Environmental Forensics of Industrial Wastewater based on Non-Target Screening

Purschke, Kirsten GND

The discharge of industrial wastewater into surface water requires constant monitoring of the water quality to comply with specifications and quality requirements. Furthermore, it must be ensured that individual approvals for the production plants are obtained when industrial wastewater is discharged into the wastewater treatment plant (WWTP). For this reason, the influent of the WWTP is continuously monitored for trace organic compounds (TrOCs). These compounds are usually determined using liquid (LC) or gas chromatographic (GC) target methods coupled to low resolution mass spectrometers. However, these methods monitor only a small part of TrOCs in wastewater. Only a limited number of compounds can be detected in a single run and many compounds are ignored in the analysis as they are not part of the target list. Thus, unknown TrOCs neither can be detected nor identified in wastewater samples using these methods, even if they are present in high concentrations. Therefore, high resolution mass spectrometers (HRMS) have become more and more common in water analysis to carry out more extensive monitoring by detecting both known and unknown compounds. Besides, in combination with a non target screening (NTS), the generated HRMS data additionally enable the identification of unknown compounds. The application of LC HRMS in NTS related to industrial wastewater data is described in this work. Sample treatment procedures and an analytical LC HRMS method are developed which enable the sensitive and reliable monitoring of TrOCs in a broad polarity range. Additionally, the development of a reliable data processing algorithm for NTS is part of this work. A large amount of data is produced in LC HRMS that cannot completely be evaluated. Thus, prioritisation methods are required, enabling data reduction. As a result, three prioritisation strategies were developed, which make it possible to extract relevant features (a combination of a particular mass to charge ratio, the associated retention time and intensity) from the data for identification. The relevance of each feature depended on the prioritisation strategy. The first prioritisation method selects these features, whose intensities followed rising or falling trends over time series measurements. As a result, influences on industrial wastewater through the different production processes in an industrial park were recognised. This method was carried out by principal component analysis (PCA) and group wise PCA (GPCA). 130 of initially 3303 detected features were prioritised in the WWTP influent samples. In addition to prioritisation, the introduced method enabled componentisation (grouping of several features into one TrOC). As proof of concept, one feature with an increasing trend over five months was identified as N methylpyrrolidone. In the second trend related prioritisation method, the time series investigations were linked to spatial trends. For this purpose, several sampling sites before and after the WWTP were sampled and analysed over five months. This allows evaluating the treatment procedure of industrial wastewater over time. Besides, site specific features were detected. In future studies, these features could serve as a fingerprint in the monitoring of the wastewater streams. In contrast to the first two, the latter prioritisation method shows a more technical approach. TrOCs, which were repeatedly detected in the influent of the WWTP by the routine monitoring, but which were initially not identified (‘known unknowns’) are prioritised and identified by an (offline) two dimensional LC coupled to two kinds of detection techniques (ultra violet detection and MS). The identification of these ‘known unknowns’ is of high interest for the operators of the WWTP. LC UV peaks from wastewater samples were fractionated manually in the first dimension and elucidated in the second dimension, the LC HRMS, by NTS. By applying this method, the analysis of only one sample fraction led to sampling purification and therefore, data reduction. As an example, the ‘known unknown’ with the retention time of 41.1 minutes and the maximum UV absorption of 240 nm in the first dimension was successfully identified as a dichlorodinitrophenol isomer. All in all, this work shows that the use of HRMS data, in combination with NTS and the application of the presented prioritisation methods, extends the monitoring of industrial wastewater and permits an evaluation of the WWTP processes. It indicates great potential for future establishment in routine monitoring.

Die Einleitung von Industrieabwässern in Oberflächengewässer erfordert eine ständige Überwachung der Wasserqualität zur Einhaltung von Spezifikationen und Qualitätsanforderungen. Zusätzlich muss sichergestellt werden, dass Einzelgenehmigungen der Produktionsanlagen bei der Einleitung von Industrieabwässern in die Kläranlage eingehalten werden. Daher werden die Abwasserproben hinsichtlich von Spuren organischer Verbindungen (engl. trace organic compounds, TrOCs) permanent überwacht. In der Routineanalytik werden diese Verbindungen üblicherweise mit flüssig (engl. liquid chromatography, LC) oder gaschromatographischen (GC) Systemen aufgetrennt und mit niedrig auflösenden Massenspektrometern detektiert. Diese Analyt gerichtete Vorgehensweise erfasst jedoch nur einen kleinen Teil der TrOCs im Abwasser. Unbekannte TrOCs in Abwasserproben können mit dieser Vorgehensweise weder nachgewiesen noch identifiziert werden, selbst wenn diese in hohen Konzentrationen in der Probe vorliegen. Das liegt daran, dass bei diesen Methoden nur eine begrenzte Anzahl an Verbindungen in einem analytischen Lauf bestimmt werden kann. Außerdem werden viele Verbindungen bei der Analyse ignoriert, da sie nicht Teil der Analyt Liste sind. Aus diesem Grund werden hochauflösende Massenspektrometer (HRMS) in der Wasseranalyse immer häufiger eingesetzt, um eine umfassendere Überwachung, durch den Nachweis von sowohl bekannten als auch unbekannten Verbindungen, zu ermöglichen. Zusätzlich ermöglichen die generierten HRMS Daten in Kombination mit einem Non Target Screening (NTS) die Identifizierung dieser unbekannten Verbindungen. Diese Arbeit beschäftigt sich mit der Anwendung des NTS Konzeptes auf Industrieabwasserdaten die mittels der LC HRMS Technik aufgenommen wurden. Es wurden Probenvorbereitungen und eine Analysenmethode entwickelt, die es ermöglichen TrOCs in einem großen Polaritätsbereich empfindlich und verlässlich nachzuweisen. Zusätzlich ist die Entwicklung eines verlässlichen Datenauswertealgorithmus für das NTS Bestandteil dieser Arbeit. Dadurch, dass die Anwendung von HRMS Daten in Verbindung mit dem NTS, bekannte und unbekannte Verbindungen detektiert, entsteht eine große Datenmenge, die es zu bewältigen gilt. Um die Aufklärung von unbekannten Verbindungen realisieren zu können, sind Priorisierungsmethoden erforderlich, die unter anderem zur Datenreduzierung verwendet werden können. Folglich wurden drei Priorisierungsstrategien erarbeitet, die es ermöglichen sollen relevante Feature (Zusammenschnitt von einem bestimmten Masse zu Ladungsverhältnis, der zugehörigen Retentionszeit und Intensität) aus der Datenmenge für die Identifizierung zu extrahieren. Die Relevanz richtete sich dabei nach der Priorisierung. Die erste Priorisierungsmethode selektiert solche Feature, deren Intensitäten über einen längeren Messzeitraum, steigenden oder sinkenden Trends folgen. Dadurch sollten Einflüsse auf das Industrieabwasser durch die unterschiedlichen Produktionsprozesse in einem Industriepark erkannt werden. Durchgeführt wurde diese Methode durch die Hauptkomponentenanalyse (engl. principal component analysis, PCA) und gruppenweise PCA (GPCA). Von 3303 detektierten Feature aus Kläranlagenzuflussproben konnten 130 relevante Feature priorisiert werden. Außerdem zeigte sich, dass die Methode zusätzlich zur Priorisierung noch eine Komponentisierung (Gruppierung von mehreren Features zu einem TrOC) der detektieren Feature ermöglichte. Als konzeptioneller Beweis wurde exemplarisch ein Feature mit steigendem Trend als N Methylpyrrolidon identifiziert. In der zweiten trendbezogenen Priorisierungsmethode wurden die Zeitreihenuntersuchungen anschließend mit räumlichen Trends verknüpft. Dazu wurden mehrere Probenahmestationen vor und nach der Kläranlage über einen längeren Zeitraum beprobt und analysiert. Dadurch war es möglich das Kläranlagenverhalten von Industrieabwässern über fünf Monate zu bewerten. Außerdem konnten solche Feature gefunden werden, welche jeweils für eine Probenahmestation spezifisch waren und somit als Fingerabdruck in der Überwachung der Abwasserströme dienen könnten. Die letzte Priorisierungsmethode zeigt im Gegensatz zu den ersten Beiden einen eher technischen Ansatz. TrOCs, die in dem Kläranlagenzulauf durch die Routineüberwachung wiederholt detektiert wurden, die zunächst aber nicht eindeutig identifizierbar waren und deren Aufklärung für die Betreiber der Kläranlage folglich im Vordergrund steht („bekannte Unbekannte“), wurden durch eine (offline) zweidimensionalen LC gekoppelt an zwei unterschiedliche Detektionstechniken (UV und MS) priorisiert und anschließend identifiziert. LC UV Peaks aus Abwasserproben wurden so in der ersten Dimension manuell fraktioniert und in der zweiten Dimension, der LC HRMS, durch NTS aufgeklärt. Die Analyse von ausschließlich einer Probenfraktion führt zur Probenreinigung und damit zur Datenreduktion. Exemplarisch wurde die „bekannte Unbekannte“ mit der Retentionszeit von 41,1 Minuten in der ersten Dimension und der maximale UV Absorption von 240 nm erfolgreich als ein Isomer der Dichlordinitrophenole identifiziert. Insgesamt zeigt diese Arbeit, dass die Verwendung von HRMS Daten, in Kombination mit dem NTS und unter Verwendung der vorgestellten Priorisierungsmethoden, die Überwachung von Industrieabwässern erweitert und eine Bewertung der Kläranlage zulässt. Sie zeigt ein großes Potential für die zukünftige Etablierung in die Routineüberwachung.

Cite

Citation style:
Purschke, K., 2020. Environmental Forensics of Industrial Wastewater based on Non-Target Screening. https://doi.org/10.17185/duepublico/72815
Could not load citation form.

Rights

Use and reproduction:
All rights reserved

Export