Bundesamt für Umwelt BAFU
Forschungsanstalt
Agroscope Reckenholz-Tänikon ART
Oktober 2007
Grossräumige Schwermetallgehalte in den Böden des Kantons Thurgau
Kirsten Rehbein und Armin Keller
Auftraggeber
Bundesamt für Umwelt (BAFU) CH-3003 Bern
www.bafu.admin.ch
Auftragnehmer
Forschungsanstalt Agroscope Reckenholz-Tänikon ART, Reckenholzstrasse 191, CH-8046 Zürich
www.art.admin.ch
Autoren
Kirsten Rehbein, kirsten.rehbein@art.admin.ch Armin Keller
Agroscope Reckenholz-Tänikon ART, CH-8046 Zürich
Bezug
www.nabo.admin.ch > Bibliographie Nr. 156
Dank
Wir bedanken uns bei der Bodenschutzfachstelle des Kantons Thurgau für die zur Ver- fügung gestellten Bodenschadstoffdaten und freundlichen Auskünfte in diesem Zusam- menhang. Ein spezieller Dank geht an Herrn Dr. Andreas Papritz für seine fachliche Unterstützung in geostatistischen Fragestellungen.
Zusammenfassung
Im Rahmen der Nationalen Bodenbeobachtung NABO wurden für den Kanton Thurgau Karten mit grossräumigen Schwermetallgehalten im Boden erstellt. Die Bodenschad- stoffkarten liefern die regional zu erwartenden Konzentrationen in Böden, die als Ackerland, als Grünland, als Wald oder für den Obst- und Gemüsebau genutzt werden.
Die Vorgehensweise zur Erstellung der Karten wurde bereits früher am Beispiel von Zink erarbeitet und in einem separaten methodischen Bericht für ein geostatistisch ori- entiertes Fachpublikum veröffentlicht (Rehbein und Keller 2007). Die vorliegende Pub- likation richtet sich dagegen an die Anwender räumlicher Bodeninformationen.
Der Kanton Thurgau erstreckt sich über eine Fläche von 863Quadratkilometer. Er ver- fügt über sehr gute Daten zur Bodenbelastung mit Schadstoffen. Der ganze Kanton ist durch land- und forstwirtschaftliche Untersuchungsraster abgedeckt. Für die vorliegen- de Studie wurden Schwermetallgehalte (Blei, Cadmium, Chrom, Kupfer, Nickel, Quecksilber, Zink) von 934 Acker-, Grünland-, Wald-, Obst- und Gemüsebaustandorten verwendet. Für Chrom und Nickel lagen 654 Standorte mit Bodenanalysen vor, für die restlichen Schwermetalle waren es über 900. Mit der Homogenität und Stationarität der Daten und einer ausreichenden Stützpunktdichte (Anzahl und Verteilung) der relevanten Daten waren die Voraussetzungen für eine Interpolation erfüllt. Wichtige Einflussfakto- ren auf den Stoffgehalt im Boden waren die Art der Bodennutzung, der pH-Wert und die Niederschlagsmenge; bei den statistischen Analysen mit robusten Regressionsmo- dellen erklärten sie zwischen 15 % (Blei) und 62 % (Kupfer) der Streuungen der Schwermetallgehalte im Boden.
In der räumlichen Datenanalyse wurde das Interpolationsverfahren «Kriging» in Ver- bindung mit einer robusten multiplen linearen Regression verwendet. Die interpolierten Schadstoffkonzentrationen waren mehr oder weniger stark durch die Einflussfaktoren der Regression geprägt. Beispielsweise kann aus dem räumlichen Muster der Chrom-, Kupfer- und Zinkgehalte die Ausbreitung des Waldes mit vergleichsweise geringen Konzentrationen abgelesen werden. Die Quecksilbergehalte waren im Wald dagegen höher als im Offenland. Die Nutzung Obst- und Gemüsebau spiegelte sich vor allem auf der Kupfer- und Zinkkarte mit erhöhten Gehalten wider, abgeschwächt auch auf der Blei- und Cadmiumkarte. Die Cadmium- und Kupferwerte folgten weitgehend dem Muster des pH-Wertes.
Das obere 95 % Prognoseintervall der geschätzten grossräumigen Bodengehalte im Kanton Thurgau lag für Chrom, Kupfer und Nickel vereinzelt oberhalb des Richtwertes der Verordnung über Belastungen des Bodens (VBBo (1998)). Bei Chrom und Nickel sind geogen bedingte Überschreitungen in höher gelegenen Gebieten möglich, vor allem im Süden des Kantons, wo die «Obere Süsswassermolasse» das Ausgangsmaterial der Bodenbildung war. Für Kupfer befanden sich die möglichen Richtwertüberschreitungen im Tal der Thur und auf Flächen mit Obst- und Gemüsebau.
Die besten Schätzergebnisse zeigten die Karten für die Schwermetalle Chrom, Blei, Zink und Nickel. Die Schätzwerte für Cadmium und Kupfer wiesen breitere Prognose- intervalle auf. Die grössten Unsicherheiten bestanden bei der Quecksilberkarte. Im Ver- hältnis zu den Unsicherheiten, die bei der Probenahme und der Analyse der Schadstoff- konzentrationen in einer Bodenprobe auftreten, können die hier präsentierten Ergebnisse als gut beurteilt werden; alle Unsicherheiten sind in der Breite der Prognoseintervalle enthalten. Nicht berücksichtigt wurde bislang der Fehler der Regression.
Bei der Darstellung der Karten wurde auf eine geeignete Farb- und Klassenwahl geach- tet, um die Ergebnisse weder zu verharmlosen noch zu dramatisieren. Da die Karten grossräumige und diffuse Schadstoffbelastungen visualisieren, empfehlen wir einen Massstab von 1:100’000. Karten in diesem Massstab bieten einen schnellen und an- schaulichen Überblick über die räumliche Verteilung der Bodenschadstoffe und dienen damit dem flächenhaften, vorsorgenden Bodenschutz.
Die Karten können in der Praxis vielseitig eingesetzt werden. Beispielsweise geben sie Hinweise auf Gebiete mit erhöhten Gehalten im Oberboden, unabhängig ob diese auf langjährige diffuse Stoffeinträge oder/und auf das Ausgangsgestein zurückzuführen sind. Darüber hinaus erlauben sie einen Vergleich neu gemessener Stoffkonzentrationen mit den für die Region typischen Gehalten. Einen Bedarf an räumlichen Bodeninforma- tionen haben aber nicht nur die Bodenfachstellen, sondern auch benachbarte Fachdiszip- linen wie die Raumplanung oder der Grundwasserschutz. So können die Karten bei der Ausweisung von Natur- oder Wasserschutzgebieten konsultiert werden. Neben dem Endprodukt Schätzkarte liefert auch die umfangreiche statistische Analyse der Daten wertvolle Erkenntnisse.
Summary
Regional heavy metal concentrations in the soils of the Canton Thurgau
In the framework of the Swiss Soil Monitoring Network NABO we produced maps for regional-scale heavy metal concentrations in the soils of the Canton Thurgau. The maps for the soil pollutants present the expected concentrations on the regional-scale for ar- able soils, grassland, forest soils, orchards and soils to produce vegetables. The meth- odological approach of mapping regional metal concentrations in soil was developed in a previous study for zinc and documented in another report addressing geostatisticans (Rehbein und Keller 2007). In contrast, the report at hand is written for the users and stakeholders of spatial soil information.
The Canton Thurgau with a total area of 863 km2 provides an extensive data set of soil pollutant measurements. The soil surveys in this Canton were performed on a grid basis covering the whole area of forest and arable soils. In total, concentration measurements (lead, cadmium, chromium, copper, nickel, mercury, zinc) of 934 soil samples from arable sites, grassland, forests, orchards and vegetable sites were used. For chromium and nickel there were 654 sites with soil measurements, for the other heavy metals more than 900 soil measurements. The prerequisites for the spatial interpolation of the point measurements with regard to the homogeneity and stationarity of the concentration data and the sampling density (number of samples and distribution of sites) were met. Impor- tant factors that showed relationships with pollutant concentrations in soil were land use, soil pH and precipitation. The robust regression models using these factors ex- plained between 15% (lead) and 62% (copper) of the variation of the soil concentration.
For spatial analysis we applied the interpolation approach «Kriging» combined with a robust multiple linear regression analysis (external drift kriging). The spatial pattern of the interpolated metal concentrations showed more or less the influence of the regres- sion factors mentioned above. For instance, the spatial pattern of the low soil concentra- tions for chromium, copper and zinc indicated the distribution of the forest area. In con- trast, soil concentrations for mercury were higher in forest soils than in soils of the other land use types. The mapped copper and zinc concentrations, and to some extend the lead and cadmium concentrations, were in line with the distribution of orchards and vegeta- bles showing elevated concentration ranges. The spatial pattern of the cadmium and copper concentration in soil showed a distinctive relation to the soil pH.
The upper 95 % prediction interval of the predicted regional-scale soil concentrations in the Canton Thurgau exceeded in some cases the Swiss guide value of the Ordinance Related to Soil Pollution (VBBo 1998) for chromium, copper and nickel. For chromium and nickel an exceedance is possible for areas with higher altitudes in the south of the Canton, where the «Obere Süsswassermolasse» was the parent material for soil forma- tion. For copper an exceedance of the Swiss guide value may occur in the Thur valley and at orchards and vegetables sites.
The highest accuracy of the regional soil concentrations were achieved for chromium, lead, zinc and nickel. In comparison to these elements the prediction interval of the es- timated cadmium and copper concentrations were larger. The largest uncertainties in the prediction of the regional-scale concentrations were obtained for mercury. However, given the uncertainties resulting from soil sampling, soil preparation and chemical analysis that are part of the total variation of the measured soil concentrations, we con- sidered the accuracy of the predicted regional-scale concentrations in soil as reasonable good. So far, we did not consider the uncertainty resulting from the regression ap- proach.
For mapping the interpolated soil concentrations we chose an appropriate color scale and discrete concentration classes. Because the maps visualize regional-scale and dif- fuse soil pollutant concentrations, we recommend a scale of 1:100’000 for application.
Maps in this scale provide a fast and descriptive overview of the spatial pattern of the soil pollutant concentration. Thus, the maps support precautionary and spacious soil protection.
There are versatile options for the use of the produced maps. For instance, the maps indicate areas with elevated soil pollutant concentrations, independent if they origin from diffuse long-term anthropogenic inputs and/or from parent material. In addition, the maps facilitate comparisons between new concentrations measurements and re- gional-scale specific soil concentrations. Besides soil protection agencies also other environmental disciplines, such as land use planning or ground water protection, require spatial soil information, e.g. to identify reserves for nature conservation or water protec- tion. Moreover, besides the regional-scale maps the substantial statistical analysis of the soil concentration data provide valuable insight in the soil pollution characteristics.
Synthèse
Teneurs du sol en métaux lourds dans les terrains de grande surface du canton de Thurgovie
Dans le cadre de l’observatoire national des sols (NABO), des cartes représentant la teneur du sol en métaux lourds, sur des terrains de grande surface en Thurgovie, ont été dressées. Ces cartes des substances toxiques présentes dans le sol permettent de déter- miner les concentrations prévisibles â l’échelle régionale dans le sol des terrains agrico- les, prés et forêts, ainsi que dans les zones à vocation arboricole ou maraîchère.
La méthode utilisée avait été préalablement élaborée et appliquée en vue de cerner les teneurs en zinc, et publiée dans un autre rapport méthodologique destiné à un public de spécialistes en géostatistique (Rehbein et Keller, 2007). La présente publication, quant à elle, s’adresse aux utilisateurs des informations spatiales sur les sols.
Le canton de Thurgovie s’étend sur une superficie de 863 kilomètres carrés. Il dispose de très bonnes données sur la charge des sols en substances toxiques et d’une grille d’enquête agricole et sylvicole couvrant l’ensemble du canton. La présente étude portait sur les teneurs en métaux lourds (plomb, cadmium, chrome, cuivre, nickel, mercure, zinc) de 954 sites: champs, prés, forêts, cultures fruitières et maraîchères. Le sol avait été analysé sur 654 sites pour la teneur en chrome et en nickel, et sur plus de 900 sites pour les autres métaux lourds. Les conditions requises pour une interpolation étaient remplies, grâce à l’homogénéité et la distribution stationnaires des données, ainsi qu’à la densité des points d’appui (nombre et distribution) des données pertinentes. Le type d’utilisation du sol, l’indice pH et les précipitations exercent une influence importante sur la teneur des sols en diverses substances; dans les analyses statistiques faites au moyen de modèles régressifs éprouvés, ils expliquent entre 15 % (plomb) et 62 % (cui- vre) de la dispersion des métaux lourds dans le sol.
L’évaluation spatiale de la teneur en zinc a eu recours à un processus d’interpolation de type krigeage associée à une méthode de régression linéaire multiple rigoureuse. Les concentrations en substances toxiques obtenues par interpolation se sont révélées plus ou moins fortement soumises aux facteurs d’influence de la régression. Ainsi, par exemple, l’étendue des surfaces boisées pouvait se lire dans les échantillons spatiaux de la teneur en chrome, cuivre et zinc, avec des concentrations comparativement modestes.
Les régions forestières affichaient en revanche des teneurs en mercure plus élevées que les terrains découverts. Les zones arboricoles et de cultures maraîchères se reflétaient principalement sur les cartes du cuivre et du zinc, avec des teneurs importantes et, dans une moindre mesure, sur celles du plomb et du cadmium. Les valeurs du cadmium et du cuivre suivaient pour l’essentiel l’échantillon de l’indice pH.
L’intervalle pronostique supérieur (95 %) des teneurs estimées en chrome, cuivre et nickel dans les sols de grande surface du canton de Thurgovie a dépassé sporadique- ment la valeur indicative fixée par l’ordonnance sur les atteintes portées aux sols (OSol,
1998). En ce qui concerne le chrome et le nickel, les dépassements constatés – principa- lement dans certaines régions d’altitude de la partie méridionale du canton – s’expliquent par la présence de molasse d’eau douce supérieure, matériau originel de la formation du sol. Quant au cuivre, les possibles dépassements se situaient dans la vallée de la Thur, sur des terrains cultivés en fruits et légumes.
Les meilleurs résultats obtenus sont visibles sur les cartes du chrome, du plomb, du zinc et du nickel. L’estimation du cadmium et du cuivre, en revanche, affichait un intervalle pronostique plus étendu. Quant à la carte du mercure, c’est celle qui comportait la plus grande incertitude. Par rapport aux incertitudes affectant le prélèvement et l’analyse des concentrations en substances toxiques à l’occasion d’un échantillonnage du sol, les ré- sultats présentés ici peuvent être qualifiés de bons; toutes les incertitudes se tiennent en effet à l’intérieur de l’intervalle pronostique. A noter que l’erreur sur la régression a été ignorée ici.
Dans la présentation des cartes, on a soigneusement choisi les couleurs et les classes de manière à ne pas minimiser ni dramatiser les résultats. Sachant que les cartes permettent de visualiser des charges en substances toxiques à la fois diffuses et portant sur des sur- faces importantes, nous recommandons l’échelle au 1/100 000e. Cette échelle, qui confère aux cartes une vue d’ensemble rapide et large sur la répartition spatiale des substances toxiques du sol, sert les intérêts d’une protection préventive des sols sur toute la surface de ces derniers.
Ces cartes se prêtent à une grande quantité d’utilisations pratiques différentes. Par exemple, elles servent à repérer des régions à teneurs élevées dans les couches supérieu- res, indépendamment de leur origine – pénétration diffuse de longue durée et/ou roche- mère. De plus, elles permettent une comparaison entre concentrations récemment mesu- rées et teneurs typiques de la région. Mais le besoin d’informations spatiales n’est pas le fait des seuls services de la protection des sols. Des disciplines connexes telles que la planification territoriale ou la protection des nappes phréatiques peuvent aussi en tirer profit: ainsi, les cartes peuvent être consultées au moment de définir des zones de pro- tection de la nature ou de l’eau. Outre la carte des estimations, l’analyse statistique très complète des données recueillies fournit également de précieux renseignements.
Inhaltsverzeichnis
Zusammenfassung ... I Summary... III Synthèse...V
1 Einleitung... 1
2 Methode und Darstellung der Bodenschadstoffkarten ... 4
2.1 Methode ...4
2.2 Darstellung...6
2.2.1 Farbwahl und Klassenbildung ... 6
2.2.2 Auflösung und Massstab... 8
3 Ergebnisse und Diskussion... 12
3.1 Explorative Datenanalyse ...13
3.2 Zusammenhänge der Schwermetallgehalte mit Bodeneigenschaften (Regressionsanalyse) ...17
3.3 Räumliche Zusammenhänge der Schwermetallgehalte (Variographie) ...20
3.4 Interpolation der Schwermetallgehalte und Qualität der Schätzung ...22
3.4.1 Blei ... 23
3.4.2 Cadmium ... 27
3.4.3 Chrom ... 31
3.4.4 Kupfer... 35
3.4.5 Nickel... 39
3.4.6 Quecksilber... 43
3.4.7 Zink... 47
3.4.8 Zusammenfassende Diskussion Interpolation und Schätzgüte ... 51
4 Nutzen und Anwendungsbereiche der Bodenschadstoffkarten ... 54
4.1 Flächenhafter stofflicher Bodenschutz ...54
4.2 Fachverwandte Disziplinen ...55
5 Schlussfolgerungen und Ausblick ... 58
6 Literaturverzeichnis ... 59
Anhang A: Gemeinden und Siedlungsstruktur im Kanton Thurgau ... 65
Anhang B: Zusammenhang der potenziellen erklärenden Variablen Nutzung und pH- Wert mit den Pb-, Cd-, Cr-, Ni- und Hg-Gehalten ... 67
Anhang C: Bubble Plots ... 69
Anhang D: Residuenanalyse der Regression... 73
Anhang E: Semivariogramme der Residuen ... 77
Anhang F: Grundlagenkarten der Regression ... 79
1 Einleitung
Der Boden unter unseren Füssen ist zwar nur eine dünne Umkleidung des Planeten;
dennoch stellt er die Grundlage der Biosphäre dar. Dass Boden ein wertvolles Gut ist, ergibt sich auch schon aus der Tatsache, dass die Bodenbildung Tausende von Jahren in Anspruch nehmen kann. Um einen wirksamen, vorsorgenden Bodenschutz betreiben zu können, werden verlässliche und landesweite Informationen zum Zustand, zur Belas- tung und zur Belastbarkeit der Böden benötigt (Schwarz et al., 1994). In der Schweiz existiert mit der Nationalen Bodenbeobachtung NABO ein Instrument zur Früherken- nung von Bodenbelastungen und eine Erfolgskontrolle zum Schutz des Bodens. Sie wird seit 1984 gemeinsam vom Bundesamt für Umwelt (BAFU) und vom Bundesamt für Landwirtschaft (BLW) betrieben. Mit der Durchführung ist die Forschungsanstalt Agroscope Reckenholz-Tänikon ART beauftragt.
Neben der zeitlichen Erfassung von Bodenbelastungen in der Schweiz strebt die Natio- nale Bodenbeobachtung die Erfassung räumlicher Bodenbelastungen auf nationaler E- bene an. Dafür bedarf es zunächst einer Zusammenführung der verfügbaren digitalen Daten zu den Schadstoffkonzentrationen im Boden. Zu diesem Zweck wurde im Jahr 2002 eine Machbarkeitsstudie für eine nationale Bodenschadstoff-Datenbank mit An- bindung an ein Geographisches Informationssystem (GIS) durchgeführt (Rehbein, 2004). Gegenwärtig entwickelt das BAFU ein System zur einheitlichen Verwaltung von Bodendaten. Ziel ist es, einen Mehrwert für Kantone und Bund zu schaffen: Die zentra- le Datenbank soll eine effiziente Verwaltung und Aufbereitung der Bodendaten für den Vollzug und für die Berichterstattung ermöglichen und die Messwerte mit geographi- schen Informationen verknüpfen. Die Daten der Kantone und des Bundes sollen zudem durch definierte Nutzergruppen visualisiert und abgefragt werden können. Kantone, die ihre Bodendaten noch nicht aufbereitet haben, können dieses System zur Erfassung und Verwaltung der vorhandenen Informationen zum Boden nutzen. Darüber hinaus sollen fachliche Grundlagen für den räumlichen Bodenschutz erarbeitet werden. Zu den Kern- aufgaben zählen statistische Auswertungen von Schadstoffbelastungen in Böden für spezifische Fragestellungen sowie deren räumliche Analyse und Visualisierung.
Ein langfristiges Ziel der einheitlichen Verwaltung und Zusammenführung von Boden- daten ist die Erstellung einer nationalen Bodenschadstoffkarte, die Anhaltspunkte über die grossräumigen Stoffgehalte in den Schweizer Böden liefert. Dabei handelt es sich um diffuse Schwermetallgehalte im Oberboden (0-20 cm) für spezifische Böden, Gebie- te und Nutzungsarten. Ein diffuser Eintrag ist gekennzeichnet durch grossräumige, über die Luft eingetragene, nicht parzellenscharf abgrenzbare Gehalte, die einer Vielzahl von Einzelquellen entstammen (z.B. Industrie, Verkehr, Hausbrand, Landwirtschaft). In die- ser Studie werden Gebiete ab einer Grösse von einem Quadratkilometer als «grossräu- mig» bezeichnet. Damit wird eine deutliche Grenze zur Betrachtungen auf Parzellen- ebene gezogen. Flächen mit lokal erhöhten Bodenbelastungen sind über das Grössenkri- terium ausgenommen. Eine grossräumige Aussage kann auch für gleichartige, kleinere Flächen, die innerhalb eines grösseren Gebietes verteilt sind, wie Standorte mit Obst-
und Gemüsebau, getroffen werden − vorausgesetzt die Schadstoffe entstammen der gleichen Quelle und variieren in einem ähnlichen Bereich (UBA, 2005). Der Begriff grossräumig wird in dieser Studie synonym zu den Begriffen «Gebiet» oder «Region»
verwendet.
Eine erste Zusammenführung der verfügbaren Daten zu den Schadstoffen im Boden (Keller & Desaules, 2001a) sowie die Resultate der Machbarkeitsstudie (Rehbein, 2004) haben gezeigt, dass in der Schweiz ein umfangreiches Datenset existiert, das eine hohe Vergleichbarkeit hinsichtlich Probenahme und Analytik der Bodenproben aufweist. Die zeitliche Aggregierung von Bodendaten ist im Gegensatz zu Luft- oder Wasserdaten möglich, da sich die diffusen Schadstoffgehalte im Boden in der Regel sehr langsam, häufig nur über Jahrzehnte verändern (UBA, 2005). Damit ist grundsätzlich eine gute Ausgangsbasis für die Zusammenführung und die einheitliche Auswertung von Boden- daten gegeben. Als Vorstufe einer landesweiten Kartierung der Schadstoffgehalte im Boden wurden 2001 erste landesweit flächendeckende «Kartiergrundlagen zur Bestim- mung der Bodenempfindlichkeit gegenüber Schadstoffeinträgen in der Schweiz» erar- beitet (Keller & Desaules, 2001b).
Für die räumliche Interpolation von Schadstoffgehalten in Böden gibt es kein Standard- verfahren. Aufgrund der Heterogenität des Mediums Boden und der Komplexität der beteiligten Prozesse und Einflussfaktoren sind räumlich-statistische Analysen bei bo- denkundlichen Fragestellungen eine besondere Herausforderung (Dobler et al., 2003).
Isaaks und Srivastava (1989) verstehen die angewandte Geostatistik als eine Art
«Kunst», die weder komplett automatisierbar ist noch rein objektiv sein kann. In der Praxis steht eine Fülle von (Geo)Statistik-Softwares zur Verfügung, mit der auf schnel- lem Wege Ergebnisse erzielt werden können. Es obliegt aber der Fachperson zu über- prüfen, wie gut die Annahmen zur mathematischen Ableitung der Interpolationsmetho- den erfüllt sind und ob die Ergebnisse überhaupt interpretiert werden können. Die Werkzeuge müssen fachgerecht eingesetzt und die Kriterien zur Anwendung der Inter- polationsmethode je nach Fragestellung kritisch analysiert werden.
In den letzten Jahren wurden in der Schweiz einige geostatistische Studien für Gebiete bis zu mehreren Quadratkilometern durchgeführt (AfU GR, 1997; AfU GR, 1998; Goo- vaerts et al., 1997; Keller et al., 1999; Meuli, 1997; Meuli et al., 1998; Presler, 1999;
von Steiger et al., 1998; von Steiger et al., 1997a; von Steiger et al., 1997b; von Steiger et al., 1996). Grossräumig diffuse Bodenschadstoffgehalte wurden bislang noch nicht betrachtet. Anders sieht es dagegen in Deutschland aus, wo einige Bundesländer wie Nordrhein-Westfalen (LUA NRW, 2000) bereits in den 1990er-Jahren Bodenschad- stoffkarten erstellt haben. Hinterding et al. (2003a; 2003b) trugen die in den einzelnen Ländern entwickelten Auswerteverfahren zusammen und analysierten anhand von zwei Untersuchungsgebieten den Einsatz der statistischen und geostatistischen Methoden.
Aus diesen Erfahrungen leiteten Dobler et al. (2003) «Empfehlungen für die Anwen- dung statistischer und geostatistischer Methoden zur flächenbezogenen Auswertung von Daten über Stoffgehalten in Böden» ab. Auch diese Empfehlungen können jedoch nur
Rahmenbedingungen setzen und Kriterien vorgegeben. Weitere Studien zu grossräumi- gen Bodengehalten wurden unter anderem in England, Frankreich, Kroatien oder Tschechien durchgeführt (Hengl et al., 2004; Lark et al., 2006; Prohic et al., 1997; Saby et al., 2006).
Um die Möglichkeiten und Grenzen einer flächendeckenden Bodenschadstoffkartierung im Schweizer Mittelland zu eruieren, wurde eine Fallstudie im Kanton Thurgau am Bei- spiel von Zink (Zn) durchgeführt. Die methodischen Erkenntnisse sind im Bericht von Rehbein und Keller (2007) dokumentiert, der sich in erster Linie an ein geostatistisch interessiertes Publikum richtet. Der vorliegende Bericht richtet sich dagegen an die An- wender räumlicher Bodeninformation. Die für Zink erarbeitete Vorgehensweise für eine digitale Kartierung von grossräumigen Bodenschadstoffgehalten wird für die Schwer- metalle Blei (Pb), Cadmium (Cd), Chrom (Cr), Kupfer (Cu), Nickel (Ni) und Quecksil- ber (Hg) angewendet und zusammen mit den Ergebnissen für Zink präsentiert. Die Dar- stellung der Karten, die Wahl des Massstabs und die Einsatzmöglichkeiten der Boden- schadstoffkarten werden diskutiert und die Anwendungsgrenzen aufgezeigt.
2 Methode und Darstellung der Bodenschadstoffkarten
2.1 Methode
Die Beschreibung des Untersuchungsgebietes und der durchgeführten Bodenprobenah- men sowie die erarbeitete Methode zur räumlichen Interpolation von Schadstoffgehalten in Böden wurde ausführlich in Rehbein und Keller (2007) dokumentiert. In diesem Ka- pitel werden deshalb lediglich die wichtigsten Aspekte für die Vorgehensweise zur flä- chenhaften Kartierung von grossräumigen Schadstoffgehalten in Böden aufgezeigt.
Das Untersuchungsgebiet der Fallstudie erstreckt sich über den gesamten Kanton Thur- gau (863 km2), der über ausgezeichnete qualitative und quantitative Daten zu den Schadstoffgehalten im Boden verfügt. Im Zuge der Datenaufbereitung wurden zu- nächst die Messdaten von insgesamt 34 Bodenuntersuchungskampagnen aus dem Zeit- raum 1992 bis 2001 validiert. Hierzu wurden die notwendigen Mindestangaben sowie die Plausibilität, die Homogenität1 und die Stationarität2 der Daten geprüft. Anschlies- send konnten die für die Erstellung der grossräumigen Bodengehalte relevanten Daten ausgewählt werden. Unvollständige Angaben zu den Bodenuntersuchungen − bei- spielsweise zur Nutzung des beprobten Standortes oder zur Methode der Probenahme − wurden in Rücksprache mit der Bodenschutzfachstelle des Kantons und anhand von thematischen Grundlagenkarten vervollständigt. Für die Herleitung von grossräumigen Schadstoffgehalten in Böden wurden die Messdaten der Schwermetalle Blei, Cadmium, Chrom, Kupfer, Nickel, Quecksilber und Zink aus einer Bodentiefe von 0 bis 20 Zenti- metern von insgesamt 1643 Standorten betrachtet.
Zur Charakterisierung des Untersuchungsgebietes und zur Ursachenanalyse der ge- messenen Schadstoffgehalte im Boden wurden zahlreiche thematische Kartengrundla- gen im Geographischen Informationssystem (GIS) zusammengestellt und ausgewertet.
Hierzu zählen Karten der Landnutzung, der Siedlungsstruktur, des mittleren Jahresnie- derschlags sowie Karten der Bodenregion, des Bodentyps, der Bodenart, der Höhe, der Hangneigung und der Exposition. Zusätzlich wurden neue thematische Karten wie bei- spielsweise für den pH-Wert der Böden oder Raumeinheiten zur Siedlungsnähe erstellt.
Letztere Karte klassifiziert die betrachteten Standorte nach ihrer Entfernung zur nächst- gelegenen Siedlung.
Nicht alle Messdaten der 1643 betrachteten Standorte eigneten sich gleichermassen für die Kartierung von grossräumigen Bodenschadstoffgehalten. Mit dem Ziel, eine Vorge- hensweise zur bestmöglichen Darstellung der grossräumigen Stoffgehalte zu entwi- ckeln, wurden daher am Beispiel von Zink vier Datensets hinsichtlich Nutzungs- und Belastungskriterien selektiert, deren Zinkgehalte explorativ und räumlich analysiert, die
1 Die Daten müssen hinsichtlich Probennahme und Analytik vergleichbar sein.
2 Stationarität ist dann erfüllt, wenn die Wahrscheinlichkeit, einen bestimmten Messwert bei beliebig vielen Wieder- holungen unter genau den gleichen Bedingungen zu erhalten, an jedem Ort des Untersuchungsgebietes gleich hoch ist (Webster & Oliver, 2001).
Ergebnisse miteinander verglichen und das geeignetste Datenset ausgewählt. Ausgangs- datenset war ein relativ homogenes Datenset bestehend aus Bodenbeprobungen von unbelasteten Acker-, Grünland- und Waldstandorten (Datenset 673). Diese wurde in einer ersten Erweiterung mit Messdaten aus Beprobungen von Acker-, Grünland- und Waldstandorten im Umfeld von Verzinkereien und Kehrichtverbrennungsanlagen (KVA) auf 793 Zinkgehalte ausgebaut (Datenset 793). Für das dritte Datenset kamen zusätzlich Standorte mit Obst- und Gemüsebau hinzu (Datenset 934) und das vierte Da- tenset bestand aus dem Datenset 934 plus Standorten im Siedlungsgebiet und Rebbau (Datenset 1290).
Für die explorative Datenanalyse wurden pro Datenset die statistischen Kenngrössen erstellt, der Zusammenhang zwischen erklärender Variable (wie Landnutzung oder pH- Wert) und Schadstoffgehalt mittels «Box Plots» und Streudiagrammen dargestellt und die räumliche Verteilung der Datensets mit Hilfe eines «Bubble Plots» visualisiert.
In der räumlichen Datenanalyse wurde zur digitalen Kartierung der grossräumigen Zinkgehalte das Interpolationsverfahren «Kriging» in Verbindung mit einer robusten multiplen linearen Regression eingesetzt. Ziel der vorgeschalteten Regression ist es, mit den vorliegenden Metainformationen wie Nutzung, pH-Wert oder Niederschlag die er- klärbaren Streuungen der gemessenen Zinkgehalte zu identifizieren. Übrig bleiben die nicht erklärbaren, zufälligen Anteile der Streuungen in Form der Fehler (Residuen) der Regression. Ausschliesslich diese Residuen fliessen in die Interpolation ein. Die Ver- wendung eines robusten Verfahrens bedeutet eine automatisierte Einflussbeschränkung von lokal stark erhöhten Schwermetallgehalten. Diese Einflussbeschränkung (Gewich- tung) gewährleistet sowohl robuste Schätzungen für die Koeffizienten der erklärenden Variablen in der Regression als auch eine robuste flächenhafte Interpolation. Die Ent- wicklung des Regressionsmodells und die Anwendung der Gewichtungsfunktion stellen die Kernaspekte bei der gewählten Vorgehensweise zur räumlichen Interpolation der Schwermetalle im Boden dar. Diese Arbeitsschritte wurden mit dem Open-Source (Geo)Statistikprogramm «R» durchgeführt.
Für die anschliessende Interpolation mittels Kriging wurde der räumliche Zusammen- hang der Residuen, das heisst deren Autokorrelation, in Form eines Semivariogramms dargestellt und mit einer Variogrammfunktion beschrieben. Unter Verwendung des
«Geostatistical Analyst» des Geographischen Informationssystems ArcGIS 9.0 wurden verschiedene Variogrammfunktionen und Krigingmethoden getestet und miteinander verglichen. Die Genauigkeit der Schätzung wurde anhand der Kennwerte einer Kreuz- validierung und anhand von Prognoseintervallen beurteilt. Im Zuge einer Kreuzvalidie- rung wird ein Messwert von benachbarten Beprobungsstandorten geschätzt, ohne den Messwert selbst zu berücksichtigen. Die Differenz zwischen gemessenem und geschätz- tem Wert sowie weitere statistische Kenngrössen ermöglichen die Bewertung der Ge- nauigkeit der Schätzung. Nach Rückrechnung der Regressionsfunktion, das heisst wie- der Einbeziehung des erklärbaren Anteils an der Streuung der Zinkgehalte, werden mit
Hilfe von Prognoseintervallen Gehaltsbereiche definiert, um den ein geschätzter Zink- gehalt mit einer definierten Wahrscheinlichkeit schwankt.
2.2 Darstellung
Eine Karte kann je nach gewählter Einstellung völlig verschieden auf den Betrachter wirken. Die entscheidenden Kriterien sind die Farbwahl und die Klassenbildung sowie die Auflösung beziehungsweise der Massstab. Letzterer bestimmt insbesondere die Einsatzmöglichkeiten einer Karte.
2.2.1 Farbwahl und Klassenbildung
Die Wahrnehmung einer Karte wird durch die Wahl der Farbpalette beeinflusst. Gerade hinsichtlich der Darstellung von Schadstoffgehalten signalisiert eine grüne Farbskala, dass kein Risiko mit der Höhe der Gehalte verbunden ist, während Farbtöne im Bereich gelb bis rot dem Betrachter intuitiv eine Gefahr vermitteln. Zur Verdeutlichung dieses Sachverhalts ist in Figur 2-1 nicht nur die als sinnvoll erachtete Darstellung der ge- schätzten Zinkgehalte abgebildet (Variante a), sondern auch eine Karte mit einer rötli- chen Farbpalette (Variante b). Die Zinkgehalte werden in der Variante b) völlig anders wahrgenommen.
Eine Karte kann durch eine unpassende Klasseneinteilung auch zu homogen oder zu detailliert dargestellt werden. Die Karte in Figur 2-1c mit breiter Klasseneinteilung imp- liziert ein homogenes Bild, das kaum Strukturen (z.B. Nutzungsunterschiede) erkennen lässt. Die Verteilung der Schätzwerte muss daher bei der Klassenwahl berücksichtigt werden.
Es ist offensichtlich, dass mit der Farbwahl und Klassenbildung falsche Signale sugge- riert werden können. Für die Darstellung der Bodenschadstoffkarten wurde eine Farb- wahl gemäss Variante a) und eine Unterteilung des Konzentrationsbereichs bis zum Richtwert der VBBo (1998) in sechs bis acht Klassen gewählt.
Variante a)
Die Klassen sind sinnvoll eingeteilt und die Farbwahl ist angemessen.
Variante b)
Durch die Wahl der roten Farbtöne impliziert das Bild bei gleich bleibender Klasseneinteilung eine Gefährdungssituation.
Variante c)
Die Klassen sind so breit gewählt, dass räumlich nicht differenziert werden kann. Die Klassengrenzen sind ohne Bezug zur Ver- teilung der Schätzwerte.
Die Unterschiede nach Nutzung sind nicht ersicht- lich.
29,3 41,3 65,2 77,2
Häufigkeit
Zinkgehalte (Schätzwerte)
29,3 41,3 65,2 77,2
Häufigkeit
Zinkgehalte (Schätzwerte)
Verteilung der Schätzwerte des Datensets 934, gewich- tete Residuen.
Figur 2-1: Varianten der Darstellung einer Karte hinsichtlich Klassen- und Farbwahl am Bei- spiel des Datenset 934
2.2.2 Auflösung und Massstab
Thematische Karten werden mit einer bestimmten Absicht und damit in einem bestimm- ten Massstab erstellt. Dent und Young (1981) schlugen für Bodenkarten 5 Klassen mit verschiedenen Massstäben vor (Tabelle 2-1).
Übersichtskarten und Erkundungskarten liefern im kleinen Massstab eine einheitliche und konsistente Basis für nationale und internationale bodenkundliche Fragestellungen und Interpretationen. Beispiele hierfür sind der Atlas der Schweiz (swisstopo, 2004) und der Bodenatlas für Europa (European Commission, 2005). Die halbdetaillierten Karten liefern durch einen hohen Anteil an Feldaufnahmen wesentlich präzisere Aussagen im mittleren Massstab von bis zu 1:50’000. Es müssen allerdings noch immer Informatio- nen kombiniert und extrapoliert werden (z.B. die Bildung von Bodeneinheiten für eine Bodenübersichtskarte). Die grossmassstäblichen Detail- und Intensivkarten basieren hingegen fast ausschliesslich auf erhobenen Felddaten und ermöglichen eine entspre- chend sehr detaillierte räumliche Aussage.
Tabelle 2-1: Intensität und Eignung verschiedener Kartenmassstäbe für den Bodenschutz (nach Dent und Young (1981)
Kartentypen nach Intensitätsniveau
Massstab Darstellung (1cm2 auf
Karte)
Empfohlene Beobachtungs-
intensität (mittlere Distanz
pro 1cm2 Karte)
Eignung Beispiele
Level 1:
Übersichtskarten <= 1:1Mio klein <= 100 km2 _
landesweite und (gross)regionale
Übersichten
• Relative Bindungs- stärken (Keller &
Desaules, 2001b)
Level 2:
Erkundungs- karten
1:500'000 bis 1:200'000
25 km2 bis 4 km2
5 km bis 2 km
landesweite und (gross)regionale Belastungs-Identi- fikation und strategische
Grobplanung
• Bodeneignungskarte CH 1:200’000 (EJPD et al., 1980)
Level 3:
Halbdetaillierte Karten
1:100'000 bis 1:50'000
mittel
100 ha bis 25 ha
1 km bis 500 m
regionale Belastungs- Identifikation und Massnahmenplanung
• Bodenkarte TG (Presler et al., 2005)
• Bodenschadstoff- karten TG
Level 4:
Detailkarten
1:25'000 bis 1: 10'000
6.25 ha bis 1 ha
250 m bis 100 m
(klein)regionale Belastungs- Identifikation, Detailpla-
nung und Beratung
• Bodenkarten 1:25’000 der ART
Level 5:
Intensivkarten und Pläne
> 1:10'000 gross <1 ha <100 m
parzellenscharfe Erhebungen, Massnah-
menplanung und Vollzugsgrundlage
• Bodenkarten Kanton ZH
Das Ziel der vorliegenden Studie ist es, die grossräumigen Stoffgehalte im Kanton Thurgau zu kartieren. Der Kartentyp entspricht dem Level 3 in der von Dent und Young (1981) vorgeschlagenen Klassifikation. Die Karten der diffusen Stoffgehalte basieren
einerseits auf zahlreichen Feldaufnahmen, andererseits auf der Kombination von Ein- flussfaktoren und geostatistischen Berechnungen. Es wurden daher halbdetaillierte Kar- ten für grossräumige Schadstoffgehalte im Boden mit einem Massstab von 1:100’000 bis maximal 1:50’000 angestrebt. Kleinregionale oder parzellenscharfe Aussagen in einem grösseren Massstab sind für die vorliegende Zielsetzung nicht sinnvoll und wer- den bereits durch den Begriff «grossräumig» (als Synonym für Gebiete grösser als 1 km2) ausgeschlossen.
Neben der Wahl eines geeigneten Massstabs spielt bei einer Rasterkarte auch die kleins- te dargestellt Flächeneinheit (Pixelgrösse) eine entscheidende Rolle. In der Kartographie gehen grössere Pixelbreiten mit einem kleineren Massstab und einem grösseren Unter- suchungsgebiet einher (Hengl, 2006). Je dichter ein Gebiet beprobt wurde, desto grösser kann der Massstab gewählt werden. Wird die Darstellung lokaler Besonderheiten (Ex- tremwerte) angestrebt, sind die Daten (Pixel) möglichst wenig räumlich zu aggregieren, da mit jeder Aggregierung Bodengehalte gemittelt werden.
Die Wahl der richtigen Pixelgrösse kann bis zu einem bestimmten Level optimiert wer- den. Hengl (2006) betont aber, dass es in Bezug zur Fragestellung keine ideale Pixel- grösse gibt. Dent und Young (1981) empfehlen für den Massstabsbereich 1:100’000 eine Beobachtungsintensität von 100 Hektaren, was gleichbedeutend ist mit einer Pixel- breite von einem Quadratkilometer (Tabelle 2-1). Im Vergleich hierzu toleriert das Umweltbundesamt in Deutschland (UBA, 2005) eine feinere Auflösung und empfiehlt, im Massstab 1:100’000 eine Fläche ab vier Hektaren darzustellen (200 m Pixelbreite).
Eine noch feinere Auflösung empfiehlt Hengl (2006), der eine allgemeine Berech- nungsmethode für die Wahl der geeigneten Pixelgrösse vorschlägt (Tabelle 2-2). Er definiert drei Standards, die für jedes Datenset mit räumlichen Variablen abgeleitet werden können: Die gröbste lesbare Rasterauflösung, die feinste lesbare Rasterauflö- sung und die empfohlene Auflösung, die einen Kompromiss der ersten beiden Standards darstellt. Hengl (2006) nennt als kartographische Regel für Bodenkartierungen, dass mindestens eine − im optimalen Fall vier − Beobachtungen pro Quadratzentimeter einer Karte vorhanden sein sollten. Nach diesem Prinzip wird der effektive Massstab eines Punktdatensets geschätzt. Die empfohlene Pixelgrösse lässt sich demnach aus der Flä- che des Untersuchungsgebietes und der Anzahl der beprobten Standorte berechnen (Tabelle 2-2). Aus der Pixelgrösse kann die Massstabszahl berechnet werden und um- gekehrt. Für den Massstab von 1:100’000 ergibt sich nach dieser Berechnungsmethode eine Pixelbreite von 10 (0,01 ha) bis 250 Meter (6,25 ha), und eine empfohlene Pixel- breite von 50 Meter (0,25 ha).
Tabelle 2-2: Berechnung der geeigneten Pixelgrösse und des Massstabes einer Rasterkarte (nach Hengl (2006))
Gröbste lesbare
Auflösung Feinste lesbare
Auflösung Empfohlener Kompromiss Pixelgrösse p
N p =0.1∗ A
N p =0.05∗ A
N p =0.0791∗ A Massstab SN
0025 . 0 SN = p
0001 . 0 SN = p
0005 . 0 SN = p
p: empfohlene Pixelgrösse in Meter A: Fläche des Gebietes in Quadratmeter N: Anzahl der beprobten Standorte SN: Massstabszahl
Für die Fläche des Kantons Thurgau (860 km2) und der ausgewählten Anzahl von 934 beprobten Standorten ergibt sich nach der Berechnungsmethode von Hengl (2006) eine empfohlene Pixelbreite von 76 Meter (0,6 ha) für die Darstellung der grossräumigen Schadstoffgehalte im Kanton Thurgau. Für diese Pixelgrösse ergibt sich ein Massstab von 1:30’000 bis 1:750’000, der empfohlene Kompromiss liegt bei 1:150’000.
Die in der vorliegenden Studie gewählte Pixelgrösse von einer Hektare (Pixelbreite 100 m) zur Darstellung der geschätzten Schwermetallgehalte in Böden des Kantons Thurgau ist durch die Auflösung der Arealstatistik bedingt. Diese liegt im 1 ha-Raster vor, ist aber als kategorielle Variable im Gegensatz zu den kontinuierlichen Faktoren wie pH-Wert und Niederschlag nicht ohne weiteres räumlich aggregierbar. Damit liegt die Auflösung der erstellten Karten im Bereich der Pixelgrösse, die von Hengl (2006) empfohlen wurde. Eine Aggregation der Pixel (25 bis 100 ha), wie sie von Dent und Young (1981) für Massstäbe von 1:50’000 bis 1:100’000 empfohlen wurde, wäre im vorliegenden Falle wenig zweckmässig, da im Zuge des Regressionsmodells der räum- liche Bezug der Variablen «Nutzung», «Niederschlag» und «pH-Wert» zunehmend ver- loren gehen würde (Figur 2-2, Anhang F).
In einem GIS besteht grundsätzlich die Gefahr, dass Ausschnitte einer Karte rein tech- nisch bedingt unverhältnismässig vergrössert und Merkmale ungeachtet von Massstab und Auflösung überinterpretiert werden. Für die vorliegende Studie wird daher eine restriktive Handhabung des Massstabs von 1:100’000 empfohlen.
Pixelgrösse: 1 ha
Pixelgrösse: 25 ha
Pixelgrösse: 100 ha
Figur 2-2: Aggregation der geschätzten Zinkgehalte mit Pixelgrössen von 1, 25 und 100 Hektaren (Datenset 934)
3 Ergebnisse und Diskussion
Von den vier analysierten Datensets mit unterschiedlicher Nutzungs- und Belastungs- charakteristik war das Datenset 934 mit Verwendung der gewichteten Residuen der Regression das geeignetste für die Schätzung der grossräumigen Zinkgehalte im Boden (Rehbein & Keller, 2007). Die ausgewählten 934 Datensätze stammten aus 19 Untersu- chungskampagnen auf Standorten mit Ackerland, Grünland, Wald sowie Obst- und Gemüsebau im Zeitraum von 1992 bis 2001 (Tabelle 3-1). Nicht geeignet waren die Datensätze aus 15 Untersuchungsprogrammen, bei denen es sich um Bodenprobenah- men in Siedlungsgebieten oder um punktuelle Untersuchungen einer konkreten Belas- tung handelte, deren Einbezug für die Schätzung der grossräumigen Schwermetallgehal- te in Böden nicht geeignet waren.
Die Rasterbeprobungen des land- und forstwirtschaftlichen Gebietes erstreckte sich flä- chendeckend über das gesamte Kantonsgebiet (Figur 3-1). Hierbei wurden meist zwei Proben in unmittelbarer Umgebung zueinander genommen − je eine auf einem Wald- standort und eine auf einem Acker- oder Grünlandstandort. Eine Übersicht über die Gemeinden und Siedlungsstrukturen im Kanton Thurgau findet sich im Anhang A.
Tabelle 3-1: Ausgewählte Bodenuntersuchungskampagnen im Kanton Thurgau (Datenset 934) Nr Projekt Thema Anzahl Standorte 1 P95RAS SM in Land- und Forstwirtschaft 345 3 P93LW DI SM in intens. Landwirtschaftsbezirken 113 4 P92KVAW Untersuchung vor KVA 95 5 P93LW OT SM in intens. Landwirtschaftsbezirken 89 10 P92KVAW G Untersuchung vor KVA 58 14 P94ARA MT SM in der Umgebung einer ARA 3 15 P93VZB SM in der Umgebung einer Verzinkerei 37 16 P92KVAH SM in der Umgebung einer KVA 30 17 P92KVAM SM in der Umgebung einer KVA 30 19 P93DEP B UVP für geplante Deponie 25 20 P93DEP KB UVP für geplante Deponie 25 21 P93DEP RO UVP für geplante Deponie 24 22 P93VZW SM in der Umgebung einer Verzinkerei 17 23 P92VZE SM in der Umgebung einer Verzinkerei 15 27 P93N1 AW Sanierung des Lützelmurg-Viaduktes 7
28 P99 BG Baugesuchprüfung 5
29 P00 BG Baugesuchprüfung 6
30 P95RAS AUW Teilprojekt P95RAS 6
32 P01 BG Baugesuchprüfung 4
Summe 934
SM: Schwermetalle UVP: Umweltverträglichkeitsprüfung
Figur 3-1: Beprobte Standorte der ausgewählten Bodenuntersuchungskampagnen im Kanton Thurgau im Zeitraum 1992 bis 2001 (Datenset 934)
3.1 Explorative Datenanalyse
Nicht an jedem beprobten Standort wurden alle relevanten Schwermetallgehalte der Bodenproben bestimmt. Für Chrom und Nickel lagen beispielsweise lediglich 654 Messwerte vor. Die Gehalte für Blei, Cadmium, Kupfer, Quecksilber und Zink wurden dagegen in mehr als 900 Bodenproben bestimmt (Tabelle 3-2).
Die Richtwerte der «Verordnung über Belastungen des Bodens» (VBBo, 1998) wurden meist deutlich unterschritten (Tabelle 3-3). Die Maximalwerte und zumeist auch der 99% Perzentilwert lagen für alle Schwermetalle jedoch klar über den Richtwerten. Ein- zige Ausnahme ist Quecksilber. Im Falle von Blei, Cadmium und Kupfer überschritt der Maximalwert den Prüfwert. Für die restlichen Schwermetalle sind keine Prüfwerte defi- niert. Der Sanierungswert wird für kein Schwermetall auch nur annähernd erreicht. Der Median der Schwermetallgehalte lag grundsätzlich tiefer als der Mittelwert, und die Verteilung der Messwerte − insbesondere für Blei, Kupfer und Zink − war deutlich rechtsschief, das heisst, es lagen einige auffällig hohe Werte vor.
Tabelle 3-2: Allgemeine statistische Kenngrössen der Schwermetallgehalte der ausgewählten Bo- denuntersuchungskampagnen im Kanton Thurgau (in mg/kg) (Datenset 934)
Blei Cad- mium
Chrom Kupfer Nickel Queck- silber
Zink Anzahl Datensätze 934 934 654 934 654 909 934 Minimum 6,7 0,03 2,0 4,0 4,7 0,02 13,6 Maximum 275,0 2,10 121,1 335,0 75,5 0,47 1570,0 Median 21,8 0,23 24,4 18,1 22,3 0,07 49,0 Mittelwert 24,5 0,24 25,3 20,4 23,7 0,08 62,2 Standardabweichung 15,0 0,13 8,2 18,0 8,6 0,04 93,6 Variationskoeffizient 0,6 0,55 0,3 0,9 0,4 0,56 1,5 Schiefe 8,0 4,79 3,0 10,3 1,7 3,04 11,2 Exzess 103,0 51,00 28,1 156,9 5,3 18,92 143,6 25. Perzentil 18,3 0,17 19,9 12,6 18,3 0,05 38,9 75. Perzentil 26,2 0,29 28,8 23,3 27,1 0,10 62,9 95. Perzentil 41,9 0,42 39,4 37,9 39,8 0,15 100,8 99. Perzentil 80,1 0,63 50,2 72,8 53,0 0,22 272,4
Pb(log) Cd(log) Cr(log) Cu(log) Ni(log) Hg(log) Zn(log)
Schiefe 1,57 -0,53 -0,66 0,32 0,02 0,017 2,41 Exzess 6,37 1,73 7,54 2,15 1,44 0,472 12,53
Tabelle 3-3: Beurteilungswerte (Totalgehalte) der Verordnung über Belastungen des Bodens (VBBo, 1998) (in mg/kg)
Blei Cad- mium
Chrom Kupfer Nickel Queck- silber
Zink
Richtwert 50 0,8 50 40 50 0,5 150
Prüfwert 200 2 - 150 - - -
Sanierungswert 1000-2000* 20-30 - 1000 - - 2000
*Je nach Nutzung
Um die Ursachen der unterschiedlichen Schadstoffgehalte im Boden zu analysieren, wurden Regressionsanalysen mit möglichen erklärenden Variablen (z.B. Nutzung, Bo- dentyp, Höhe des Standortes) durchgeführt. Für das Datenset 934 konnte die Streuung der Zinkgehalte am besten mit den erklärenden Variablen Nutzung, pH-Wert und Nie- derschlag erklärt werden (Rehbein & Keller, 2007). Keinen erkennbaren Zusammen- hang zeigten die Zinkgehalte mit den erklärenden Variablen Hangneigung, Exposition und Höhe. Die Variablen Siedlung, Siedlungsnähe, Bodenregion, Bodentyp, und Bo- denart wurden nicht berücksichtigt, da keine Daten aus dem Siedlungsgebiet verwendet wurden und ein Einbezug der Bodenparameter zu keiner entscheidenden Verbesserung der Schätzgenauigkeit geführt hat.
In Figur 3-2 sind die Kupfer- und Zinkgehalte gegen die Nutzung und den pH-Wert im Boden aufgetragen. Die entsprechenden Abbildungen für die anderen Schwermetalle finden sich im Anhang B. Bei den Cadmium-, Kupfer-, Quecksilber- und Zinkgehalte gab es deutliche Unterschiede zwischen den Waldstandorten und den Gebieten mit an-
deren Nutzungen (Tabelle 3-4). Der Einfluss des pH-Wertes auf die Schwermetallkon- zentrationen im Boden zeigte sich bei Chrom, Kupfer, Nickel und Zink: Die Gehalte im Boden korrelierten positiv mit dem pH-Wert. Bestätigt wurde auch die Wirkung von Grenz-pH-Werten bei der Mobilisierung der Schwermetalle im Boden (Scheffer &
Schachtschabel, 2002). Die Mobilität von Cadmium und Zink wird als relativ hoch klas- sifiziert, diejenige für Nickel und Kupfer als mittel und diejenige für Chrom, Blei und Quecksilber als gering.
Tabelle 3-4: Mediane der gemessenen Schwermetallgehalte in den Böden des Kanton Thurgaus, gruppiert nach der Nutzung (Datenset 934)
Acker Grünland Wald Obst-/Gemüse mg/kg n mg/kg n mg/kg n mg/kg n Blei 18,8 282 24,0 234 21,9 277 24,3 141 Cadmium 0,22 282 0,27 234 0,16 277 0,28 141 Chrom 25,9 190 26,1 135 20,7 242 25,6 87 Kupfer 19,7 282 21,2 234 10,1 277 24,0 141 Nickel 23,9 190 23,3 135 20,7 242 21,7 87 Quecksilber 0,05 278 0,06 218 0,09 273 0,07 140 Zink 47,9 282 62,2 234 36,6 277 61,4 141
Ack Grü O+G Wal NUTZUNG 0
1 2 3
CULOG
3 4 5 PH 6 7 8
0 1 2 3
CULOG
Ack Grü O+G Wal NUTZUNG 1.0
1.5 2.0 2.5 3.0 3.5
ZNLOG
3 4 5 PH 6 7 8
1.0 1.5 2.0 2.5 3.0 3.5
ZNLOG
Figur 3-2: Zusammenhang der potenziell erklärenden Variablen Nutzung und pH-Wert im Bo- den mit den gemessenen Kupfer- und Zink-Gehalten im Boden (in log10 mg/kg) (Da- tenset 934)
Die Höhe der analysierten Schwermetallgehalte und die räumliche Verteilung der Be- probungsstandorte sind für Kupfer in Figur 3-3 und für Chrom in Figur 3-4 dargestellt.
Die entsprechenden Abbildungen für die anderen Schwermetalle finden sich in Anhang C. Deutlich erkennbar ist, dass alle sieben betrachteten Schwermetalle mit der oben ge- nannten Rasterbeprobung flächendeckend über das Kantonsgebiet beprobt wurden.
Figur 3-3: Plot der Kupfer-Gehalte der selektierten Standorte (Datenset 934). Die Fläche der Kreise ist proportional zum Messwert.
Figur 3-4: Plot der Chrom-Gehalte der selektierten Standorte (Datenset 934). Die Fläche der Kreise ist proportional zum Messwert.
Überschreitungen der Richtwerte für Blei, Kupfer, Zink und vereinzelt für Cadmium wurden insbesondere im Umfeld der Verzinkereien und Kehrichtverbrennungsanlagen (KVA) (siehe Figur 3-1) gemessen. Die Kupfergehalte überschritten den Richtwert von 40 mg/kg in den Böden von zahlreichen Obst- und Gemüsebauflächen. Erhöhte Chrom- und Nickelgehalte wurden im Süden des Kantons und im Gebiet zwischen Frauenfeld und Weinfelden festgestellt. Einzig Quecksilber zeigte an keinem der untersuchten Standorte Konzentrationen über dem Richtwert. Für Blei und Kupfer traten an einem bzw. zwei Standorten Überschreitungen des Prüfwertes auf.
Aus Figur 3-3 und Figur 3-4 geht hervor, dass an den zwei unmittelbar benachbarten Messstellen des Landwirtschaftsrasters (P95RAS) für die meisten Schwermetalle nied- rigere Gehalte in Waldböden gegenüber Ackerböden gemessen wurden. Lediglich für Quecksilber waren in der Regel höhere Gehalte in Waldböden zu verzeichnen.
3.2 Zusammenhänge der Schwermetallgehalte mit Bodeneigenschaften (Regressionsanalyse)
Um den erklärbaren Anteil an den Streuungen der Schwermetallgehalte bestmöglich zu erfassen und nur den nicht erklärbaren Anteil (Residuen) zu interpolieren, wurden im Zuge der multiplen linearen und robusten Regressionsanalyse Zusammenhänge zwi- schen den Schwermetallgehalten (Zielvariablen) und den möglichen erklärenden Vari- ablen (Nutzung, pH-Wert, Niederschlag, Hangneigung, Exposition, Höhe) multivariat geprüft. In Anhang F ist die Karte der Landnutzung, des pH-Wertes und des Nieder- schlags dargestellt. Die Karten aller weiteren erklärenden Variablen finden sich im An- hang von Rehbein und Keller (2007).
Für alle Zielvariablen stellten sich die Nutzung, der pH-Wert und der Niederschlag als die beste Kombination zur Erklärung der Streuung der Stoffgehalte heraus. Lediglich die Kupfergehalte zeigten keinen nennenswerten Zusammenhang mit dem langjährigen mittleren Niederschlag.
Mit Abstand das geringste Bestimmtheitsmass (R2: Mass der Statistik für den Anteil der erklärten Varianz eines Zusammenhangs) der Regression resultierte für Blei − lediglich etwa 15 % der Streuung konnte mit den vorhandenen erklärenden Variablen erklärt werden (Tabelle 3-5). Bereits in der univariaten Statistik waren praktisch keine Zusam- menhänge zwischen den Bleigehalten im Boden und einzelnen erklärenden Variablen erkennbar gewesen.
Ebenfalls ein relativ geringes Bestimmtheitsmass ergab sich für Chrom und Nickel, die im Boden oft grösstenteils geogen bedingt sind. Da der Bodentyp und die Bodenart der Bodenübersichtskarte nicht berücksichtigt wurden, führte dies für beide Schwermetalle zwar zu einem etwas geringeren Bestimmtheitsmass, die Schätzpräzision in der Interpo- lation verschlechterte sich aber nicht nennenswert.
Für Cadmium und Kupfer erklärte das Regressionsmodell mit einem Bestimmtheits- mass von 0,51 und 0,62 mehr als die Hälfte der Streuung. Dies war auf die klar niedri- geren Gehalte im Waldboden sowie auf die relativ deutliche Korrelation mit dem pH- Wert im Boden zurückzuführen.
Tabelle 3-5: Multiple lineare robuste Regressionsmodelle der logarithmierten Schwermetallgehalte im Boden als Zielvariablen und Nutzung, pH-Wert und Niederschlag als erklärende Variablen (Datenset 934)
Koeffizient β1 Nutzung Zielvari-
able
(log10) α Acker, Grün-
land
Wald Obst-, Gemü- sebau
β2 pH β3 log10
(Nieder- schlag)
Anzahl Freiheits- grade
Bestimmt- heitsmass (adjusted
R2)
Blei -0,472 0 0,013 0,076 -0,008 0,605 900 0,149 Cadmium -6,807 0 -0,047 0,077 0,110 1,796 900 0,513 Chrom -1,587 0 -0,076 -0,020 0,023 0,943 649 0,299 Kupfer 0,953 0 -0,233 0,089 0,052 - 901 0,624 Nickel -1,325 0 0,009 -0,017 0,060 0,761 649 0,235 Queck-
silber -3,285 0 0,184 0,047 -0,010 0,697 880 0,289 Zink 0,104 0 -0,125 0,064 0,022 0,484 900 0,399
Um die Qualität der Regressionsanalyse zu überprüfen, wurde eine Analyse der Residu- en durchgeführt. Die Residuen sind jener Anteil der Streuung der Schwermetallgehalte im Boden, der mit der Regression nicht erklärt werden konnte. Die mittleren Residuen der Regression lagen nahe um den Nullwert und wiesen eine konstante Varianz über den Messwertbereich auf (Figur 3-5, Figur 3-6 und Anhang D- 1 bis Anhang D- 5). Die Verteilung der Residuen war annähernd normalverteilt. Damit waren wichtige Annah- men der Regression und eine Vorraussetzung für die anschliessende räumliche Statistik erfüllt. Durch den Einsatz einer robusten Regressionsanalyse wurden Residualwerte, welche ausserhalb eines definierten Streubereichs lagen, nach einer vorgegebenen Funk- tion heruntergewichtet (Figur 3-5, Figur 3-6 unten). Für die nachfolgende räumliche Auswertung der Residuen wird somit der Einfluss einzelner lokal erhöhter Gehalte auf die flächenhafte Interpolation eingeschränkt.
Auffällig bei der Analyse der Residuen war die teilweise deutliche Trennung der mit der Regression geschätzten Werte (Fitted Values) für die einzelnen Nutzungstypen (Figur 3-5). Beispielsweise konnte ein niedrigerer Kupfergehalt ausschliesslich der Nutzung Wald zugeordnet werden. Der Gehalt nahm in der Reihenfolge Acker- und Grünland sowie Obst- und Gemüsebau zu. Der hohe Einfluss der Nutzung auf die Kupfer-, Quecksilber- und Zinkgehalte im Boden war bereits in der Gegenüberstellung einzelner Einflussfaktoren ersichtlich geworden. Die Gehalte von Blei, Cadmium, Chrom und Nickel waren hingegen weitaus weniger durch die Nutzung geprägt. Wie in Abbildung 3-6 am Beispiel von Nickel dargestellt, waren die Residuen für diese Schwermetalle entsprechend weniger nach der Nutzung stratifiziert.
0.9 1.0 1.1 1.2 1.3 1.4
-0.50.00.51.0
Fitted
Residuals
raw residuals
Frequency
-0.5 0.0 0.5 1.0
050100150
0.9 1.0 1.1 1.2 1.3 1.4
-0.50.00.51.0
Fitted
Residuals
weighted residuals
Frequency
-0.5 0.0 0.5 1.0
050100150
Figur 3-5: Links: Streudiagramm der Kupfer-Residuen (Residuals) gegen die Kupfer-Werte der Regression (Fitted) mit Nutzung Acker/Grünland (rot), Wald (blau) und Obst/Gemüse (gelb). Rechts: Histogramm der Kupfer-Residuen. Oben rohe, unten gewichtete Residuen. Angaben in log mg/kg (Datenset 934).
1.20 1.30 1.40 1.50
-0.6-0.20.20.6
Fitted
Residuals
raw residuals
Frequency
-0.6 -0.4 -0.2 0.0 0.2 0.4 0.6
01020304050
1.20 1.30 1.40 1.50
-0.6-0.20.20.6
Fitted
Residuals
weighted residuals
Frequency
-0.6 -0.4 -0.2 0.0 0.2 0.4 0.6
01020304050
Figur 3-6: Links: Streudiagramm der Nickel-Residuen (Residuals) gegen die Nickel-Werte der Regression (Fitted) mit Nutzung Acker/Grünland (rot), Wald (blau) und Obst/Gemüse (gelb). Rechts: Histogramm der Nickel-Residuen. Oben rohe, unten ge- wichtete Residuen. Angaben in log mg/kg (Datenset 934).
3.3 Räumliche Zusammenhänge der Schwermetallgehalte (Variographie) Mit der Variogrammanalyse wurde der räumliche Zusammenhang der log- transformierten Residuen erfasst. Die Residuen zeigten für kleinere Distanzen zwischen benachbarten Standorten (Distanz in Meter) im Mittel kleinere Differenzen (ausge- drückt als Semivarianz in mg2/kg2) als für Standorte, die weiter voneinander entfernt liegen. Somit sind für die Schätzung der grossräumigen Schwermetallgehalte − neben dem mit der Regression geschätzten Anteil − weitere räumliche Informationen in den Messdaten enthalten, die zur Optimierung der räumlichen Analyse herangezogen wer- den können.
Für Nickel wurde beispielsweise eine deutliche Zunahme der Semivarianz der Residuen mit zunehmender Distanz der Messstandorte gefunden (Figur 3-7). Die 146 Residual- wertpaare mit einer maximalen Distanz von 370 Metern zueinander besassen eine Se- mivarianz von etwa 0,0047 mg2/kg2. Die 587 Wertepaare mit einer Distanz von maxi- mal 740 Meter zueinander hatten dagegen bereits eine Semivarianz von annähernd 0,005 mg2/kg2. Mit zunehmender Entfernung nahmen die mittleren Differenzen der Wertepaare weiter zu, bis ein Schwellenwert erreicht wurde, ab dem die Semivarianzen nicht mehr länger anstiegen, sondern um diesen Wert schwankten. Im Falle von Nickel lag dieser bei 0,00795 mg2/kg2 und war mit einer Distanz der Wertepaare von etwa 4500 Metern erreicht. Diese Distanz wird als Reichweite bezeichnet. Aufgrund der kleinräumigen Heterogenität im Boden und der Unsicherheiten bei der Probenahme und bei den chemischen Analysen des Bodenmaterials gibt es eine Streuung der Bodenge- halte, die in unmittelbarer Nachbarschaft gemessen wurden. Diese kleinräumige Streu- ung wird als Nugget-Effekt oder Grundrauschen bezeichnet. Sie kann an der y-Achse im Variogramm bei minimaler Distanz abgelesen werden. Im Falle von Nickel lag der Nugget-Effekt bei 0,00465 mg2/kg2.
Um die Information des räumlichen Zusammenhangs der Residuen für die Interpolation nutzen zu können, wurde eine geeignete, kontinuierliche Funktion zur Beschreibung der Semivarianzen der Distanzklassen ausgewählt. Die Autokorrelation von Nickel konnte beispielsweise am besten mit einem Gauss’schen Modell beschrieben werden.
Insgesamt zeigten alle Schwermetalle einen räumlichen Zusammenhang der Residuen (Anhang E). Die Reichweiten und das Nugget-Schwellenwert-Verhältnis waren für die einzelnen Schwermetalle verschieden. Zur Beschreibung der Semivarianzen der Dis- tanzklassen wurden Gauss’sche, sphärische und exponentielle Funktionen angewendet.
Modellfunktion: γ(h) =0,0033∗Gaussian (2150)+0,00465 ∗Nugget
Figur 3-7: Semivariogramm der gewichteten Nickel-Residuen des Regressionsmodells (Datenset 934). Die Ziffern geben die Anzahl Wertepaare für die Berechnung der empirischen Semivarianzen an. Die Semivarianzen wurden mit der Modellfunktion γ(h) (blaue Li- nie) angepasst (log-Skala).
3.4 Interpolation der Schwermetallgehalte und Qualität der Schätzung
Die Interpolation der Residuen erfolgte auf Basis der Variogrammmodelle mit der Simple-Kriging-Methode. Zusammen mit den berechneten Koeffizienten aus der Reg- ressionsanalyse ergaben sich ein Schätzwert und eine Schätzvarianz für jede Gitterzelle der 100 x 100-Meter-Raster des Untersuchungsgebietes. Der Schätzwert für jede Ras- terzelle setzt sich somit aus dem Schätzwert der Regressionsanalyse und dem Schätz- wert aus der Interpolation der Residuen zusammen. In Figur 3-8 bis Figur 3-35 sind die Karten der grossräumigen Schwermetallgehalte im Boden, die 95 % Prognoseintervalle und zum Vergleich die Karten mit den ursprünglich punktuell gemessenen Schwerme- tallgehalten dargestellt.
Für alle Zielvariablen zeigte sich eine deutliche Glättung der Gehalte mit der grossräu- migen Darstellung. Aufgrund der Verwendung logarithmierter Daten in der Interpolati- on sind die Prognoseintervalle in der Regel nicht symmetrisch. Aus diesem Grund wer- den für jede Schätzkarte das obere und untere Prognoseintervall sowie die gesamte Brei- te des Prognoseintervalls in Relation zum Schätzwert angegeben.
