Concentration Concentration Event Sampling Date (leave blank (leave blank (leave blank (leave blank (leave blank (leave blank Number (most recent last) if no data) if no data) if no data) if no data) if no data) if no data) 1 01. Nov 99 16.523 16.523 2 01. Jul 00 18.204 18.204 3 01. Okt 00 17.320 17.320 4 01. Apr 01 18.636 18.636 5 01. Jul 01 16.288 16.288 6 01. Nov 02 38.844 38.844 7 03. Nov 03 25.587 25.587 8 27. Okt 04 30.435 30.435 9 10 Mann Kendall Statistic (S) = 14,0-1,0 6,0 0,0 0,0 0,0 Number of Rounds (n) = 8 3 5 0 0 0 Average = 22729,63 17709,33 25741,80 #DIV/0! #DIV/0! #DIV/0! Standard Deviation = 8226,528 1249,719 9349,207 #DIV/0! #DIV/0! #DIV/0! Coefficient of Variation(CV)= 0,362 0,071 0,363 #DIV/0! #DIV/0! #DIV/0! Error Check, Blank if No Errors Detected n<4 n<4 n<4 n<4 Trend 80% Confidence Level INCREASING n<4 INCREASING n<4 n<4 n<4 Trend 90% Confidence Level INCREASING n<4 No Trend n<4 n<4 n<4 Stability Test, If No Trend Exists at n<4 n<4 n<4 n<4 80% Confidence Level NA n<4 NA n<4 n<4 n<4 Data Entry By = Martus Date = 12. Dez 11 Checked By = Martus 16 16
Wie stark ist der Trend? t-test für Untersuchung der Abhängigkeit der Schadstoffkonzentrationen vom Grundwasserstand bzw. der Zeit Irrtumswahrscheinlichkeit a, z.b. 0,2 zu Grunde legen, d.h. 80 % Sicherheit Prüfung des Korrelationskoeffizienten r mittels t-test auf Signifikanz Beim t-test geht der unterschiedliche Stichprobenumfang mit ein, dadurch wertepaarabhängige Interpretation des Korrelationskoeffizienten 17 17
T-Test: Auswertung Prüfwerte Anzahl Freiheitsgrade Irrtumswahrscheinlichkeit a 18 18
LCKW [µg/l] GWS [mnn] T-Test Durchführung Beispiel GWM 1 Summe LCKW GWS Zeit [µg/l] [mnn] 1999-11-01 16523 56,59 2000-07-01 18204 56,56 2000-10-01 17320 56,50 2001-04-01 18636 56,38 2001-07-01 16288 56,36 2002-11-01 38844 56,32 2003-11-03 25587 56,11 2004-10-27 30435 55,82 50000 45000 40000 35000 30000 25000 20000 15000 10000 5000 0 GWM 1 LCKW GWS 56,80 56,60 56,40 56,20 56,00 55,80 55,60 55,40 Prüfwert: 1,44 Signifikanz ja ja r= -0,59 0,73 FG= 6 6 t-test: -1,45 2,16 LCKW/GWS LCKW/Zeit Datum 19 19
4. Prognosen anhand von Modellen 20 20
Analytische Abschätzungen mit Bioscreen/Biochlor Wann analytische Modelle? Prinzipmodellierung (=erste Abschätzung) von NA bei einfachen MKW/BTEX/LCKW-Schadstofffahnen im Spreadsheet-Format An Standorten mit homogenen Bedingungen An Standorten mit geringer Datendichte Diese Modelle berücksichtigen Biodegradation, Advektion, Sorption, Dispersion und Retardation 21 21
Beispiel Eingabefenster Bioscreen 22 22
Fahnenachse: mit NA-Prozessen Mit NA-Prozessen 23 23
Numerische Modelle http://www.egr.msu.edu/igw/570-nsf.htm 24 24
Was können numerische Modelle bei MNA- Konzepten leisten? Numerische Modelle liefern die raumzeitliche Abschätzung sowie die Abschätzung der Fahnenstationarität durch die Bestätigung/Abschätzung der ausbreitungs-relevanten Prozesse und der sie bestimmenden Parameter, Abschätzung der Freisetzungsrate, Prognose der zukünftigen Fahnenausdehnung, Prognose der Konzentrationsentwicklung innerhalb der Schadstofffahne. Anhand von Sensitivitätsanalysen und Szenarienbetrachtungen für variierende Randbedingungen in der Zukunft kann die Bandbreite der best- und worst-case- Prognosen betrachtet werden. 25
Was sollte am Anfang stehen? Die Formulierung einer ziel- und aussageorientierten Aufgabenstellung durch den Auftraggeber: Welche Aussagen werden erwartet (Veranlassung)? Welche Entscheidungen sollen abgeleitet werden? Ist die Erarbeitung eines Modells erforderlich? Was soll simuliert und prognostiziert werden (Schadstoff etc.)? Welche Anforderungen werden an das zu erarbeitende Modell gestellt? Welchen Grad der Wiedergabetreue und Aussagesicherheit wird erwartet? Ist die Datenlage für die Fragestellung ausreichend und belastbar? 26
Ist die Datenlage ausreichend? Standortsituation in Hinblick auf die Fragestellung: der Nutzungen am Standort und in seinem Umfeld der Infrastruktur (z.b. Kanalsysteme) der Geologie, Hydrogeologie, Hydrologie, Hydrochemie der Grundwassernutzungen Dritter (Entnahmen und Infiltrationen etc.) der Stoffquelle/n (Schadstoffinventar, Verteilung und Stoffbilanzierung im Untergrund, Austragsverhalten etc.) und der Schutzgüter im Umfeld. Die Mitwirkung von Seiten des Auftraggebers ist hierbei unerlässlich. Erfahrungsgemäß wird dieser Aufwand unterschätzt und führt nicht selten zu einem erheblichen Ressourceneinsatz! 27
Konzept zur Erstellung eines Modells Die zielorientierte und auf die Datenlage abgestimmte Aufgabenstellung bildet die Grundlage für ein Konzept zur Erstellung eines numerischen Modells. Das Konzept sollte anschließend mit den zuständigen Fach- und Vollzugsbehörden verbindlich abgestimmt werden. Die frühzeitige Einbindung aller Beteiligten erhöht deutlich die spätere Akzeptanz der Berechnungen. 28
Mehrstufige Vorgehensweise Die Interpretationen und Daten werden mit dem Modell in ihrer Gesamtheit auf Konsistenz und Plausibilität hin überprüft. Daher sind die ersten Berechnungsergebnisse selten ausreichend belastbar und meist enthält der Bericht zum neu erstellten numerischen Modell eine Defizitanalyse mit einem Maßnahmenkatalog, wie z.b.: Schaffung geologischer Aufschlüsse Errichtung von Grundwassermessstellen Funktionsüberprüfungen vorhandener Messstellen Nach Umsetzung der erforderlichen Maßnahmen und Erhebung zusätzlicher Datenserien erfolgt dann die Aktualisierung des Modells. Dieser Vorgang kann sich mehrfach wiederholen, bis die erforderliche Qualifizierung des Modells erreicht ist. 29
6. Fazit Natürliche Aquifersysteme sind komplex. Die tatsächlichen Fließwege können erheblich von den theoretisch zu erwartenden abweichen Zeitreihen ggf. unsicher In jedem Stadium der Prognose (Modellentwicklung) ist daher eine kritische Überprüfung erforderlich: Wie eindeutig ist der gewählte Modellansatz? Gibt es Alternativen? Analytische Lösungsansätze setzen entsprechend einfache Rahmenbedingungen voraus. Wenn diese nicht gegeben sind, sind deren Ergebnisse mit Fehlern behaftet. Erst das numerische Modell zeigt die Unsicherheiten und Defizite in den Systemkenntnissen. Ohne die Modellierung werden diese meist nicht wahrgenommen. Kein MNA ohne Prognose Die Prognose muss nachvollziehbar sein Die Prognose muss regelmäßig überprüft werden (Soll-Ist) 30 30