Validatiemethoden voor gegevens van het Landelijk Meetnet Luchtkwaliteit: Vluchtige Organische Stoffen

Cast your vote
 
Your vote was cast
Thank you for your feedback
Authors
Somhorst MHM
Elzakker BG van
Type
Onderzoeksrapport
Language
nl

Metadata
Show full item record
Title
Validatiemethoden voor gegevens van het Landelijk Meetnet Luchtkwaliteit: Vluchtige Organische Stoffen
Translated Title
Validation methods for results from the National Air Quality Monitoring Network: Volatile Organic Compounds
Publiekssamenvatting
In dit rapport wordt een validatiemethode gepresenteerd voor de concentraties van de Vluchtige Organische Stoffen zoals deze gemeten worden in het Landelijk Meetnet Luchtkwaliteit. De ontwikkelde methode is hoofdzakelijk verkregen door onderzoek van de meetresultaten en de bijbehorende informatie van 1994. Bij de validatiemethode wordt onderscheid gemaakt in technische validatie en inhoudelijke validatie. Beide bestaan uit meerdere procedures. Bij de technische validatie worden concentraties afgekeurd op grond van technische informatie waaruit blijkt dat de monstername niet goed is verlopen. De technische validatie bestaat uit de procedures: correctie datum/tijd + volumina: elk laatste weekmonster van een campagne wordt eerder beeindigd en is dus niet de volledige tijd bezogen ; verwerken opmerkingen: gedurende de monstername worden eventuele bijzonderheden opgemerkt, deze geven een indicatie over het technisch functioneren van de monstername-opstelling ; optreden codes in TAST-files: gedurende de monstername genereert de timer een overzicht met daarin codes die iets zeggen over het functioneren van de timer. Bij de inhoudelijke validatie wordt ervan uitgegaan dat er bepaalde verbanden tussen monsters c.q. componenten zijn die constant zijn. Wijkt een monster hiervan af dan wordt deze foutief verondersteld. De inhoudelijke validatie bestaat uit de procedures: relatie week-dag-overdag: tussen een monster dat omvat wordt door een ander monster moet een bepaalde relatie gelden, bijv. de concentratie van een component van een dagmonster moet gelijk of groter zijn dan de concentratie van het bijbehorende overdagmonster gedeeld door twee ; verhouding tolueen:benzeen: tussen de componenten tolueen en benzeen blijkt een constante verhouding te zijn die afhankelijk is van het type station en het jaargetijde, wijkt een verhouding hier sterk van af dan wordt het monster foutief verondersteld. Voor het bestand van 1994 leidt de ontwikkelde methode tot afkeuring van 258 monsters (21%). Op grond van de technische validatie worden 235 monsters afgekeurd, waarvan meer dan de helft afgekeurd wordt doordat de opstelling geheel of gedeeltelijk niet gewerkt heeft. Op grond van de inhoudelijke validatie worden 23 monsters afgekeurd waarvan twee gedeeltelijk. Hieruit blijkt dat het rendement van de monsterneming verbeterd kan worden door de opstelling voor de monsterneming te verbeteren. Mede gezien de complexiteit en de hoeveelheid gegevens van de huidige monsternemingsprocedure wordt aanbevolen om de monstername zoveel mogelijk te automatiseren.
This report presents a validation method for the concentrations of Volatile Organic Compounds (VOC) which are measured in the National Air Quality Monitoring Network. A distinction is made between technical validation and scientific validation. With technical validation, concentrations are rejected due to technical information and with scientific validation, concentrations are rejected due to relations between samples and/or compounds. The technical validation of VOC consists of: correction of date/time and volume of air; working up remarks ; appearance of codes in TAST-files. The scientific validation consists of: relation between week, day and daytime samples ; ratio of toluene and benzene. For 1994, the developed validation method results in rejection of 258 samples (21%). Due to technical validation, 235 samples are rejected, whereof more than 50% are rejected due to not working of the sampling equipment. Twenty-three samples are rejected due to scientific validation whereof two partly. From this it is obvious that the efficiency can be improved by improving the sampling equipment. In view of the complicity and the amount of data it is recommended to automate the sampling.
Sponsors
DGM/LE (RIVM)
URI
http://hdl.handle.net/10029/256680
Collections