Utvärdering av strategier för provtagning av förorenad mark
(2020) MVEM03 20201Studies in Environmental Science
- Abstract
- By using statistical analysis of measured data more information can be
acquired about a contaminated site in comparison to using the measured data alone. This study shows that the choice of model for the distribution of
the contamination is vital in getting a reliable estimation of the contaminated area. By simulating exponentially decreasing contaminant distributions around a point source and subsequent sampling using four different patterns of sampling sites, of which two are randomized patterns (random and semiregular random) and two are regular patterns (square and herringbone, we can construct a log-linear model of the point source contamination. The log-linear model is then used to evaluate where the ground is contaminated by... (More) - By using statistical analysis of measured data more information can be
acquired about a contaminated site in comparison to using the measured data alone. This study shows that the choice of model for the distribution of
the contamination is vital in getting a reliable estimation of the contaminated area. By simulating exponentially decreasing contaminant distributions around a point source and subsequent sampling using four different patterns of sampling sites, of which two are randomized patterns (random and semiregular random) and two are regular patterns (square and herringbone, we can construct a log-linear model of the point source contamination. The log-linear model is then used to evaluate where the ground is contaminated by applying a decision rule based on an acceptable level of contamination.
The regular patterns give a more consistent result, but for small sample
sizes unpredictable effects can be seen. The herringbone approach is more
likely to include a larger contaminated area and would in most cases be recommended based on potential environmental and health hazards of leaving
the contamination in the ground. No conclusions can be drawn about the
randomized approaches. A sensitivity analysis of what factors influence how
well the constructed contamination model approximates the actual contaminant distribution show that the size of the contaminated area is the most influential factor on whether the contamination is detected or not.
The log-linear model gives equal weight to all samples and given the
large number of zeroes in the data the results tend to underestimate the
contaminated area and especially the concentration close to the point source. A so-called "hurdle" model, that separates the data according to whether they are zero or not and then creates a contamination model from the non-zero data set, is suggested to improve the reliability of the models. (Less) - Popular Abstract (Swedish)
- Smart provtagning krävs för säkrare bostäder
Att låta barnen leka på en övergiven industritomt är en dålig idé, för vem vet vad de hittar där. I marken kan det finnas tungmetaller, kemikalier och övergivna cisterner. När städerna förtätas händer det däremot ofta att bostadshus byggs i gamla industriområden. Hur kan vi veta att det inte leder till okända och farliga rester på barnens lekpark?
Vi blir allt fler människor och bostadsbristen är skriande i många städer. Bristen på mark att bygga på är nästan lika stor och många städer vill bygga bostäder där det tidigare har legat industrier och bensinmackar. Risken finns då att industrierna har gjort att det finns höga halter av farliga ämnen i marken. Det finns gränser för hur mycket av... (More) - Smart provtagning krävs för säkrare bostäder
Att låta barnen leka på en övergiven industritomt är en dålig idé, för vem vet vad de hittar där. I marken kan det finnas tungmetaller, kemikalier och övergivna cisterner. När städerna förtätas händer det däremot ofta att bostadshus byggs i gamla industriområden. Hur kan vi veta att det inte leder till okända och farliga rester på barnens lekpark?
Vi blir allt fler människor och bostadsbristen är skriande i många städer. Bristen på mark att bygga på är nästan lika stor och många städer vill bygga bostäder där det tidigare har legat industrier och bensinmackar. Risken finns då att industrierna har gjort att det finns höga halter av farliga ämnen i marken. Det finns gränser för hur mycket av farliga ämnen som får finnas i den mark som ska bebyggas med bostäder. Innan byggandet börjar måste marken saneras, det vill säga föroreningarna måste forslas bort eller oskadliggöras på plats. Olika metoder används beroende på vad som finns i marken.
Samtidigt finns det, som så ofta, en ekonomisk aspekt i det hela. Att sanera är dyrt. Det gäller att sanera tillräckligt, men inte forsla bort jord som inte är förorenad. För att veta vilken jord som behöver åtgärdas görs tas prov från marken. De skickas till labb och analyseras för att undersöka om de innehåller höga halter farliga ämnen. Proven behöver tas på ett sätt så att så mycket information som möjligt om vad som finns i marken kommer fram. Men hur är det bäst att placera ut provtagningspunkterna?
I den här studien granskas ett antal idéer på hur provpunkterna ska placeras ut. Genom att använda matematiska modeller undersöks hur bra resultatet skulle bli om en viss strategi används. Olika varianter av regelbundet utplacerade provpunkter visade sig vara bättre än att slumpmässigt placera ut dem. Det visar sig att vilken modell av föroreningen som används är avgörande för resultatet.
Avvägningar mellan kostnad och nytta behöver hela tiden göras. Detta arbete visar att det är viktigt att ha en bra modell av hur föroreningar sprider sig i marken innan sanering av industriområden påbörjas. På så sätt kan fler områden saneras för samma summa pengar och våra städer kan bli säkrare platser för både människor och natur. (Less)
Please use this url to cite or link to this publication:
http://lup.lub.lu.se/student-papers/record/9030492
- author
- Järvstråt, Linnea LU
- supervisor
- organization
- course
- MVEM03 20201
- year
- 2020
- type
- H1 - Master's Degree (One Year)
- subject
- keywords
- förorenad mark, modellering, provtagning, provplacering, sanering, log-linjära modeller, simulering
- language
- Swedish
- id
- 9030492
- date added to LUP
- 2020-10-22 13:28:48
- date last changed
- 2020-10-22 13:28:48
@misc{9030492,
abstract = {{By using statistical analysis of measured data more information can be
acquired about a contaminated site in comparison to using the measured data alone. This study shows that the choice of model for the distribution of
the contamination is vital in getting a reliable estimation of the contaminated area. By simulating exponentially decreasing contaminant distributions around a point source and subsequent sampling using four different patterns of sampling sites, of which two are randomized patterns (random and semiregular random) and two are regular patterns (square and herringbone, we can construct a log-linear model of the point source contamination. The log-linear model is then used to evaluate where the ground is contaminated by applying a decision rule based on an acceptable level of contamination.
The regular patterns give a more consistent result, but for small sample
sizes unpredictable effects can be seen. The herringbone approach is more
likely to include a larger contaminated area and would in most cases be recommended based on potential environmental and health hazards of leaving
the contamination in the ground. No conclusions can be drawn about the
randomized approaches. A sensitivity analysis of what factors influence how
well the constructed contamination model approximates the actual contaminant distribution show that the size of the contaminated area is the most influential factor on whether the contamination is detected or not.
The log-linear model gives equal weight to all samples and given the
large number of zeroes in the data the results tend to underestimate the
contaminated area and especially the concentration close to the point source. A so-called "hurdle" model, that separates the data according to whether they are zero or not and then creates a contamination model from the non-zero data set, is suggested to improve the reliability of the models.}},
author = {{Järvstråt, Linnea}},
language = {{swe}},
note = {{Student Paper}},
title = {{Utvärdering av strategier för provtagning av förorenad mark}},
year = {{2020}},
}