浅谈环境监测的质量保证

张伟

（江苏省淮安环境监测中心，江苏 淮安223001）

质量保证（QA），质量控制（QC）和相关的良好实验室规范应成为所有环境监测的重要组成部分。在环境样品的化学分析中对良好质量保证/质量控制的需求已得到公认，并已在许多国际质量保证实践中进行了测试。这种尽职调查还需要应用于监控活动的其他组成部分，因为在许多情况下，它们可能代表更大的错误来源。没有基于足够质量保证/质量控制的数据可能会出错，并且滥用它们会导致错误的环境管理决策。质量保证是指为确保样品的代表性和完整性以及分析结果的准确性和可靠性而采取的所有行动、程序、检查和决定。质量控制包括监视和衡量质量保证程序相对于既定目标的有效性的措施。

1 环境监测的质量保证

在自然水系统的环境研究中，问题通常涉及评估某些活动对水质的影响，沉积物的污染程度或可能影响其对人类消费的适应性的生物群中污染物的水平。在确定问题之后，需要一种抽样策略，该策略将提供专门解决问题或假设的数据。后续阶段涉及场采样，化学分析和数据分析，并且在所有这些场和实验室操作中，都需要适当的QA/QC 标准。环境监测是环境管理的基础，由监管机构，行业和商业顾问根据合同进行。化学分析通常是分包给分析实验室的，此类合同通常是根据价格而不是质量来授予的。实验室的竞争和成本削减必然会对质量保证/质量控制水平产生影响，而这些质量保证结果必须得到保证。质量检查的费用约占总费用的15±20%。尽管大多数商业分析实验室完全熟悉并希望将适当的QA/QC 标准应用于其分析，但并非所有的监测工作都由认可的商业实验室进行。实际上，科学文献中报告的很大一部分环境监测研究没有足够的QA/QC 水平是完全有可能的。参照基准站点或条件的数据，以及与公认的指南进行比较，对照基准对监测数据进行评估。

水、沉积物或食品质量。法规指南和标准的制定依赖于来自实验室对人类和环境毒理学监测的公开数据，而这些数据通常也是质量/质量控制标准不令人满意的主题。分析化学是此类毒性测试的主要组成部分，但通常缺少用于现场环境监测的严格采样和分析方案。毒性数据库中的数据主要来自已发表的文献，在这些文献中，很少或几乎没有证据表明化学分析或毒性测试的其他QA 方面的可靠性。首先，任何基于标称而不是测得的有毒物质浓度的数据都应该被拒绝。除此之外，通常无法确定所应用的QA/QC 级别。如果基于不可靠数据的指导方针一方面可能对生态系统的保护不足，或者另一方面，对生态系统的保护过度，从而对实现这些保护水平的社会造成更多的成本惩罚，则这将产生重要的后果。所有这些因素凸显了在实验室和现场环境测量各个方面都需要更加关注质量问题的必要性。这不仅需要研究人员的参与，还需要期刊编辑和审稿人，环境机构和环境顾问的参与。对行业的成本惩罚，最终对基于劣质数据做出决策的纳税人而言，可能是巨大的。本文讨论了需要保持警惕以确保环境监测数据的可接受标准的那些领域。它着重于质量监控活动中需要应用的质量保证，该活动涉及水生生态系统（即水域，沉积物和生物区系）中的痕量金属。尽管它处理的是金属而不是有机污染物或养分，但类似的做法将适用于这些分析物，就像在场和实验室进行的生态毒性研究一样。对读者来说，考虑这样的实践在他们熟悉的研究中的满意程度将是有益的。希望，发表环境监测数据的期刊将开始要求已发表论文中有可接受的QA/QC 证据，以便将来环境科学家可以在确信的情况下使用这些数据。

2 环境监测的现场采样

现场采样是需要进行质量检查的监视工作中的第一个区域。采样将遵循设计过程，该过程将考虑必要的空间和时间分辨率，样本数量和重复数量，以令人满意地满足研究目标。成本通常是设计抽样程序的限制因素。可以采用合并样本的方式来降低成本，但是，一个关键的决定因素是解决问题的设计的统计能力。采样程序的设计在其他地方已得到全面审查（，将不再讨论。但是，应该认识到，采样设计不充分会导致监测程序的发现不能充分反映与特定污染物相关的环境风险。从这个意义上讲，程序的质量受到了损害。就获得反映自然环境中污染物浓度的结果而言，采样过程本身可能是误差的主要来源，尤其是在测量痕量污染物的地方。人们经常争辩说，分析化学家应该参与采样过程，尤其是水的采样过程，因为他们意识到痕量和超痕量浓度的金属的污染和吸附损失的问题。对于金属浓度明显较高的沉积物和生物区系，当没有QA 时，可能的误差幅度将较小。对于水样，污染和/或吸附损失可通过不适当的样品容器选择，不充分的容器准备，在采样操作期间来自采样设备的污染或不适当的样品保存和存储方法而发生。众所周知，聚乙烯对于痕量金属的研究是必不可少的，但是，经常低估了容器制备和采样的严格性。现场空白是装满蒸馏水（或干净的海水）的瓶子，该瓶子在出场时被带走并经受了样品容器的所有操作。容器毛坯测量容器对相同水的贡献。行程空白测量空白样品的运输对其测量浓度的影响。

3 数据处理和分析

大多数分析实验室都知道在数据管理和分析过程中可能引入的错误。初步的数据管理活动包括确保适当的精度，对异常值的初步筛选以及检查所关注的样本。数据的生成涉及可能与浓度有关的测量响应的记录。在测量峰高或峰面积时，可能会出现主要误差，并且与基线和峰分辨率相关。大多数仪器都有可在信号峰值上绘制基线的软件。值得检查这是否正确完成；在许多实验室中，LIMS 系统很少会出现计算和数据记录错误，它们会直接从仪器获取数据到结果表。需要进行适当的质量检查，以确保不会发生此类错误。数据解释是监测活动中同等重要的组成部分，在此过程中，根据污染物的生态或人类健康风险评估所测得的污染物浓度。在许多研究中，没有记录或没有收集到描述样品的必要支持信息。就生物群而言，这可能包括物种的大小，重量，年龄和性别。例如，在解释金属生物富集的时间趋势时，除非比较相同大小的物种，或者知道大小对金属浓度的影响的信息，否则可能得出错误的结论。

结束语

尽管对环境分析中适当的QA/QC 的需求已广为人知，但环境监测计划的其他组成部分可能会带来更大的误差源，尤其是在研究痕量和超痕量污染物浓度的地方。这样的程序不仅成本高昂，而且补救污染环境可能需要采取的管理措施也更加昂贵。环境科学家有责任确保此类行为基于可靠解释的质量数据。同样重要的是，期刊编辑，审稿人和研究人员应确保已发表的结果包括适当的QA/QC 证据，以便数据用户可以确信其可靠性。