Transborder Soil Quality Map (TSQM) - lanuv.nrw.de · lierte Methode zur Erstellung digitaler...

Milser Straße 37

33729 Bielefeld

Tel.: (0521) 977 10-0

Fax.: (0521) 977 10-20

[email protected]

Projekttitel: Transborder Soil Quality Map (TSQM)

Grenzüberschreitende Bodenbelastungskarte Deutschland / Niederlande

- Teil II: Methode NRW -

Auftraggeber: Landesamt für Natur, Umwelt und Verbraucherschutz NRW

(LANUV)

Bearbeitung: Gerald Krüger (Dipl.Geoökol.)

Dr. Dietmar Barkowski (Dipl.-Chem.)

Projekt-Nr.: P 205157

Datum: Mai 2007

Gesellschafter: - Dr. Dietmar Barkowski (Dipl.-Chem.) von der Industrie- und Handelskammer Ostwestfalen zu Bielefeld öffentlich bestellter und vereidigter Sachverständiger für Gefährdungsabschätzung für die Wirkungspfade Boden-Gewässer und Boden-Mensch sowie Sanierung (Bodenschutz und Altlasten, Sachgebiete 2, 4 und 5)

- Michael Bleier (Dipl.-Ing.)

- Petra Günther (Dipl.-Biol.) von der Industrie- und Handelskammer Ostwestfalen zu Bielefeld öffentlich bestellte und vereidigte Sach-verständige für Gefährdungsabschätzung für den Wirkungspfad Boden-Pflanze/Vorsorge zur Begrenzung von Stoffeinträgen in den Boden und beim Auf- und Einbringen von Materialien sowie für Gefährdungsab-schätzung für den Wirkungspfad Boden-Mensch (Bodenschutz und Altlasten, Sachgebiete 3 und 4)

Wirtschaftsmediatorin (IHK)

- Monika Machtolf (Dipl. Oec. troph.)

Transborder Soil Quality Map (TSQM) Grenzüberschreitende BBK Deutschland / Niederlande - Teil II: Methode NRW - Projekt-Nr.: 205157

H:\P-2005\205157\Bericht\Abschlussbericht\Gut-205157-Teil2-gk.doc I

Inhaltsverzeichnis

1. Anlass/Einleitung __________________________________________________ 1

2. Methodischer Abriss _______________________________________________ 3

2.1. Einführung _____________________________________________________3

2.2. Standardisierung ________________________________________________5

2.3. Grundlagen der Interpolation _______________________________________9

2.3.1. Variogramme ___________________________________________________9

2.3.2. Kriging _______________________________________________________11

3. Grundlagendaten_________________________________________________ 13

3.1. Untersuchungsgebiet ____________________________________________13

3.2. Punktdaten zur stofflichen Bodenbelastung___________________________14

3.3. Oberflächennahe Gesteine _______________________________________17

3.4. Flächennutzung ________________________________________________22

3.5. Überschwemmungsgebiete _______________________________________23

3.6. Altlasten und altlastverdächtige Flächen _____________________________24

3.7. Emittenten ____________________________________________________24

3.8. Zusammenführen der Daten und Erzeugung homogener Raumeinheiten____25

4. Auswertung der Bodendaten________________________________________ 26

4.1. Aktualisierung Datenbank-Tool ____________________________________26

4.2. Geostatistische Analyse__________________________________________27

5. Erstellung der Bodenbelastungskarten ________________________________ 37

5.1. Arsen ________________________________________________________38

5.2. Cadmium _____________________________________________________40

5.3. Chrom _______________________________________________________41

5.4. Kupfer _______________________________________________________42

5.5. Quecksilber ___________________________________________________43

5.6. Nickel ________________________________________________________44

5.7. Blei__________________________________________________________45

5.8. Zink _________________________________________________________47

6. Modellvalidierung_________________________________________________ 48

6.1. Schätzgüte und Schätzvarianzen___________________________________48

6.2. Kreuzvalidierung _______________________________________________49


H:\P-2005\205157\Bericht\Abschlussbericht\Gut-205157-Teil2-gk.doc II

7. Fazit ___________________________________________________________ 53

8. Literatur ________________________________________________________ 55

Verzeichnis der Abbildungen

Abbildung 1: Teilkarten der digitalen Bodenbelastungskarte (LUA 2000)___________________5 Abbildung 2: Prinzipvariogramm (aus HEINRICH 1992, ergänzt)________________________10 Abbildung 3: Untersuchungsgebiet_______________________________________________13 Abbildung 4: Geostatistik für Arsen (valide Daten TSQM ohne Ausreißer in mg/kg) _________28 Abbildung 5: Geostatistik für Cadmium (valide Daten TSQM ohne Ausreißer in mg/kg) ______29 Abbildung 6: Geostatistik für Chrom (valide Daten TSQM ohne Ausreißer in mg/kg)_________30 Abbildung 7: Geostatistik für Kupfer (valide Daten TSQM ohne Ausreißer in mg/kg)_________31 Abbildung 8: Geostatistik für Quecksilber (valide Daten TSQM ohne Ausreißer in mg/kg)_____32 Abbildung 9: Geostatistik für Nickel (valide Daten TSQM ohne Ausreißer in mg/kg) _________33 Abbildung 10: Geostatistik für Blei (valide Daten TSQM ohne Ausreißer in mg/kg) ___________34 Abbildung 11: Geostatistik für Zink (valide Daten TSQM ohne Ausreißer in mg/kg)___________35

Verzeichnis der Tabellen

Tabelle 1: Mindestangaben für einen vollständigen Datensatz im Rahmen der Datenvalidierung (LUA 2000)_________________________________________14

Tabelle 2: Statistische Kenngrößen der Bodendaten zur BBK-A Kreis Borken [mg/kg] _____15 Tabelle 3: Statistische Kenngrößen der niederländischen Bodendaten [mg/kg]___________17 Tabelle 4: Substrate und Einheiten oberflächennaher Gesteine Kreis Borken;

Ausgangsgehalte und gewichtete Mittelwerte [mg/kg TM]___________________19 Tabelle 5: Geomorphologische Einheiten und zugeordnete Einheiten oberflächennaher

Gesteine; Daten Niederlande_________________________________________21 Tabelle 6: Naturnahe Nutzungen im Kreis Borken (Datengrundlage ATKIS) _____________22 Tabelle 7: Naturnahe Nutzungen im niederländischen Bearbeitungsgebiet ______________23 Tabelle 8: Zusammenfassende Statistik der standardisierten Messwerte [mg/kg TM] ______27 Tabelle 9: Statistik geschätzter Gehalte für Arsen _________________________________39 Tabelle 10: Statistik geschätzter Gehalte für Cadmium ______________________________40 Tabelle 11: Statistik geschätzter Gehalte für Chrom ________________________________41 Tabelle 12: Statistik geschätzter Gehalte für Kupfer ________________________________42 Tabelle 13: Statistik geschätzter Gehalte für Quecksilber ____________________________43 Tabelle 14: Statistik geschätzter Gehalte für Nickel _________________________________44 Tabelle 15: Statistik geschätzter Gehalte für Blei ___________________________________46 Tabelle 16: Statistik geschätzter Gehalte für Zink __________________________________47 Tabelle 17: Ergebnisse der Kreuzvalidierung______________________________________51


H:\P-2005\205157\Bericht\Abschlussbericht\Gut-205157-Teil2-gk.doc III

Verzeichnis der Anlagen

Anlage 1: Messnetz

Anlage 2: Einheiten oberflächennaher Gesteine

Anlage 3: Naturnahe Nutzungen

Anlage 4: Überschwemmungseinfluss

Anlage 5: Ausschlussflächen

Anlage 6: Verzeichnis der Messergebnisse

Anlage 7: Statistik und Geostatistik

Anlage 7.1: Zusammenfassende Statistik (Messwerte NRW + NL)

Anlage 7.2: Ermittlung der Durchpausungsfaktoren

Anlage 7.3: Dokumentation Datenbank-Tool

Anlage 7.4: Zusammenfassende Statistik (Daten TSQM, standardisiert)

Anlage 7.5: Ausreißer (nach Standardisierung)

Anlage 7.6: Variogramme (nicht logarithmierte Grundgesamtheiten)

Anlage 8: Ergebniskarten geschätzter Stoffgehalte

Anlage 8.1: Arsen

Anlage 8.2: Cadmium

Anlage 8.3: Chrom

Anlage 8.4: Kupfer

Anlage 8.5: Quecksilber

Anlage 8.6: Nickel

Anlage 8.7: Blei

Anlage 8.8: Zink

Anlage 8.9: geschätzte Stoffgehalte: alternative Darstellung

Anlage 9: Güte der Schätzung

Anlage 9.1: geschätzte Stoffgehalte: relative Schätzgüte

Anlage 9.2: geschätzte Stoffgehalte: Schätzvarianzen


H:\P-2005\205157\Bericht\Abschlussbericht\Gut-205157-Teil2-gk.doc 1

1. Anlass/Einleitung

Zwischen dem deutschen Bundesland Nordrhein-Westfalen und den angren-

zenden niederländischen Provinzen Gelderland, Limburg und Overijssel besteht

seit langem eine rege Zusammenarbeit im Bereich des Umweltschutzes. Im

Rahmen dieser Zusammenarbeit sollte nun eine grenzüberschreitende Boden-

belastungskarte (Transborder Soil Quality Map / TSQM) für die Region Ach-

terhoek (Provinz Gelderland), Teile der Region Twente (Provinz Overijssel) so-

wie den Kreis Borken erstellt werden.

Ziel war die flächenhafte Schätzung von Oberbodengehalten an wesentlichen

anorganischen Schadstoffen für ein einheitliches Untersuchungsgebiet, mit ein-

heitlichen Ausgangsdaten, aber unter Verwendung unterschiedlicher methodi-

scher Ansätze. So sollte aus deutscher Sicht die in NRW entwickelte und etab-

lierte Methode zur Erstellung digitaler Bodenbelastungskarten im Außenbereich

zur Anwendung kommen (LUA 2000) - im weiteren Methode NRW genannt -, die

zuvor bereits im Kreis Borken eingesetzt wurde (IFUA 2005).

Zunächst war zu klären, inwieweit die Methode für den komplementären Teil des

Untersuchungsgebietes überhaupt angewendet werden kann. Die Bearbeitung

sollte dabei auf Basis des vorhandenen Datenbestandes erfolgen, die Durchfüh-

rung von Probennahmekampagnen war nicht vorgesehen.

Die Erläuterungen zur Methode NRW und der damit erzeugten Ergebnisse sind

Gegenstand des hier vorliegenden Teil II des Berichts zur TSQM.

Für die niederländische Seite wurde eigens eine Methode entwickelt (Metho-

de NL), die im Teil I des Berichtes ausführlich dargestellt wird.

Der Vergleich der Ergebnisse der beiden alternativen Methoden bildet Teil III

des Berichts zur TSQM.

Für die deutsche Seite beauftragte das Landesumweltamt NRW (jetzt: Lan-

desamt für Natur, Umwelt und Verbraucherschutz, NRW) die IFUA-Projekt-

GmbH, Bielefeld, mit der Bearbeitung; die Provinzregierung Gelderland vergab

die Arbeiten für die niederländische Seite an das Büro ALTERRA.



In dieser Stelle möchten wir dem LANUV NRW, den niederländischen Provinzen

Gelderland, Limburg und Overijssel, dem Partnerbüro ALTERRA - namentlich

Herrn Dick Brus, Herrn Martin Knotters und Frau Nanny Heidema - sowie nicht

zuletzt dem Kreis Borken für die freundliche Begleitung und Unterstützung bei

der Bearbeitung dieses transnationalen Projektes herzlich danken.



2. Methodischer Abriss

In diesem Kapitel wird die im Rahmen des vorliegenden Teilprojektes angewen-

dete Methodik ausführlich erläutert.

2.1. Einführung

Die hier vorgestellte und im weiteren angewendete Methode zur Erstellung von

Bodenbelastungskarten (BBK) mitsamt dazugehörigen EDV-Werkzeugen wurde

im Auftrag des Landesumweltamtes NRW entwickelt und in einem Leitfaden

dokumentiert (LUA 2000). Eine Intention dabei war auch, für das Land eine ein-

heitliche Vorgehensweise in der Bearbeitung sowie Standards in der Auswer-

tung der Daten und in der Darstellung der Ergebnisse zu schaffen.

Erklärtes Ziel der BBK ist die flächenhafte Abschätzung der Belastung des O-

berbodens mit persistenten Schadstoffen wie Schwermetallen und polycycli-

schen aromatischen Kohlenwasserstoffen (PAK). Als Ausgangsdaten dienen

dabei punktuelle Messwerte natürlicher Bodenprofile der Nutzungskategorien

Acker, Grünland und Wald im Außenbereich. Dies hat letztlich zur Konsequenz,

dass sich die Aussagen der BBK auch nur auf derartige Areale beziehen.

Die Bodenbelastung wird gemäß dem methodischen Ansatz im Wesentlichen

von folgenden Einflussfaktoren bestimmt:

• Ausgangssubstrat (geogener Anteil)

• Nutzungseinfluss

• Überschwemmungseinfluss

• regionale und lokale Immissionen

Dabei handelt es sich bei den ersten drei Faktoren um nicht interpolierbare Grö-

ßen mit relativ scharfen Grenzen der Beeinflussung. Die Immission dahingegen

gilt in der Regel als ein interpolierbarer, sich stetig in der Fläche verändernder

Parameter. Der grundlegende Ansatz der Methodik ist daher, die punktbezogen

vorliegenden Messwerte von den nicht interpolierbaren Komponenten zu berei-

nigen, um die derart standardisierten Werte in den Raum zu interpolieren, wozu

das Kriging-Verfahren gewählt wird. Ein Vorteil dieses Interpolationsverfahrens

ist, auch Angaben über die Schätzgüte ableiten zu können.



Nach Durchführung der Interpolation wird der Einfluss der Faktoren Ausgangs-

substrat, Nutzung und Überschwemmung wieder zurückgerechnet, um eine Ab-

schätzung der zu erwartenden unbereinigten Gehalte zu erlangen. Diese ge-

schätzten Werte können nun mit Hintergrundwerten oder anderen Beurteilungs-

werten (Vorsorge-, Prüf- und Maßnahmenwerte) in Beziehung gesetzt werden,

wobei diese Auswertungen nicht Gegenstand des vorliegenden Projektes sind.

Die Bearbeitung der BBK läuft in der Regel in zwei Durchgängen ab. Zunächst

werden mit den vorhandenen validen Daten vorläufige Bodenbelastungskarten

erstellt. Durch Kombination der Informationen zu Schätzgüte und Höhe der Bo-

denbelastung werden Areale mit unterschiedlichem Untersuchungsbedarf identi-

fiziert, um sie im Rahmen einer Messkampagne gezielt zu beproben.

Im zweiten Durchgang werden dann, nach Einbeziehung der zusätzlichen Bo-

denuntersuchungen, die "endgültigen" Karten zur Bodenbelastung erstellt und

unter verschiedenen Fragestellungen ausgewertet. Im vorliegenden Fall erfolgte

die Bearbeitung allerdings in einem Durchgang. Eine Probennahmekampagne

war nicht vorgesehen.

Die BBK umfasst für jedes betrachtete Element bis zu fünf Arbeits- bzw. Ergeb-

niskarten sowie diverse Auswertungskarten (vgl. Abbildung 1), wobei im vorlie-

genden Fall den Auswertekarten und der Arbeitskarte Untersuchungsbedarf

keine Relevanz zukommt. Zentrale Bedeutung besitzt dahingegen die Ergebnis-

karte geschätzte Stoffgehalte.



Abbildung 1: Teilkarten der digitalen Bodenbelastungskarte (LUA 2000)

Arbeitskarte “standardisierte geschätzte

Stoffgehalte”Arbeitskarte “Schätzgüte”

Ergebniskarte “geschätzte Stoffgehalte”

Auswertekarte “Hintergrundwerte-Vergleich”

Arbeitskarte “Untersuchungsbedarf”

Punktbezogene Stoffgehalte in Böden

Standardisierung,räumliche Interpolation

Rückrechnen der Einflussgrößen

Klassifizierung

Kombinieren

2.2. Standardisierung

Erklärtes Ziel der Standardisierung ist es, durch Bereinigung der punktuellen

Messwerte von nicht interpolierbaren Effekten Werte zu erhalten, die von inter-

polierbaren, stetigen Komponenten, worunter in erster Linie die Immission fällt,

bestimmt werden.

Da der Standardisierung in der vorgegebenen Methodik der BBK eine zentrale

Bedeutung zukommt, wird sie im Folgenden ausführlicher erläutert.

Die Berechnung der standardisierten Werte erfolgt dabei nach folgender Formel

(aus LUA 2000):

BS = (S – G + PAM) * NF * ÜF

BS Standardisierter Stoffgehalt im Oberboden, bereinigt um den Einfluss von Ausgangsgestein, Bodennutzung und Überschwemmung

S Stoffgehalt im Oberboden



G Geogen bedingter Stoffgehalt des Bodens PAM Parameter-Shift NF Nutzungsfaktor ÜF Überschwemmungsfaktor

In den neuen Versionen der EDV Tools wird der Stoffgehalt im Oberboden ge-

gebenenfalls um einen bestimmten Betrag aufgestockt (sog. Parameter-Shift),

um negative Werte als Ergebnis einer Differenz mit den geogen bedingten Stoff-

gehalten zu vermeiden. Der geogen bedingte Stoffgehalt G im Boden wird wie-

derum bestimmt durch den Gehalt des Ausgangsgesteins und dem sog. Durch-

pausungsfaktor (DPF). Mit Hilfe der Durchpausungsfaktoren soll abgeschätzt

werden, welcher Anteil des Ausgangsgesteins eines Parameters sich durch pe-

dogene Prozesse im beprobten Oberboden wieder findet.

1. Schritt: Bereinigung vom geogenen Stoffgehalt

PAMCDPFSPAMGSC g +−=+−= *

wobei C* 1. korrigierter Gehalt im Oberboden (mg/kg) S Messwert Oberboden (mg/kg) G Geogen bedingter Stoffgehalt des Bodens PAM Parameter-Shift DPF Durchpausungsfaktor Cg Geogener Gehalt im Ausgangssubstrat (mg/kg)

Die im Leitfaden beschriebene Methodik zur Erstellung einer BBK basiert hin-

sichtlich des Substrateinflusses auf die Bodengehalte auf zwei Grundannahmen:

• Nickel wird in der Regel nicht anthropogen in den Boden eingetragen;

d.h. das im Boden gefundene Nickel stammt aus dem Ausgangssub-

strat.

• Der geogene Anteil der Metalle im Boden verhält sich für alle Metalle

ähnlich.

Die zweite Annahme hat letztlich zur Konsequenz, dass die für Nickel errechne-

ten Durchpausungsfaktoren auf die anderen Schwermetalle bzw. Arsen übertra-

gen werden können.



Zunächst wird ein Anreicherungs- bzw. Abreicherungsfaktor (AFij) bezogen auf

Nickel für jede - hinsichtlich Nutzung i und Ausgangsgestein j - homogene

Raumeinheit berechnet, wobei Überschwemmungsflächen nicht berücksichtigt

werden.

ijj

ijNi ij

tRaumeinhei der estein Ausgangsgim lteNickelgeha der Mittelwert bzw. Median tRaumeinhei der Nickel für Messwerte der Median

AF =

Aus dem arithmetischen Mittel der nutzungsspezifischen Anreicherungs- bzw.

Abreicherungsfaktoren (AF ij Ni) für die Raumeinheiten mit gleichem Ausgangs-

gestein j wird ein substratspezifischer Durchpausungsfaktor DPF j Ni berechnet.

∑=

=3

1i

Ni ijNi j AF3

1 DPF

Die Werte der für Nickel abgeleiteten Durchpausungsfaktoren werden für die

anderen Schwermetalle und Arsen übernommen.

2. Schritt: Bereinigung vom Nutzungseinfluss

Die Berechnung des Nutzungsfaktors erfolgt mit den korrigierten Gehalten aus

dem 1. Schritt unter Berücksichtigung der Daten aus den Überschwemmungs-

gebieten.

n

Nn x

xNF ~

~=

wobei NFn Nutzungsfaktor der n-ten Nutzung (Acker, Grünland oder Wald)

Nx~ Median der Gehalte aller Nutzungen (mg/kg)

nx~ Median der Gehalte der n-ten Nutzung (mg/kg)

Korrektur der Gehalte

C** = C* * NFn

mit C** 2. Korrigierter Gehalt im Oberboden (mg/kg) C* 1. Korrigierter Gehalt im Oberboden (mg/kg) NFn Nutzungsfaktor der n-ten Nutzung (Acker, Grünland oder Wald)



3. Schritt: Bereinigung vom Überschwemmungseinfluss

Die Berechnung des Überschwemmungsfaktors erfolgt mit den um den Nut-

zungseinfluss korrigierten Gehalten aus dem 2. Schritt (C**).

i

a

x

xÜF ~

~=

wobei

ÜF Überschwemmungsfaktor

ax~ Median der Gehalte außerhalb von Überschwemmungsgebieten

ix~ Median der Gehalte innerhalb von Überschwemmungsgebieten

Korrektur der Gehalte

BS = C** * ÜF

mit BS Stoffgehalt im Oberboden, bereinigt um den Einfluss Ausgangsgestein,

Bodennutzung und Überschwemmung C** 2. Korrigierter Gehalt im Oberboden (mg/kg) ÜF Überschwemmungsfaktor

Mit den derart standardisierten Werten erfolgt letztlich die Interpolation, deren

Resultat die Arbeitskarte "standardisierte geschätzte Stoffgehalte" darstellt.

Die Rückrechnung der Standardisierung zur Generierung der Ergebniskarte

"geschätzte Stoffgehalte" erfolgt gemäß folgender Formel (aus LUA 2000)

PAM -GÜF* NF

SS

B +=

S Stoffgehalt im Oberboden

BS Stoffgehalt im Oberboden, bereinigt um den Einfluss von Ausgangsge-stein, Bodennutzung und Überschwemmung

NF Nutzungsfaktor ÜF Überschwemmungsfaktor G Geogen bedingter Stoffgehalt des Bodens PAM Parameter-Shift



2.3. Grundlagen der Interpolation

Zielsetzung der digitalen Bodenbelastungskarte ist, eine flächenhafte Aussage

zur Bodenbelastung auf Grundlage punktbezogener Messwerte zu treffen, d. h.

auch Schätzungen über die Bodenbelastung zwischen den Messpunkten vorzu-

nehmen. Dazu ist eine Interpolation der Messwerte notwendig. Für die Interpola-

tion der Punktwerte wird das verbreitete Kriging-Verfahren gewählt.

Bei diesem Verfahren wird von einem räumlichen Zusammenhang d.h. einer

Autokorrelation der Daten ausgegangen. Dies bedeutet, dass die Varianz (als

Maß für die Streuung von Messwerten) umso geringer ausfällt, je näher sich die

Messpunkte liegen; anders ausgedrückt: die Ähnlichkeit von Werten nimmt im

statistischen Mittel mit abnehmender Distanz zu. Im konkreten Fall ist dieser

räumliche Zusammenhang erst nachzuweisen.

Das Kriging bietet die Möglichkeit, zum einen die Ergebnisse der Schätzungen

durch Berücksichtigung angepasster Funktionen, welche den räumlichen Zu-

sammenhang beschreiben, zu verbessern und zum anderen Informationen über

die Güte der Schätzung aus der Schätzvarianz abzuleiten.

2.3.1. Variogramme

Zur geostatistischen Beschreibung des räumlichen Zusammenhangs von Punkt-

daten werden mit den vorliegenden Messwerten experimentelle Variogramme

erzeugt. Dazu wird der mittlere Verlauf der Varianz dieser Messwerte im Unter-

suchungsgebiet in Abhängigkeit von der Entfernung berechnet.

Die prinzipielle Darstellung eines Variogramms enthält folgende Abbildung 2.



Abbildung 2: Prinzipvariogramm (aus HEINRICH 1992, ergänzt)

Der Verlauf von Variogrammen wird durch folgende Parameter beschrieben

(nach RIES 1996, ergänzt):

• Gesamtvarianz (V), berechnet mit dem arithmetischen Mittelwert aller

Messwerte.

• Nuggetvarianz (C0); bestehend aus Proben-, Mess- und Analysenfeh-

lern sowie nicht auflösbarer kleinräumiger Varianz bzw. Mikrovariabili-

tät; auch als Nuggeteffekt bezeichnet.

• Aussageweite (R) (engl. range): diejenige Distanz, bei welcher das Ma-

ximum der Variogrammfunktion annähernd erreicht wird (entspricht

Schwellenwert, s.u.); jenseits dieser Reichweite besteht kein räumlicher

Zusammenhang zwischen den Messwerten mehr, sie sind nicht mehr

korreliert.

• Schwellenwert (S) (engl. sill): die Varianz beim Erreichen von R; Feld-

varianz (engl. partiel sill): Sp = S-C0

• Distanzschritt (h), für den ein Variogrammwert berechnet wird.

Im Rahmen des Krigings dient das Variogramm der Bestimmung der Gewichte,

mit denen Nachbarpunkte bei der Interpolation in die Schätzung eines Punktes



eingehen; je geringer die Feldvarianz - als von der Entfernung abhängiger Anteil

der Gesamtvarianz - im Vergleich zur Nuggetvarianz ausfällt, desto geringer

sind allerdings Unterschiede in der Gewichtung. Das Variogramm dient weiterhin

der Bestimmung des Schätzfehlers.

Für die weitere Verwendung ist es notwendig, das experimentelle Variogramm

durch eine theoretische, mathematische Variogrammfunktion zu ersetzen.

2.3.2. Kriging

Das Kriging stellt ein in der Geostatistik weithin verbreitetes Interpolationsverfah-

ren mit gewichteter räumlicher Mittelwertbildung dar. Dabei werden die Gewichte

unter Berücksichtigung der modellierten theoretischen Variogrammfunktion der-

art optimiert, dass die Varianz der geschätzten Werte minimal ist und die

Schätzwerte erwartungstreu sind, d. h. im Mittel beträgt die Abweichung zwi-

schen den wahren und den geschätzten Werten Null (HEINRICH 1992).

Als im vorliegenden Zusammenhang wichtige Eigenschaften des Krigings sind

zu nennen:

1. Auf Grundlage des Variogramms werden die Gewichte entsprechend der

räumlichen Abhängigkeit vergeben, wobei nahe liegende Punkte eine höhe-

re Gewichtung erhalten als weiter entfernte.

2. Liegt zwischen einem Messpunkt (MP1) und dem zu schätzenden Punkt (P)

ein weiterer Messpunkt (MP2), dann werden MP1 und P voneinander abge-

schirmt; MP1 erhält ein niedrigeres Gewicht für die Schätzung von P als ihm

von seinem Abstand her zukäme.

3. Es erfolgt eine exakte Interpolation für jeden Punkt aus der Stichprobe mit

einer dazugehörigen Krigevarianz von Null im Fall eines fehlenden Nugge-

teffekts. Sind die dazugehörigen Variogramme allerdings durch eine hohe

Nugget-Varianz gekennzeichnet, weisen die geschätzten Werte auch im

unmittelbaren Umfeld der Stützwerte Abweichungen auf (STOYAN et al.

1997); ursprünglicher und interpolierter Wert stimmen nicht mehr exakt ü-

berein.

4. Mit zunehmendem Nuggeteffekt verlieren nahe liegende Messwerte an Be-

deutung, weiter entfernte erhalten hierdurch höheres Gewicht; bei einem rei-



nen Nuggeteffekt (d. h. es besteht kein räumlicher Zusammenhang zwischen

den Messwerten) erhalten alle Punkte das gleiche Gewicht, was dem arith-

metischen Mittelwert entspricht.

5. Hohe Werte werden unterschätzt und niedrige Werte überschätzt, d. h. die

geschätzte Oberfläche ist glatter als die reale (HEINRICH 1992).

6. Eine flächendeckende Angabe eines Schätzfehlers ist möglich, wobei die am

weitesten von einem Messpunkt entfernt liegenden Bereiche bzw. diejenigen

geringster Beprobungsdichte die höchsten Fehler aufweisen.

7. Je mehr Punkte für eine Schätzung herangezogen werden, desto geringer

ist die Krigevarianz; beim ordinary Kriging mit einem sphärischen Vario-

grammmodell sind bei einem regelmäßigen Probennahmeraster 25 Mess-

punkte innerhalb der Reichweite zur Schätzung ausreichend, da bei zusätz-

lichen Punkten nur noch eine unwesentliche Verringerung der Krigevarianz

erreicht werden kann (HEINRICH 1992); ebenso sollte eine Mindestanzahl

an Punkten für eine Schätzung eingehalten werden.

Um methodenbedingt bei der Bearbeitung der TSQM Schätzungen für Raster-

zellen zu erhalten, wird das so genannte Block-Kriging angewendet. Dabei wird

der geschätzte Blockmittelwert angegeben.



3. Grundlagendaten

3.1. Untersuchungsgebiet

Der niederländische Teil des Bearbeitungsgebietes umfasst 1.624 km². Davon

liegen die nördlichen 40 % in der Provinz Overijssel (Region Twente), die weite-

ren 60 % entfallen auf die Provinz Gelderland (Region Achterhoek). Auf deut-

scher Seit kommt der Landkreis Borken mit einer Fläche von 1.421 km² hinzu.

Insgesamt umfasst das Untersuchungsgebiet demnach 3.045 km².

Abbildung 3: Untersuchungsgebiet



3.2. Punktdaten zur stofflichen Bodenbelastung

Die wichtigste Datengrundlage für die Erstellung der BBK stellen punktuelle

Messwerte zur Bodenbelastung dar, die nach Validierung und Effektbereinigung

interpoliert werden, um flächenhafte Abschätzungen der Bodenbelastung zu

erhalten.

Um die Daten für die Erstellung der BBK nutzen zu können, sind allerdings die in

folgender Tabelle genannten Voraussetzungen zu erfüllen.

Tabelle 1: Mindestangaben für einen vollständigen Datensatz im Rahmen der Datenvalidierung (LUA 2000)

Angaben zum Untersuchungsprogramm Datum der Probennahme Probennehmende Stelle und Probenehmer Angaben zur Untersuchungsfläche Gemeinde, Ortsbezeichnung Angaben zu verwendeten Karten als Zusatzinformation Standortbeschreibung Nutzungsart, oberflächennahes Gestein Überschwemmungseinfluss Angaben zur Umgebungssituation (Belastungsverdacht)

Angaben zu Koordinaten Gauß-Krüger-Koordinaten Rechts- und Hochwert (sechs- bis siebenstellig), Angaben zur Bodenprofilbeschreibung und zur Probenahme Entnahmetiefe, -horizont, Probennahmetechnik Angaben zur Probenvorbereitung, Analyse-vorschrift und Bestimmungsgrenzen Angaben zu Begleitparametern (wün-schenswert) pH-Wert Bodenart Gehalt an organischer Substanz Trockenrohdichte

Daten NRW

In die Bearbeitung gehen für den deutschen Teil des Untersuchungsgebietes

folgende Bodendaten ein:

• Altdatenbestand Kreis Borken (n = 320)

• Messkampagne zur BBK-Außenbereich (n = 405)

• Verdichtungskampagne Arsen (n = 42)

• Daten der Nachbarkreise Recklinghausen und Wesel (n = 65)

Insgesamt liegen für den deutschen Teil des Untersuchungsgebietes 832 Da-

tensätze vor; dies entspricht einer Datendichte von 0,586 Proben/km², wobei die



Anzahl an konkreten Messwerten je nach Parameter allerdings variiert. Die da-

zugehörende kartografische Darstellung befindet sich in Anlage 1.

In folgender Tabelle sind die dazugehörigen statistischen Kenndaten, getrennt

nach den Nutzungen, aufgeführt.

Tabelle 2: Statistische Kenngrößen der Bodendaten zur BBK-A Kreis Borken [mg/kg]

Acker pH TOC [%]

As Cd Cr Cu Hg Ni Pb Zn

Gültige Fälle 469 244 260 545 558 559 555 557 559 559 Mittelwert 5,68 2,10 5,85 0,28 20,25 9,18 0,07 6,20 19,23 39,96 Median 5,60 1,90 2,85 0,27 18,00 7,50 0,05 4,00 18,00 36,00 Standardabweichung 0,59 0,98 10,72 0,13 10,66 7,08 0,09 6,15 7,36 20,62 Minimum 4,00 0,70 0,25 0,04 5,60 0,20 0,01 0,50 5,00 11,00 Maximum 7,70 7,80 110,00 0,88 131,00 78,00 0,83 48,50 64,00 232,00 Grünland

Gültige Fälle 142 142 152 134 130 134 134 130 134 130 Mittelwert 5,36 3,30 8,77 0,39 30,37 15,47 0,07 7,42 28,52 54,66 Median 5,30 3,00 4,00 0,33 27,50 9,95 0,06 5,50 27,00 49,50 Standardabweichung 0,63 1,31 12,56 0,31 14,74 14,61 0,06 5,41 12,47 27,12 Minimum 4,00 1,00 0,25 0,04 9,70 3,00 0,03 1,40 6,10 11,00 Maximum 7,10 8,20 95,00 2,00 85,00 100,00 0,44 29,00 110,00 145,00 Wald

Gültige Fälle 89 89 87 97 97 97 87 97 97 97 Mittelwert 3,18 4,57 6,11 0,21 13,38 12,73 0,14 7,14 61,25 35,18 Median 3,10 4,20 4,40 0,11 10,00 7,97 0,12 4,30 48,00 23,00 Standardabweichung 0,48 2,23 5,92 0,38 10,60 13,67 0,11 7,63 47,09 45,56 Minimum 2,50 1,10 0,30 0,00 1,50 0,20 0,03 1,10 11,00 1,00 Maximum 5,90 15,10 27,00 3,10 60,00 77,00 0,50 44,00 260,00 340,00

Daten Niederlande

Insgesamt liegen im niederländischen Teil des Bearbeitungsgebietes für 62 Flä-

chen die Analysen der Schwermetalle mit mindestens sechsstelligen Gauß-

Krüger-Koordinaten vor. Die Standorte befinden sich dabei vornehmlich in der

Provinz Gelderland, für die Provinz Overijssel sind nur die Werte von drei

Standorten vorhanden. Sechs der genannten Standorte mussten auf Grund feh-

lender Angaben zur Nutzung bzw. unpassender Nutzung (Moor oder Siedlungs-

bereich) von der weiteren Bearbeitung ausgeschlossen werden.

Einige Standorte wurden im Abstand weniger Jahre mehrfach untersucht. In

diesen Fällen wurde auf die jeweils aktuellsten Daten zurückgegriffen.



Die Proben wurden für die Tiefe von 0-10 cm als Mischprobe für die jeweilige

Fläche genommen und nach Königswasseraufschluss analysiert. Neben den

Schwermetallanalysen sind Werte zum Gehalt der organischen Substanz (Hu-

musgehalt in %)1, dem Tongehalt sowie zum CaCO3-Gehalt angegeben. Ge-

naue Angaben zur Bodenart liegen nicht vor. Informationen hierzu lassen sich

auch nicht aus den Bodenkarten ableiten, da in den Niederlanden keine Be-

stimmung des Schluffanteils durchgeführt wird und die Texturangaben somit

nicht ohne weiteres vergleichbar mit der deutschen Klassifizierung sind.

Die Messung der pH-Werte erfolgt für die niederländischen Daten in einer Kali-

umchloridlösung. Im Gegensatz dazu sind die pH-Werte der deutschen Punktda-

ten mit einer Calciumchloridlösung ermittelt worden. Zur weiteren Verwendung

wurden die Angaben für pH in der Kaliumchloridlösung auf pH-Werte in der Cal-

ciumchloridlösung umgerechnet2.

Hinweise zur Validität:

Unterschiede im Hinblick auf die Probennahme liegen insbesondere in der Tiefe

der Probennahme: statt der üblichen 30 cm Tiefe auf Ackerland, erfolgte bei den

niederländischen Standorten die Probennahme nur bis in 10 cm Tiefe; eine

mehr oder minder vollständige Durchmischung des Pflughorizontes vorausge-

setzt, ist dies aber ohne größere Bedeutung.

Auch im Falle Wald erfolgt hier die Probennahme für eine Tiefe von 0-10 cm,

wohingegen bei den deutschen Proben - wie im Falle der BBK-Außenbereich

üblich - nur die obersten 5 cm beprobt wurden. Gemäß Auswertungen des LA-

NUV (u.a. im Rahmen der BBK-A Münster) ist jedoch eine Vergleichbarkeit zu

erwarten (mündl. Mitteilung Frau Sopczak vom 09.02.2007).

Ingesamt liegen also 56 valide Datensätze für den niederländischen Teil des

Projektgebietes vor (vgl. Anlage 1). Die Datendichte unterschreitet mit

0,034 Standorten/km² erheblich die Vorgaben des BBK-Leitfadens (LUA 2000)

mit mindestens 1 Probe pro 4 km²; für den niederländischen Teil des Untersu-

chungsgebietes entspräche dies 406 Standorten.

1 Umrechnung Humusgehalt in TOC nach Scheffer/Schachtschabel: TOC [%] = Humus [%] / 1,724 2 Umrechnungsformel: pH CaCl2 = -0,37 + 1,13 pH KCl



Beim Vergleich der betrachteten Parameter fällt zudem auf, dass insbesondere

der Umfang der Analytik für Quecksilber mit n = 14 noch deutlich geringer aus-

fällt.

Für die weiteren Berechnungen wurden Angaben zu Gehalten < Bestimmungs-

grenze (Cd: 0,2 mg/kg, Ni: 5 mg/kg, Pb: 10 mg/kg) durch die halbe Bestim-

mungsgrenze ersetzt.

Tabelle 3: Statistische Kenngrößen der niederländischen Bodendaten [mg/kg]

Acker TOC [%] pH-CaCl2 As Cd Cr Cu Hg Ni Pb Zn

Gültige Fälle 22 17 17 22 22 22 5 17 22 22

Mittelwert 2,76 4,98 7,51 0,26 14,53 16,02 0,04 4,22 22,40 31,48

Median 2,77 4,94 5,95 0,26 12,05 14,38 0,04 3,07 18,09 29,78

Standardabweichung 0,93 0,65 4,48 0,09 6,71 5,82 0,01 2,59 13,13 11,36

Minimum 1,30 3,92 4,04 0,10 6,59 5,88 0,02 1,07 13,84 15,01

Maximum 4,91 6,41 20,99 0,47 26,82 27,97 0,04 10,00 74,22 60,54

Grünland

Gültige Fälle 20 17 17 20 18 20 6 15 20 20

Mittelwert 2,75 5,06 10,70 0,26 16,37 11,35 0,04 5,80 18,25 33,80

Median 2,69 5,22 5,43 0,24 13,39 11,05 0,04 5,10 16,37 34,29


Minimum 1,72 3,25 1,48 0,15 7,54 1,40 0,03 0,70 10,75 8,60

Maximum 3,92 6,33 65,72 0,44 34,43 33,49 0,04 20,16 59,35 76,09

Wald

Gültige Fälle 14 14 9 14 14 14 3 12 14 14

Mittelwert 2,80 3,41 5,40 0,20 11,58 2,85 0,08 2,66 20,29 14,49

Median 2,10 3,32 4,57 0,08 7,47 2,59 0,10 2,15 15,10 12,56


Minimum 1,06 2,84 1,81 0,02 3,73 1,26 0,03 0,64 9,53 4,94

Maximum 6,50 4,49 17,50 0,93 38,70 8,40 0,11 5,90 51,69 34,30

Für weitere 54 Flächen existieren Analysenwerte einiger Schwermetalle. Die

Standorte wurden aber anonymisiert und sind daher nicht genau zu lokalisieren.

Somit waren sie nicht weiter verwendbar.

Ingesamt ist die Datendichte auf niederländischer Seite im Vergleich zum Kreis

Borken als deutlich geringer einzustufen.

3.3. Oberflächennahe Gesteine

Der Einfluss des geogenen Ausgangsmaterials auf die Stoffgehalte im Boden

wird auf Grundlage der Einheiten oberflächennaher Gesteine abgebildet.



Daten NRW

Die Grundlage für die Darstellung der oberflächennahen Gesteine auf deutscher

Seite bildet der Fachbeitrag des Geologischen Dienstes (GD) des Landes NRW.

Die Flächen werden – vereinfacht dargestellt – aus der Verschneidung der digi-

talen Geologischen Karte und der digitalen Bodenkarte (1 : 50.000) generiert

und je nach Genese und Zusammensetzung der obersten Schichten Substraten

entsprechend der BBK zugeordnet. Die einzelnen Substrate werden mit Hilfe der

Clusteranalyse an Hand ihrer mittleren Schwermetallgehalte zu einer über-

schaubaren Anzahl Einheiten aggregiert.

Insgesamt liegen acht derartige Einheiten vor. Dabei handelt es sich in drei Fäl-

len um anthropogen beeinflusste Einheiten, nämlich Plaggenesch; hier wird an-

hand des darunter liegenden Substrates differenziert.

Einen Überblick zu den Einheiten bzw. Substraten im deutschen Teil des Unter-

suchungsgebietes gibt folgende Tabelle. In Anlage 2 befindet sich die dazuge-

hörige kartografische Darstellung.



Tabelle 4: Substrate und Einheiten oberflächennaher Gesteine Kreis Borken; Ausgangsgehalte und gewichtete Mittelwerte [mg/kg TM]

Substrat-typ

Bezeichnung Schlüs-sel-Nr.

Fläche [km²]

Anteil [%]

Anteil am Cluster

[%]

As Cd Cr Cu Hg Ni Pb Tl Zn

af Flugsand 1208 105,40 7,4 22,6 1,0 0,12 5,8 1,2 0,01 5,2 5,8 0,09 10,1 af+fs Kombination 1208 241,35 17,0 51,8 0,9 0,08 6,2 1,3 0,02 4,1 4,3 0,09 8,7 fs Niederungssand 1309 8,43 0,6 1,8 0,7 0,05 6,6 1,3 0,02 3,1 2,8 0,09 7,2 gf Schmelzwassersand 1309 83,60 5,9 18,0 2,7 0,08 11,9 2,3 0,02 6,2 5,1 0,10 16,2 af+gf Kombination 1208 27,08 1,9 5,8 1,9 0,10 8,9 1,8 0,02 5,7 5,4 0,09 13,1 Cluster 1 Sande 465,86 32,8 1,3 0,09 7,3 1,5 0,01 4,8 4,8 0,09 10,6 f+ft Kombination 1202 9,72 0,7 2,0 3,4 0,14 18,0 8,8 0,03 16,6 11,0 0,16 35,6 f fluviatile Sedimente 1202 146,58 10,3 29,3 4,0 0,12 18,0 9,0 0,03 17,1 12,0 0,16 37,2 ft Flussterrassen 1204 43,39 3,1 8,8 2,8 0,16 17,9 8,5 0,03 16,1 10,0 0,16 34,0 gm Moräne/Grundmoräne 1213 299,21 21,1 59,9 3,8 0,12 24,2 7,6 0,03 17,9 9,8 0,16 38,0 Cluster 2 Fluv.Sedimente /

Moränen 498,90 35,2 3,7 0,12 21,7 8,1 0,03 17,5 10,5 0,16 37,4

fh Hochflutablagerung 36,34 2,6 100,0 4,4 0,12 30,2 7,4 0,02 17,9 12,1 0,21 43,0 Cluster 3 Hochflutablagerung 36,34 2,6 4,4 0,12 30,2 7,4 0,02 17,9 12,1 0,21 43,0 af+f Kombination 1305 53,53 3,8 38,0 2,5 0,12 11,9 5,1 0,02 11,1 8,9 0,13 23,7 af+ft Kombination 1305 19,52 1,4 14,0 1,9 0,14 11,9 4,9 0,02 10,7 7,9 0,13 22,1 af+gm Kombination 1308 28,22 2,0 20,0 2,4 0,12 15,0 4,4 0,02 11,5 7,8 0,13 24,1 ft+fs+gm Kombination 1305 6,73 0,5 5,0 2,4 0,11 16,3 5,8 0,03 12,3 7,5 0,14 26,4 gf+gm Kombination 1308 32,97 2,3 23,0 3,3 0,10 18,1 5,0 0,03 12,0 7,4 0,14 27,1 Cluster 4 Substratkombinatio-

nen 141,0 10,0 2,6 0,12 14,1 4,9 0,02 11,4 8,1 0,13 24,4

uf+uv Kombination 1303 6,46 0,5 100,0 6,0 0,14 42,9 21,6 0,05 38,6 20,1 0,23 67,3 Cluster 5 Verwitterungsbil-

dungen 6,46 0,5 6,0 0,14 42,9 21,6 0,05 38,6 20,1 0,23 67,3

Cluster 10

Plaggenesch über Sanden

1214 60,6 4,3 vgl. Clu-ster 1

1,3 0,09 7,3 1,5 0,01 4,8 4,8 0,09 10,6

Cluster 20

Plaggenesch über fluviatilen Sedimen-ten/Moränen

1231 34,8 2,5 vgl. Clu-ster 2

3,7 0,12 21,7 8,1 0,03 17,5 10,5 0,16 37,4

Cluster 40

Plaggenesch über Substratkombinatio-nen

1301 23,9 1,7 vgl. Clu-ster 4

2,6 0,12 14,1 4,9 0,02 11,4 8,1 0,13 24,4

Gesamt 1267,8 89,6 2,1 0,09 12,5 4,1 0,02 9,5 6,5 0,11 20,5

Von der weiteren Betrachtung ausgeschlossen bleiben flächenmäßig zu ver-

nachlässigende Substrate (Flächenanteil < 0,5 %), Substrate ohne Angaben zu

den Ausgangsgehalten, technogene Substrate sowie generell als Ausschlussflä-

chen einzustufende Bereiche (z. B. Gewässer, Grube, Stadtgebiet).

Da der Fachbeitrag des GD auch Angaben zu den Gehalten an Sand, Schluff

und Ton enthält, lässt sich daraus auch die zu erwartende Bodenart ableiten.

Insgesamt dominieren Sandböden mit 88,5 % Flächenanteil vor Lehm- (10,9 %),

Schluff- (0,3 %) und Tonböden (0,1 %); für 0,2 % des Kreisgebietes liegen keine

Angaben vor.

Daten Niederlande

Als mögliche Grundlage zur Ableitung von Einheiten oberflächennaher Gesteine

wurden für die Provinz Gelderland Daten zu Geomorphologie und Lithologie zur



Verfügung gestellt. Weiterhin liegen Bodenkarten im Maßstab 1 : 50.000 sowohl

für den nördlichen als auch den südlichen Teil vor. Die genannten Dateien besit-

zen allesamt das ArcView-Shape-Format.

Insgesamt ist festzustellen, dass Systematik und Klassifikation der genannten

Datengrundlagen anders als im Fachbeitrag des Geologischen Dienstes von

Nordrhein-Westfalen ausfallen. Eine direkte Übertragbarkeit ist folglich nicht

möglich.

Während eine weitere Auswertung der Kartung zur Lithologie nicht zielführend

war, erfolgte eine weitergehende Auswertung der Daten zur Geomorphologie.

Dazu wurden die Angaben zu Landschaft und Geomorphologie zunächst ins

Deutsche übersetzt und den Einheiten oberflächennaher Gesteine (Cluster) des

Kreises Borken gegenübergestellt. Anschließend wurde auch das räumliche

Muster der einzelnen geomorphologischen Einheiten auf niederländischer Seite

ausgewertet, um mögliche Zuordnungen zu den Einheiten oberflächennaher

Gesteine zu untermauern.

Sofern die Auswertungen Indizien auf einen Zusammenhang zwischen den An-

gaben zur Geomorphologie auf niederländischer Seite und den einzelnen Ein-

heiten (Clustern) auf deutscher Seite ergaben, erfolgte eine entsprechende Zu-

ordnung.

Beispiele:

• Hochflutablagerungen: Formatie van Kreftenheye

• Flugsand: Formatie van Twente

• Flussterrassen: Formatie van Sterksel,

Insgesamt ist allerdings darauf hinzuweisen, dass diese behelfsmäßige Zuord-

nung nur als vergleichsweise vage eingestuft werfen kann, was bei der sehr

unterschiedlichen Datengrundlage verständlich ist.

Zu geogenen Hintergrundwerten im niederländischen Bearbeitungsgebiet liegen

nur ganz vereinzelt Analysenwerte vor, so dass im Weiteren die für den Kreis

Borken geltenden Ausgangsgehalte Verwendung finden.



Einen Überblick zu den Einheiten auf niederländischer Seite gibt folgende Tabel-

le. Die kartografische Darstellung der Einheiten enthält Anlage 2. Wie bereits

erwähnt, fehlen dabei Daten für den nördlichen Teil.

Tabelle 5: Geomorphologische Einheiten und zugeordnete Einheiten oberflächennaher Gesteine; Daten Niederlande

geomorphologische Einheit Landschaftseinheit An-zahl

Fläche [km²]

Clus-ter

Summe [km²]

Anteil [%]

Moorflächen und sonstige Moore Moore/Feuchtes Milieu 37 9,68 0

Senkengebiete (Ton und/oder Moor) Flusslandschaft von Rhein und Maas 3 2,17 0

Sumpf Moore/Feuchtes Milieu 3 0,31 0 12,16 1,00

alter Ton und andere alte Ablagerungen Restplateaus und Terrassenreste 55 13,65 1 Decksandflächen und -niederungen mit Senken-ton Decksandlandschaft 34 46,66 1

Decksandrücken und - kuppen Decksandlandschaft 111 23,58 1

Decksandwölbungen und -flächen Decksandlandschaft 766 286,56 1

Staubsand Staubsandlandschaft 4 2,11 1 terrassenförmige Erhöhungen (Grobsand und Kies) Restplateaus und Terrassenreste 20 5,19 1

Wölbungen und Flächen Restplateaus und Terrassenreste 138 57,19 1 434,92 35,78

feuchte Täler und Niederungen Restplateaus und Terrassenreste 116 22,98 2 Flussablagerungen; gestaute, grobe, braune Sande (Ablagerungen von Rhein und Maas) Staudammlandschaft 14 21,74 2

Flussablagerungen; mit Decksand Staudammlandschaft 1 1,11 2

nasse Bachtäler und Niederungen Decksandlandschaft 785 319,21 2

Stromgürtel Alte Ijssel Flusslandschaft der Ijssel 45 16,32 2

Stromgürtel Ijssel Flusslandschaft der Ijssel 4 4,30 2 385,66 31,73

hohe Terrassenrücken und Flussdünen Flusslandschaft der Ijssel 143 36,42 3 niedrige Terrassenrücken, -flächen und Rinnen (pleistozäne Terrassenflächen) Flusslandschaft der Ijssel 167 84,50 3 Senken und pleistozäne Rinnen und Niederungen mit Senkenton Flusslandschaft der Ijssel 50 32,81 3 153,73 12,65

Decksandrücken und -kuppen mit Plaggenesch Decksandlandschaft 589 141,92 10 Decksandrücken und -kuppen und terrassenför-mige Erhebungen mit einer esdek Restplateaus und Terrassenreste 50 8,79 10 150,71 12,40 Flussablagerungen und Schmelzwasserablage-rungen mit Plaggenesch Staudammlandschaft 14 5,76 20 5,76 0,47 hohe Terrassenrücken und Flussdünen mit Plag-genesch Flusslandschaft der Ijssel 53 16,36 30* 16,36 1,35

Abgrabung anthropogen/sonstige 13 1,58 90

Auffüllung anthropogen/sonstige 1 0,30 90

Bebauung anthropogen/sonstige 28 45,45 90

Deiche und Aufschüttungen anthropogen/sonstige 7 0,86 90

Wasser anthropogen/sonstige 39 8,06 90 56,26 4,63

Summe (gesamt) 1215,56 1215,56 100,00

* neu eingeführte Einheit: Plaggenesch über Hochflutablagerungen



3.4. Flächennutzung

Einen weiteren wichtigen Einflussfaktor stellt die Flächennutzung dar, wobei im

Rahmen der TSQM lediglich Acker, Grünland und Wald von Interesse sind. Die

kartografische Darstellung dieser naturnahen Nutzungen im Untersuchungsge-

biet enthält Anlage 3.

Daten NRW

Die flächendeckende Darstellung der Realnutzung für das Kreisgebiet Borken

erfolgt anhand der ATKIS Daten des Landesvermessungsamtes NRW. Für die

ATKIS Daten selbst werden Luftbilder und die Deutsche Grundkarte ausgewer-

tet, der Maßstab entspricht etwa 1 : 25.000.

Die im Sinne der BBK naturnahen Nutzungen des Außenbereichs nehmen mit

insgesamt ca. 1.238 km² etwa 87,3 % des 1.421 km² großen Kreisgebietes ein.

Dabei werden die Nutzungseinheiten Sonderkultur bzw. Gehölz der Einheit A-

cker bzw. Wald/Forst zugeschlagen und die Nutzungsart Heide der Nutzung

Grünland.

Tabelle 6: Naturnahe Nutzungen im Kreis Borken (Datengrundlage ATKIS)

Bezeichnung Fläche [ha] Fläche [km²] Anteil [%] Acker 74589 745,89 52,48 Sonderkultur 247 2,47 0,17 Grünland 26640 266,40 18,74 Heide 76 0,76 0,05 Wald / Forst 20960 209,60 14,75 Gehölz 1538 15,38 1,08 Summe 124050 1240,5 87,27

Daten Niederlande

Die Grundlage der Darstellung der Flächennutzung im niederländischen Bear-

beitungsgebiet ist eine 25 x 25 m Rasterdatei (LGN 4), die wegen ihrer Auflö-

sung geeigneter war als die Landnutzung gemäß CORINE (Rastergröße 100 x

100 m). Zunächst wurde die Rasterdatei in das ArcView-shape Format konver-

tiert. Die im Sinne der TSQM naturnahen Nutzungen des Außenbereichs neh-

men mit insgesamt 1.398 km² 86 % des Bearbeitungsgebietes ein.



Tabelle 7: Naturnahe Nutzungen im niederländischen Bearbeitungsgebiet

NUTZUNG Fläche [ha] Fläche [km²] Anteil [%]

Acker 37365 373,65 23,0 Schwarzbrache 172 1,72 0,1

Grünland 84331 843,31 51,9

Laubwald 9741 97,41 6,0 Nadelwald 8263 82,63 5,1 Summe 139872 1398,72 86,1

Insgesamt fällt auf, dass im Gegensatz zu den Verhältnissen im Kreis Borken im

niederländischen Teil des Untersuchungsbiet die Nutzung Grünland dominiert.

Nach Auskunft des niederländischen Projektpartners von ALTERRA ist die

Grünlandnutzung in diesem Teil des Projektgebietes tatsächlich vorherrschend,

wenngleich das Gebiet einer großen Dynamik im Hinblick auf die Umwandlung

von Acker- in Grünland und umgekehrt unterliegt.

3.5. Überschwemmungsgebiete

Neben Ausgangsgestein und Flächennutzung stellen Überschwemmungen ei-

nen wesentlichen Einflussfaktor auf die Bodenbelastung dar. In Anlage 4 sind

die im Sinne der TSQM abgegrenzten Überschwemmungsgebiete kartografisch

dargestellt.

Daten NRW

Die im Rahmen der TSQM berücksichtigten Überschwemmungsgebiete umfas-

sen auf deutscher Seite eine Fläche von 87,5 km²; dies entspricht 6,2 % des

Kreisgebietes. Die flächenmäßig bedeutsamsten Überschwemmungsgebiete

gehören zu Bocholter Aa, Issel und Dinkel.

Daten Niederlande

Als Überschwemmungsgebiet ist auf niederländischer Seite nur ein Gebiet ent-

lang der Ijssel gekennzeichnet. An einer genaueren Karte wird gearbeitet, diese

wird jedoch in absehbarer Zeit nicht fertig gestellt (Angaben Provinz Gelder-

land). Die kleineren Überschwemmungsgebiete im Kreis Borken sind jenseits

der niederländischen Grenze nicht ausgehalten.



3.6. Altlasten und altlastverdächtige Flächen

Altstandorte und Altablagerungen sowie Flächen mit Bodenverwertung werden

im Rahmen der TSQM generell als Ausschlussflächen betrachtet. Die kartogra-

phische Darstellung findet sich in Anlage 5.

Daten NRW

Als Datengrundlage für die Darstellung der Altablagerungen und Altstandorte

dient der Auszug aus dem Altlastenkataster des Kreises Borken (Stand

09/2002). Insgesamt sind 835 Flächen mit insgesamt 7,33 km² erfasst; dies ent-

spricht etwa 0,5 % der Kreisfläche. Hinzukommen 114 Flächen mit Bodenver-

wertung, die allerdings nur als Punktdaten vorliegen.

Daten Niederlande

Für das niederländische Projektgebiet liegen zu den Altlasten bzw. Altlastenver-

dachtsflächen lediglich Punktdaten vor (n = 1.037). Und dies auch nur für den

südlichen Teil (Gelderland). Ein Herausschneiden der Flächen im Rahmen der

TSQM ist somit nicht möglich.

3.7. Emittenten

Die Berücksichtigung von Emittenten im Rahmen der TSQM geschieht vor allem

im Hinblick auf die spätere Interpretation auffälliger Ergebnisse der Bodenbelas-

tung.

Daten NRW

In diesem Zusammenhang stellte das LUA einen Auszug des Emissionskatas-

ters (Stand 2000) als Excel-Tabelle zur Verfügung; dabei handelt es sich um

genehmigungsbedürftige Anlagen gemäß 4. BImSchV. Insgesamt liegen auf

dem Territorium des Kreises Borken 27 derartige Emissionsquellen.

Daten Niederlande

Von der niederländischen Seite konnten keine Angaben zu Emittenten zur Ver-

fügung gestellt werden.



3.8. Zusammenführen der Daten und Erzeugung homogener Raumeinheiten

Zur weiteren Bearbeitung wurde für die niederländischen Daten zunächst eine

Koordinatentransformation in Gauß-Krüger Koordinaten durchgeführt. Diese

erfolgte dankenswerterweise durch die niederländischen Projektpartner (Geoin-

formatik-Abteilung des Bereichs Umwelt und Wasser bei der Provinzregierung

Gelderland).

Die für beide Seiten des Untersuchungsgebietes getrennt vorliegenden Daten-

layer zu Nutzung, Überschwemmungseinfluss und Einheiten oberflächennaher

Gesteine wurden vereinigt. Weiterhin wurden die validen niederländischen Bo-

dendaten mit diesen räumlichen Daten überlagert, um diesen Überschwem-

mungseinfluss und Einheiten oberflächennaher Gesteine zuzuordnen.

In einem letzten Arbeitsschritt erfolgte die Verschneidung von Nutzung, Über-

schwemmungseinfluss und Einheiten oberflächennaher Gesteine zu homogenen

Raumeinheiten (HRE). Aufgrund unvollständiger Datengrundlagen musste der

nördliche Bereich der niederländischen Projektregion von der weiteren Bearbei-

tung ausgeklammert werden.



4. Auswertung der Bodendaten

Die nachfolgenden statistischen und geostatistischen Auswertungen basieren

auf dem Gesamtbestand aller validen Daten für den Außenbereich des Kreises

Borken (inkl. der benachbarten Daten der angrenzenden Kreise Wesel und

Recklinghausen) und den niederländischen Teil des Projektgebietes im Bereich

der Provinz Gelderland.

Die niederländischen Bodendaten waren in die bestehende Datenbank zur BBK-

Außenbereich Kreis Borken zu integrieren, um mit dem Datenbank-Tool weiter-

verarbeitet und letztlich der Interpolation unterzogen werden zu können. Dazu

mussten die niederländischen Daten (Stammdaten zu Probennahmestellen und

deren Analytikergebnisse) zunächst in eine dem FIS StoBo vergleichbare Struk-

tur überführt werden.

In die Projektdatenbank als Grundlage der Interpolation wurden letztlich 885

Datensätze eingestellt (53 Datensätze NL + 832 Datensätze NRW).

Die Vollständigkeit der Angaben zu Koordinaten, Nutzung, Substrat und Über-

schwemmungseinfluss wurden überprüft. Anlage 6 enthält die tabellarische Zu-

sammenstellung der Daten.

Die statistischen Angaben zum vereinigten Datenkollektiv enthält Anlage 7.1,

wobei nach Nutzung und Überschwemmungseinfluss differenziert wird.

4.1. Aktualisierung Datenbank-Tool

Die Standardisierung der Daten erfolgte mit Hilfe des Datenbank-Tools. Die

Durchpausungsfaktoren wurden anhand der aktualisierten Nickeldaten ermittelt

und auf die anderen Parameter übertragen (vgl. Anlage 7.2).

Die Bearbeitung innerhalb des Tools erfolgte dabei in folgenden Schritten (vgl.

Anlage 7.3):

• Zuordnung der Nutzungen

• Benennung der Einheiten oberflächennaher Gesteine (entspricht den

Clustern)

• Zuordnung der Substrate zu den Einheiten oberflächennaher Gesteine



• Eingabe der Grundgehalte und der Durchpausungsfaktoren

• Automatische Validierung

• Standardisierung inkl. Berechnung der Skalenverschiebung

Die automatische Validierung ergab für alle Einträge ein positives Ergebnis. Im

Rahmen der Standardisierung über die Einflussgrößen war für sechs Parameter

eine Skalenverschiebung notwendig.

Einen statistischen Überblick zu den standardisierten Daten gibt folgende Tabel-

le. Die Ausreißer wurden mit den Schranken nach GRUBBS (vgl. DIN 53 804

Teil 1) identifiziert. In Anlage 7.5 findet sich die Darstellung der so erkannten

Ausreißer. Während innerhalb der nicht logarithmierten Grundgesamtheit 70

Ausreißer identifiziert wurden, reduziert sich deren Zahl nach Logarithmierung

auf nunmehr 12. Die statistischen Kennzahlen der Grundgesamtheit ohne Aus-

reißer befinden sich in Anlage 7.4.

Tabelle 8: Zusammenfassende Statistik der standardisierten Messwerte [mg/kg TM]

As-s Cd-s Cr-s Cu-s Hg-s Ni-s Pb-s Zn-s

Gültige Fälle 541 829 836 843 787 827 843 839

Mittelwert 5,03 0,32 22,40 10,01 0,06 8,95 17,71 42,37

Median 3,03 0,27 20,36 7,92 0,04 7,44 16,27 36,04

Standardabweichung 6,74 0,33 11,37 8,21 0,08 5,69 10,17 31,62

Minimum 0,10 0,02 0,22 0,13 0,00 0,05 1,42 4,71

Maximum 58,41 6,53 135,55 86,06 0,86 51,29 105,00 496,21

untere Schranke (α = 0,01) -23,61 -1,14 -27,10 -25,78 -0,28 -15,83 -26,58 -95,35

obere Schranke (α = 0,01) 33,67 1,77 71,91 45,80 0,40 33,73 62,01 180,10

ln-As-s ln-Cd-s ln-Cr-s ln-Cu-s ln-Hg-s ln-Ni-s ln-Pb-s ln-Zn-s Gültige Fälle 541 829 836 843 787 827 843 839

Mittelwert 1,11 -1,37 3,01 2,08 -3,19 2,07 2,75 3,62 Median 1,11 -1,30 3,01 2,07 -3,10 2,01 2,79 3,58

Standardabweichung 0,99 0,67 0,46 0,65 0,79 0,50 0,51 0,46 Minimum -2,30 -4,20 -1,51 -2,08 -5,70 -2,94 0,35 1,55 Maximum 4,07 1,88 4,91 4,46 -0,15 3,94 4,65 6,21

untere Schranke (α = 0,01) -3,08 -4,30 0,98 -0,75 -6,60 -0,11 0,54 1,60

obere Schranke (α = 0,01) 5,31 1,55 5,03 4,92 0,23 4,25 4,96 5,63

rot = identifizierte Ausreißer

4.2. Geostatistische Analyse

Die Variogrammanalyse erfolgte mit den standardisierten Messwerten (ohne

Ausreißer). Zunächst wurde die Verteilung der Daten überprüft, um zu entschei-

den, ob eine Logarithmierung der Grundgesamtheit angezeigt ist.



Für die im Folgenden abgebildeten Variogramme wurden in der Regel eine ma-

ximale Distanz von 10.000 m und eine Schrittweite 500 m gewählt. Zudem ist

die angepasste theoretische Variogrammfunktion dargestellt.

Zur Variogrammanalyse wurde ein externes Geostatistik-Programm eingesetzt

(GSTAT 2.2.1.).

ARSEN

Die Verteilung der standardisierten Arsen-Werte zeigt eine deutliche Schiefe.

Sie entspricht eher einer log-Normalverteilung, wobei für diese Variante kein

Ausreißer festzustellen war.

Abbildung 4: Geostatistik für Arsen (valide Daten TSQM ohne Ausreißer in mg/kg)

0

0.2

0.4

0.6

0.8

1

0 2000 4000 6000 8000 10000

sem

ivar

ianc

e

distance

As-s-fln0.385926 Nug(0) + 0.455457 Sph(1795.35)

Das dargestellte Variogramm (Cut-off 10.000 m, Schrittweite 500 m) mit ange-

passter sphärischer Funktion zeigt eine deutliche Autokorrelation der Daten, bei

merklichem Nuggeteffekt.



CADMIUM

Die Verteilung der standardisierten Cadmium-Werte zeigt eine deutliche Schiefe,

so dass auch für diesen Parameter eine Logarithmierung angebracht ist. Auch

bei der logarithmierten Grundgesamtheit wird der nach Standardisierung höchs-

te Wert als Ausreißer identifiziert.

Abbildung 5: Geostatistik für Cadmium (valide Daten TSQM ohne Ausreißer in mg/kg)

0

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

0 2000 4000 6000 8000 10000

sem

ivar

ianc

e

distance

Cd-s-fln0.208203 Nug(0) + 0.14797 Sph(3037.58)

Das dargestellte experimentelle Variogramm (Cut-off 10.000 m, Schrittweite

500 m) weist eine gewisse Autokorrelation auf. Deutlich ist ein Nuggeteffekt er-

kennbar. Angepasst wurde eine sphärische Variogramm-Funktion.



CHROM

Auch für Chrom weisen die Werte eher auf eine log-Normalverteilung hin. Dabei

wurden die nach Standardisierung niedrigsten drei Werte als Ausreißer identifi-

ziert.

Abbildung 6: Geostatistik für Chrom (valide Daten TSQM ohne Ausreißer in mg/kg)

0

0.02

0.04

0.06

0.08

0.1

0.12

0.14

0.16

0 2000 4000 6000 8000 10000

sem

ivar

ianc

e

distance

Cr-s-fln0.100069 Nug(0) + 0.0518681 Sph(2982.53)

Wie beim Cadmium zeigt das dargestellte experimentelle Variogramm für Chrom

(Cut-off 10.000 m, Schrittweite 500 m) einen gewissen räumlichen Zusammen-

hang. Wiederum ist ein Nuggeteffekt deutlich erkennbar. Angepasst wurde eine

sphärische Variogramm-Funktion.



KUPFER

Für Kupfer weist die standardisierte Grundgesamtheit ebenso eher auf eine log-

Normalverteilung hin, wobei für diese Variante lediglich die nach Standardisie-

rung niedrigsten zwei Werte als Ausreißer identifiziert wurden.

Abbildung 7: Geostatistik für Kupfer (valide Daten TSQM ohne Ausreißer in mg/kg)

0

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0 2000 4000 6000 8000 10000

sem

ivar

ianc

e

distance

Cu-s-fln0.108072 Nug(0) + 0.220988 Sph(1536.26)

Das dargestellte experimentelle Variogramm für Kupfer (Cut-off 10.000 m,

Schrittweite 250 m) weist einen deutlichen räumlichen Zusammenhang auf. Der

Nuggeteffekt der angepassten sphärischen Variogramm-Funktion ist dabei rela-

tiv gering ausgeprägt.



QUECKSILBER

Wie für die anderen bisher betrachteten Parameter weisen auch die standardi-

sierten Gehalte an Quecksilber in Richtung einer log-Normalverteilung. Für die

logarithmierte Grundgesamtheit konnte ein Ausreißer nicht festgestellt werden.

Abbildung 8: Geostatistik für Quecksilber (valide Daten TSQM ohne Ausreißer in mg/kg)

0

0.1

0.2

0.3

0.4

0.5

0.6

0 2000 4000 6000 8000 10000

sem

ivar

ianc

e

distance

Hg-s-fln0.395229 Nug(0) + 0.170209 Sph(2938.53)

Das dargestellte experimentelle Variogramm weist für Quecksilber (Cut-off

10.000 m, Schrittweite 1.000 m) eine gewisse Autokorrelation auf. Jedoch ist ein

deutlicher Nuggeteffekt erkennbar. Für das anschließende Kriging wurde eine

sphärische Variogramm-Funktion angepasst.



NICKEL

Auch die Verteilung der standardisierten Gehalte an Nickel zeigt eine deutliche

Schiefe. Wiederum entspricht sie eher einer log-Normalverteilung. Die drei nach

Standardisierung niedrigsten Werte wurden als Ausreißer identifiziert.

Abbildung 9: Geostatistik für Nickel (valide Daten TSQM ohne Ausreißer in mg/kg)

0

0.05

0.1

0.15

0.2

0 2000 4000 6000 8000 10000

sem

ivar

ianc

e

distance

Ni-s-fln0.110317 Nug(0) + 0.0621966 Sph(3118.6)

Das für Nickel dargestellte experimentelle Variogramm (Cut-off 10.000 m,

Schrittweite 500 m) zeigt bei einem deutlich ausgeprägten Nuggeteffekt eine

gewisse Autokorrelation. Angepasst für das anschließende Kriging wurde wie-

derum eine sphärische Variogramm-Funktion.



BLEI

Auch im Falle Blei erweist sich die Logarithmierung als vorteilhaft. Lediglich der

niedrigste Wert wurde für diese Variante als Ausreißer identifiziert.

Abbildung 10: Geostatistik für Blei (valide Daten TSQM ohne Ausreißer in mg/kg)

0

0.05

0.1

0.15

0.2

0 2000 4000 6000 8000 10000

sem

ivar

ianc

e

distance

Pb-s-fln0.0955733 Nug(0) + 0.0974599 Sph(4015.76)

Das aus den standardisierten Blei-Gehalten abgeleitete experimentelle Vari-

ogramm (Cut-off 10.000 m, Schrittweite 500 m) weist einen deutlichen räumli-

chen Zusammenhang auf. Der Nuggeteffekt der angepassten sphärische Vari-

ogramm-Funktion ist dabei aber auch hier merklich ausgeprägt.



ZINK

Die Verteilung der standardisierten Gehalte an Zink weist eine deutliche Schiefe

auf. So ist auch für diesen Parameter eine Logarithmierung angezeigt. Der je-

weils niedrigste und höchste Wert nach Standardisierung wurden als Ausreißer

identifiziert.

Abbildung 11: Geostatistik für Zink (valide Daten TSQM ohne Ausreißer in mg/kg)

0

0.02

0.04

0.06

0.08

0.1

0.12

0.14

0.16

0.18

0 2000 4000 6000 8000 10000

sem

ivar

ianc

e

distance

Zn-s-fln0.058605 Nug(0) + 0.114769 Sph(3967.2)

Das mittels der standardisierten Zink-Werte erstellte experimentelle Variogramm

(Cut-off 20.000 m, Schrittweite 500 m) weist einen deutlichen räumlichen Zu-

sammenhang auf. Der Nuggeteffekt der angepassten sphärischen Variogramm-

Funktion ist dabei relativ gering ausgeprägt.



FAZIT

Die Datenkollektive aller betrachteten Parameter weisen eher eine log-

Normalverteilung als eine Normalverteilung auf. So ist es zweckmäßig, sowohl

zur Variogrammanalyse als auch zum anschließenden Kriging jeweils die loga-

rithmierten Grundgesamtheiten heranzuziehen.

Die Variogrammanalyse ergibt für alle betrachteten Parameter einen räumlichen

Zusammenhang. Während dieser im Falle Arsen, Kupfer, Blei und Zink relativ

deutlich ausgeprägt ist, sind die Variogramme für Cadmium, Chrom, Quecksilber

und Nickel durch vergleichsweise hohe Nuggeteffekte gekennzeichnet, was zu

einer deutlicheren Glättung im Rahmen des Krigings führt.

Für alle im Rahmen der TSQM betrachteten Parameter ist eine Interpolation mit

Hilfe des Kriging-Verfahrens unter Verwendung der angepassten sphärischen

Variogramm-Funktionen möglich.

In Anlage 7.6 finden sich zusätzlich die Variogramme für die nicht logarithmierte

Variante.



5. Erstellung der Bodenbelastungskarten

Im Rahmen der Erstellung der TSQM wird zur Interpolation mittels Kriging und

zur Berechnung der Krigevarianz das Geostatistik-Programm GSTAT genutzt.

Die Bearbeitung der so erzeugten Rasterdateien, die Rückrechnung der Stan-

dardisierung und schließlich die Auswertung der geschätzten Stoffgehalte erfolgt

unter Verwendung des Spatial-Analyst3 von ArcView.

Im Gegensatz zum Raster-Tool des LUA, bietet diese Software-Lösung die Mög-

lichkeit, angepasste Variogrammfunktionen beim Kriging einzustellen, gegebe-

nenfalls logarithmierte Grundgesamtheiten zu verwenden und nicht zuletzt auch

ein Minimum von Stützstellen einzustellen, für das noch eine Schätzung des

Blockmittelwertes erfolgt.

Um eine ausreichende Flächendeckung im Rahmen der Interpolation zu errei-

chen, wird die Reichweite beim Kriging auf generell 10.000 m festgelegt. Die

Mindestanzahl an Stützstellen beträgt in der Regel n = 4 (bei Hg: n = 2), die ma-

ximale Anzahl n = 20. Die Gewichtung der Stützstellen im Rahmen der Interpo-

lation erfolgt mittels der im vorherigen Kapitel dargestellten, angepassten Vario-

grammfunktionen.

Die große Reichweite und die niedrige Mindestanzahl an Stützstellen sind der

sehr geringen Datendichte im niederländischen Teil des Untersuchungsgebietes

geschuldet.

Auf Grundlage der durch Nutzung, Überschwemmungseinfluss und Einheiten

Oberflächennaher Gesteine (ONG) determinierten homogenen Raumeinheiten

wurden für jeden Belastungsparameter (i) spezifische Rasterfiles zur Rückrech-

nung der Standardisierung erzeugt:

• NuefHRE i = Nutzungsfaktor NFi * Überschwemmungsfaktor ÜFi

• GeoONG i = AusgangsgehaltONG i * DPF ONG i - Parameter-Shifti

Für die Erstellung der Karten geschätzter Stoffgehalte wurden diese Rasterda-

ten zu Abfragen und Berechnungen herangezogen.



Die Rückrechnung der standardisierten Gehalte erfolgte mit den delogarithmier-

ten und entzerrten Blockmittelwerten4 gemäß der folgenden Formel:

Gehaltreal = (Gehaltstandardisiert / NuefHRE i ) + GeoONG i

Die Karten zur TSQM sind als Anlage 8.1 bis 8.8 dem vorliegenden Projektbe-

richt beigefügt (in gedruckter Form und/oder als pdf-Dokumente).

Für die jeweiligen Karten finden anstelle der Standardfarben des Raster-Tools

Legenden Anwendung, die unter Berücksichtigung der Vorsorge- und Prüfwerte

der BBodSchV von grün über gelb nach rot reichen. Dies hat den Vorteil, dass

die Farbabstufungen deutlicher zu erkennen sind und sich die Einordnung der

Gehalte an einer allgemeingültigen Skala orientiert.

Betrachtet werden dabei alle Kombinationen aus Nutzung und Überschwem-

mungseinfluss. Dabei ist allerdings zu bemerken, dass die Einheiten Wald mit

Überschwemmungseinfluss und Acker mit Überschwemmungseinfluss im nie-

derländischen Teil des Untersuchungsgebietes kaum vertreten sind und Mess-

werte hierfür gänzlich fehlen. Gleiches gilt für die Einheit Grünland mit Über-

schwemmungseinfluss, der ebenso nur eine flächenmäßig geringe Bedeutung

zukommt.

In Anlage 8.9 finden sich die Karten zu den geschätzten Stoffgehalten (ohne

Chrom und Quecksilber) mit einer alternativen Legende, wobei sich Klassenein-

teilung und Farbgebung aus Gründen der Vergleichbarkeit an denen des An-

hangs D.2 von Teil I des Berichts zur TSQM orientieren.

5.1. Arsen

Die im Folgenden aufgeführte Tabelle 9 beinhaltet die statistischen Kennzahlen

der flächenhaft geschätzten Gehalte an Arsen, weiterhin die Kennzahlen der

3 Erweiterung von ArcView zur Erzeugung, Bearbeitung und Verwaltung von Rasterdaten 4 BMde = e BM+KV/2 ; mit BMde = geschätzter Blockmittelwert nach Delogarithmierung und Entzerrung; BM =

geschätzter Blockmittelwert der ln-transformierten Grundgesamtheit, KV Krigevarianz der ln-transformierten Grundgesamtheit (nach JOURNEL und HUIJBREGTS, 1991)



Messwerte selbst. Differenziert wird dabei im Hinblick auf die homogenen

Raumeinheiten sowie zwischen dem deutschen und dem niederländischen Teil

des Untersuchungsgebietes. In Anlage 8.1 des vorliegenden Berichtes findet

sich die dazugehörende Karte.

Tabelle 9: Statistik geschätzter Gehalte für Arsen

Einheit Fläche flächenhafte Schätzung [mg/kg] Messwerte* [mg/kg] [km²] min max µ σσσσ n min max µ med σσσσ Kreis Borken

Acker mit Ü. 37,61 1,8 55,1 11,9 7,1 51 0,3 110,0 14,0 7,0 18,0 Acker ohne Ü. 623,29 0,5 23,5 3,4 1,6 186 0,3 52,0 3,1 2,1 4,6

Grünland mit Ü. 23,55 2,1 73,8 15,5 9,3 50 0,3 95,0 15,5 11,0 16,5 Grünland ohne Ü. 216,81 0,6 29,1 4,4 2,1 87 0,3 38,0 4,8 2,6 7,0

Wald mit Ü. 6,05 2,1 71,1 14,5 7,3 12 0,8 16,0 6,1 3,8 5,1 Wald ohne Ü. 206,50 0,6 31,0 4,7 2,1 61 0,3 26,0 5,3 4,0 5,7

Gelderland Acker mit Ü. 0,01 37,2 37,2 37,2 0,0 --- --- --- --- --- ---

Acker ohne Ü. 305,92 1,3 20,2 6,9 2,6 17 4,0 21,0 7,5 6,0 4,5 Grünland mit Ü. 3,12 5,8 66,5 45,7 7,6 --- --- --- --- --- ---

Grünland ohne Ü. 626,30 1,3 26,5 9,1 3,5 16 1,5 65,7 11,2 5,7 15,3 Wald mit Ü. 0,00 36,5 36,5 36,5 0,0 --- --- --- --- --- ---

Wald ohne Ü. 107,47 2,3 24,2 9,6 3,6 9 1,8 17,5 5,4 4,6 4,7 HRE ohne Messwerte * valide Daten Kreis Borken bzw. Gelderland; ohne Ausreißer bzgl. ln

KREIS BORKEN

Die statistischen Kennzahlen der flächenhaften Schätzung für Arsen sowie de-

ren räumliches Muster sind denen der BBK-Außenbereich Borken sehr ähnlich.

Die mittleren Gehalte nehmen von Ackerland über Grünland nach Wald hin zu.

Die überschwemmten Gebiete sind insgesamt deutlich höher belastet.

GELDERLAND

Die mittleren Gehalte der Messwerte für Grünland und Acker liegen deutlich

über denen des Kreises Borken. Für Wald fällt das Niveau dahingegen ähnlich

aus.

Die Gehalte der Messwerte selbst steigen in folgender Reihenfolge:

Wald < Acker < Grünland.



Die geschätzten Gehalte für die Waldflächen liegen deutlich über den Gehalten

der Messwerte selbst. Im Mittel liegen die für die Waldflächen geschätzten Ge-

halte über denen des Kreises Borken. Die höchsten Arsenkonzentrationen wer-

den für das Überschwemmungsgebiet der Ijssel.

5.2. Cadmium

Die statistischen Kennwerte der flächenhaft geschätzten Gehalte an Cadmium

sowie der Messwerte selbst enthält folgende Tabelle 10. Die dazugehörende

Karte ist als Anlage 8.2 dem vorliegenden Bericht beigefügt.

Tabelle 10: Statistik geschätzter Gehalte für Cadmium









KREIS BORKEN

Die statistischen Kennzahlen der flächenhafte Schätzung sowie das räumliche

Muster der geschätzten Cadmiumgehalte sind denen der BBK-Außenbereich

Borken sehr ähnlich. Die mittleren Gehalte nehmen von Wald über Acker nach

Grünland hin zu. Zwischen überschwemmten und nicht überschwemmten Ge-

bieten besteht dahingegen kein ausgeprägter Unterschied.

GELDERLAND

Die mittleren Gehalte weisen sowohl für die Messwerte als auch die flächenhafte

Schätzung ein ähnliches Niveau wie im Kreis Borken auf. Wiederum zeigen die



Waldflächen (insbesondere wenn der Median betrachtet wird) die deutlich gerin-

gere Belastung. Insgesamt ist die räumliche Differenzierung nur gering.

5.3. Chrom

Folgende Tabelle 11 beinhaltet die statistischen Kennwerte der flächenhaft ge-

schätzten Gehalte an Chrom, ebenso die der Messwerte selbst. Differenziert

wird dabei hinsichtlich der homogenen Raumeinheiten sowie zwischen dem

deutschen und dem niederländischen Teil des Untersuchungsgebietes. Anlage

8.3 des vorliegenden Berichtes enthält die dazugehörende Karte.

Tabelle 11: Statistik geschätzter Gehalte für Chrom

Einheit Fläche flächenhafte Schätzung [mg/kg] Messwerte* [mg/kg] [km²] min max µ σσσσ n min max µ med σσσσ

Kreis Borken Acker mit Ü. 37,61 12,4 47,1 26,1 6,1 45 9,3 75,0 26,8 22,0 14,1

Acker ohne Ü. 623,29 6,1 50,1 19,7 4,3 481 5,6 131,0 19,4 17,9 10,2 Grünland mit Ü. 23,55 17,7 60,7 34,7 7,2 31 14,0 85,0 34,1 32,0 14,6

Grünland ohne Ü. 216,81 9,8 63,0 26,8 5,2 84 9,7 72,0 28,0 25,0 14,0 Wald mit Ü. 6,05 5,6 28,6 13,6 3,8 12 5,8 60,0 19,1 10,5 16,3

Wald ohne Ü. 206,50 1,6 27,1 9,8 2,6 71 1,5 38,0 11,6 9,3 8,7





KREIS BORKEN

Die statistischen Kennzahlen der flächenhafte Schätzung sowie das räumliche

Muster sind denen der BBK-Außenbereich Borken sehr ähnlich. Die mittleren

Gehalte nehmen von Wald über Acker nach Grünland hin zu. Die nicht über-

schwemmten Gebiete sind insgesamt geringer belastet.

GELDERLAND

Die Gehalte an Chrom fallen im Vergleich zum Kreis Borken vor allem für Acker

und Grünland im Mittel geringer aus, insbesondere was die Messwerte selbst



anbelangt. Bezüglich der Rangfolge der Nutzungen besteht Überstimmung mit

derjenigen im Kreis Borken (Wald < Acker < Grünland).

Die flächenhafte Schätzung für Chrom ergibt ein recht homogenes Bild ohne

deutliche räumliche Differenzierung. Für das Überschwemmungsgebiet der Ijs-

sel werden im Mittel die höheren Gehalte prognostiziert.

5.4. Kupfer

Die statistischen Kennwerte der flächenhaft geschätzten Gehalte an Kupfer so-

wie der Messwerte selbst enthält folgende Tabelle 12. Die dazugehörende Karte

wurde als Anlage 8.4 dem vorliegenden Bericht beigefügt.

Tabelle 12: Statistik geschätzter Gehalte für Kupfer









KREIS BORKEN

Auch im Fall Kupfer ähneln die statistischen Kennzahlen der flächenhaften

Schätzung denen der BBK-Außenbereich Borken, ebenso das räumliche Muster

der geschätzten Gehalte. Die mittleren Gehalte sind bei den Grünlandflächen im

Vergleich zu Acker oder Wald etwas erhöht. Die nicht überschwemmten Gebiete

zeichnen sich durch die im Mittel deutlich geringere Belastung aus.



GELDERLAND

Die Messwerte liegen für Ackerflächen im Vergleich zu den deutschen Daten auf

einem insgesamt höheren Niveau, bei den Waldflächen fallen die mittleren Ge-

halte dahingegen deutlich geringer aus. Bei Grünland herrscht insgesamt recht

gute Übereinstimmung.

Wird die flächenhafte Schätzung betrachtet, zeigen allerdings alle drei Nutzun-

gen ein dem deutschen Pendant ähnliches. Insgesamt sind kaum räumliche

Differenzierungen zu erkennen.

5.5. Quecksilber

Folgende Tabelle 13 beinhaltet die statistischen Kennwerte der flächenhaft ge-

schätzten Gehalte an Quecksilber, ebenso die der Messwerte selbst. Anlage 8.5

des vorliegenden Berichtes enthält die dazugehörende Karte.

Aufgrund der im Vergleich zu den anderen betrachteten Parametern noch gerin-

geren Datendichte ist im niederländischen Teil des Projektgebietes auch bei

einer halbierten Mindestanzahl an Stützstellen (i.e. n = 2) eine flächendeckende

Schätzung nicht möglich.

Tabelle 13: Statistik geschätzter Gehalte für Quecksilber







Grünland ohne Ü. 559,73 0,03 0,19 0,06 0,02 5 0,04 0,04 0,04 0,04 0,00 Wald mit Ü. --- --- --- --- --- --- --- --- --- --- ---




KREIS BORKEN

Die Ergebnisse der TSQM für Quecksilber sind für den deutschen Teil des Un-

tersuchungsgebietes wiederum vergleichbar mit denen der BBK-Außenbereich

Borken, sowohl was die Messwerte, als auch was die flächenhafte Schätzung

betrifft. Die mittleren Gehalte von Acker und Grünland bewegen sich auf einem

ähnlichen Level, die von Wald fallen dazu im Vergleich etwas höher aus. Die

Flächen unter Überschwemmungseinfluss weisen im Mittel die etwas höheren

Gehalte auf.

GELDERLAND

Die Gehalte an Quecksilber auf der niederländischen Seite bewegen sich auf

einem dem Kreis Borken vergleichbaren Niveau. Auch hier weisen die Waldflä-

chen eine insgesamt höhere Belastung auf. Auch für Quecksilber ergibt die flä-

chenhafte Schätzung ein recht homogenes Bild.

5.6. Nickel

Die statistischen Kennwerte der flächenhaft geschätzten Gehalte an Nickel so-

wie der Messwerte selbst enthält folgende Tabelle 14. Die dazugehörende Karte

ist als Anlage 8.6 dem vorliegenden Bericht beigefügt.

Tabelle 14: Statistik geschätzter Gehalte für Nickel











KREIS BORKEN

Auch im Fall Nickel ähneln sowohl die statistischen Kennzahlen der flächenhafte

Schätzung als auch das räumliche Muster der geschätzten Gehalte denen der

BBK-Außenbereich Borken. Die mittleren Gehalte nehmen von Wald über Acker

nach Grünland hin leicht zu. Die Gebiete unter Überschwemmungseinfluss wei-

sen im Mittel die höheren Gehalte auf.

GELDERLAND

Das Niveau der flächenhaft geschätzten Gehalte und der Messwerte selbst ent-

spricht dem im Kreis Borken. Dies spiegelt sich auch in der nutzungsspezifi-

schen Rangfolge in Bezug auf die Nickelgehalte wider: Wald < Acker < Grün-

land.

Eine räumliche Differenzierung ist auf Grundlage der vorhandenen Datenbasis

kaum festzustellen.

5.7. Blei

Die im Folgenden aufgeführte Tabelle 15 beinhaltet die statistischen Kennzahlen

der flächenhaft geschätzten Gehalte an Blei, weiterhin die Kennzahlen der

Messwerte selbst. In Anlage 8.7 des vorliegenden Berichtes findet sich die da-

zugehörende Karte.



Tabelle 15: Statistik geschätzter Gehalte für Blei









KREIS BORKEN

Die Ergebnisse der TSQM für Blei sind für den deutschen Teil des Untersu-

chungsgebietes vergleichbar mit denen der BBK-Außenbereich Borken. Die mitt-

leren Gehalte nehmen von Acker über Grünland nach Wald hin zu. Die Flächen

unter Überschwemmungseinfluss weisen im Mittel nur etwas höhere Gehalte

auf.

GELDERLAND

Die Bleigehalte der niederländischen Bodendaten sind für Acker denen auf der

deutschen Seite recht ähnlich. Im Fall Grünland und insbesondere Wald liegen

die Werte insgesamt auf einem niedrigeren Niveau. Dies spiegelt sich bei der

flächenhaften Schätzung jedoch kaum. Hier weisen die Waldflächen - wie im

deutschen Teil des Untersuchungsgebietes - die höheren Gehalte auf.

Auch für Blei ergibt die flächenhafte Schätzung ein recht homogenes Bild ohne

deutliche räumliche Differenzierung.



5.8. Zink

Die statistischen Kennzahlen der flächenhaft geschätzten Gehalte an Zink sowie

der Messwerte selbst enthält folgende Tabelle 16. Die dazugehörende Karte

findet sich in Anlage 8.8 des vorliegenden Berichts.

Tabelle 16: Statistik geschätzter Gehalte für Zink









KREIS BORKEN

Die statistischen Kennzahlen der flächenhaften Schätzung stimmen für den Pa-

rameter Zink gut mit denen der BBK-Außenbereich Borken überein; dies gilt

auch für das räumliche Muster der interpolierten Gehalte. Die mittleren Gehalte

nehmen von Wald über Acker in Richtung Grünland hin zu. Die Gebiete unter

Überschwemmungseinfluss weisen im Mittel die höheren Gehalte auf.

GELDERLAND

Die mittleren nutzungsspezifischen Gehalte im niederländischen Untersu-

chungsgebiet bewegen sich - sowohl was die Messwerte selbst als auch die

flächenhafte Schätzung betrifft - auf einem den deutschen Daten vergleichbaren

Niveau. Auch stimmt die Rangfolge der Nutzungen im Hinblick auf Zunahme der

mittleren Zinkgehalte überein (Wald < Acker < Grünland). Im Überschwem-

mungsgebiet der Ijssel ergibt die Schätzung die insgesamt höheren Werte. Ins-

gesamt sind jedoch kaum Unterschiede im Raum zu erkennen.



6. Modellvalidierung

6.1. Schätzgüte und Schätzvarianzen

Für alle betrachteten Parameter wurden Karten zur Schätzgüte gemäß Methodik

NRW erzeugt. Dazu wurde die Krigevarianz in drei äquidistante Klassen einge-

teilt und den Klassen relativer Schätzgüte (hoch, mittel und niedrig) zugeordnet.

Einen Überblick dazu gibt Anlage 9. Die Abbildungen zeigen für alle Parameter

im niederländischen Teil des Untersuchungsgebietes die vergleichsweise gerin-

gere Schätzgüte.

Im Weiteren werden die Schätzfehler in Form der Varianz konkretisiert. Die Va-

rianzen der logarithmierten standardisierten Werte sind zunächst zu deloga-

rithmieren und zu entzerren.

Dies erfolgt nach folgender Formel (JOURNEL & HUIJBREGTS 1991):

σ'2i = µ²*eσ2(1-e-σ2ki)

mit σ'2i = Varianz der delogarithmierten Schätzwerte an der Stelle i

µ = Mittelwert der ursprünglichen, nicht logarithmierten Messreihe

σ² = Varianz der Messreihe nach Logarithmierung

σ2ki = Krigevarianz der logarithmierten Schätzwerte an der Stelle i

Im nächsten Schritt sind die Einflüsse durch die Standardisierung zu bereinigen.

Die Berechnung der standardisierten Werte erfolgt dabei nach folgender Formel

(aus LUA 2000; vgl. Kapitel 2.2):

xs = (x – G + PAM) * NF * ÜF

xs Standardisierter Stoffgehalt im Oberboden, bereinigt um den Einfluss von Ausgangsgestein, Bodennutzung und Überschwemmung

x Stoffgehalt im Oberboden G Geogen bedingter Stoffgehalt des Bodens PAM Parameter-Shift NF Nutzungsfaktor ÜF Überschwemmungsfaktor

Die Varianz der standardisierten Werte xs kann gemäß folgender Formel in die

Varianz der nicht standardisierten Werte x umgerechnet werden.



²)(1

1)²(

]²)()[(1

1

)²(1

1

1

**

****

1

1

∑

∑

∑

=

=

=

−−

=

=+−−+−−

=

=−−

n

i

n

i

n

i

xxn

ÜFNF

ÜFNFPAMGxÜFNFPAMGxn

xxn

i

i

ssi

Die flächenhaften Schätzvarianzen der Werte nach Rückrechnung der Standar-

disierung finden sich in Anlage 9.2.

Wiederum fallen die insgesamt höheren Varianzen auf der niederländischen

Seite auf. Zusätzlich pausen sich markante Einflüsse von Nutzung und/oder

Überschwemmung durch. Auffallend sind zum Beispiel die deutlich erhöhten

Werte im Bereich der Überschwemmungsgebiete bei Arsen oder im Bereich der

Waldflächen bei Quecksilber und insbesondere Blei.

6.2. Kreuzvalidierung

Für alle Parameter wurde eine Kreuzvalidierung durchgeführt, um die Güte des

Modells (hier Standardisierung und anschließende Interpolation) zu testen.

Die Grundlage der Kreuzvalidierung stellt die Schätzung eines Messwertes mit

Hilfe der anderen Messwerte einer Stichprobe und die anschließende Berech-

nung der Residuen, als Differenz der gemessenen und geschätzten Gehalte,

dar.

Die statistische Auswertung der Residuen erfolgt in Hinblick auf den Mittelwert

des Fehlers (engl. Error) ME5 und seiner Standardabweichung (SDE).

∑=

−=n

i

ii SchätzwertMesswertn

ME1

)(1

)( ii SchätzwertMesswertMedianMedE −=

5 ist das arithmetische Mittel = 0 liegt keine Tendenz bzw. systematischer Fehler vor



}²)({1

1

1∑

=

−−−

=n

i

ii SchätzwertMesswertMEn

SDE

Weiterhin können der mittlere quadrierte Schätzfehler (MQS) bzw. seine Wurzel

(RMQS) und der mittlere absolute Schätzfehler (MAS) bzw. sein Median

(MedAS) berechnet werden.

∑=

−=n

i


MQS1

)²(1

∑=

−=n

i


RMQS1

)²(1

∑=

−=n

i


MAS1

||1

ii SchätzwertMesswertMedianMedAS −=

Den Überblick zu den Ergebnissen der Kreuzvalidierung gibt folgende Tabelle

17. Die Berechnung erfolgt dabei sowohl für das gesamte Projektgebiet, als

auch getrennt für den deutschen und niederländischen Teil (d.h. für die Provinz

Gelderland und den Kreis Borken). Aus Gründen der Vergleichbarkeit mit der

Kreuzvalidierung im Rahmen von Teil I wurde auf eine Entzerrung der logarith-

mierten Blockmittelwerte verzichtet, ebenso wurden die Abweichungen von

Schätz- und Messwerten der in den benachbarten Kreisen Recklinghausen und

Wesel gelegenen Standorte nicht berücksichtigt.



Tabelle 17: Ergebnisse der Kreuzvalidierung

Kennwert Gebiet As Cd Cr Cu Hg Ni Pb Zn µ BOR + NL 6,60 0,270 20,33 10,77 0,074 6,25 23,79 38,84 (Messwerte) BOR 6,43 0,273 20,73 10,74 0,075 6,37 24,02 39,59 NL 8,42 0,231 13,99 11,19 0,043 4,17 20,38 28,12 Median BOR + NL 3,50 0,260 18,00 8,00 0,051 4,10 19,13 35,00 (Messwerte) BOR 3,10 0,260 18,00 8,00 0,052 4,10 20,00 35,00 NL 5,12 0,230 10,90 11,41 0,040 3,18 17,29 29,50 σσσσ BOR + NL 10,51 0,163 12,14 9,98 0,078 6,12 15,13 21,46 (Messwerte) BOR 10,53 0,165 12,24 10,13 0,079 6,24 15,31 21,74 NL 10,26 0,126 8,04 7,56 0,021 2,75 11,78 12,90 ME D + NL 1,57 0,027 1,28 1,55 0,014 0,64 1,53 1,56 D 1,45 0,027 1,37 1,51 0,014 0,66 1,62 1,61 NL 2,88 0,024 -0,12 2,22 -0,002 0,26 0,15 0,81 MedE D + NL -0,05 0,004 -0,47 0,12 0,002 -0,30 -0,13 -0,68 D -0,10 0,004 -0,40 0,10 0,002 -0,34 -0,10 -0,74 NL 1,11 -0,013 -2,50 2,25 0,005 0,23 -0,41 -0,27 SDE D + NL 8,88 0,145 10,32 8,85 0,072 5,00 11,43 16,57 D 8,73 0,146 10,39 8,88 0,073 5,09 11,11 16,87 NL 10,51 0,133 9,30 8,52 0,022 2,89 15,38 11,41 RMQS D + NL 9,01 0,147 10,40 8,98 0,074 5,04 11,52 16,63 D 8,84 0,148 10,47 9,00 0,074 5,13 11,22 16,93 NL 10,77 0,134 9,19 8,72 0,002 2,87 15,23 11,33 MAS D + NL 4,10 0,092 6,42 4,90 0,035 2,67 6,78 10,75 D 3,99 0,093 6,40 4,77 0,036 2,71 6,54 10,88 NL 5,39 0,092 6,78 6,85 0,016 1,88 10,25 8,89 MedAS D + NL 1,70 0,064 4,17 2,65 0,016 1,45 4,14 7,23 D 1,58 0,063 4,15 2,52 0,017 1,47 4,00 7,26 NL 3,09 0,068 5,04 4,91 0,011 1,07 7,01 6,53

Fazit:

• der mittlere Fehler ME ist in der Regel merklich ausgeprägt (Grund: Be-

rechnung ohne Entzerrung)

• der mittlere Fehler ME ist meist größer vom Betrag her als sein Median

MedE (Grund: Berechnung ohne Entzerrung)

• der mittlere Fehler ME fällt in der Regel für den niederländischen Teil

des Projektgebietes günstiger (außer As, Cu), während sein Median

MedE in der Regel für den deutschen Teil des Projektgebietes günsti-

ger ausfällt (außer Ni, Zn)

• die Standardabweichung des Fehlers SDE und die Wurzel der mittleren

quadrierten Schätzfehler RMQS weisen die gleiche Größenordnung auf



• die Standardabweichung des Fehlers SDE und die Wurzel der mittleren

quadrierten Schätzfehler RMQS fallen in der Regel für den niederländi-

schen Teil des Projektgebietes geringer aus (außer As, Pb)

• der mittlere absolute Schätzfehler MAS ist größer vom Betrag her als

sein Median MedAS; beide weisen eine bedeutsame Größenordnung

auf

• der mittlere absolute Schätzfehler MAS fällt je nach Parameter für den

niederländischen (i.e. Hg, Ni, Zn) oder deutschen Teil (i.e. As, Cr, Cu,

Pb) günstiger aus

• auch der Median des absoluten Schätzfehlers MedAS fällt je nach Pa-

rameter für den niederländischen (i.e. Hg, Ni, Zn) oder deutschen Teil

(i.e. As, Cd, Cr, Cu, Pb) günstiger aus

Die Ergebnisse der Kreuzvalidierung sind letztlich aber auch in Relation zum

Niveau der Messwerte selbst (Mittelwert, Median) und ihrer Streuung bzw. Stan-

dardabweichung zu sehen.



7. Fazit

Zunächst fällt die unterschiedliche Datendichte der Gebiete diesseits und jen-

seits der Grenze auf. Die Standardisierungsfaktoren werden durch die Fülle der

Bodendaten des Kreises Borken bestimmt. Den wenigen niederländischen Da-

ten kommt dabei praktisch kein Einfluss zu. Die für den niederländischen Teil

des Untersuchungsgebietes vorliegenden spezifischen Besonderheiten (z. B.

vergleichsweise geringe Blei- und Kupfergehalte der Waldflächen) bleiben weit-

gehend ohne Auswirkungen. In diesem Kontext kommt evtl. auch der unter-

schiedlichen Probennahme ein Einfluss zu (Verdünnung der Gehalte infolge

einer Beprobungstiefe 0-10 cm statt 0-5 cm).

Die Stützstellen im Kreis Borken bestimmen die Schätzung wesentlicher Berei-

che des niederländischen Teils des Untersuchungsgebietes mit, wohingegen

umgekehrt kaum Einfluss besteht. Für den deutschen Teil des Untersuchungs-

gebietes treten aus den zuvor genannten Gründen keine wesentlichen Ände-

rungen im Vergleich zur BBK-Außenbereich Borken (IFUA 2005) auf.

Die sehr geringe Datendichte auf niederländischer Seite führt dort zu einer im

Vergleich zur deutschen Seite insgesamt niedrigeren Schätzgüte.

Eine Differenzierung der niederländischen Daten im Hinblick auf den Über-

schwemmungseinfluss ist wegen der fehlenden Datengrundlage nicht möglich.

Dies mag eventuell auch das dort vorliegende höhere Niveau der Messwerte

hinsichtlich Kupfer und v.a. Arsen erklären. Standorte mit erhöhten Stoffgehalten

können nicht (eng)umgrenzten Überschwemmungsgebieten zugeordnet werden

und somit großflächig ausstrahlen. Die Unsicherheiten aufgrund fehlender An-

gaben zum Überschwemmungseinfluss sind zumindest für einzelne Parameter

als erheblich einzustufen (Zunahme des Einflusses: Cd < Cr <Pb < Ni < Zn = Hg

< Cu << As).

Daten zu Einheiten oberflächenaher Gesteine liegen für den niederländischen

Teil des Untersuchungsgebietes nicht vor. So wurde versucht, die für das dorti-

ge Gebiet vorliegenden digitalen Daten zur Geomorphologie behelfsmäßig an-

zugleichen. Der Einfluss der Geologie ist aber eher als gering einzustufen.



Zusammenfassend kann festgestellt werden, dass die in NRW entwickelte und

verbreitet angewendete Methode zur Erfassung der Bodenbelastung im Außen-

bereich auch zur Schätzung von Stoffgehalten im niederländischen Teil des Pro-

jektgebietes herangezogen werden kann.

Bielefeld, den 23.05.2007

Gerald Krüger Dr. Dietmar Barkowski (Dipl.-Geoökol.) (Dipl.-Chem.)



8. Literatur

AG BODEN (1994): Bodenkundliche Kartieranleitung; Ad-hoc-Arbeitsgruppe Boden der Geologischen Landesämter und der Bundesanstalt für Geowissenschaften und Rohstoffe der Bundesrepublik Deutschland; 4. Auflage, Hannover

AKIN, H, SIEMES, H. (1988): Praktische Geostatistik – Eine Einführung für den Bergbau und die Geowissenschaften; Springer Verlag Berlin

GD (2003): Natürliche Haupt- und Spurenelemente sowie wichtige Kennwerte von Lo-cker- und Festgesteinen in Nordrhein-Westfalen; Fachbeitrag des Geologischen Dienst NRW; Autor: Dr. V. Homburg; Stand 06/2003

HEINRICH, U. (1992): Zur Methodik der räumlichen Interpolation mit geostatistischen Verfahren: Untersuchungen zur Validität flächenhafter Schätzungen diskreter Messungen kontinuierlicher raumzeitlicher Prozesse; Deutscher Universitäts-Verlag, Wiesbaden

IFUA (2005): Digitale Bodenbelastungskarte Kreis Borken (Außenbereich); Projektbe-richt; IFUA-Projekt-GmbH, 12/2005, Gutachten im Auftrag des Kreises Borken

JOURNEL, A.G.; HUIJBREGTS, CH.J. (1991): Mining Geostatistics; Academic Press, London

LUA (2000): Leitfaden zur Erstellung digitaler Bodenbelastungskarten Teil I: Außenbe-reiche; Merkblatt Nr. 24, Landesumweltamt Nordrhein-Westfalen

RIES, L. (1996): Geostatistik zur Gefahrenabschätzung von Altlasten – Möglichkeiten und Grenzen der Methodik; S. 113-138; in Altlasten-Bewertung: Datenanalyse und Gefahrenbewertung; AbfallPraxis; Aktualisierte Beiträge des Symposiums Conlimes `94 vom 14. bis 16. Dezember 1994; Landsberg

STOYAN, D., STOYAN, H., JANSEN, U. (1997): Umweltstatistik – Statistische Verarbei-tung und Analyse von Umweltdaten; Teubner Verlagsgesellschaft, Stuttgart

Transborder Soil Quality Map (TSQM) - lanuv.nrw.de · lierte Methode zur Erstellung digitaler...

Documents

Transcript of Transborder Soil Quality Map (TSQM) - lanuv.nrw.de · lierte Methode zur Erstellung digitaler...