Utrecht 15 december 2012
Leidraad voor de verwerking van Passive Sampling data met Excel Foppe Smedes Dit is een op internet beschikbare bijlage bij: F.Smedes en K.Booij, Leidraad voor de passive sampling van hydrofobe stoffen in water met siliconenrubber samplers, Deltares rapport: 1206124-000-BGS-0002. www.kennisonline.nl Gebruik van de berekeningsmethode hieronder beschreven is voor risico van de gebruiker. Deltares nog de auteur kan aansprakelijk worden gesteld voor fouten daarin of het gebruik ervan.
Vooraf · Zorg dat de Excel versie macro’s toestaat. · Een groot of dubbel scherm is handig voor het werken met de relatief grote spreadsheets. · Voor het kopiëren en verhuizen van data is het handig een “past values” knopje op de menubalk (Windows 2003) te hebben of the quickaccess balk in Windows 2007 of 2010. · De berekening van de samplingrate parameters kan worden uitgevoerd met een daarvoor beschikbare Excel sheet. Ook de voorbeeldberekening waar naar verwezen wordt staat hierin. Deze handleiding en de reken file is te downloaden op www.passivesampling.net/rs De directe link naar de rekenfile is www.passivesampling.net/rs/Rs_v3a.xls De file bevat voorbeeld data die overschreven kunnen worden.
Data organisatie · Verzamel de data van een batch samen met de bijbehorende meta data. Er wordt vanuit gegaan dat een eventuele oplosmiddel/analytische procedure blanco reeds van de meetwaarde is afgetrokken. · Kies bij voorkeur korte codes/Sample IDs voor de monsters. · Maak twee tabellen zoals hieronder beschreven: één voor de stoffen die als PRC zijn meegenomen en één voor de doelstoffen. · De namen van de PRCs en doelstoffen moeten overeenkomen met die in tabblad “SR_Kpw” · Andere stoffen kunnen worden toegevoegd als de Kpw en MW daarvan bekend zijn. e
e
Namen van de stoffen in de 1 kolom (invullen vanaf de 5 rij). . 1e rij – Samp ID van samplers, monsters, productie/referentie samplers1 en veld blanco’s e 2 rij – Sampler gewicht 3e rij – Blootstellingstijd e 4 rij – is leeg e 5 rij – hier en volgende rijen met de PRCs/doelstoffen Het tabblad “Data Rs” kan ook gebruikt worden om de PRC data in te vullen/pasten.
Berekening samplingrate parameters Namen voor de PRCs/doelstoffen moeten gelijk zijn aan die in tabblad “SR_Kpw”. Als de gewichten van samplers en referenties weinig (<5%) verschillen, kan het gemiddelde of de mediaan van de uitgangshoeveelheden op de referentie samplers worden genomen als N0. Bij grotere gewichtsverschillen moeten hiervoor de concentraties (ipv hoeveelheden) worden 1)
Merk op dat bij PRCs over referentie samplers wordt gesproken en bij doelstoffen over de productie blanco. Dit zijn fysiek dezelfde samplers. De gemeten hoeveelheid doelstoffen in de referentie samplers is de productie blanco.
Leidraad voor rekenen aan PS data
1
gebruikt. De formule hieronder berekent de starthoeveelheid (N0i) in een blootgestelde sampler door het gewicht (mpi) met de gemiddelde concentratie in de referentie te vermenigvuldigen:
N 0i = mi
ref 1 n Nj å n j =1 m ref j
Voor de mediaan is dat vergelijkbaar. Bereken daarna voor elke PRC de achtergebleven fractie door de hoeveelheid PRC in de blootgestelde sampler (Nti) te delen door de uit de referentie i samplers berekende start hoeveelheid (N0 ):
f exp =
N ti N 0i
Voor monsters waarin de gehalten onder de detectielimiet liggen, mag bijvoorbeeld 0.001 worden ingevuld als uiteindelijke fractie. De ontstane tabel heeft dezelfde indeling als boven beschreven met daarin alleen monster data (geen referentie data). Als je in tabblad “Data Rs” werkte zijn de data al ingevuld in het blauwe gebied. Voor de fouten berekening kopieer de klaargemaakte data met “paste values” in het blauwe gebied in het tabblad “Rs calc Altesil MW”. De procedure hieronder geldt voor het tabblad “Rs calc Altesil MW” maar is gelijk voor het tabblad “Data Rs”. Open solver en vul de relevante velden in zoals in figuur 1 is aangegeven. Merk op dat nieuwere versies van Excel een andere layout van Solver hebben. De “Target cell” is de kwadratensom van de verschillen in de experimentele en de gemodelleerde fcalc waarden. Als “changing cells” worden alle FA waarden geselecteerd. Fig 1 De regel in “constraints” zorgt dat Solver geen onmogelijke negatieve waarden gaat onderzoeken.Kies daarna “Options” vul voor “Max.Time”=1000s, “Iterations”= 1000 en click “Use Automatic Scaling”. Voor de andere parameters kunnen de default waardes blijven staan. Klik twee keer OK en solver zal starten. Herhaal solver tot de waardes constant zijn. Om de resultaten visueel te evalueren klik op de groene cell (Fig 3) met monsternaam en selecteer uit het dropdown menu een monster om de fit van de data te controleren. De linker grafiek laat de experimentele f waarden van het geselecteerde monster zien tov de lijn die de gemodelleerde fcalc waarden weergeeft, allebei uitgezet tegen de stofeigenschappen die de afgifte snelheid bepalen (Kpw/M0.47). De individuele verschillen tussen experimentele en gemodelleerde fcalc waarden zijn in de rechter grafiek (niet zichtbaar in Fig 3) ook 0.47 uitgezet tegen Kpw/M . Fig 2
Leidraad voor rekenen aan PS data
2
Figuur 3 Uitschieters mogen verwijderd worden als daar een goede reden voor is, zoals bijvoorbeeld colelutie met een andere stof. Ook door voor de waarde een apostrof te plaatsen zal deze bij opnieuw fitten niet worden meegenomen. De resultaten na de modelfit staan vermeldt in het oranje gekleurde gebied op het werkblad. Tabel 1 verklaart de parameters die vanuit de non-lineaire kleinste kwadraten methode worden berekend. Goede data laten een cvFA zien van rond de 0.1 maar 0.05 komt ook voor. Vooral bij een lage R s kan de cvFA oplopen tot 0.3 (30%). Table 1 Model output
Samp ID
Samp 1
estimated FA
FA
1586.4
SE FA
Optimizer SSQ
sFA
577.5
cvFA
0.36
SSQ
0.640
Kwadraten om van Residuele verschillen
0.253
Standaardafwijiking van de fit (model versus fit
7.6753
residual SE sFit Df Rs at M=300 L/d
FDf L/d
Rs300
SE of Rs Vw a MW=300 LL
Flow factor (proportionaliteits constante)
SampVol
10 108.7
Standaardafwijking van FA CV van FA
Aantal vrijheidsgraden (naar beneden bijgesteld) Voorbeeld sampling rate voor een MW van 300
39.6
Standaardafwijking
4565
Geëxtraheerd volume water (als t
Door verschillende redenen kan het voorkomen dat de curve aan de linkerzijde niet op 1 uitkomt. Stoffen die erg hydrofoob zijn en meer dan 1.5 logeenheid rechts van de 50% doorsnijding liggen (bv PCB104-204), worden in principe niet afgegeven door de sampler en als voor al die stoffen 1 de fexp waarden significant van 1 verschillen, betekent dit dat er sprake is van een analytische 1)
Significant betekent hier dat alle waardes nagenoeg evenveel en in dezelfde richting van 1 verschillen.
Leidraad voor rekenen aan PS data
3
bias al dan niet door verdunningsfout of matrix effecten. Het is dan mogelijk om de meest hydrofobe stoffen te gebruiken als ankerpunt en de curve te corrigeren door alle data door de mediane terugvinding van deze stoffen te delen. Nogmaals, de stoffen die als ankerpunt worden gebruikt moeten wel duidelijk in het horizontale deel na de afbuiging vallen. Wanneer aanpassing van de verhoudingen noodzakelijk is voor een of meerdere locaties, dienen vanwege consistentie redenen de aanpassing alle locaties te worden toegepast. Het zal overigens duidelijk zijn dat de aanpassing geen invloed heeft als de meest hydrofobe stoffen wel rond de 1 liggen Uitvoering van de fitting kan dus in “Data Rs” worden uitgevoerd maar het voordeel van uitvoering in “Rs calc Altesil MW” is echter dat de gemeten waarden voor f met het model automatisch de fouten worden mee berekend. Zowel voor tabblad “Rs calc Altesil MW”als “Data Rs” wordt de fit uitgevoerd door de som van de verschillen tussen fexp en fcalc in het kwadraat te minimaliseren in solver met FA als aanpasbare parameter. De uitkomsten moeten gelijk zijn.
fcalc = e
-
FA t K pw M 0.47 m
Het verdient aanbeveling om ten minste één keer zelfstandig een fitting uit te voeren om de methode goed te begrijpen, maar ook om berekeningen offline te kunnen controleren. Hiervoor is een trainingstemplate beschikbaar op http://www.passivesampling.net/rs Ook laat het tabblad “Data Rs” hel goed stapsgewijs zien hoe de berekening uitgevoerd kan worden.
Concentraties in de waterfase berekenen Allereerst wordt de hoeveelheid op de sampler voor alle monsters, productie- en veld-blancos verminderd met de oplosmiddel blanco.. Bij deze berekening kan ook rekening gehouden worden met de concentraties van de doelstoffen die in de productieblanco aanwezig waren. De data van de veldblanco zijn alleen ter controle en worden niet in de berekening betrokken Met behulp van de berekende FA waarden worden vervolgens de concentraties van de doelstoffen in de waterfase berekend. Productie en veld blanco’s Het corrigeren voor achtergrondgehaltes, die zijn ontstaan bij de productie is niet een eenvoudige aftreksom. Een productieblanco van een minder hydrofobe stof zal net als de PRCs tijdens de blootstelling weer worden afgegeven en zal bij het moment dat evenwicht is bereikt geen rol meer spelen. Bij een sterk hydrofobe stof waarvan alleen maar opname plaats vindt tijdens de blootstelling moet de productieblanco wel in z’n geheel worden afgetrokken. Voor de correctie van opname door een veldcontrole - een sampler die tijdens het uithangen en binnenhalen alleen aan de lucht is blootgesteld – zijn geen eenduidige regels te geven. Theoretisch zou het deel dat bij het binnenhalen is opgenomen geheel moeten worden afgetrokken van de hoeveelheid op de sampler. Het andere deel dat bij het uithagen is opgenomen zou aan de productieblanco moeten worden toegevoegd. Dit is echter strikt theoretisch, want de veldblanco’s vertegenwoordigen meestal maar een paar locaties en zijn niet noodzakelijkerwijs representatief zijn voor de andere locaties. De praktijk is dat voor de productieblanco kan worden gecorrigeerd en dat wanneer de veldblanco’s meer dan 20% van de hoeveelheid in de blootgestelde samplers vertegenwoordigen, de uiteindelijke resultaten gemerkt moeten worden als indicatief. In alle gevallen is het illustratief om de Cw zowel met als zonder correctie voor de productieblanco uit te rekenen.
Leidraad voor rekenen aan PS data
4
Berekening concentraties in water De data worden gerangschikt zoals beschreven in de sectie “data organisatie” Daarna worden deze met copy paste-values in het daarvoor bestemde gebied in tabblad “Data Cw” geplaats. In deze file is ook aangegeven hoe het werkgebied qua grote op de te ontvangen data kan worden afgestemd. De berekening wordt dan automatisch stapsgewijs doorgevoerd. Dit geeft minder aanleiding tot fouten en meer inzicht in het proces. De eerste stap bij een dergelijke berekening is de berekening van de mate van evenwicht voor elke stof na de blootstelling (degree of equilibrium, DEQ):
æ ö FA t DEQ = 1 - exp ç 0.47 ç K M m ÷÷ pw è ø Uit de resultaten is direct af te leiden of evenwicht is bereikt. Een waarde van 1 geeft evenwicht aan en bij een waarde van tussen de 0 en ~0.5 is de opname lineair met de tijd. Met deze tussenstap wordt ook vergelijking 8 in het hoofddocument voor de berekening van de Cw veel eenvoudiger. De concentratie in de waterfase wordt met gebruik van Nt uitgerekend door:
Cw =
Nt K pw m DEQ
Met m in kg en t in dagen is de eenheid van Cw gelijk aan de inputeenheid van Nt (meestal ng) per liter, ng/L dus. Correctie voor blanco Naast een gebied waar de Cw zonder correctie voor de blanco is uitgevoerd is er ook een gebied waar dat wel is gedaan. Een Cw,cor, gecorrigeerd voor een hoeveelheid stof (N0) die voor de blootstelling al op de sampler aanwezig was, is berekend via:
Cw,cor =
Nt - N0 (1 - DEQ ) K pw m DEQ
In N0 wordt alleen de productieblanco meegenomen. De grootte van de range die de niet- en welgecorrigeerde Cw waardes beslaan geeft een goed beeld van de invloed van de blanco’s. Bij variaties die ver uitstijgen boven de meetvariatie in Nt kunnen de data op gepaste wijze gemerkt worden. Zoals aangegeven is corrigeren voor de veldblanco niet eenduidig. Wel kan de veldblanco verminderd met de productieblanco, als Nt, een monster worden mee berekend door de waardes in te vullen in bovenste gebied met een gekozen waarde voor FA. Deze berekening geeft een indruk van wat de invloed van de veldblanco op de uitkomst van de Cw is. Detectiegrens De detectiegrens hangt in principe af van hoeveel water is bemonsterd en tot welk niveau Nt kan worden gemeten (meet-detectiegrens). De hoeveelheid bemonsterd water is maximaal gelijk aan m Kpw; dit geldt als evenwicht is bereikt. De detectiegrens in water wordt berekend door de met de meet-detectiegrens (DGNt), de Cw te berekenen. Een algemene detectiegrens kan worden berekend met:
DGw =
DGN t æ æ 5 x 40 ö ö Kpw m ç 1 - exp ç ç K 0.02 ÷÷ ÷÷ ç pw è øø è
Leidraad voor rekenen aan PS data
5
Hier is een samplingrate genomen aan de ondergrens van de gebruikelijke samplingrate (5 L/d) bij een bemonsteringsperiode van 40 dagen en een samplergewicht van 20g (0.02 kg). Samplingrates kunnen echter gemakkelijk 10 maal zo hoog zijn, waardoor voor de meer hydrofobe stoffen de detectiegrens veel lager kan zijn. Controle. Als de berekening is uitgevoerd, verdient het aanbeveling om een aantal waarden te controleren. Dit kan heel simpel door de berekening uit te voeren in de beide uiterste situaties; evenwicht en ver van evenwicht. Voor stof waarvan de DEQ de 1 benadert, geldt evenwicht en dus:
Cw =
Nt m K pw
Een simpelere vorm geldt ook voor stoffen waarvoor de DEQ heel klein is en de opname gedurende de hele periode lineair is:
Cw =
Nt N MW 0.47 Nt = t » Rs t FA t SampVol
Een dergelijke simpele controle laat heel snel zien of er fouten zijn gemaakt door bijvoorbeeld verkeerd geplaatste haakjes in de formule. Ook kunnen fouten gemaakt worden door te vergeten dat de Kpw meestal als logaritmische waarde is weergegeven. Slotwoord De auteur wenst u veel succes met de berekeningen. Als u fouten ontdekt hoor ik dat graag. Ook als u na gebruik van deze leidraad suggesties heeft om die te verbeteren, vraag dan om een word versie door een email te sturen naar
[email protected]. U kunt dan uw suggesties als tracked changes toevoegen waarna ik een nieuwe versie op de website zal plaatsen. Referenties Billo, E. J. Non-linear regression using the solver. In Excel for Chemists: A Comprehensive Guide.; John Wiley & Sons, Inc.: 2001, pp 223-238 Booij, K., Smedes, F., 2010. An Improved Method for Estimating in Situ Sampling Rates of Nonpolar Passive Samplers. Environ. Sci. Technol. 44, 6789-6794. Rusina, T.P., Smedes, F., Koblizkova, M., Klanova, J., 2010. Calibration of Silicone Rubber Passive Samplers: Experimental and Modeled Relations between Sampling Rate and Compound Properties. Environ. Sci. Technol. 44, 362367. Smedes, F., Geertsma, R.W., Zande, T.v.d., Booij, K., 2009. Polymer-Water Partition Coefficients of Hydrophobic Compounds for Passive Sampling: Application of Cosolvent Models for Validation. Environ. Sci. Technol. 43, 7047-7054. Smedes, F., (2007). Monitoring of chlorinated biphenyls and polycyclic aromatic hydrocarbons by passive sampling in concert with deployed mussels. In: Comprehensive Analytical Chemistry (R. Greenwood, G. Mills and B. Vrana, eds.) Elsevier, Volume 48,.407
Leidraad voor rekenen aan PS data
6
