Steg 6c: Antal prov med sökbaserat angreppssätt

14 _{Korrelationsstrukturen beskriver hur föroreningshalter på olika avstånd liknar varandra. Om det}

föreligger en rumslig korrelation så är typiskt koncentrationerna mer lika i punkter på korta avstånd från varandra än i punkter på stort avstånd.

Tänk på…

• Det krävs ett stort antal prover för att finna en okänd hotspot med hög säkerhet. En enkel tumregel är att dividera sökområdets area med hotspotens förmodade area för att få en uppfattning om hur många prover som kan behövas.

• Sökbaserad provtagning är mer effektiv desto mer förhandskunskap som finns. Därför kan geofysiska undersökningar, andra screeningmetoder eller undersökningar i andra medier än jord (t.ex. grundvatten eller porluft) ofta vara bra som ett första steg.

När ett sökbaserat angreppssätt används för att detektera hotspots (eller andra okända objekt) ska följande utföras:

• Ange objektets form och storlek • Välj modell och provtagningsmönster • Bestäm önskad säkerhet i resultaten • Bestäm antalet prov

Metodiken innebär att man på förhand räknar ut hur många prov som krävs för att uppnå en viss önskad sannolikhet att detektera ett objekt av angiven storlek och form. Detta är metoder som bygger på sökteori som ursprungligen utvecklades inom gruvindustrin och bygger på geometriska förutsättningar. Här anges inte ekvationer för att räkna ut antalet prover, istället hänvisas läsa- ren till en bok (Gilbert, 1987) eller programvaran Visual Sample Plan (2008) som kan laddas ner gratis från nätet

I det sökbaserade angreppssättet kan man välja att ignorera eventuell för- handskunskap om objektet eller att försöka beakta den, se även avsnitt 3.2. Båda metoderna har beskrivits av Gilbert (1987). I Gilberts metod att beakta förhandskunskapen kan man ange hur sannolikt det är att det förekommer en

hotspot (eller annat objekt) inom området. Denna bedömning kan man sedan

uppdatera med informationen som kommer fram vid provtagningen med Bayes’ formel.

I Visual Sample Plan (VSP, 2008) kan man specificera att man kan ha fel- aktigt negativ detektion, dvs. att man inte detekterar en förhöjd halt med den analysteknik man använder, trots att den verkliga halten är förhöjd (s.k. ”false

negative error”).

3.8.1 ange objektets form och storlek

Formen och storleken på det objekt man vill söka efter kommer att påverka hur sannolikt det är att man lyckas hitta objektet. I metodiken som Gilbert (1987) beskriver tänker man sig att objektet har en cirkulär eller elliptisk form (2-dimensionell sökning). Det viktiga är att man anger en realistisk area på objektet man söker, vilket i vissa fall kan vara mycket svårt. Man måste utgå från den historiska inventeringen och göra en rimlig skattning. Är man mycket osäker kan man prova olika storlekar för att få en känsla för hur många prover som krävs för olika förhållanden.

3.8.2 välj modell och provtagningsmönster

Det sökbaserade angreppssättet kräver att man använder någon typ av modell. Vi kan skilja på två typer av modeller:

• Typ 1: Modeller som saknar eller ignorerar eventuell förhandskun- skap om objektet

• Typ 2: Modeller som beaktar eventuell förhandskunskap om objektet Modeller av båda typerna har beskrivits av Gilbert (1987) och metodiken där man bortser från eventuell förhandskunskap (typ 1 ovan) finns med i pro-

gramvaran VSP (2008). Fördelen med modeller som ignorerar förhandskun- skap är att de är enkla att använda. Den stora nackdelen är att antalet prov som krävs kan bli orimligt stort eftersom ingen hänsyn tas till sådant som fak- tiskt är känt om det förorenade området.

I Gilberts modell där förhandskunskap beaktas kan man ange hur san- nolikt det är att det finns en hotspot inom området. Bedömningen kan vara svår att göra, men bör exempelvis baseras på uppgifter om den tidigare verksamheten, platsbesök, erfarenheter från liknande undersökningar o.s.v. Bedömningen kan sedan uppdateras med ny informationen från provtag- ningen. I övrigt finns det inte många modeller för det sökbaserade angrepps- sättet som är allmänt tillgängliga och som tar hänsyn till förhandskunskapen (typ 2). Några modeller av typ 2 finns dock beskrivna av Nathanail et al. (1998) och Back (2006).

Oavsett vilken typ av modell som används så måste någon typ av provtag- ningsmönster användas. Systematiska provtagningsmönster är effektivare än rent slumpmässig provtagning. Ferguson (1992) har jämfört olika provtag- ningsmönster och kom fram till att det s.k. fiskbensmönstret är mest effektivt, se Figur 3-10 Flera provtagningsmönster beskrivs kortfattat i Bilaga C.

Figur 3-10. Fiskbensmönstret är ett effektivt provtagningsmönster för sökning av hotspots CLR (1994).

3.8.3 Bestäm önskad säkerhet i resultaten

önskad säkerhet anges som en sannolikhet att träffa en hotspot av angiven storlek, givet att en sådan finns. Till exempel kan man kräva att en cirku- lär hotspot med radien 5 meter skall kunna hittas med sannolikheten 0,95.

Svårigheten att ha en hög säkerhet på att detektera en hotspot uppstår givetvis när hotspoten är mycket liten i förhållande till sökområdet.

Alternativt kan sannolikheten att missa en sådan hotspot istället anges. Gilbert (1987) refererar till detta värde (som han kallar β) som ”consumer’s

risk”, alltså den risk man som beställare är villig att ta att missa en hotspot.

Man kan också, både i Gilberts metod (Gilbert, 1987) och i VSP (2008) ange hur stort avstånd man vill ha mellan provpunkterna (baserat på det antal prover som budgeten medger) och istället få hur stor sannolikheten är att detektera en hotspot med en viss storlek och form.

3.8.4 Bestäm antalet prov

Antalet prov som krävs beräknas med hjälp av grafer i Gilbert (1987) eller enkelt med Visual Sample Plan (2008) och baseras förhandsinformation gällande hotspotens storlek och form, önskad säkerhet och provtagnings- mönster. Som nämndes ovan, kan man också specificera antalet prov (eller avstånd mellan provtagningspunkter) och få ut sannolikheten att hitta en