Bioavailability of metals II Part - Exercise Lidia Ceriani June 2016

Difficolta’ nell’implementazione ….Dati mancanti pH, DOC, Ca2+, [Me] disciolte  dati di input obbligatori Ca2+  Hardness-conversion tool (c/o bio-met.com) DOC  1) Da Fe disciolto e UV Abs (analisi di regressione): DOC (mg/L) = slope * UV Abs (cm-1) + intercetta Range ottimale: 200 – 360 nm DOC (mg/L) = slope * [Fe]disciolto + intercetta 2) Uso di dati storici (e.g. 25° percentile DOC, scala spaziale piccola). Per il monitoring del DOC, il FOREGS DB puo’ essere un punto di partenza… June 2016

Difficolta’ nell’implementazione ….Dati mancanti Ref. IZA, pers. comm. FOREGS, Valori DOC: Arco Alpino: 0.6-2.0 mg/L Toscana: 2.0 Campania: 2.9 Puglia: 7.8 Sardegna: 15.0 …  Valutazione di tipo indicativo  Utile per identificare le regioni piu’ vulnerabili ed effettuare analisi in loco per confermarne il dato June 2016

Difficolta’ nell’implementazione ….Dati mancanti Es. Dati di monitoraggio forniti da Universita’ di Bicocca Milano – Fiume Lura Manca Ca2+: Stima durezza da conducibilita’ elettrica 1 mg/L CaCO3 = 2 μS/cm (http://www.hannacan.com/fiches_techniques/G-Conductivity-TDS%20Meters/Conductivity_Intro.pdf) DOC = 160.1 Abs + 6.9 λ = 460 nm, Lake Water, Forsberg (1967) June 2016

Difficolta’ nell’implementazione Valori fuori dal dominio di applicabilita’ (1) Limiti fissati per pH e Ca2+ Per acque dure, limitare i dati di input alla max concentrazione permissibile di Ca2+ Per acque soft ed acide, ci sono 5 opzioni: Usare direttamente lo SQAbiodisponibile Assumere che le predizioni del BLM siano lo stesso valide Fare estrapolazioni (e.g. considerare solo il DOC (es. Pb)) Validare I dati con dati ecologici e in campo Usare specifiche PNEC locali June 2016

Difficolta’ nell’implementazione Valori fuori dal dominio di applicabilita’ (2) Bio-Met & M-BAT: Per i siti fuori dai range validati dei BLMs per 1 o + parametri chimico-fisici, le predizioni sono fatte con gli estremi (o superiore o inferiore, a seconda) di tale range.. Prestare attenzione ai valori di RCR ~ 1 (0.5 – 2.0) June 2016

Difficolta’ nell’implementazione Ambient background concentrations (ABC) Usarle nei BLMs per SQAbiosponibili stimati mediante approccio ARA (es. Zn) Usare allo Step 3 dell’approccio a step, come refinement locale June 2016

Ringraziamenti I dati di monitoraggio italiani sono stati gentilmente forniti da: Riccardo Fornaroli – PhD, Universita’ di Bicocca, Milano Stefano Polesello – CNR, IRSA June 2016

Esercio pratico June 2016

M-BAT SQA usati nel modello June 2016

M-BAT – Input data Accetta le macro, Start, copia ed incolla i dati nel corretto ordine June 2016

M-BAT – Output PERICOLO RISCHIO June 2016

M-BAT – Output Rame June 2016

M-BAT – Output Zinco June 2016

M-BAT – Output Nickel June 2016

June 2016