Miljø- og Fødevareudvalget 2023-24
MOF Alm.del Bilag 135
Offentligt
2784663_0001.png
NOTAT
Nordjylland
J.nr. 2023 – 30956
Ref. LITAR (NJL), SIRAS
(Pesticider)
Den 25. august 2023
Fagligt notat om resultater af suspect screening for
pesticidstoffer i grundvand 2022
1. Baggrund
Miljøstyrelsen har for fjerde år i træk udført massescreening for pesticidstoffer i grundvand i
forbindelse med Tillægsaftale til Aftale om Pesticidstrategi 2017–2021. Analyserne er foretaget på
vandprøver, som er udtaget i indtag, der indgår i den nationale grundvandsovervågning (GRUMO).
Massescreening 2022 adskiller sig fra de tidligere massescreeninger, idet den er todelt ift.
analysemetoder. Screeningen indeholder både traditionelle målrettede ”target” analyser samt en
såkaldt ”suspect” screening. Resultaterne af de traditionelle målrettede target-analyser blev
afrapporteret og offentliggjort i foråret 2023
1
.
Massescreening 2022 omfatter 249 grundvandsprøver og indeholder målrettede analyser af fire
pesticidstoffer som tillæg til de 63 pesticidstoffer, der aktuelt indgår i GRUMOs ordinære
analyseprogram. Det vil sige, at der i alt er udført target-analyser af 67 forskellige pesticidstoffer i alle
249 grundvandsprøver. Derudover blev der udført suspect screening af prøver fra 81 af de 249 indtag.
Dette giver potentielt mulighed for en direkte sammenligning mellem de to analysestrategier for de 67
pesticidstoffer mhp. at vurdere den relativt nye analysestrategi - suspect screening. Denne
sammenligning afrapporteres særskilt sammen med en teknisk beskrivelse af metoden, se Bilag 1.
Med dette notat offentliggøres resultaterne fra suspect screeningen for stoffer, som ikke tidligere er
analyseret i GRUMO. Analyseresultaterne for de undersøgte stoffer blev leveret på de tre højeste
identifikationsniveauer (1, 2 og 3) ud af i alt fem niveauer, se Bilag 1. Da usikkerheden på
analyseresultaterne for påviste stoffer identificeret (og delvist kvantificeret) på niveau 2 og 3 er
vurderet for stor til, at der kan reguleres direkte på baggrund af resultaterne, er det kun stoffer
identificeret på niveau 1, der afrapporteres i dette notat. Påviste stoffer på identifikationsniveau 1, 2 og
3, og som er nye ift. GRUMO, er alle listet i Bilag 2. Stoffer på niveau 4 og 5 vurderes at være så usikre,
at de slet ikke behandles videre.
2. Kort sammenfatning af resultater
Suspect screeningen, udført på vandprøver fra i alt 81 GRUMO-indtag, leverede analyseresultater på
tre identifikationsniveauer – 1, 2 og 3. Det er imidlertid kun kvantificerede resultater for stoffer
identificeret på niveau 1, der betragtes som direkte brugbare i videre regulering og til brug i en
vurdering af evt. fremtidigt behov for monitering i grund- og drikkevand. Nye stoffer analyseret på
niveau 2 og 3 fremgår derfor alene af bilag 2 og betragtes som input til Miljøstyrelsens videre arbejde
med prioritering af hvilke stoffer, der kan være relevante at monitere for i dansk grund- og drikkevand.
1
https://mst.dk/media/257204/fagligt-notat-om-resultater-af-screening-for-pesticidstoffer-i-grundvand-
2022.pdf
Miljøstyrelsen • Niels Bohrs Vej 30 • 9220 Aalborg Øst
Tlf. 72 54 40 00 • CVR 25798376 • EAN 5798000872080 • [email protected] •
www.mst.dk
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0002.png
Dette skyldes, at identiteten af stofferne på niveau 2 og 3 ikke er 100 % fastlagt. For at opnå
bekræftelse af identiteten er der behov for specifikke interne standarder for stofferne, som ikke har
været til rådighed. Godt nok er stofferne på niveau 2 identificeret med stor sikkerhed, men fund af
niveau 2 (og 3) stoffer kan kun kvantificeres med en meget stor usikkerhed, når der ikke indgår
specifikke standarder for stofferne. Med denne usikkerhed på kvantificeringen vil fundprocenter og
evt. overskridelser af kravværdien for pesticider ikke være retvisende.
Der blev i alt påvist seks nye stoffer på niveau 1, som ikke tidligere er analyseret i GRUMO, hvoraf tre
(glutarsyre, oxaminsyre og ravsyre) blev påvist over kravværdien for pesticider i grundvand på 0,10
µg/L. Miljøstyrelsen vurderer, at to af disse stoffer (oxaminsyre og ravsyre) ikke er underlagt
kravværdien for pesticider, da stofferne ifølge EU-guidance
2
er af en sådan karakter, at de ikke udgør
en bekymring og dermed ikke skal risikovurderes nærmere ift. miljø eller sundhed. Det tredje stof,
glutarsyre, er påvist i ni ud af de 81 prøvetagede indtag med højest målte koncentration på 112 µg/L.
Det skal hertil nævnes, at detektionsgrænsen (LOD) er væsentligt højere (1,5 µg/L) end den typisk
anvendte LOD (0,01 µg/L) i forbindelse med traditionelle målrettede analyser. Det er derfor vigtigt at
bemærke, at en fundprocent baseret på disse data ikke vil være sammenlignelig med de fundprocenter,
der afrapporteres i de årlige grundvandsrapporter
3
. Det er ligeledes relevant at bemærke, at den høje
LOD naturligt resulterer i, at alle fund er over kravværdien. Reelt set kan der pga. den høje LOD være
flere fund over kravværdien. De tre stoffer, som alene er påvist under kravværdien for pesticider, CGA
42447, SYN 547889 og alloxydim, er fundet i henholdsvis otte, to og to af de undersøgte indtag.
Stofferne SYN 547889 og alloxydim er påvist i koncentrationer præcist på kravværdien, hvilket ikke er
en overskridelse af kravværdien. For disse tre stoffer er LOD lavere end den typisk anvendte LOD på
0,01 µg/L. Med en højere LOD vil fundprocenten alt andet lige være lavere.
3. Datagrundlag
3.1 Miljøstyrelsens bruttoliste
Til gennemførelse af suspect screeningen er der, som med de øvrige tre massescreeninger, taget
udgangspunkt i Miljøstyrelsens bruttoliste over pesticidstoffer, der evt. kan være relevante ift.
grundvandsovervågning. Det vil sige, at de ”suspects”, der inddrages i analysen, er stofferne på
Miljøstyrelsens bruttoliste. Listen indeholdt 1364 stoffer på tidspunktet for offentliggørelsen af
udbuddet på suspect screeningen, inklusive de stoffer, som i forvejen indgår i GRUMOs ordinære
analyseprogram og stoffer, som har indgået i de tidligere massescreeninger.
Antallet af stoffer (suspects) på den endelige screeningliste blev opjusteret fra 1364 til 1376 efter
projektets start pga. tilføjelse af to nye stoffer ønsket af Miljøstyrelsen, samt oprettelse af stoffer på
”ikke-salt form”. Da 10 salte desuden udgik af analysen, blev det endelige antal stoffer i analysen 1366.
Af de 1366 stoffer blev 19 stoffer udelukket pga. utilstrækkelig entydig stofbeskrivelse eller for lav
molekylær masse til, at stofferne kunne inkluderes i metoderne. Der er samlet analyseret for 751 nye
stoffer. Af disse stoffer er hhv. 7, 13 og 42 stoffer analyseret på niveau 1, 2 og 3. De resterende 689
stoffer er analyseret på niveau 4 og 5.
3.2 Boringer/Indtag
Resultaterne er baseret på grundvandsprøver udtaget i perioden 19. september 2022 til 17. november
2022 i 81 overvågningsindtag i GRUMO-boringer fordelt over hele Danmark. Der er i alt udtaget 131
prøver, da der i 25 af de 81 indtag blev udtaget tre prøver (triplikater). Den højest påviste
koncentration i triplikaterne blev anvendt i den videre analyse og afrapportering for at sikre en
2
3
pesticides_ppp_app-proc_guide_fate_metabolites-groundwtr-rev11.pdf (europa.eu)
https://www.geus.dk/Media/638175711147491678/Grundvand1989-2021_rev.pdf
2
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0003.png
konservativ tilgang i analysen. Indtagene blev valgt ud fra kriterier om tidligere fund af ét til fem
udvalgte pesticidstoffer (se Tabel 1), som beskrevet i Bilag 3 - ”Kriterier for udvælgelse af
massescreeningsindtag 2022”. Suspect screeningen omfatter indtag fra dybdeintervallet 1,9 til 49,5
meter under terræn (m.u.t.) med størst andel (40%) i dybdeintervallet >10 til 20 meter under terræn
(jf.
Fejl! Henvisningskilde ikke fundet.1),
se Bilag 4 for dybder af de enkelte indtag.
Tabel 1 – Oversigt over de fem stoffer, der ved tidligere undersøgelser oftest er fundet i de 81
indtag.
Stofnavn (forkortelse og CAS nr.)
N, N-dimethylsulfamid
(DMS – Sc 1655, CAS 3984-14-3)
Desphenyl-chloridazon
(Sc 1448, CAS 6339-19-1)
2,6-Dichlorobenzamid
(BAM – Sc 438, CAS 2008-58-4)
1,2,4-triazol
(Sc 748, CAS 288-88-0)
Desethyldesisopropyl-atrazin (DEIA - Sc 97, CAS 3397-62-4)
Ved udvælgelsen af indtag (ultimo 2021) blev der valgt indtag med vandtype A, B, C1, C2 og X
4
. Da
beregning af vandtype tager udgangspunkt i kemiske værdier, kan vandtypebestemmelse i enkelte
tilfælde afvige fra tidligere (dvs. tidspunkt for udvælgelse af indtag) ved en ny prøvetagning (dvs.
tidspunkt for prøvetagning til suspect screening). Nedenfor i
Fejl! Henvisningskilde ikke fundet.1
præsenteres dybdefordelingen af vandtyper af indtagene i suspect screening 2022 baseret på resultater
af vandprøver udtaget samtidig med suspect screeningsprøverne 2022. På dette datagrundlag er
indtagene screenet i 2022 karakteriseret som følger: 59,3 % vandtype A, 11,1 % vandtype B,
7,4 % vandtype C1, 13,6 % vandtype C2 og 6,2 % vandtype X. Derudover er 2,4 % af indtagene bestemt
som vandtype Y, selvom denne vandtype som udgangspunkt blev valgt fra ved udvælgelsen af indtag.
Analyseresultater fra de målrettede target-analyser udført i forbindelse med massescreeningerne er,
som øvrige grundvandsmålinger offentliggjort i Jupiter-databasen. Dette er ikke tilfældet for resultater
fra suspect screeningen, da disse ikke er akkrediterede analyseresultater, som umiddelbart kan
anvendes. Derimod lagres samtlige rådata i et nyt register hos Danmarks Miljøportal, hvor
interesserede kan få adgang.
4
Miljøstyrelsen & GEUS (2018): Geovejledning 2018/2 (4.4 Dataforberedelse); Kemisk grundvandskortlægning.
(https://www.geovejledning.dk/2018_2/vejledningen/4-datahaandtering/4-4-dataforberedelse/)
3
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0004.png
Figur 1 - Dybde- og vandtypefordeling af indtag i suspect screening 2022
Figuren viser dybde fordeling af vandtyper for indtagene i suspect screening 2022. Tabellen viser antal af indtag
per dybdeinterval og vandtype. Vandtypebestemmelse er baseret på resultater af vandprøver udtaget samtidig
med suspect screeningsprøverne 2022.
4. Resultater
Stofnavne brugt i nærværende notat afviger i nogle tilfælde fra, hvordan stofferne fremgår på
screeningslisten. De alternative, kortere betegnelser er her brugt mhp. at lette læsningen. I Bilag 5
findes en hjælpetabel, der oplyser navne brugt i notatet, samt øvrige koder/navne, der hjælper ved
identifikation og ”oversættelse” mellem notat og screeningsliste.
Resultaterne fra analyser af grundvandet fra de i alt 81 indtag viser fund af seks nye stoffer på niveau 1.
Alle stoffer er fundet flere gange, hvilket betyder, at der i alt er 30 fund. Fundene fremgår af Tabel 2,
hvor antal og andel af fund er angivet for det samlede antal prøver og for prøver under og over
kravværdien for pesticidstoffer på 0,10 µg/L er præsenteret. Stofferne er nærmere beskrevet i afsnit 5.
Alle seks nye stoffer fundet i suspect screening 2022 er nye i den forstand, at de er nye i forhold til
GRUMO, således at de ikke tidligere har indgået i GRUMOs stofliste eller i målrettede screeninger.
4
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0005.png
Tabel 2 – Oversigt over alle fund under og over kravværdien i 2022
Nye stoffer fundet i suspect screeningen 2022 fordelt på antal og andel fund hhv. under og over kravværdien (KV)
for pesticidstoffer på 0,10 μg/L. Desuden fremgår laveste (LOD, Limit of detection) og højeste målte
koncentration (Max).
Antal indtag med fund
Stofnavn
Glutarsyre
Oxaminsyre
Ravsyre
CGA 42447
SYN 547889
Alloxydim
CAS nr.
110-94-1
471-47-6
110-15-6
2198-53-0
119725-91-6
55634-91-8
Indtag i
alt
81
81
81
81
81
81
Fund i
alt
9
6
3
8
2
2
Fund
under KV
0
0
0
8
2
2
Fund over
KV
9
6
3
0
0
0
Andel indtag med fund (%)
Fund i
alt
11,1
7,4
3,7
9,9
2,5
2,5
Fund
under KV
0,0
0,0
0,0
9,9
2,5
2,5
Fund over
KV
11,1
7,4
3,7
0,0
0,0
LOD
(µg/L)
1,5
2,2
0,846
0,004
0,009
Max
(µg/L)
112,03
53,13
1,83
0,03
0,10
0,10
0,0 0,000024
Det ses i Tabel 2, at tre ud af de seks stoffer er påvist i koncentrationer over kravværdien for pesticider,
samt at alle fund for disse tre stoffer er over kravværdien. Det skal hertil nævnes, at detektionsgrænsen
(LOD) er højere end kravværdien, hvilket naturligt resulterer i, at alle fund er over kravværdien. Det er
derfor vigtigt at bemærke, at der reelt set, pga. den høje LOD, kan være flere fund over kravværdien.
Det skal hertil nævnes, at LOD er væsentligt højere end den typisk anvendte LOD (0,01 µg/L) i
forbindelse med traditionelle målrettede analyser, hvilket medfører at fundprocenter baseret på disse
data ikke vil være sammenlignelige med de fundprocenter, der afrapporteres i de årlige
grundvandsrapporter.
Det stof, der er påvist i flest indtag, er glutarsyre, som er fundet i 9 ud af de undersøgte indtag,
efterfulgt af oxaminsyre og ravsyre, som er fundet i henholdsvis 6 og 3 af de undersøgte indtag.
Miljøstyrelsen vurderer imidlertid, at oxaminsyre og ravsyre ikke er underlagt kravværdien for
pesticidstoffer på 0,10 µg/L, da stofferne ifølge EU guidance
2
er af en sådan karakter, at de
karakteriseres som nedbrydningsprodukter uden bekymring ift. miljø og sundhed (se stofbeskrivelser i
afsnit 5).
De tre stoffer, som alene er påvist under kravværdien for pesticider, CGA 42447, SYN 547889 og
alloxydim, er fundet i henholdsvis otte, to og to af de undersøgte indtag. Stofferne SYN 547889 og
alloxydim er påvist i koncentrationer præcist på kravværdien, hvilket ikke er en overskridelse af
kravværdien. For disse tre stoffer er LOD lavere end den typisk anvendte LOD på 0,01 µg/L, hvilket alt
andet lige giver en højere fundprocent.
4.1 Geografisk placering af indtag med fund
Der er samlet set gjort fund af mindst ét stof i 18 ud af de 81 indtag, svarende til ca. 22 %. Geografisk
fordeling af alle resultaterne for de undersøgte indtag i screeningen, vises på oversigtskortet i Figur 2.
5
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0006.png
Figur 2 - Oversigtskort over fundstoffer
Geografisk fordeling for GRUMO-indtag prøvetaget ifm. suspect screening 2022. Resultaterne er opdelt i
koncentrationsintervaller, hvor mindst ét stof er påvist mindst én gang over kravværdien (KV) for pesticidstoffer
på 0,10 μg/L (”>0,10 µg/L”), mindst ét stof er påvist mindst én gang under kravværdien (”påvist ≤0,10 µg/L”),
eller ingen af stofferne er påvist (”ikke påvist”).
Figur 3 viser den geografiske fordeling af indtag med mindst ét fund over kravværdien (KV) for
pesticidstoffer på 0,10 µg/L. Stofferne fundet i de pågældende indtag er som tidligere nævnt
glutarsyre, oxaminsyre og ravsyre, og deres koncentrationer, samt godkendelsesstatus fremgår af
Tabel 3. Der er gjort 18 fund i 9 forskellige indtag med koncentrationer over 0,10 μg/L. Dette svarer til
fund over 0,10 μg/L i ca. 11 % af de 81 analyserede grundvandsprøver. Det bemærkes igen, at
oxaminsyre og ravsyre vurderes ikke at være underlagt kravværdien på 0,10 µg/L. Dette har dog ingen
betydning for den andel af de analyserede indtag, der har fund af pesticider over kravværdien, da
oxaminsyre og ravsyre kun findes i indtag, hvor der også er påvist indhold af glutarsyre over
kravværdien (se Tabel 3).
6
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0007.png
Figur 3 – oversigtskort over fund i koncentrationer over 0,10 µg/L
Geografisk fordeling for GRUMO-indtag prøvetaget ifm. suspect screeningen 2022, hvor mindst ét stof er påvist
over kravværdien (KV) for pesticidstoffer på 0,10 µg/L. Se også Tabel 3 for uddybende oplysninger. Røde
markeringer viser, hvor der er påvist glutarsyre. Oxaminsyre og ravsyre vurderes ikke at være underlagt
kravværdien for pesticider på 0,10 µg/L, hvorfor de er repræsenteret med blå markeringer. De blå markeringer
kan dog ikke ses på kortet, da oxaminsyre og ravsyre er påvist i indtag, hvor glutarsyre er fundet i koncentrationer
over kravværdien. Tabel 3 viser, hvilke indtag oxaminsyre og ravsyre er fundet i.
7
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0008.png
Tabel 3 - Oversigt over stoffer fundet i koncentrationer over 0,10 µg/L
Stoffer fundet i koncentrationer over kravværdien for pesticidstoffer på 0,10 µg/L ved suspect screening 2022
med angivelse af DGU nr. for boringen, samt evt. godkendelsesstatus ift. anvendelse som pesticid for moderstof i
Danmark (se også
Fejl! Henvisningskilde ikke fundet.3).
DGU nr.,
indtag
123. 873,1
206. 1609,3
Niveau
1
1
CAS nr.
110-94-1
110-94-1
471-47-6
110-15-6
37. 1331,1
1
110-94-1
471-47-6
38. 890,1
53. 880,1
71. 775,1
1
1
1
110-94-1
471-47-6
110-94-1
110-94-1
471-47-6
110-15-6
79. 772,1
1
110-94-1
471-47-6
110-15-6
79. 777,3
1
110-94-1
471-47-6
84. 2772,1
1
110-94-1
Stofnavn
Glutarsyre
Glutarsyre
Oxaminsyre
Ravsyre
Glutarsyre
Oxaminsyre
Glutarsyre
Oxaminsyre
Glutarsyre
Glutarsyre
Oxaminsyre
Ravsyre
Glutarsyre
Oxaminsyre
Ravsyre
Glutarsyre
Oxaminsyre
Glutarsyre
Koncentration
(µg/L)
1,73
12,77
10,56
1,08
33,09
19,02
7,08
9,38
2,07
7,08
9,38
1,83
56,49
46,74
1,81
112,03
53,13
1,62
Godkendelsesstatus for moderstof i
DK
Aldrig godkendt i DK som pesticid*.
Aldrig godkendt i DK som pesticid *.
Ikke underlagt kravværdi for pesticider.
Ikke underlagt kravværdi for pesticider.
Aldrig godkendt i DK som pesticid *.
Ikke underlagt kravværdi for pesticider.
Aldrig godkendt i DK som pesticid*.
Ikke underlagt kravværdi for pesticider.
Aldrig godkendt i DK som pesticid*.
Aldrig godkendt i DK som pesticid*.
Ikke underlagt kravværdi for pesticider.
Ikke underlagt kravværdi for pesticider.
Aldrig godkendt i DK som pesticid*.
Ikke underlagt kravværdi for pesticider.
Ikke underlagt kravværdi for pesticider.
Aldrig godkendt i DK som pesticid*.
Ikke underlagt kravværdi for pesticider.
Aldrig godkendt i DK som pesticid*.
*Moderstoffet glutaraldehyd indgår dog i aktuelt godkendt biocidprodukt i Danmark og der kan være
andre kilder til glutarsyre, herunder naturlige kilder.
5. Beskrivelse af stoffer med fund i 2022 på niveau 1 i suspect screening
Dette kapitel beskriver de seks påviste stoffer mht. historisk og aktuel godkendelsesstatus og
anvendelse samt anden relevant viden.
Det er for hvert stof opgjort, om der er tale om et moderstof eller et nedbrydningsprodukt. For
nedbrydningsprodukterne er det opgjort, hvilke moderstoffer, der er registreret for stofferne i henhold
til pesticidreguleringen. Dette er afklaret enten ved opslag i databasen PPDB
5
og/eller ud fra viden om
moderstoffer registreret i Miljøstyrelsens bruttoliste, der baserer sig på oplysninger fra EU-
vurderinger.
Det er desuden opgjort, hvilke anvendelser af moderstofferne, der eventuelt har været godkendt i
Danmark. Opgørelsen tager således udgangspunkt i reguleringen af stofferne som pesticider. For de
solgte mængder af stofferne går registreringen tilbage til 1956, hvor data er opgjort samlet for
pesticider og biocider i Miljøstyrelsens årlige bekæmpelsesmiddelstatistikker. Fra 2010 og frem
skelnes der konsekvent mellem salg af pesticider eller biocider, mens der i tidligere år ikke for alle
stoffer kan skelnes mellem de to typer af bekæmpelsesmidler.
5
http://sitem.herts.ac.uk/aeru/ppdb/en/index.htm
8
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0009.png
Ud over opgørelsen i henhold til pesticidreguleringen er der for hvert moderstof angivet, om det er
reguleret som biocid og om der findes aktuelt godkendte biocidprodukter indeholdende det
pågældende aktivstof. Såfremt Miljøstyrelsen har viden om, at stofferne er reguleret under andre
regelsæt er dette også angivet, men der er ikke tale om en udtømmende opgørelse for øvrige regelsæt.
Dette arbejde er især forbeholdt stoffer, som har vist sig ikke at have en velkendt anvendelse som
pesticid eller biocid. I så tilfælde bidrager andre relevante enheder i Miljøstyrelsen, og øvrige kilder
såsom PubChem
6
kan også blive inddraget.
5.1 Stoffer påvist i koncentrationer over kravværdien på 0,10 µg/L for pesticider
Glutarsyre – CAS nr. 110-94-1
Andre betegnelser:
1,3-propanedicarboxylic acid; pentanedioic acid; AE 1275213.
Glutarsyre er i suspect screeningen påvist i ni indtag ud af 81 undersøgte. Da detektionsgrænsen er
højere end kravværdien, er alle fund følgelig over kravværdien. Såfremt der havde været analyseret
med en metode med en lavere detektionsgrænse, ville der sandsynligvis være yderligere indtag med
indhold over kravværdien. Stoffet er med den høje detektionsgrænse fundet
i 11,1 % af de undersøgte
boringer i koncentrationer op til 112 µg/L. Ved en lavere detektionsgrænse ville denne fundprocent
forventes at være højere.
Glutarsyre er i databasen PPDB og i EU-materiale registreret som et nedbrydningsprodukt fra
pesticiderne tembotrione og sulcotrione. Der har ikke været godkendt eller registreret salg af pesticider
(plantebeskyttelsesmidler) til brug i Danmark med de to aktivstoffer, men begge aktivstoffer er aktuelt
godkendt i EU. Tembotrione er markedsført i EU fra 2007 til ukrudtsbekæmpelse i majs, mens
sulcotrione er markedsført i EU siden 1991, også til ukrudtsbekæmpelse i majs.
Glutarsyre er i EU-vurderingen af både tembotrione og sulcotrione registreret som et
nedbrydningsprodukt, der dannes på jordoverfladen ved fotolytisk nedbrydning af moderstoffet, og er
dermed teoretisk relevant ift. udvaskning til grundvand. Nedbrydningsforsøg af moderstofferne i jord
viser dog ingen dannelse af glutarsyre. Derfor antages det i EU-vurderingerne, at hvis glutarsyre
dannes, så nedbrydes det hurtigere end moderstofferne, hvormed målbare koncentrationer ikke
observeres. Nedbrydning i jord af glutarsyre er dog ikke undersøgt, hvorfor denne påstand ikke til
fulde er understøttet.
Det kan dog bemærkes, at i forbindelse med registrering af glutarsyre under
REACH, er stoffet fundet ”readily biodegradable”
7
, hvilket også understøttes af et ældre
nedbrydningsforsøg af glutarsyre
8
.
I materialet for sulcotrione fremgår det bl.a., at videre risikovurdering
ikke er krævet, da ”der er tale
om et naturligt forekommende stof”. Ved en simpel søgning på naturlige kilder til glutarsyre fremgår
det, at glutarsyre findes i mange fødevarer som fx rødbeder, roer, sojabønner og tamarind
9
og at
glutarsyre dannes ved nedbrydning af de to aminosyrer tryphtofan og lysin. Derudover har studier vist,
at glutarsyre findes i atmosfæren i væsentlige mængder, som forklares med både naturlige og
6
7
https://pubchem.ncbi.nlm.nih.gov/
https://echa.europa.eu/da/registration-dossier/-/registered-dossier/19290/5/3/2/?documentUUID=1dc06c9e-
ca36-4c93-b042-dd67662fb7b9
8
Hammond, M. and Alexander, M. (1972): Effect of chemical structure on microbial degradation on methyl-
substituted aliphatic acids. Journal of environmental Science and Toxicology, Vol. 6 (8), page 732-735.
9
FComEx: Glutaric acid (PC000100) (foodcomex.org)
9
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0010.png
menneskeskabte kilder, så som udstødning fra biler og afbrænding af træ
10
. Der foreligger dog ikke
umiddelbart yderligere dokumentation for i hvilke koncentrationer stoffet pba. en naturlig forekomst
forventes at forekomme i grundvand. Dette er væsentligt i henhold til EU guidance til brug i
vurderingen af nedbrydningsprodukters relevans. Iht. guidance-dokumentet er
nedbrydningsprodukter ikke underlagt kravværdien for pesticider i grund- og drikkevand på 0,10
µg/L, hvis de betragtes som ”metabolites of no concern”, som oversat til dansk vil være
nedbrydningsprodukter uden bekymring. Et eksempel på, hvornår nedbrydningsprodukter vurderes at
være uden bekymring iht. guidance-dokumentet, er et stof, som vides ikke at have nogen toksikologisk
eller økotoksikologisk bekymring, og som naturligt forekommer i meget højere koncentrationer i det
respektive medie.
Glutarsyre kan også være et nedbrydningsprodukt fra aktivstoffet glutaraldehyd, der er godkendt som
biocid. EU-vurderingen af glutaraldehyd til anvendelse som biocid indikerer, at glutarsyre dannes i
mindre omfang ved nedbrydning af glutaraldehyd i jord uden at dette er undersøgt videre.
Moderstoffet glutaraldehyd indgår i et aktuelt godkendt biocidprodukt i Danmark med bred
anvendelse som konserveringsmiddel til bekæmpelse af bakterier i vaske- og rengøringsmidler og
midler til brug i papir-, tekstil- og læderproduktion, til bekæmpelse af bakterier og gær i maling og
coating, til bekæmpelse af bakterier i væske i processystemer i papir- og olieproduktion og som
slimicid til bekæmpelse af biofilmdannende bakterier i papir- og olieproduktion. De godkendte
biocidprodukter med glutaraldehyd er registreret solgt i Danmark siden 2018 med et samlet salg i
perioden 2018-2021 på 3.587,1 kg
11
. Det er dog sandsynligt, at glutaraldehyd har indgået i ikke-
godkendelsespligtige produkter med biocidanvendelser siden år 2000
12
. Derudover er glutaraldehyd
registreret under REACH med en årlig tonnage på 1000 – 10.000 tons, med reference til ovenstående
biocidanvendelser, men også med anvendelser inden for bl.a. kosmetik, rengørings- og lægemidler.
Glutarsyre er registreret under REACH med en begrænset Europæisk tonnage på mellem 100 og 1000
tons pr. år. Stoffet anvendes til overfladebehandling af metalprodukter, og indgår derudover også i
lægemidler, klæbemidler og tætningsmidler (fx fugemasse).
Ud fra ovenstående er der ikke noget der tyder på, at anvendelserne i Danmark af moderstofferne
reguleret som pesticider og biocider eller den direkte anvendelse af glutarsyre som et
industrikemikalie i Danmark er væsentlige nok til at være den primære kilde til fund i de
koncentrationer af stoffet, der er gjort i suspect screeningen her. Det kan dog på nuværende tidspunkt
ikke afvises, at ikke-godkendelsespligtige biocidanvendelser har bidraget tilbage i tiden. Noget tyder
desuden på, at der fx kan være naturlige kilder, men Miljøstyrelsen har for nuværende ikke
oplysninger nok til at afklare, om glutarsyre kan betragtes som et nedbrydningsprodukt, der er uden
bekymring og dermed ikke skal overholde kravværdien på 0,10
µg/L.
Pga. den forventede hurtige
nedbrydning formodes glutarsyre efter en simpel vandbehandling kun at være til stede i drikkevand i
meget begrænset omfang.
10
Legrand et al. (2007): Origin of C2-C5 dicarboxylic acids in the European atmosphere inferred from year-round
aerosol study conducted at a west-east transect. Journal of Geophysical Research, Vol. 112.
11
Bekæmpelsesmiddelstatistik 2021 (mst.dk)
12
http://www.spin2000.net/spinmyphp/?pid=111308
10
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0011.png
Oxaminsyre – CAS nr. 471-47-6
Andre betegnelser: amino(oxo)acetic acid.
Oxaminsyre er i suspect screeningen påvist i seks ud af 81 undersøgte indtag.
Da detektionsgrænsen er
højere end kravværdien, er alle fund følgelig over kravværdien. Såfremt der havde været analyseret
med en metode med en lavere detektionsgrænse, ville der sandsynligvis være yderligere indtag med
indhold over kravværdien. Stoffet er fundet
i 7,4 % af de undersøgte boringer i koncentrationer op til
53 µg/L. Ved en lavere detektionsgrænse ville denne fundprocent forventes at være højere.
Oxaminsyre er registreret som et nedbrydningsprodukt fra pesticiderne picloram og cymoxanil.
Picloram indgår i aktuelt godkendte pesticidprodukter i Danmark, og er registreret solgt som herbicid
til brug i raps siden år 2010 med et samlet salg på 17.391,1 kg i perioden 2010-2021.
I EU-vurderingen
af picloram er oxaminsyre registreret som et nedbrydningsprodukt, der dannes i vand ved fotolytisk
nedbrydning af moderstoffet, hvormed det ikke vurderes relevant ift. grundvand, men derimod ift.
overfladevand.
Cymoxanil indgår også i aktuelt godkendte pesticidprodukter i Danmark, hvor det er
godkendt som svampemiddel til brug i kartofler. Produkter med cymoxanil er registreret solgt til
bejdsning af frø til eksport i lukkede, industrielle bejdseanlæg i årene 2002-2003, hvor der samlet er
solgt 236 kg cymoxanil. Stoffet er yderligere registreret solgt fra år 2008, hvor det primært er solgt til
svampebekæmpelse i kartofler. Det samlede salg i perioden fra 2008-2021 er på 94.137,3 kg.
Oxaminsyre er i EU-vurderingen af cymoxanil registreret som et nedbrydningsprodukt, der dannes i
jord ved nedbrydning af moderstoffet, men det fremgår ligeledes, at oxaminsyre er fundet irrelevant
ift. den videre risikovurdering, da stoffet vurderes at forekomme naturligt. Dette argument er dog ikke
underbygget yderligere i EU-vurderingen.
Oxaminsyre er ikke registreret under REACH, hvorfor Miljøstyrelsen ikke har kendskab til andre
industrielle anvendelser. Tilsvarende har Miljøstyrelsen ikke kendskab til nogen biocidanvendelser af
moderstofferne cymoxanil og picloram, ej heller af oxaminsyre i sig selv. Da der er tale om et
forholdsvist simpelt organisk molekyle, kan det ikke udelukkes, at oxaminsyre kan dannes fra
nedbrydning af andre organiske forbindelser, herunder fra andre pesticider.
I henhold til EU guidance til brug i vurderingen af nedbrydningsprodukters relevans i grundvand
13
,
vurderer Miljøstyrelsen at oxaminsyre ikke er underlagt kravværdien for pesticider på 0,10 µg/L.
Ifølge denne guidance er oxaminsyre at betragte som værende et nedbrydningsprodukt uden
bekymring ift. miljø og sundhed pga. den alifatiske og kortkædede struktur, hvormed yderligere data
og risikovurdering ikke er påkrævet.
Ravsyre – CAS nr. 110-15-6
Andre betegnelser:
1,2-Ethanedicarboxylic acid, succinic acid.
Ravsyre er i suspect screeningen påvist i 3 ud af de 81 undersøgte indtag.
Da detektionsgrænsen er
højere end kravværdien, er alle fund følgelig over kravværdien. Såfremt der havde været analyseret
med en metode med en lavere detektionsgrænse, ville der sandsynligvis være yderligere indtag med
indhold over kravværdien. Stoffet er fundet
i 3,7 % af de undersøgte boringer i koncentrationer op til
1,83 µg/L. Ved en lavere detektionsgrænse ville denne fundprocent forventes at være højere.
13
pesticides_ppp_app-proc_guide_fate_metabolites-groundwtr-rev11.pdf (europa.eu)
11
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0012.png
Ravsyre er registreret som et nedbrydningsprodukt fra pesticiderne fenhexamid og sulcotrione. Ved
fotolytisk nedbrydning af fenhexamid i vand dannes ravsyre,
hvormed det ikke vurderes relevant ift.
grundvand, men derimod ift. overfladevand.
Fenhexamid indgår i ét aktuelt godkendt pesticidprodukt
i Danmark, som er registreret solgt som fungicid til brug i jordbær og kirsebær siden år 2000. Dertil
kommer forskellige mindre anvendelser af produktet i prydplanter og planteskoler samt væksthuse. I
perioden 2000-2021 er der samlet solgt 24.912,5 kg fenhexamid. EU-vurderingen af aktivstoffet
sulcotrione nævner ravsyre som et sandsynligt nedbrydningsprodukt i jord, men nedbrydningsforsøg
fandt ikke målbar dannelse af stoffet. Andre studier fra EU-vurderingen viser, at ravsyre dannes ved
fotolytisk nedbrydning af sulcotrione i vand, som vurderes ikke at udgøre en kilde til
grundvandsforurening. Yderligere information om aktivstoffet sulcotrione fremgår af ovenstående
gennemgang for glutarsyre.
Miljøstyrelsen har ikke kendskab til nogen biocidanvendelser af moderstofferne fenhexamid og
sulcotrione, ej heller af ravsyre i sig selv.
Ravsyre er registreret under REACH med en årlig Europæisk tonnage på 10.000 til 100.000 ton.
Ravsyre er her bl.a. beskrevet som anvendt i gødning, vaskemidler, blødgøringsmidler, lægemidler,
kosmetik, klæbemidler og tætningsmidler. Derudover indgår ravsyre også i ”anti-freeze”-produkter,
hydraulikvæsker samt overfladebehandlende produkter. Men ud over en relativt omfattende industriel
anvendelse, indgår ravsyre (i form af succinat) også i citronsyrecyklusen og er dermed en del af cellers
stofskifte.
Studier har desuden vist, at ravsyre findes i atmosfæren i koncentrationer op til flere
hundrede ng/m
3
, som forklares med både naturlige og menneskeskabte kilder, så som udstødning fra
biler og afbrænding af træ
14
.
Da der er tale om et forholdsvist simpelt organisk molekyle, kan det ikke
udelukkes, at ravsyre kan dannes fra nedbrydning af andre organiske forbindelser, herunder fra andre
pesticider.
I henhold til EU guidance til brug i vurderingen af nedbrydningsprodukters relevans
15
, vurderer
Miljøstyrelsen, at ravsyre ikke er underlagt kravværdien for pesticider på 0,10 µg/L. Ifølge denne
guidance er ravsyre at betragte som værende uden bekymring ift. miljø og sundhed pga. den alifatiske
og kortkædede struktur, hvormed yderligere data og risikovurdering ikke er påkrævet.
5.2 Stoffer påvist i koncentrationer under kravværdien for pesticider
CGA 42447 – CAS nr. 2198-53-0
Andre betegnelser: 2,6-dimethylacetanilide.
CGA 42447 er i suspect screeningen påvist i 8 ud af de 81 undersøgte indtag. Alle fund i
koncentrationer under kravværdien for pesticider.
Stoffet er fundet
i 9,9 % af de undersøgte boringer i
koncentrationer op til 0,03 µg/L. LOD er lavere end den typisk anvendte, som normalt opnås for
pesticidanalyser. Med en højere LOD vil fundprocenten alt andet lige være lavere.
CGA 42447 er et nedbrydningsprodukt fra pesticiderne metalaxyl og metalaxyl-M, og dannes ved
nedbrydning af moderstofferne i jord. Metalaxyl er en blanding af to isomerer (R og S), som i Danmark
har været godkendt primært til bekæmpelse af svampesygdomme i kartofler, løg, porrer, hestebønner
og frilands-agurker. Salget af blandingen i Danmark startede i 1981 og ophørte i 2003. I denne periode
var det samlede salg af aktivstoffet metalaxyl på 67.226 kg. Fra 2002 begyndte salget af den isolerede
14
Legrand et al. (2007): Origin of C2-C5 dicarboxylic acids in the European atmosphere inferred from year-round
aerosol study conducted at a west-east transect. Journal of Geophysical Research, Vol. 112.
15
pesticides_ppp_app-proc_guide_fate_metabolites-groundwtr-rev11.pdf (europa.eu)
12
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0013.png
og mere reaktive R-isomer ”metaxyl-M”. Metaxyl-M har tidligere været anvendt til bekæmpelse af
svampesygdomme i kartoffelproduktionen, men er nu kun tilladt i Danmark til bejdsning af såsæd til
eksport, og kun til frø som sås i væksthuse. Bejdsningen skal foregå i lukkede, industrielle
bejdseanlæg. Der er således tale om en anvendelse, der vurderes ikke at udgøre en risiko for dansk
grundvand. Det er dog tilladt at importere såsæd bejdset med blandingen (metalaxyl), da blandingen
fortsat er godkendt til bejdsning af såsæd i EU. Miljøstyrelsen har ikke foretaget vurdering af, om
udsåning af frø bejdset med metalaxyl udgør en uacceptabel risiko for dansk grundvand., men de
tidligere godkendte anvendelser med udsprøjtning af metalaxyl-M er testet i Varslingssystem for
udvaskning af pesticider til grundvand (VAP) og vurderet at udgøre en uacceptabel risiko.
Moderstofferne og to andre nedbrydningsprodukter fra metalaxyl og metalaxyl-M, CGA 108906 og
CGA 62826, har siden 2014 indgået i vandværkernes boringskontrol og siden 2016 i GRUMO. For de
to aktivstoffer, metalaxyl og metalaxyl-M er der ikke gjort fund i boringskontrollen de seneste 10 år,
selvom der er undersøgt hhv. 3.222 og 4.091 indtag. Metalaxyl er undersøgt i 1.100 indtag i GRUMO
med fund i 12 indtag, hvor 1 fund var over kravværdien. Tilsvarende er metalaxyl-M undersøgt i 301
indtag i GRUMO med 2 fund uden overskridelser af kravværdien. Nedbrydningsproduktet CGA62826
er undersøgt i 5871 indtag i boringskontrollen med 29 fund, hvor et enkelt var over kravværdien. I
GRUMO er CGA62826 undersøgt i 1094 indtag med 35 fund, hvor 7 er over kravværdien.
Nedbrydningsproduktet CGA108906 er undersøgt i 5871 indtag i boringskontrollen med 60 fund, hvor
fire var over kravværdien. I GRUMO er CGA108906 undersøgt i 1094 indtag med 44 fund, hvor seks er
over kravværdien
16
.
Miljøstyrelsen har ikke kendskab til nogen biocidanvendelser af moderstofferne metalaxyl og
metalaxyl-M, ej heller af CGA 42447 i sig selv. Stoffet er ligeledes ikke registreret i REACH, hvorfor der
ikke er kendskab til andre industrielle anvendelser.
SYN 547889 – CAS nr. 119725-91-6
Andre betegnelser: (2S,4S-2R,4R)-2-(2,4-dichlorophenyl)-2-(1H-1,2,4-triazol-1-ylmethyl)-1,3-
dioxolane-4-carboxylic acid.
SYN 547889 er i suspect screeningen påvist i 2 ud af de 81 undersøgte indtag. Alle fund i
koncentrationer under kravværdien for pesticider. Stoffet er fundet i 2,5 % af de undersøgte indtag,
hvor den højeste målte koncentration er 0,10 µg pr. L. LOD er lavere end den typisk anvendte, som
normalt opnås for pesticidanalyser. Med en højere LOD vil fundprocenten alt andet lige være lavere.
SYN 547889 er et nedbrydningsprodukt fra pesticidet propiconazol, som dannes, når moderstoffet
nedbrydes i jord. Propiconazol indgår ikke i aktuelt godkendte pesticider (plantebeskyttelsesmidler) i
Danmark, men er registreret solgt til svampebekæmpelse i perioden fra 1982 til 2019 i bl.a. korn,
frøgræs, roer og græsplæner. EU-godkendelsen for brug af propiconazol ophørte ved udgangen af
2018, hvorefter godkendelserne af de danske produkter blev afviklet med senest registrerede salg i
2019.
Propiconazol indgår i en række aktuelt godkendte træbeskyttelsesmidler (produkttype 8).
Propiconazol kan desuden lovligt indgå i behandlede artikler som konserveringsmiddel til
overfladefilm, samt som konserveringsmiddel i fibermaterialer, læder, gummi og polymeriserede
materialer (produkttyperne 7 og 9). Da der kun er gjort to fund af SYN 547889, som ikke er over
kravværdien, er der ikke noget, der tyder på, at disse aktuelle godkendelser er problematiske ift.
grundvand.
16
https://www.geus.dk/Media/638175711147491678/Grundvand1989-2021_rev.pdf
13
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
Det samlede salg af bekæmpelsesmidler (pesticider og biocider) med propiconazol registreret i
Danmark i perioden 1982 til 2021 er på 2.018.079,9 kg.
SYN 547889 er ikke registreret under REACH, hvorfor der ikke er kendskab til andre industrielle
anvendelser.
Alloxydim – CAS nr. 55634-91-8
Andre betegnelser: Ingen
Alloxydim er i suspect screeningen påvist i 2 ud af de 81 undersøgte indtag. Begge fund i
koncentrationer under kravværdien for pesticider. Stoffet er fundet i 2,5 % af de undersøgte indtag,
hvor den højeste målte koncentration er 0,10 µg pr. L. LOD er lavere end den typisk anvendte, som
normalt opnås for pesticidanalyser. Med en højere LOD vil fundprocenten alt andet lige være lavere.
Alloxydim er et aktivstof, der ikke indgår i aktuelt godkendte pesticidprodukter, men er registreret
solgt i perioden fra 1980 til 1990, hvor det er anvendt til ukrudtsbekæmpelse i sukker- og foderroer,
raps, kartofler, kål, gulerødder, bønner, ærter, frøgræs og prydplanter. Der er registreret et samlet salg
i Danmark på 278.147 kg. Alloxydim er ikke godkendt til brug i EU.
Miljøstyrelsen har ikke kendskab til nogen biocidanvendelser af alloxydim, og stoffet er ikke registreret
under REACH, hvorfor der ikke er kendskab til andre industrielle anvendelser.
14
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
Bilagsoversigt
Bilag 1 – Faglig vurdering af suspect screening for pesticidstoffer i grundvand,
GRUMO 2022
Bilag 2 – Suspect screeningsliste 2022 for nye stoffer på identifikationsniveau 1-3
Bilag 3 – Kriterier for udvælgelse af massescreeningsindtag 2022
Bilag 4 – Oversigt over prøvetagede indtag i suspect screening 2022
Bilag 5 – Hjælpetabel med oversigt over stoffer fundet i suspect screening 2022 ift.
navne/stof-ID i hhv. notatet og screeninglisten
+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
15
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0016.png
Bilag 1: Faglig vurdering af suspect screening for pesticidstoffer i grundvand,
GRUMO 2022
Heri henvises til følgende underbilag, som er inkluderet efterfølgende:
Bilag A – Evaluering af viden mht. suspect screening af stofferne på pesticid bruttolisten
Bilag B – GRUMO Suspect Screening 2022, Technical Report
Bilag C – Evalueringen af de eksperimentelle krav
Bilag D – Evalueringen af rapporteringskravene
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0017.png
NOTAT
J.nr.
Ref. NALJE (GKO), LITAR
(NJL)
Den 7. september 2023
Faglig vurdering af suspect screening for pesticidstoffer i grundvand,
GRUMO 2022
- Vurdering af om resultaterne er i overensstemmelse med tidligere teknisk vurdering og
troværdigheden af suspect screeningen ved sammenligning med resultaterne fra target-analyser.
1. Baggrund
Miljøstyrelsen har for fjerde år i træk udført massescreening for pesticidstoffer i grundvand i
forbindelse med Tillægsaftale til Aftale om Pesticidstrategi 2017–2021 pba. anbefaling fra
Vandpanelet. Analyserne er foretaget på vandprøver, som er udtaget i indtag, der indgår i den
nationale grundvandsovervågning (GRUMO). Massescreening 2022 adskiller sig fra de tidligere
massescreeninger, idet den er todelt ift. analysemetoder. Screeningen indeholder både traditionelle
målrettede ”target” analyser, samt en såkaldt ”suspect” screening. De traditionelle målrettede target-
analyser blev afrapporteret og offentliggjort i foråret 2023
1
.
Massescreening 2022 omfattede 249 grundvandsprøver og indeholdt bl.a. målrettede analyser af fire
pesticidstoffer som tillæg til de 63 pesticidstoffer i GRUMOs ordinære analyseprogram. Det vil sige, at
der i alt er udført target-analyser af 67 forskellige pesticidstoffer i alle 249 grundvandsprøver.
Derudover blev der udført suspect screening af prøver fra 81 af de samme indtag. Dette giver potentielt
mulighed for en direkte sammenligning mellem de 2 analysestrategier for de 67 pesticidstoffer, mhp.
at validere den relativt nye analysestrategi - suspect screening.
Inden udbuddet af suspect screeningen, blev der gennemført en foranalyse med en teknisk vurdering
af, i hvilket omfang stofferne på Miljøstyrelsens bruttoliste over pesticidstoffer kunne forventes at blive
analyseret ved en suspect screening, samt at afdække om markedet var modent til at kunne levere
brugbare resultater fra en suspect screening. Desuden indgik en vurdering af værdien ved at
gennemføre en suspect screening. Et notat blev udarbejdet af Miljøstyrelsen efter faglig dialog med
GEUS (Bilag A).
Udbuddet blev vundet af DCE Aarhus universitet, som dermed er leverandøren af suspect screeningen.
Formålet med nærværende notat er at vurdere, i hvilket omfang den gennemførte suspect screening
leverer resultater i overensstemmelse med den tidligere tekniske vurdering (Bilag A), samt at vurdere
troværdigheden af suspect screeningen ved sammenligning af resultater fra denne med resultaterne
fra target-analyser.
1
https://mst.dk/media/257204/fagligt-notat-om-resultater-af-screening-for-pesticidstoffer-i-grundvand-
2022.pdf
Miljøstyrelsen • Tolderlundsvej 5 • 5000 Odense C
Tlf. 72 54 40 00 • CVR 25798376 • EAN 5798000860810 • [email protected] • www.mst.dk
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0018.png
2. Uddybende beskrivelser af datagrundlag og resultater
I afsnittene herunder beskrives datagrundlaget for udførelsen af suspect screeningen, samt
resultaterne fra sammenligningen mellem suspect screeningen og target-analyser.
2.1. Uddybende beskrivelse af datagrundlag
Miljøstyrelsens bruttoliste
Til gennemførelse af suspect screeningen er der som med de øvrige tre massescreeninger taget
udgangspunkt i Miljøstyrelsens bruttoliste over pesticidstoffer, der evt. kan være relevante ift.
grundvandsmonitering. Listen indeholdt 1364 stoffer på tidspunktet for offentliggørelse af udbuddet
på suspect screeningen, inklusive de stoffer, som i forvejen indgår i GRUMOs ordinære
analyseprogram og stoffer, som har indgået i en af de tidligere massescreeninger.
Boringer/Indtag
Resultaterne er baseret på grundvandsprøver udtaget i perioden 4. juli 2022 til 23. november 2022 i
81 overvågningsindtag i GRUMO boringer fordelt over hele Danmark.
De 81 boringer er valgt pba., at der tidligere er fundet mellem et til fem af nedenstående stoffer i
boringerne, jf. Tabel 1.
Tabel 1 – Viser de fem stoffer, der tidligere er fundet i et til fem af de 81 indtag
Mest fundne pesticidstoffer i Danmark
N, N-dimethylsulfamid
(DMS – Sc 1655, CAS 3984-14-3)
Desphenyl-chloridazon
(Sc 1448, CAS 6339-19-1)
2,6-Dichlorobenzamid
(BAM – Sc 438, CAS 2008-58-4)
1,2,4-triazol
(Sc 748, CAS 288-88-0)
Desethyldesisopropyl-atrazin (DEIA - Sc 97, CAS 3397-62-4)
Jupiterudtræk
For hvert af de 81 indtag er der udtrukket GRUMO data fra Jupiterdatabasen for perioden 2019-2022.
Udtrækket er foretaget d. 29. marts 2023 og udgør alle GRUMO pesticidanalyser, som er godkendt i
Jupiter for de 81 indtag. Indeholdt i disse data er dermed de tidligere omtalte target-analyser fra
massescreening 2022, der er foretaget på de samme vandprøver som suspect screeningen, samt
GRUMOs ordinære analyseprogram.
2.2. Uddybende evaluering af suspect screeningen ift. den tidligere tekniske
vurdering
Bilag A, ”Evaluering af viden mht. suspect screening af stofferne på pesticid bruttolisten”, beskriver
den tekniske vurdering af nedenstående delopgaver. Den tidligere vurdering vil i dette afsnit blive
holdt op mod resultaterne fra suspect screeningen.
”Det ønskes konstateret i hvilket omfang bruttolisten kan blive analyseret ved en suspekt
screening, for at afdække om markedet er modent til at kunne levere en suspect screening for
listen...”
”Der ønskes en vurdering af værdien ved at gennemføre en suspect screening, som
beskrevet.”
2
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0019.png
Antallet af kemiske stoffer i udbud og tilbud sammenlignes med de respektive afrapporterede
resultater i Tabel 2. Antallet af stoffer (suspects) på den endelige screeningliste blev opjusteret fra 1364
til 1376 efter projektets start pga. tilføjelse af to nye stoffer ønsket af Miljøstyrelsen, samt oprettelse af
stoffer på ”ikke-salt form”. Da 10 salte udgik af analysen, blev det endelige antal stoffer i analysen
1366. Af de 1366 stoffer blev 19 stoffer udelukket pga. utilstrækkelig entydig stofbeskrivelse eller for
lav molekylær masse til, at stofferne kunne inkluderes i metoderne.
Det fremgår, at DCE er lykkes med at tilknytte entydig stofidentifikation (InChi) til flere stoffer
igennem arbejdet med listen. Yderligere er det antal af kemiske standarder, der endeligt blev anvendt
(670), ligeledes højere i DCE’s arbejde end oprindeligt tilbudt (556). Dermed er muligheden forbedret
for identifikation af flere stoffer med højeste identifikationssikkerhed (niveau 1),
Tabel 2: Faktuelle tal omkring suspect-listen
Udbud
Antal stoffer på suspect-listen
Antal stoffer ikke tidligere
analyseret i GRUMO
Antal stoffer udelukket
Antal salte på listen
Antal stoffer reelt i analysen
uden de udelukkede stoffer og
saltene
Antal stoffer med InChi
1.364
Faktiske tal fra
opgaveløsningen.
1.376
751
19
10
1347
-
-
-
942
Tilbud
1.214
Faktiske tal fra
opgaveløsningen
670
4 (x 2)
Kemiske standarder
tilgængelige
Antal analyseplatforme
556
4 (x 2 pga. injction mode (hhv.
direkte/SPE)
Af den tekniske vurdering (Bilag A) fremgik følgende: ”På
baggrund af ovenstående gennemgang,
vurderes det, at en meget stor del af de 942 entydigt beskrevne pesticidstoffer
(op mod 80%) vil
kunne analyseres ved en suspect screening
på de 3 analyseplatformene GC-EI, RPLC- + ESI
og RPLC- -ESI. Identifikationssikkerheden for fund, vil dog spænde bredt.”
Af de 670 kemiske standarder kunne 604 analyseres på de 8 analyseplatforme (90%) jfr. Bilag B. Dette
tal er dog ved direkte analyse af standardblandinger og inkluderer ikke prøveforberedelsen. Fordeling
af fund fordelt på analyseplatformene fremgår af Figur 1.
3
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0020.png
IC-
21
LC+
10
179
3
7
73
29
101
0
GC+
64
LC-
6
3
12
14
82
Figur 1: Venn-diagram der viser hvor mange af de 670 standarder, der kunne måles direkte (uden
prøveforberedelse) på de forskellige analyseplatforme (i alt 604).
Når metodeforberedelse tages i betragtning, er antallet af de kemiske standarder, der kunne genfindes
og kvantificeres, 490 (Tabel 3). Dvs. 73% (490/670) af de tilgængelige standarder var inkluderet i
metoderne inkl. prøveforberedelse.
Tabel 3: Antal kemiske stoffer fra bruttolisten målt ved suspect screening. Tal er angivet for
tidligere målinger indrapporteret i SusDat
2
og for nærværende studie. Fund er fordelt på
forskellige identifikationsniveauer
3
. *Opdaterede tal jf. DCE’s resultatfil. **Tallet ’556’ standarder
kommer fra tilbuddet. Der blev anskaffet yderligere standarder for stoffer på suspect listen, så
der blev arbejdet med 670 standarder i alt.
Identifikationsniveau
Antal target-stoffer tidligere
rapporteret i SusDat
Forventet antal stoffer på angivne id-
niveau jf. tilbud
Antal stoffer inkluderet i suspect-
analyse uden prøveforberedelse
(baseret på kemisk standard) (Figur
1)
Antal stoffer inkluderet i suspect-
analyse inkl. prøveforberedelse
(baseret på kemisk standard) (Kol. G,
J)
Antal stoffer fundet i prøver
(inkl. fund < 10 ng/L)
Stoffer med fund i prøve > 10 ng/L
2
3
1
-
556
(670)**
604
(90%)
2
470
(471)*
278
3
49
(49)*
516
4
69
(68)*
5
40
(42)*
I alt
628
(630)*
1345
na
na
604
490
(73%)
na
na
490
36
33
37
21
43
31
116
85
SusDat, refererer til datasæt fra NORMAN Substance Databasen, se endvidere Bilag A.
Schymanski et al., Environ. Sci. Technol. 2014, 48, 4, 2097–2098
4
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0021.png
I overensstemmelse med foranalysen, blev flest kemiske stoffer målt med LC-metoden i positiv mode
(Lyseblå i Tabel 4). Overlap imellem metoderne fremgår af Figur 2. Pga. det lave antal stoffer målt på
GC-platformen, kan det overvejes, om GC-platformen kan udelades i fremtidige screeninger for
pesticidstoffer. Overordnet kan det konkluderes, at de anvendte analyseplatforme har suppleret
hinanden godt og dækker et bredt kemisk rum.
Tabel 4: Antal kemiske standarder målt på forskellige analyseplatforme (inkl. prøveforberedelse).
Farvekode relaterer til figur 2. *angiver antal stoffer med LOD < 100 ng/L. Tallene og farverne
relaterer til farverne i Figur 2. SPE = solid phase extraction, GC+ = gas chromatography positiv,
DI = direct injection, LC = liquid chromatography, IC = ion chromatography
LC
SPE+
Kemiske
standarder
på niveau 1
353
(321*)
LC DI+
IC
SPE-
92
(79*)
IC DI-
GC
SPE+
7
(6*)
LC
SPE-
190
(179*)
LC-DI-
345
(353*)
142
(15*)
165
(135*)
ICDI-
8
LCDI+
0
254
0
0
0
0
96
0
GCDI+
0
LCDI-
0
0
32
186
LCSPE+
2
ICSPE-
24
0
GCSPE+
5
LCSPE-
0
0
0
0
26
4
3
0
1
99
33
20
Figur 2: Venn diagram viser hvor mange kemiske stoffer (standarder) kan måles på de forskellige
analyseplatforme med LOD < 100 ng/L og overlappet imellem disse. DI = direct injection, SPE =
solid phase extraction.
Da der kun findes standarder for 670 af de 1366 stoffer, vides det ikke, om stofferne uden en kemisk
standard reelt er inkluderet i metoden, da påvisning af disse vil afhænge af stoffernes reelle forekomst
i prøverne. Dette skyldes, at ingen kemisk standard var tilgængelig til at påvise deres eventuelle
inklusion.
Der er i alt fundet hhv. 37 og 43 niveau 2 og 3 stoffer i prøverne (Tabel 3 og 5). Dvs. som minimum
inkluderer metoderne (490+37+43) 570 stoffer. For sammenlignelighedens skyld, med tallet 80%
estimeret i Bilag A, kan beregnes at
61% (570/942) af de oprindelige 942 entydigt beskrevne
pesticidstoffer er inkluderet i den gennemførte suspect screening.
Flere af de fundne stoffer er målt i en koncentration, der ligger under den normale detektionsgrænse
(10 ng/L), og afrapporteringsgrænse, for pesticider. For sammenlignelighedens skyld med target-
analyser, er dette udspecificeret i Tabel 3.
5
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0022.png
Tabel 5: Antal fundne kemiske stoffer i prøverne fordelt på analyseplatform.
LC
SPE+
Niveau 1
i prøver
Niveau 2
i prøver
Niveau 3
i prøver
I alt i
prøver
17
22
31
70
LC DI+
IC
SPE-
1
2
1
4
IC DI-
GC
SPE+
3
0
0
3
LC
SPE-
5
7
11
23
LC-DI-
I alt
6
2
0
8
4
0
0
4
0
4
0
4
36
37
43
116
Ang. vurderingen af værdien af at gennemføre en suspect screening, fremgår følgende i Bilag A:
Værdien af screeningen vil i høj grad afhænge af de dertil hørende kravspecifikationer i udbuddet.
Det er essentielt, at beskrive kvalitetskravene til analyserne (analyse-platform, blanke, interne
standarder, repeats osv.), data-formatet og udvælgelseskriterierne for resultaterne helt skarpt.
Desuden er der behov for sikring af adgang til rådata efter endt screening, i forhold til retrospektive
analyse og samarbejde om videre databehandling.
Kvalitetsdata og kontrol er beskrevet i en teknisk rapport fra leverandøren, DCE (Bilag B).
I nærværende notats Bilag C, findes en oversigt over evalueringen af de eksperimentelle krav
(betingelser, der skal indgå i løsningen fra udbuddets kravspecifikationer). I Bilag D er en oversigt over
evalueringen af rapporteringskravene (oplysninger, der var krav om i udbuddet skulle indgå i det
endelige produkt/rapport).
2.3. Uddybende sammenligning af suspect screening og target-analyser i GRUMO
Formålet med en sammenligning mellem analyseresultater fra suspect screening og analyseresultater
fra target-analyser er, som nævnt, at illustrere, i hvilket omfang suspect screeningen kan reproducere
resultater fra target-analyser. Dette giver en indikation af metodens korrekthed og anvendelighed,
samt i hvilket omfang analyseresultaterne for nye stoffer (ikke tidligere analyseret med målrettede
analyser) kan betragtes som pålidelige.
Sammenligningen af de 2 metoder er primært baseret på koncentrationer (µg/L), og der benyttes bl.a.
lineær regression mellem de to datasæt, da det forventes, at de fundne koncentrationer findes i
forholdet 1:1 for de to analysemetoder. Denne forventning kommer af, at der til analyseprogrammet
for GRUMO 2022 er udtaget vandprøver både til suspect screening og til target-analyser på samme
tidspunkt. Én del af prøven er analyseret som target-analyse, og en anden del af samme prøve er sendt
til suspect screening.
Antal stoffer, der er analyseret ved brug af begge metoder, og dermed kan anvendes til at validere
suspect screeningen, er præsenteret i Tabel 6.
6
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0023.png
Tabel 6: Beskrivelse af antal stoffer som anvendes i sammenligningen mellem analyseresultater
fra suspect screeningen og target-analyser. Vær opmærksom på, at der er stoffer, som indgår i
både gruppen ”Target 2022” og ”Target 2019-2021”. Tallet for Targetgns 2019-2021 skal forstås på
den måde, at der kumuleret set er analyseret for 604 forskellige stoffer i alt i de 81 indtag.
Definition
Suspect
screening
Target 2022
(Ordinære
GRUMO
program +
massescreening
2022)
Targetgns 2019-
2021
Analyseresultater fra suspect
screening for stoffer analyseret
på identifikationsniveau 1 og
2.
Analyseresultater fra
målrettede analyser udført i
2022. Prøver udtaget samtidig
med prøver til suspect
screening, hvorfor de er
direkte sammenlignelige.
Analyseresultater fra target-
analyser udført i perioden fra
2019 til og med 2021. Hvis der
findes flere analyser af samme
stof i perioden anvendes et
gennemsnit.
Antal pesticidstoffer
analyseret i de 81
indtag
73
67
604
I sammenligningen inddrages kun stoffer fra suspect screening, som er fundet på identifikationsniveau
1 og 2, hvilket er 73 stoffer. Usikkerheden på niveau 3 stofferne er for stor til, at de kan inddrages i den
kvantitative sammenligning. Af de 73 stoffer fundet på niveau 1 eller 2 i suspect screeningen, findes
der 25 tilfælde af overlap med de 67 stoffer analyseret i Target 2022. Disse 25 stoffer er dermed
datagrundlaget, der anvendes i den kvantitative sammenligning, se Tabel 7. De sidste 42 af de 67
stoffer fra Target 2022, er ikke blevet fundet på niveau 1-3 i suspect screeningen, og derfor er disse
stoffer ikke med i datagrundlaget for sammenligningen.
Der kan være forskellige årsager til, at stoffer, der indgår i Target 2022, ikke findes på
identifikationsniveau 1 og 2 i suspect screeningen. Af de 67 stoffer, der er lavet target-analyse på i
2022, er 55 af stofferne valideret med standarder og kan kvantificeres i suspect screeningen. Af disse
var der fund af 21 stoffer på niveau 1 og dermed 34 stoffer uden fund (Tabel 7). Det kan tyde på reelle
ikke-fund, men i nogle tilfælde kan det bl.a. skyldes, at LoD for stofferne i suspect screeningen er høj,
og de dermed ikke findes. Dette er fx tilfældet med DMS, som ellers findes hyppigt i target-analyserne.
For fem stoffer var der tilgængelige standarder, der kunne detekteres ved direkte analyse, men
kvantifikationen kunne ikke valideres, når prøveforberedelsen blev inkluderet (angivet som N.D i
Tabel 7). 1,2,4-triazol var iblandt denne gruppe af stoffer. Seks stoffer er ikke valideret i suspect
screeningen, men her er der fund af fire af stofferne på niveau 2. Ét stof fra Target 2022 er ikke taget
med på suspect screeningslisten (2,6-dichlorphenol). 2,6-dichlorphenol er taget ud af
boringskontrollen og GRUMO fra 2023 pba. er manglende fund. Stoffet har haft 58 år (fra
dichlorprop) og 65 år (fra pentachlorphenol) til at udvaske og er meget mobilt, hvorfor det må
formodes, at ville være til stede i mange indtag på nuværende tidspunkt, hvis det udgjorde en generel
grundvandsrisiko. 2,6-dichlorphenol har været på GRUMOs stofliste fra 1990, dog ikke med i perioden
2011-2015. Stoffet havde en forhøjet detektionsgrænse på 0,02-0,05 µg/l indtil 2011. 2,6-
dichlorphenol er ikke på noget tidspunkt påvist i GRUMO.
7
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0024.png
Tabel 7: De 67 stoffer, der har været mulige at anvende til sammenligning af suspect screeningen
med target analyser, samt deres CAS numre og Stancode. Det er markeret om stoffet er
valideret/ikke valideret med en standard i suspect screeningen, og om stoffet er med eller uden
fund i suspect screeningen.
Stofnavn
CAS nr.
Stan
Code
Valideret
Med fund
(Niv. 1)
Valideret
Uden
fund
N.D
(2,6-dimethyl-phenylcarbamoyl)-
methansulfonsyre
[(2,6-Dimethylphenyl)(2-
sulfoacetyl)amino]eddikesyre
1,2,4-Triazol
2-(2,6-
dichlorphenoxy)propionsyre
2,4-D
2,4-Dichlorphenol
2,6-Dichlorbenzamid (BAM)
2,6-Dichlorbenzosyre
2,6-Dichlorphenol*
2,6-Dihydroxy-7,7-dimethyl-6,8-
dihydroimidazo[1,2a][1,3,5]triazin
-4(6H)-on (LM3)
2C6MPP
2-CPP
4-CPP
4-Nitrophenol
Alachlor ESA
AMPA
Atrazin
Atrazin, desethyl-
Atrazin, desisopropyl-
Atrazin, hydroxy-
1418095
-08-5
1196533
-13-7
288-88-
0
25140-
90-3
94-75-7
120-83-
2
2008-
58-4
50-30-6
87-65-0
1727
2383
748
551
1168
417
438
832
419
2568
x
x
x
x
x
x
x
Ikke
valideret
Med fund
(i) (Niv. 2)
Eller uden
fund (ii)
x
i
x
i
35851-
12-8
25140-
86-7
3307-
39-9
100-02-
7
142363-
53-9
1066-
51-9
1912-24-
9
6190-
65-4
1007-
28-9
2163-
68-0
91
89
88
453
1663
862
846
590
591
592
x
x
x
x
x
x
x
x
x
x
8
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0025.png
Bentazon
CGA 108906
Chlorothalonilamid sulfonsyre
(R417888)
Clopyralid
DEIA
Desethyl-hydroxyatrazin
Desisopropyl-hydroxyatrazin
Desphenyl chloridazon
Dichlobenil
Dichlorprop
Didealkyl-hydroxyatrazin
Dimethachlor ESA
Dimethachlor OA
Diuron
Ethylenthiourea
Glyphosat
Hexachlorbenzen
Hexazinon
Imazalil
Imidacloprid
IN-E9260
Maleinhydrazid
MCPA
Mechlorprop
Metalaxyl
Metaldehyd
25057-
89-0
104390-
56-9
1418095
-02-9
1702-17-
6
3397-
62-4
19988-
24-0
7313-54-
4
6339-
19-1
1194-65-
6
120-36-
5
645-92-
1
1231819
-32-1
108638
4-49-7
330-54-
1
96-45-7
1071-83-
6
118-74-1
51235-
04-2
35554-
44-0
138261-
41-3
117671-
01-9
123-33-1
94-74-6
93-65-2
57837-
19-1
108-62-
3
1169
1544
1901
621
97
1238
1239
1448
388
841
1240
1667
1668
389
656
675
562
680
682
1645
2570
688
842
843
692
1917
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
ii
x
x
x
x
x
x
x
x
x
9
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0026.png
36993-
94-9
Metazachlor ESA
172960-
62-2
Metazachlor OA
1231244
-60-2
Methyl-desphenyl-chloridazon
17254-
80-7
Metribuzin
21087-
64-9
Metribuzin-desamino
35045-
02-4
Metribuzin-desamino-diketo
52236-
30-3
Metribuzin-diketo
56507-
37-0
Monuron
150-68-
5
N-(2,6-dimethylphenyl)-N-
87764-
(methoxyacetyl)alanin
37-2
N,N-Dimethylsulfamid (DMS)
3984-
14-3
Pentachlorbenzen
608-93-
5
PPU (IN70941)
138724-
53-5
PPU-desamino (IN70942)
151331-
80-5
Propachlor ESA
123732-
85-4
Simazin
122-34-
9
Simazin, hydroxy-
2599-
11-3
Terbuthylazin-desethyl
30125-
63-4
TFMP
33252-
63-0
THPAM
2028-
12-8
t-Sulfinyleddikesyre
618113-
86-3
* Ikke med på suspect screeningslisten
Metamitron-desamino
758
1659
1660
1534
698
760
759
761
1210
2085
1655
536
1486
1487
1675
847
128
98
1354
2569
2111
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
i
x
ii
x
i
De efterfølgende afsnit præsenterer forskellige sammenligninger af data primært baseret på
koncentrationsniveauer.
10
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0027.png
2.3.1. Sammenligning af suspect screening vs. Target 2022 og Targetgns 2019-
2021
For at skabe et indledende overblik over data sammenlignes her resultater fra suspect screening med
resultater fra Target 2022. Dette gøres ved brug af koncentrationer (µg/L). På Figur 3 ses resultaterne
af analyser fra suspect screeningen sammenlignet med resultaterne af target-analyser (Target 2022).
Der er tale om 25 stoffer, som findes i begge datasæt, og som giver anledning til nedenstående lineære
sammenhæng med en R
2
-værdi på 0,6865.
���������������������������� ������������������������������������ (µ����⁄���� ) = 0,8326 ∙ ������������������������ (µ����⁄����) + 0,0037
����
2
= 0,6865
Det skal her nævnes, at den gennemførte kvantificering, som er beskrevet i Bilag B, giver anledning til
generelt lavere detektionsgrænser for suspect screeningen sammenlignet med de målrettede analyser.
Ved ikke påviste fund er værdien sat til 0 µg/L, stoffer påvist i den ene metode men ikke i den anden,
samt stoffer, der slet ikke er påvist, fremgår stadig af grafen.
Figur 3 viser en relativ god sammenhæng mellem resultater fra suspect screeningen og resultaterne fra
de samtidige target-analyser. Det ses dog, at target-analyser giver anledning til et generelt højere
koncentrationsniveau, hvilket indikerer, at suspect screeningen har en tendens til at undervurdere
koncentrationerne for de påviste stoffer.
Figur 3: Sammenstilling af analyseresultater fra suspect screeningen med target-analyser fra
2022 (Target 2022).
2.3.2. Sammenligning suspect screening vs. Target 2022
Figur 4 illustrerer det samme dataset som i figur 3, men resultaterne er nu opdelt ift.
identifikationsniveau (Level 1 og Level 2). De blå og orange prikker repræsenterer henholdsvis Level 1
og Level 2 stoffer, med henholdsvis 21 og 4 stoffer i hver gruppe.
Det ses, at resultaterne for Level 1 stofferne ligger i det største koncentrationsinterval – både for
Target 2022 og suspect screeningen. Resultaterne fra Level 2 ligger i et mere snævert
koncentrationsinterval som også repræsenterer relativt lave koncentrationer. Ud af den lineære
regression for niveau 2 stofferne, ses det at de fundne koncentrationer på ingen måde stemmer
11
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0028.png
overens med koncentrationerne fundet ved target-analyserne. Man vil derfor ikke ud fra
semikvantificeringen på level 2 kunne konkludere noget vedrørende det reelle koncentrationsniveau.
Level 1 (blå prikker):
���������������������������� ������������������������������������ (µ����⁄���� ) = 0,8331 ∙ ������������������������ 2022 (µ����⁄����) + 0,0039
����
2
= 0,6922
Level 2 (orange prikker):
���������������������������� ������������������������������������ (µ����⁄���� ) = 0,5021 ∙ ������������������������ 2022 (µ����⁄����) + 0,0039
����
2
= 0,0533
Figur 4: Sammenstilling af analyseresultater fra suspect screeningen med target-analyser fra
2022 (Target 2022). Lineær regression for hhv. level 1 (blå) og level 2 (orange) stofferne.
2.3.3. Sammenligning på stofniveau
Der tages fortsat udgangspunkt i sammenligningen mellem resultater fra suspect screeningen og
resultater fra target-analyser udført på den samme vandprøve.
I denne sammenligning indgår de samme data, som er afbildet i de første to sammenligninger.
Forskellen her er, at der ved fund under detektionsgrænsen er foretaget et valg i den anvendte og
afbildede koncentration, i steder for at benytte værdien 0 µg/L, for ikke påviste fund.
I Target 2022 analyserne er den halve detektionsgrænse anvendt for de enkelte stof i de tilfælde, hvor
der ikke er påvist fund over detektionsgrænsen, altså 0,005 µg/L.
I suspect screeningen er anvendt tre forskellige grænser, <LoD, <10 ng/L og N.D., for hver af disse
grænser er der valgt en koncentration til afbildning på graf:
<LoD (Limit of detection): her er anvendt den halve detektionsgrænse, som er registreret for
den enkelte analyse i datasættet, denne detektionsgrænse varierer for de forskellige stoffer.
<10 (<10 ng/l): her er anvendt den halve koncentration af 10 ng/l (0,01 µg/l) dvs. 0,005 µg/l.
12
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0029.png
N.D. (Not detected): N.D. angives for stoffer, der ikke kunne genfindes i spikede prøver,
selvom de godt kunne måles som rene kemiske standarder. Her er anvendt koncentrationen 0
µg/l.
I Figur 5 er hvert stof afbilledet med forskellige farver, og der er fundet en lineær regression for hvert
enkelt stof, se Tabel 8. For hvert stof indgår der 81 analyser. Herved kan det ses, om der for nogle af
stofferne ikke er en 1:1 sammenligning.
Figur 5: Sammenstilling af analyseresultater fra suspect screeningen med Target 2022 på enkelt
stof niveau.
Tabel 8: Lineær regression for hvert af de 25 pesticidstoffer, der er analyseret for i både suspect
screening og Target 2022 (der er 81 datapunkter for hvert stof). Tabellen viser også min. og maks.
koncentration for både Target 2022 og suspect screeningen for hvert pesticidstof.
CAS nr.
Stofnavn
Lineær regression
Target 2022
Min.
Konc
(µg/l)
Ukendt
2,6-Dihydroxy-7,7-dimethyl-6,8-
dihydroimidazo[1,2a][1,3,5]triazin-
4(6H)-on (LM3)
Mechlorprop
y = 0,3842x +
0,0152
R² = 0,0289
y = 0,7827x +
0,0075
R² = 0,0695
y = -0,0081x +
0,0002
R² = 0,0012
LoD
Maks.
Konc
(µg/l)
0,16
Suspect screening
Min. Konc
(µg/l)
LoD(<0,01)
Maks
Konc
(µg/l)
0,41
93-65-2
LoD
0,054
N.D.
0,11
122-34-9
Simazin
LoD
0,022
N.D.
0,0037
13
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0030.png
CAS nr.
Stofnavn
Lineær regression
Target 2022
Min.
Konc
(µg/l)
Maks.
Konc
(µg/l)
0,13
Suspect screening
Min. Konc
(µg/l)
N.D.
Maks
Konc
(µg/l)
0,52
1007-28-9
Atrazin, desisopropyl-
y = 3,567x +
0,0145
R² = 0,667
y = 0,002
R² = 0
y = 0,8081x - 0,003
R² = 0,9849
y = 0,3984x -
0,0039
R² = 0,9935
y = 7,1424x -
0,0155
R² = 0,1266
y = 0,1875x -
0,0005
R² = -6E-17
y = 0,7146x - 0,001
R² = 0,6343
y = 0,7041x -
0,0025
R² = 0,9556
y = 0,93x - 0,0091
R² = 0,9854
y = 0,9095x -
0,0037
R² = 0,9966
y = 0,75x - 0,002
R² = -7E-16
y = 0,4515x +
0,0049
R² = 0,0205
y = 0,6372x -
0,0027
R² = 0,0869
y = 0,6155x -
0,0022
R² = 0,0914
y = 2,5x - 0,0039
R² = -1E-16
y = 0,1875x -
0,0005
R² = -5E-17
y = 2,0716x - 0,01
R² = 0,986
LoD
1194-65-6
1912-24-9
2008-58-4
Dichlobenil
Atrazin
2,6-Dichlorbenzamid (BAM)
LoD
LoD
LoD
LoD
0,17
2
N.D.
N.D.
N.D.
0,025
0,13
0,81
2163-68-0
Atrazin, hydroxy-
LoD
0,016
N.D.
0,099
2599-11-3
Simazin, hydroxy-
LoD
LoD
N.D.
0,014
3397-62-4
6190-65-4
DEIA
Atrazin, desethyl-
LoD
LoD
0,055
0,055
N.D.
N.D.
0,047
0,035
6339-19-1
17254-80-7
Desphenyl-chloridazon
Methyl-desphenyl-chloridazon
LoD
LoD
2,5
1,6
N.D.
N.D.
2,5
1,5
19988-24-0
25057-89-0
Desethyl-hydroxyatrazin
Bentazon
LoD
LoD
LoD
0,038
N.D.
N.D.
<LoD
0,048
30125-63-4
Terbuthylazin-desethyl
LoD
0,012
N.D.
0,010
33252-63-0
TFMP
LoD
0,016
N.D.
0,024
36993-94-9
51235-04-2
Metamitron-desamino
Hexazinon
LoD
LoD
LoD
LoD
N.D.
N.D.
0,15
0,023
56507-37-0
Metribuzin-diketo
LoD
0,082
N.D.
1,6
14
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0031.png
CAS nr.
Stofnavn
Lineær regression
Target 2022
Min.
Konc
(µg/l)
Maks.
Konc
(µg/l)
0,096
Suspect screening
Min. Konc
(µg/l)
N.D.
Maks
Konc
(µg/l)
0,25
87764-37-2
N-(2,6-dimethylphenyl)-N-
(methoxyacetyl)alanine
CGA 108906
Imidacloprid
PPU (IN70941)
(2,6-dimethyl-phenylcarbamoyl)-
methansulfonsyre
y = 1,2762x -
0,0045
R² = 0,3332
y = 16x - 0,0313
R² = -2E-17
y = 0,623x - 0,003
R² = 0,901
y = 11,047x -
0,0536 R² = 0,9329
y = 0,0076x +
0,0047
R² = 0,0013
LoD
104390-56-9
138261-41-3
138724-53-5
1418095-08-
5
LoD
LoD
LoD
LoD
LoD
0,029
0,035
0,049
N.D.
N.D.
N.D.
N.D.
2,8
0,015
0,326
LoD
(<0,01)
Det bemærkes at for mange af stofferne er datagrundlaget meget lille, hvilket kan forklare de lave
lineære regressions koefficienter. Her under vises enkelte eksempler på grafer for enkeltstoffer med et
større datagrundlag fra ovenstående Figur 5. Eksemplerne er for desphenyl-chloridazon (Figur 6),
BAM (Figur 7) og DEIA (Figur 8), som er tre af de fem kendte pesticider, som findes mere udbredt. Det
ses, at desphenyl-chloridazon og BAM har høje R
2
-værdier på næsten 1, mens at resultaterne for DEIA
ligger mere spredte og har en R
2
-værdi på omkring 0,6.
Figur 6: Resultaterne for desphenyl-chloridazon, samt den lineære regression.
15
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0032.png
Figur 7: Resultaterne for 2,6-dichlorbenzamid (BAM), samt den lineære regression.
Figur 8: Resultaterne for desethyldesisopropyl-atrazin (DEIA), samt den lineære regression.
Hvis man ser nærmere på Figur 5 og kun ser på resultater, hvor der er fund i både suspect screening og
Target 2022, ses det, at nogle resultater ligger højt i suspect screeningen og lavt i Target 2022 (orange
16
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0033.png
prikker, Figur 9). Omvendt er der også nogle resultater, der ligger lavt i suspect screeningen, men højt
i Target 2022 (grå prikker, Figur 9). Hvis man zoomer ind på den nederste del af Figur 9, så der
fokuseres på resultater under 0,5 µg/L, bliver spredningen mere tydelig (Figur 10).
Figur 9: Sammenstilling af analyseresultater fra suspect screeningen med Target 2022, hvor der
er set nærmere på %-afvigelsen. Orange prikker er % afvigelse over 100, ((Sus-
target)/grumo)*100%. Grå prikker er % afvigelse over 100, ((target-sus)/sus)*100%. Blå stiplet
linje er den lineære regression af Target 2022/suspect screening, og den grønne linje er
koncentrationsforhold af Target 2022/suspect screening ved 1:1.
Figur 10: Sammenstilling af analyseresultater fra suspect screeningen med Target 2022, hvor der
er set nærmere på %-afvigelsen. Orange prikker er % afvigelse over 100, ((Sus-
target)/grumo)*100%. Grå prikker er % afvigelse over 100, ((target-sus)/sus)*100%. Blå stiplet
linje er den lineære regression af Target 2022/suspect screening, og den grønne linje er
koncentrationsforhold af Target 2022/suspect screening ved 1:1. Her ses der kun på
koncentrationsintervallet 0 til 0,5 µg/L.
17
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0034.png
Resultaterne, hvor målingen fra suspect screening ligger højt i forhold til Target 2022, vises med
orange prikker, og resultaterne, hvor fundene fra suspect screening ligger lavt ift. Target 2022, vises
med grå prikker. Når man ser nærmere på de orange prikker, består disse primært af målinger af
stoffet desisopropyl-atrazin (DEIA), se Tabel 9, og for de grå prikker er det primært målinger af stoffet
2,6-dichlorbenzamid (BAM), se Tabel 10. Tabel 9 og 10 viser, hvilke indtag og stoffer der ligger hhv.
højt og lavt i suspect screening ift. Target 2022, samt fundmængden.
Det tyder altså på, at suspect screeningen umiddelbart overvurderer fundene af desisopropyl-atrazin i
forhold til target-analysen. Desisopropyl-atrazin blev fundet i 11 indtag i Target 2022, mens stoffet
blev fundet i 38 indtag i suspect screeningen, hvoraf de 11 indtag er ens for både target og suspect
screeningen. Suspect screeningen undervurderer umiddelbart fundene af BAM i forhold til target-
analysen. BAM blev fundet i 35 indtag i Target 2022, og i 27 indtag i suspect screening, her er de 26
indtag ens for både target og suspect screeningen.
Tabel 9: DGU nr. og stofnavn for de orange prikker i Figur 9 og Figur 10, samt fundet i det enkelte
indtag i hhv. Target 2022 og suspect screening.
DGU nr.
Stofnavn
CAS nr.
Target
2022
(µg/l)
0,012
0,011
Suspect
screening
(µg/l)
0,0424
0,1023
100. 84_1
114. 1618_5
Desisopropyl-atrazin
PPU (IN70941)
2,6-Dihydroxy-7,7-dimethyl-6,8-
dihydroimidazo[1,2a][1,3,5]triazin-4(6H)-on
(LM3)
Desisopropyl-atrazin
Desisopropyl-atrazin
2,6-Dihydroxy-7,7-dimethyl-6,8-
dihydroimidazo[1,2a][1,3,5]triazin-4(6H)-on
(LM3)
Desisopropyl-atrazin
2,6-Dihydroxy-7,7-dimethyl-6,8-
dihydroimidazo[1,2a][1,3,5]triazin-4(6H)-on
(LM3)
N-(2,6-dimethylphenyl)-N-
(methoxyacetyl)alanine
Desisopropyl-atrazin
Hydroxy-atrazin
Desisopropyl-atrazin
Desisopropyl-atrazin
Desisopropyl-atrazin
Desisopropyl-atrazin
Desisopropyl-atrazin
PPU (IN70941)
Desisopropyl-atrazin
1007-28-9
138724-53-5
121. 959_1
121. 959_1
123. 873_1
0,03
1007-28-9
1007-28-9
0,018
0,13
0,4120
0,0899
0,5173
131. 1977_1
136. 1153_1
0,019
1007-28-9
0,01
0,0960
0,0234
15. 693_3
213. 617_1
247. 391_3
247. 391_3
33. 1295_1
34. 1646_1
40. 553_1
47. 1298_1
53. 880_1
65. 1514_1
79. 772_1
0,022
87764-37-2
1007-28-9
2163-68-0
1007-28-9
1007-28-9
1007-28-9
1007-28-9
1007-28-9
138724-53-5
1007-28-9
0,074
0,043
0,016
0,013
0,012
0,022
0,049
0,014
0,035
0,024
0,1465
0,2457
0,0904
0,0988
0,0266
0,0434
0,0917
0,1633
0,0899
0,3261
0,0718
18
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0035.png
Tabel 10: DGU nr. og stofnavn for de grå prikker i Figur 9 og Figur 10, samt fundet i det enkelte
indtag i hhv. Target 2022 og suspect screening.
DGU nr.
Stofnavn
CAS nr.
Target
2022
(µg/l)
0,081
0,024
0,057
0,07
0,17
0,066
0,14
0,12
0,021
0,84
0,023
0,1
0,079
0,098
0,036
0,048
0,029
0,02
0,044
0,051
0,11
2008-58-4
2008-58-4
2008-58-4
2008-58-4
3397-62-4
2008-58-4
2008-58-4
2008-58-4
6339-19-1
2008-58-4
2008-58-4
30125-63-4
0,77
0,1
0,16
0,034
0,046
0,13
0,021
0,03
0,24
0,035
2
0,012
0,16
0,25
0,096
0,043
Suspect
screening
(µg/l)
0,0212
0,0109
0,0161
0,0225
0,0540
0,0155
0,0333
0,0349
0,0040
0,3515
0,0070
0,0441
0,0199
0,0226
0,0057
0,0186
0,0056
0,0035
0,0040
0,0150
0,0176
0,2511
0,0207
0,0580
0,0090
0,0204
0,0427
0,0059
0,0060
0,0966
0,0095
0,8102
0,0050
0,0656
0,1162
0,0214
0,0136
100. 84_1
105. 1706_2
106. 1536_1
114. 1442_1
123. 873_1
131. 1977_1
133. 1383_1
135. 1103_3
145. 2840_1
147. 1103_1
147. 1105_1
15. 693_3
16. 1286_1
164. 1492_1
166. 786_1
190. 274_2
200. 3703_2
204. 546_2
206. 1684_1
213. 617_1
219. 198_1
219. 198_1
238. 626_1
24. 850_2
30. 937_1
33. 1295_1
34. 1651_1
34. 1706_1
37. 1038_2
38. 890_1
40. 553_1
40. 1774_1
40. 1774_1
40. 1781_1
47. 1298_1
71. 765_3
96. 2127_1
2,6-Dichlorbenzamid (BAM)
Desphenyl-chloridazon
2,6-Dichlorbenzamid (BAM)
Desphenyl-chloridazon
2,6-Dichlorbenzamid (BAM)
2,6-Dichlorbenzamid (BAM)
2,6-Dichlorbenzamid (BAM)
2,6-Dichlorbenzamid (BAM)
2,6-Dichlorbenzamid (BAM)
2,6-Dichlorbenzamid (BAM)
2,6-Dichlorbenzamid (BAM)
Desphenyl-chloridazon
2,6-Dichlorbenzamid (BAM)
2,6-Dichlorbenzamid (BAM)
2,6-Dichlorbenzamid (BAM)
DEIA
2,6-Dichlorbenzamid (BAM)
2,6-Dichlorbenzamid (BAM)
2,6-Dichlorbenzamid (BAM)
2,6-Dichlorbenzamid (BAM)
2,6-Dihydroxy-7,7-dimethyl-6,8-
dihydroimidazo[1,2a][1,3,5]triazin-4(6H)-on
(LM3)
2,6-Dichlorbenzamid (BAM)
2,6-Dichlorbenzamid (BAM)
2,6-Dichlorbenzamid (BAM)
2,6-Dichlorbenzamid (BAM)
DEIA
2,6-Dichlorbenzamid (BAM)
2,6-Dichlorbenzamid (BAM)
2,6-Dichlorbenzamid (BAM)
Desphenyl-chloridazon
2,6-Dichlorbenzamid (BAM)
2,6-Dichlorbenzamid (BAM)
Terbuthylazin-desethyl
2,6-Dihydroxy-7,7-dimethyl-6,8-
dihydroimidazo[1,2a][1,3,5]triazin-4(6H)-on
(LM3)
Desphenyl-chloridazon
2,6-Dichlorbenzamid (BAM)
Desphenyl-chloridazon
2008-58-4
6339-19-1
2008-58-4
6339-19-1
2008-58-4
2008-58-4
2008-58-4
2008-58-4
2008-58-4
2008-58-4
2008-58-4
6339-19-1
2008-58-4
2008-58-4
2008-58-4
3397-62-4
2008-58-4
2008-58-4
2008-58-4
2008-58-4
6339-19-1
2008-58-4
6339-19-1
19
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0036.png
2.3.4. Sammenligning søjlediagrammer
For hver af de 81 indtag er der lavet søjlediagrammer, for at anskueliggøre overlap mellem fund af
pesticider i suspect screeningen og target-analyserne. Figurerne viser target-analyserne fra 2022, samt
et gennemsnit af target-analyserne for perioden 2019-2021, og suspect screening resultaterne. I 25 af
de 81 indtag blev der udtaget 3 vandprøver på samme tid, som efterfølgende alle blev analyseret
(triplikat-analyser). Formålet med triplikatanalyserne er at evaluere og belyse variationen på de
fundne koncentrationer for stoffer i suspect screeningen. Den gennemsnitlige variation af
koncentrationen for alle fundne stoffer i alle triplikatprøver er 15% (se Bilag B). For de indtag der er
lavet triplikatanalyser på, er det største fund benyttet i sammenligningen.
Som beskrevet i ovenstående har det kun været muligt at sammenligne 25 pesticider ud af de 67
pesticider, der har været analyseret med target i 2022.
Den første figur er for DGU nr. 53. 880, indtag 1 (Figur 11). Her ses det, at der for atrazin, desethyl-
atrazin og DEIA er en fin overensstemmelse mellem fund i Target 2022 og fund i suspect screening, og
at stofferne også er fundet i perioden 2019 til 2021. For desisopropyl-atrazin ses det, at fund i suspect
screeningen overestimeres i forhold til target-analyserne, og det ses, at fund i Targetgns 2019-2021
ligger i samme niveau som for Target 2022. Dette tyder på, at koncentrationsniveauet målt ved target-
analyserne er konsistent og en overestimering i suspect screeningen ift. target-analyserne ikke blot
skyldes en enkelt target-analyse, hvor niveauet er lavere end ved de øvrige target-analyser.
I suspect screeningen bliver der fundet enkelte stoffer, som ikke findes i target-analyserne. Stofferne,
som der kun er fund af i suspect screeningen i DGU nr. 53. 880, indtag 1, er desphenyl-chloridazon og
dichlobenil. Disse findes i koncentrationer, som ligger under detektionsgrænsen for target-analyser,
hvilket kan være forklaringen på, at stoffet ikke er målt med target-analysen. LM3 findes i
koncentrationer i suspect screeningen over detektionsgrænsen, der er gældende for target-analyse,
men stoffet er ikke fundet i de samme indtag med target-analyser. LM3 har kun været målt i GRUMO-
regi med target-analyser i massescreeningen i 2022, og pga. af det spinkle target datasæt, kan det ikke
afvises, at fundet i suspect screeningen er et reelt fund.
Figur 11: Resultaterne for de 67 pesticidstoffer, der er analyseret for i Target 2022 (blå),
gennemsnitsresultaterne for perioden 2019-2021, hvor der er analyseret for 63 pesticidstoffer
(Targetgns 2019-2022)(grå), samt resultaterne for de 25 suspect screeningen stoffer (orange).
20
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0037.png
Den anden sammenligning, der vises her, er for DGU nr. 164. 1492, indtag 1 (Figur 12). Her ses også en
fin overensstemmelse mellem fund i Target 2022 og Targetgns 2019-2021. Som tidligere nævnt er
resultaterne for 2,6-dichlorbenzamid (BAM) lavere i suspect screeningen i forhold til target-
analyserne, hvilket også kan ses på figuren. Desuden fremgår det, at der i Targetgns 2019-2021 er
fundet bentazon, men for både Target 2022 og suspect screeningen er der ikke fundet bentazon. I
Target 2022 bliver der fundet LM3, men stoffet ses ikke i suspect screeningen, hvilket er det modsatte
af DGU nr. 53. 880, indtag 1 (Figur 11).
Figur 12: Viser resultaterne for de 67 pesticidstoffer der er analyseret for i Target 2022 (blå),
gennemsnitsresultaterne for perioden 2019-2021, hvor der er analyseret for 62 pesticidstoffer
(Targetgns 2019-2022)(grå), samt resultaterne for de 25 suspect screeningen stoffer (orange).
Der er tre af de 67 pesticidstoffer, som bliver fundet i suspect screeningen, men som ikke findes ved
target-analyserne. De tre stoffer er dichlobenil, som findes i 71 af de 81 indtag, hexazinon, findes i 10
indtag, og hydroxy-simazin, som findes i 11 indtag. Dichlobenil og hexazinon bliver fundet over
detektionsgrænsen for target-analyse i et enkelt indtag, og hydroxy-simazin findes over
detektionsgrænsen i to indtag. Fundhyppigheden er altså større i suspect screeningen end ved target
analyserne, da detektionsgrænserne generelt er lavere i suspect screeningen.
3. Konklusion
Sammenligningen af resultaterne fra suspect screening holdt op mod resultater fra target viser, at
suspect screeningen korrelerer relativt godt med target-analyserne, men at suspect screeningen
generelt underestimerer koncentrationer af stoffer ift. target-analyserne. Under antagelse af, at target-
analyserne er retvisende vil evt. overskridelser for stofferne, der er fundet på niveau 1 i suspect
screeningen, derfor kunne anses som konservative værdier, men stadig som overskridelser.
Miljøstyrelsen kan for nye stoffer fundet på niveau 1 sætte arbejdet i gang mhp. en vurdering af, om
nye stoffer med fund i suspect screeningen fx skal inkluderes i GRUMO og/eller boringskontrollen, og
om der er stoffer, der bør testes i VAP. Det svarer til den opfølgning, der tidligere er foretaget i
forbindelse med massescreeningerne udført med target metoder. Der vil dog være behov for at udvikle
specifikke target metoder for de enkelte stoffer, hvor fx de gældende kvalitetskrav er overholdt, hvis de
nye stoffer skal indgå i overvågningen.
21
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
I den kvantitative sammenligning er der anvendt 25 stoffer, hvor der er overlap mellem fund (valideret
og ikke-valideret) i suspect screeningen og i Target 2022. Af forskellige årsager er der stoffer, der
findes i Target 2022, som ikke findes på identifikationsniveau 1 og 2 i suspect screeningen. Af de 67
stoffer, der indgår i Target 2022, er der 34 stoffer som er valideret med standarder og kan kvantificeres
i suspect screeningen, hvor der ikke er fund. Et eksempel er DMS, der findes hyppigt i target-analyser,
men pga. en høj LoD i suspect screeningen, ikke findes her. Heraf kan det konkluderes, der er stoffer,
som ikke detekteres i suspect screeningen, der kan findes i target-analyser. Suspect screening metoden
får ikke alt med på nuværende stadie, og kan ikke stå alene med konklusioner, om visse stoffer findes i
grundvandet.
Ud af den lineær regression for niveau 2 stofferne præsenteret i afsnit 2.3.2, ses det at de fundne
koncentrationer på ingen måde stemmer overens med koncentrationerne fundet ved target-
analyserne. Det vurderes derfor, at koncentrationer for niveau 2 stoffer ikke kan benyttes til direkte
regulering eller til en vurdering af, om stofferne skal inddrages i overvågningen. For stoffer fundet på
niveau 2 i suspect screeningen, anbefales det, at der indhentes standarder og stofferne undersøges på
ny med suspect screening metoden, så stofferne kan hæves til identifikationsniveau 1, og at der
dermed er sikkerhed i fundet.
22
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0039.png
Bilag A: Evaluering af viden om analyse af stoffer på pesticid bruttolisten
Der henvises i dette bilag til 2 underbilag, som ikke er vedlagt. De kan rekvireres hos Miljøstyrelsen ved
henvendelse til [email protected].
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0040.png
NOTAT
Vandforsyning
Ref. HERHA
Den 28. januar 2022
Evaluering af viden mht. suspect screening af stofferne på
pesticid bruttolisten
Problemstilling
Bruttolisten indeholder 1364 pesticidrelaterede kemiske stoffer, hvoraf 942 af disse stoffer er
beskrevet med en entydig InChiKey (Bilag 1). For de 942 stoffer ønskes de understående delopgaver
besvaret:
Delopgave 2
Det ønskes konstateret i hvilket omfang bruttolisten kan blive analyseret ved en suspekt screening, for
at afdække om markedet er modent til at kunne levere en suspect screening for listen beskrevet i
delopgave 1.
Delopgave 3
Der ønskes en vurdering af værdien ved at gennemføre en suspect screening, som beskrevet.
Løsning
NORMAN Substance Databasen (https://www.norman-network.com/nds/) (SusDat) er downloaded
pr. 24. januar 2022, hvori 109.618 kemiske strukturer er beskrevet. Der er søgt for et match på
InChiKey i databasen for de 942 pesticid-stoffer, med henblik på at afdække hvorvidt stofferne er
fundet i en tidligere suspect screeing, eller de kan foudsiges, at ville kunne identificeres med gængse
analysemetoder benyttet i suspect screening.
Besvarelsen til Delopgave 2 og 3 er udarbejdet i samarbejde med GEUS og Miljøstyrelsens
Referencelaboratorie efter en gennemgang og diskussion af resultaterne beskrevet nedenfor.
Resultat
I alt 819 af de 942 stoffer blev genfundet i NORMAN SusDat (Bilag 2). 434 af de 819 stoffer, har
tidligere været analyseret for i en af grundvands massescreeningerne. Dvs, der indgår 385 nye stoffer i
datasættet på de 819 pesticid-stoffer.
I alt 628 af de 942 stoffer er tidligere fundet i en suspect screening med forskellig validerings
sikkerhed (Tabel 1).
Miljøstyrelsen • Tolderlundsvej 5 • 5000 Odense C
Tlf. 72 54 40 00 • CVR 25798376 • EAN 5798000860810 • [email protected] • www.mst.dk
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0041.png
Tabel 1:
Tidligere suspect screening rapporteringer af bruttolistestoffer fordelt på forskellige
validerings-niveauer
i
Validation 1
2
3
4
5
I alt
level
Antal
-
470
49
69
40
628
For i alt 747 stoffer er der angivet den” foretrukken analyse-platform efter beslutningstræ” (Tabel 2).
Specifikationerne mht hvilke informationer der indgår i beregningerne for beslutningstræet er ikke
umiddelbart beskrevet. Miljøstyrelsen har rettet henvendelse til NORMAN, og fået følgende forklaring:
Vi har trænet flere deep learning modeller til LC vs GC, ESI vs EI, ESI (pos vs neg
ioniseringstilstande), APCI vs EI baseret på data fra Mona, EU Massbank og interne databaser
(samlet 28k forbindelser). Disse modeller giver sandsynlighedsværdier for hver
analytisk platform, og så bruger beslutningstræet disse sandsynligheder til forudsige den foretrukne
analytiske metode for forbindelsen af interesse. Vi forbereder et manuskript til det, og en
webapplikation vil være online snart.
Tabel 2:
Foretrukken analyse-platform efter beslutningstræ ifølge NORMAN SusDat
Preferable platform by
GC-EI
RPLC- +ESI
RPLC- -ESI
decision tree
I alt 747
287
403
57
For 798 af stofferne er der angivet “predicted retention time index” (pred_RTI) (Tabel 3). RTI-
værdierne er indstillet til at være imellem 1 og 1000, og kan bruges til at harmonisere evalueringen af
forbindelser i forskellige RPLC-systemer.
ii
Norman bruger RTI til at få et højere niveau af tillid til
identifikationssikkerheden, da forudsigelse af retentionstid for kandidatstoffer kan reducere antallet af
falsk-positive kandidater markant.
Modellerne er begrænset til at forudsige forbindelser, der falder inden for anvendelighedsdomænet.
Hhv. 707 og 710 af stofferne er omfattet af modellen
iii
i positive og negative ioniserings mode.
Tabel 3:
Predicted retention time index (pred_RTI) i systemer der benytter hhv positiv og negativ
ionisering.
Pred_RTI_Positive_ESI
Pred_RTI_Negative_ESI
Antal
798
798
Antal covered by
707
710
model/Covered by chemical
space of the model
2
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0042.png
Besvarelse af delopgave 2:
På baggrund af ovenstående gennemgang, vurderes det, at en meget stor del af de 942 entydigt
beskrevne pesticidstoffer (op mod 80%) vil kunne analyseres ved en suspect screening på de 3
analyseplatformene GC-EI, RPLC- + ESI og RPLC- -ESI. Identifikationssikkerheden for fund, vil dog
spænde bredt.
I forhold til om markedet er modent til at levere kommercielle analyser, vurderes at kommercielle
analyser hovedsageligt tilbydes fra forskningsinstitutioner, og dermed, at der er en grad af
udvikling/forskning forbundet med screeningerne. Der findes ikke et 100% færdig defineret produkt
mht. kravspecifikationer og dataformat.
Besvarelse af delopgave 3:
Formålet med denne suspect screening er at få en indikation af, hvilke kemiske stoffer på pesticid-
bruttolisten, der bør udvikles målrettede metoder for, med henblik på efterfølgende målrettet
screening af grundvandet.
Værdien af screeningen vil i høj grad afhænge af de dertil hørende kravspecifikationer i udbuddet. Det
er essentielt at beskrive kvalitetskravene til analyserne (analyse-platform, blanke, interne standarder,
repeats osv), data-formatet og udvælgelseskriterierne for resultaterne helt skarpt. Desuden er der
behov for sikring af adgang til rådata efter endt screening, i forhold til retrospektive analyse og
samarbejde om videre databehandling.
Det vurderes, at der stadig mangler standardiserede guidelines og retningslinjer på området, og det vil
være en svær men vigtig øvelse, at definere disse.
Overordnet er der stor værdi i at gennemføre en suspect screening af bruttolistens parametre i forhold
til formålet, hvis der udarbejdes veldefinerede kravspecifikationer for udbuddet. En aftale/kontrakt vil
skulle indebære en vis form for dynamik og samarbejde mellem projektejer og udbyder, på baggrund
af ovenfor beskrevet status.
Referenceliste:
Schymanski et al., Environ. Sci. Technol. 2014, 48, 4, 2097–2098
Aalizadeh et al., Anal. Chem. 2021, 93, 33, 11601–11611
iii
DOI:10.1039/C6EM00679E
i
ii
3
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0043.png
Bilag B: GRUMO Suspect Screening 2022 – Technical Report
NB. Ved eventuelle henvisninger til originaldata fra DCE oplyses det, at rådata lagres i et nyt register hos
Danmarks Miljøportal, hvor interesserede kan få adgang.
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0044.png
GRUMO Suspect
Screening 2022
Technical Report
[Serietype og nummer]
June 2023
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
Publisher: The Danish Environmental Protection Agency
Editors: Martin Hansen, Emil Egede Frøkjær, Sara Raquel Marques Pereira & Mulatu Yo-
hannes Nanusha (Aarhus University)
This technical report has been reviewed by Helle Rüsz Hansen and Torben Wandall from the
Danish Environmental Protection Agency
Graphics: Department of Environmental Science, Aarhus University
2
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
Contents
Abstract
1.
2.
2.1
2.2
2.3
2.4
2.5
2.6
3.
3.1
3.2
3.3
4.
5.
Introduction
Methodology
Groundwater sites
Sample preparation
Chemical analytical platforms
Data analysis
Quality assurance and quality control
Quantification
Results and discussion
Suspect screening dataset
Identified substances and environmental concentrations
Data exploration and analysis variation
Conclusion
References
Sample overview
Analytical methods
Sample enrichment with solid-phase extraction
Sample for direct injection analysis
Quality control samples
Liquid chromatography high-resolution mass spectrometry
Anion exchange chromatography high-resolution mass spectrometry
Gas chromatography high-resolution mass spectrometry
Post-processing
Quality assurance of level 1 data
QA/QC
System performance and acquisition sequences
Internal standards
Intrastudy QC
Data evaluation
Suspect list
In-silico predictions by CFM-ID
Chemical standards and retention times for structure confirmation
Retention time predictions
Compound identification using Compound Discoverer 3.3
Peak integration
Quantification by standard addition curves
Standard addition curves
Semi-quantification
Minimum concentration levels
Data set files
4
5
6
6
7
7
8
9
9
10
10
10
12
15
16
17
19
19
19
19
19
20
21
21
22
23
23
31
34
36
36
36
36
37
37
38
38
38
39
39
41
Appendix 1.
Appendix 2.
Appendix 2.1
Appendix 2.2
Appendix 2.3
Appendix 2.4
Appendix 2.5
Appendix 2.6
Appendix 2.7
Appendix 2.8
Appendix 3.
Appendix 3.1
Appendix 3.2
Appendix 3.3
Appendix 4.
Appendix 4.1
Appendix 4.2
Appendix 4.3
Appendix 4.4
Appendix 4.5
Appendix 4.6
Appendix 4.7
Appendix 4.8
Appendix 4.9
Appendix 4.10
Appendix 5.
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
3
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0047.png
Abstract
The present project applied wide-scope suspect screening of 1366 substances in 81 groundwa-
ter samples under the 2022 GRUMO monitoring programme.
An important aim of this study is to strengthen knowledge about possibilities and uncertainty in
non-target analyses of substances that are not offered in traditional targeted, commercial meth-
ods. Samples were analysed using a two-way strategy - with or without sample preparation - to
overcome potential loss of substances during the sample preparation procedures. The samples
were analysed using orthogonal analytical separation techniques, viz. liquid, ion exchange and
gas chromatography, all hyphenated with high-resolution Orbitrap mass spectrometry platforms.
More than a million substance features were observed across the dataset. When searching the
features against the suspect substance list with 1366 chemicals and further identification from
diagnostic evidence and spectral databases, a total of 116 suspect compounds were discovered
in the groundwater. Of these, 36 substances were confirmed (level 1), 37 substances were as-
signed to level 2 (probable name) and 43 substances were assigned at level 3. Some of sub-
stances were observed in more than half of the samples, e.g. diphenylamine and desphenyl-
chloridazone. Multiple degradation products originating from the same pesticide, e.g. four me-
tabolites of and including atrazine were also discovered. Groundwater concentrations of the
identified suspects ranged from sub-ng/L to 112 µg/L.
Twenty-five of the 81 samples were sampled in triplicate, and the analysed data revealed that
the substance concentration variation across triplicates is minimal. The average concentration
variations across all triplicate samples for all compounds was 15 %. Hence, new monitoring
studies should consider analysing three times as many samples for a better coverage, i.e. in the
present study an additional 50 GRUMO sites could have been screened for the same analysis
expense. Triplicate analysis will, however, ease the data analysis and reduce false positive re-
porting as any substance confirmation require its detection in all replicates.
The complete dataset will be shared through the national environmental data archive (Danmarks
Miljøportal:
https://miljoeportal.dk/).
4
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
1. Introduction
The national ground water monitoring program (GRUMO) monitors the water quality by meas-
uring a selected list of chemicals of emerging concern (termed
miljøfarlige forurenende stoffer,
MFS in Danish). Traditionally, these chemicals are monitored using targeted analytical methods.
Precursor screenings to GRUMO has been carried out in 2019-2021 in order to get input for
addition of chemicals of emerging concern. However, in 2022 the Danish Environmental Protec-
tion Agency could not buy targeted quantitative analyses for most of the chemicals of interest
and decided to apply novel suspect screening analysis based on their previous experiences and
research programs. Suspect screening with high-resolution mass spectrometry can profile thou-
sands of substances and go beyond targeted chemical analysis to discover previously unknown
chemicals or degradation products in environmental samples [1]–[3].
Recent developments have demonstrated that a good coverage of a diverse chemical space
present in water samples is possible by combining various complementary chromatographic
platforms with of high-resolution mass spectrometry (HRMS) systems [1], [4]. Separation sys-
tems hyphenated in-front of HRMS such as anion exchange chromatography (IC), liquid chro-
matography (LC) and gas chromatography (GC) are complementary and are each capable of
analysing a defined chemical space in relation to the physiochemical properties of the chemical
compounds. For instance, IC can detect very polar, mobile and toxic environmental pollutants
[5]. While, LC will be able to separate mid-range polar to non-polar substances and GC are more
suitable for (semi-)volatile non-polar chemicals [4]. Collectively, these platforms will capture a
broad chemical space, e.g. lipophilicity range of -10 < log P < 10. Prior to water analysis using
these HRMS platforms sample preparation is typically required to remove unwanted matrix com-
ponents and/or to increase sensitivity. However, sample preparation, such as solid-phase ex-
traction (SPE), may lead to loss of chemical substances from the ground water sample. One
approach to capture a broad chemical space would be to apply layered or tandem SPE systems,
i.e. consisting of ion exchange and graphite material to trap both polar ionic and lipophilic sub-
stances [4].
Quantitation of chemicals is typically performed using calibration curves made from refer-
ence analytical standards. However, computational methods can now predict the response of a
chemical using semi-quantification with an average uncertainty of less than a factor two for
groundwater matrices [6].
The aim of the present project was to apply a developed and validated suspect screening
methodology on 81 GRUMO groundwater samples collected across Denmark in September and
November 2022. The samples were subjected to a two-way analysis strategy; one subset were
analysed without prior sample preparation to capture chemicals that could be lost during enrich-
ment processes, while the larger proportion of the sub-sample were extracted and enriched 500
times before being analysed on four complementary high-resolution mass spectrometry plat-
forms. The vast amount of data was analysed for a predefined list of 1366 suspect chemicals
and the chemical residues were quantified using matrix-matched calibrations or semi-quantifi-
cation to determine the groundwater concentrations.
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
5
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0049.png
2. Methodology
2.1
Groundwater sites
Groundwater was sampled from wells under the GRUMO programme by experienced
fieldworkers from the Danish Environmental Protection Agency following the recom-
mended technical guide G02
1
. In total 81 GRUMO well sites were collected across Den-
mark (
Figure 1), of which 25 sites were sampled in triplicate - yielding a total of 131 samples subjected
to suspect screening analysis. All samples and locations are listed in Appendix 1.
1
https://www.geus.dk/media/6775/g02-proevetagning-version-12.pdf, https://www.geus.dk/me-
dia/8324/g02_proevetagning-okt12_uk.pdf
6
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0050.png
Figure 1:
Overview of the 81 sampled GRUMO sites, of which 25 sites were sampled in tripli-
cate.
2.2
Sample preparation
Each sample was analysed as a 1) direct injection analysis without any sample preparation and
2) as an enriched extract from solid-phase extraction. Groundwater samples were collected in
pre-rinsed 1000 mL borosilicate bottles and immediately stored in cooler box with ice packs and
transported overnight to the analytical laboratories at Aarhus University (Risø Campus). Upon
arrival samples were immediately glass fibre filtered using filtration apparatus. A few millilitres
of each sample were transferred to a vial for direct analysis (no sample preparation), while the
remainder 1 L samples were purified using a tandem solid-phase extraction system, as previ-
ously described elsewhere [4]. Prior to extraction, the samples were spiked with 39 different
isotope enriched internal standards (100 ng each, 0). Samples were eluted using methanol and
acetone, followed by evaporation and reconstitution to 1.00 mL 5% methanol by volume. For
further details cf.
Fejl! Henvisningskilde ikke fundet.
and 2.2.
2.3
Chemical analytical platforms
Four NTS analytical platforms were employed utilizing reverse-phase nano-liquid chromatog-
raphy electrospray positive and negative ionisation high-resolution tandem mass spectrometry
(nLC-ESI-HRMS/MS), anion-exchange high-performance chromatography electrospray nega-
tive ionisation high-resolution tandem mass spectrometry (AEC-ESI-HRMS/MS) and gas chro-
matography electron ionisation high-resolution mass spectrometry (GC-HRMS) as previously
detailed [1], [4], and further described in Appendix 2.4. Electron ionisation is a 'hard' ionization
technique leading to fragmentation of the parent ions, similarly to if MS/MS fragmentation is
applied. An overview of the applied analytical platforms, sample workflow and data generation
are displayed below.
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
7
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0051.png
Figure 2.
Overview of the generated GRUMO suspect screening data, sample workflow and
applied high-resolution mass spectrometry platforms (HRMS). A total of 81 GRUMO sites were
investigated, of which 25 sites were sampled in triplicate, hence an overall of 131 samples were
analysed. HRMS ionisation mode displayed by positive or negative symbols. SPE, solid-phase
extraction. DI, direct injection analysis without sample preparation. LC, liquid chromatography.
IC, ion exchange chromatography. GC, gas chromatography.
2.4
Data analysis
The raw data from liquid chromatography and ion-exchange chromatography coupled to high-
resolution mass spectrometry were subject to peak (feature) detection, retention time alignment
and peak picking using a Compound discovered 3.3.1.67 (ThermoFisher Scientific). Figure 3
describes the suspect screening workflow implemented on groundwater samples. Accordingly,
a large set of feature lists was obtained following the transformation of raw data to feature lists
reflecting the chemical complexity of groundwater samples. Here, each feature represents anon-
ymous compounds characterized by the m/z and retention time combination. Then, the feature
list was further processed and filtered for the identification and structural elucidation of sus-
pected compounds (see Appendix 2.7 for details). Briefly, the detected features were prioritized
based on the criteria such as peak intensity threshold, blank subtraction (data filtration), reason-
able peak symmetry (sharp peak apex), molecular formula predicted from the exact mass and
the isotopic pattern as well as structural similarity match with the analytical reference standard
and online spectral databases. The confirmation (exact structure) and assignment of probable
structure for the identified features/compounds were performed following the identification con-
fidence level suggested by Schymanski and co-workers [7].
8
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0052.png
Figure 3:
The suspect screening data analysis workflow concept starting from acquired raw
data to identified chemicals and quantification. RT, retention time. MS2, MS/MS fragmentation.
2.5
Quality assurance and quality control
A QA/QC system consisting of daily maintenance, calibration, data logs and data reviews by a
different operator have been established in the analytical laboratory. For QC of the analytical
method, the method blanks were prepared, extracted, and analysed in parallel together with
batch of groundwater samples. The blanks were extracted and analysed in the same way as the
samples. Regular spiked QC samples were analysed with each chromatographic run, including
samples used for calibration. Compounds identified in the blank tests were excluded from the
report on individual samples. Procedure blanks were adopted to exclude contamination and
interferences during the whole procedure. Further details are displayed in Appendix 2 and Ap-
pendix 3.
2.6
Quantification
Quantification of level 1 compounds was performed based on linear regression of matrix-
matched standard addition curves normalized towards the added isotopically labelled extraction
standards. Following quantification of level 1 compounds, these were in addition to isotopically
labelled extraction standards used as calibration points for the semi-quantification algorithms to
quantify level 2 and level 3 compounds – as well as any level 1 compounds where quantification
by linear regression was not possible: If the level 1 substance did not show a good enough
calibration curve (R
2
< 0.90) then the semi-quantification model was applied (appendix 4.9).
The reported concentration uncertainties for level 1 substances were based on the relative es-
timated error from the matrix-matched calibration curves, and typically these uncertainties were
up to 10%. In a validation study with 35 pesticides and mycotoxins, the semi-quantitative con-
centration average prediction error is 5.4 times [8] i.e. if a pesticide concentration is estimated
at 100 ng/L it would actually lie between 19 and 540 ng/L. A more detailed explanation of the
quantification and semi-quantification approaches are described in Appendix 4.7 to Appendix
4.10.
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
9
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0053.png
3. Results and discussion
3.1
Suspect screening dataset
Across all groundwater samples, more than a million features were detected which represents
unknown compounds. Annotation against the compound suspect list resulted in several features
matching m/z and retention time (tolerance of 5 ppm and 0.3 minutes). This set of annotation
contained false positive and duplicates (e.g. multiple annotations of the same substance). Only
a fraction of the detected features was ultimately annotated against the compound suspect list,
leaving a large proportion behind for non-target or retrospective analyses at a later stage with
renewed spectral libraries and improved data mining methods may reveal the identities of fea-
tures not considered in the suspect screening.
3.2
Identified substances and environmental concentrations
A total of 116 compounds were assigned to the identification level 1-3 across the dataset. Of
these, the chemical identity of 36 substances were confirmed (level 1), while 37 were assigned
to level 2 (probable structure) and the rest (43) to level 3. By applying novel semi-quantitative
methods [8], it was possible to predict the concentrations of all identified substances (level 1-
3). The concentration prediction error has earlier been investigated being less than a factor five
for 76% of the compounds in a study set [8]. 69% of the level one compounds had predicted
concentrations falling below the estimated detection limits in at least one sample. About half
(44%) of the level 1 identified substances had a maximum observed concentration of more than
100 ng/L. The 37 level 2 substances were identified by using high-resolution fragmentation spec-
tral libraries and further supported by diagnostic evidence such as molecular fragmentation pre-
diction tools (e.g. MetFrag and SIRIUS4).
Detection frequencies of all the level 1 and 2 annotated chemicals quantified in at least one
sample across the 81 sites at a level above 10 ng/L are displayed in Table 1. Three of the level
1 compounds had maximum predicted concentrations below the estimated LoD and were thus
excluded from the final table. Similarly, 16 of the level 2 compounds had a maximum predicted
concentration below 10 ng/L and were excluded as well, resulting in a total of 33 and 21 identified
level 1 and level 2 compounds respectively.
Table 1.
Identified substances at a level above 10 ng/L (54) at the highest annotation level 1 (33
confirmed compounds) and level 2 (21 with probable assigned chemical name), minimum and
maximum concentrations, and detection frequency above LoD across the sample set (81 sites).
<LoD denotes concentration below the estimated LoD.
Compound name
ID
level
Minimum
concen-
tration
(ng/L)
77.3
<LoD
<LoD
<LoD
<LoD
<LoD
<LoD
Maximum
concen-
tration
(ng/L)
3.5•10
3
25.2
2.5•10
3
2.16
5.28
47.0
517
Detection
frequency
(out of 81)
(%)
100
88
67
53
48
48
47
Phthalamic acid
Dichlobenil
Desphenyl-chloridazon
Diphenylamin
Dimethylaminosulfanilide
Desethyl-deisopropylatrazin
Desisopropyl-atrazin
2
1
1
1
1
1
1
10
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0054.png
Methyl-desphenylchloridazon
Trifluoroacetic acid
2,6-dichlorbenzamid
Atrazin
Desethyl-atrazin
2,6-Dihydroxy-7,7-dimethyl-6,8-dihy-
droimidazo[1,2a][1,3,5]triazin-4(6H)-on
Desethyl-terbutylazin
3-ethyl-4-(methoxyamino)-2,5-dioxoim-
idazolidine-4-carboxamide
Simazin-2-Hydroxy
Hexazinon
Glutaric acid
Pelargonsyre
2,6-dimethylacetanilide
(R)-2-((2,6-Dimethyl-phenyl)-(2-meth-
oxy-acetyl)-amino)-propionic acid
Oxamic acid
N-(2-carboxy-6-methylphenyl)-N-(meth-
oxyacetyl)alanine
2-methyl-2H-isothiazol-3-on
Desamino-metamitron
Desethyl-terbuthylazin-2-hydroxy
Mechlorprop
Icaridin
Simazin
1-naphthyleddikesyre
Succinic acid
Diketo-metribuzin
Propazin
N-(4,6-dimethoxy-2-pyrimidinyl)-N-(3-
(ethylsulfonyl)-2-pyridinyl)urea
[(1-methylethyl)phenylamino] oxacetic
acid
Chloridazon
Alloxydim
(2S,4S-2R,4R)-2-(2,4-dichlorophenyl)-
2-(1H-1,2,4-triazol-1-ylmethyl)-1,3-diox-
olane-4-carboxylic acid
2-hydroxy-1,4-naphtoquinone
2-Amino-4-methoxy-6-methyl-1,3,5-tria-
zine
5-Trifluormethyl-2-(1H)pyridon
(2-Ethyl-6-methyl-phenylcarbamoyl)-
methanesulfonic acid
Metolachlor ESA
Isoxaflutol
Hydroxy-atrazin
Bentazon
1
1
1
1
1
2
1
2
1
1
1
2
1
1
1
1
2
2
2
1
1
1
2
1
1
1
1
2
1
1
1
<LoD
1.2•10
3
<LoD
<LoD
<LoD
<10
<LoD
<10
<LoD
<LoD
<LoD
49.5
<LoD
0.57
9.3•10
3
6.59
<10
<10
<10
<LoD
<LoD
<LoD
<10
<LoD
9.14
1.26
<LoD
12.1
<LoD
1.19
<LoD
1.5•10
3
4.4•10
3
810
130
34.8
412
10.5
173
14.1
22.8
112•10
3
2.6•10
3
33.7
246
53•10
3
2.8•10
3
38.6
149
3.8•10
3
111
1.50
3.75
46.0
1.8•10
3
160
35.9
326
63.8
7.59
101
103
46
36
33
26
23
21
16
15
14
12
11
11
10
10
7
7
7
7
6
5
5
5
5
4
4
4
4
4
2
2
2
2
2
2
2
2
2
1
1
<10
<10
<10
<10
<10
<10
<LoD
<LoD
72.6
24.9
24.0
36•10
3
45.4
130
98.8
48.3
2
2
2
2
2
2
1
1
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
11
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0055.png
Imidacloprid
Pyroxsulam
2-dimethylamino-5,6-dimethylpyrimidin-
4-ol
3-phenoxybenzoic acid
2,6-dimethylanilin
3,4,5-trichlorophenol
Methyl 2-(aminosulfonyl)benzoate
Metolachlor OA
1
1
2
2
2
2
2
2
<LoD
4.44
<10
<10
11.0
<10
<10
<10
15.1
4.85
17.8
10.1
11.0
80.5
487
656
1
1
1
1
1
1
1
1
More details for all identified substances, including concentrations for level 1-3, are available in
Appendix 5. Any LoD defined as N.D. in Appendix 5 are compounds that could not be identified
in the pre-spiked calibration samples, yet they were previously identified in pure chemical stand-
ards.
3.3
Data exploration and analysis variation
An initial data exploration was performed using multivariate analysis by loading all quantified
substances (85 level 1-3 compounds found at a level above 10 ng/L) into a principal component
analysis (Figure 4). The PCA analysis reveal patterns and if samples are highly similar or dis-
similar. The direction (and length) of the PCA loading vector (i.e. compounds) reflects the cor-
relation with (and contribution to) the principal component (PC). The PCA shows most samples
are clustered in the centre, while samples P059-P061 (a triplicate) are driving PC1 and P011
are driving PC2. The six driving chemicals (blue dots in biplot close to P059-P061) for samples
P059-P061 are 4-amino-6-(1,1-dimethylethyl)-1,2,4-triazine-5(4H)-one, 4-methyl-6-(1,1-di-
methylethyl)-1,2,4-triazine-3,5(2H,4H)-dione, isoxaflutol, imidacloprid, diketo-metribuzin and
(2S,4S-2R,4R)-2-(2,4-dichlorophenyl)-2-(1H-1,2,4-triazol-1-ylmethyl)-1,3-dioxolane-4-carbox-
ylic acid. The main four PC2-driving chemicals in sample P011 are 3-cyclohexyl-6-(methyla-
mino)-1-methyl-1,3,5-triazine-2,4-(1H,3H)-dione, abscisic acid, 1-(4,6-dimethoxy-2-pyrimidinyl)-
3-hydroxyurea and hexazinon.
12
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0056.png
Figure 4.
Principal component analysis with loadings of groundwater concentrations of 85
substances (blue) across 131 samples (red). Sample P059-061 (red) is a triplicate sample and
clearly separated along principal component 1 (PC1) from the other samples.
The evaluation of triplicate sampling and analysis was also possible to make. To determine the
combined variance of sampling, sample preparation, and concentration estimation, data visual-
ization was first performed followed by the calculation of the mean concentration variance for
each identified (and quantified) compound across all the triplicate samples:
∑
RSD
����
RSD
Where
����
is the number of triplicates where a compound
����
was detected (anywhere between 1
and 25).The relative standard deviation RSD was defined as
����
����
Where
����
is the standard deviation for compound
����,
and
����
is the average concentration of com-
pound
����.
RSD
The average concentration variations across all triplicate samples for all compounds was be-
tween 0.4 - 61 % with an average value of 15 %, a
����
spread of 14 %, and a median value of 10
%. Excluding results from level 2 and level 3 compounds, a range of 0.4 – 40 % was instead
observed, with a new average of 10 %, spread of 10 % and a median value of 8 %, indicating
that level 2 and level 3 compounds constituted a larger error of estimation than the level 1 com-
pounds, reasonably explained by the increased level of uncertainty applied by the semi-quanti-
fication method.
An example of concentration variance across all triplicates can be seen in Figure 5, where the
triplicate variances are shown for the compound desphenyl-chloridazon.
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
13
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0057.png
D
G
U
U
39
G
.1
0
3 4 40-
D
.1 1
G
U 651
D 100 -1
G
U .84
D 79. -1
G
7
D U 4 72
G
6. -1
U
8
D 1 0 5 14
G
-
U .17 2
D 114 06
G
-
U .14 2
1 3 42
D
G 6.1 -1
15
U
D
G 213 3-1
U
.
1 61
D 06. 7-1
G
15
U
3
D 247 6-1
G
U .39
D 37. 1-3
G
U 10 3
4
8
D 0.1 -2
G
U 781
4
-
D 0. 5 1
G
U 53
D
G 19 -1
U
8
4 .6
D 0.1 85
G
U 77 4
D
G 53. -1
U
8
8 80
D 4.2 -1
G
U 772
D
G 14. -1
U
92
D 123 9-1
G
U .87
D
G 121 3-1
U
.9
D 1 4 7 59 -
G
U .11 1
D 135 03-
G
U .11 1
1
0
D 47. 3-3
G
11
U
2 0 05 -
4. 1
54
6-
2
D
14
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
Figure 5.
Example of concentration variation across all 25 triplicate samples for desphenyl-
chloridazon (level 1 substance). LOD, limit of detection.
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
4. Conclusion
A wide-scope suspect screening of 1366 substances in 81 groundwater samples under the 2022
GRUMO monitoring programme was successfully completed. The suspect screening was
achieved, analysing the water directly and from an enriched extract (one thousand times en-
riched), using three orthogonal chromatographic analysis techniques in combination with state-
of-the-art Orbitrap high-resolution tandem mass spectrometry.
The large data set were processed and analysed with pipelines set to search against the suspect
list consisting of 1366 chemicals. The data analysis revealed 116 suspect chemicals across the
groundwater samples. Of these, 36 substances were confirmed (level 1), 37 substances were
assigned to level 2 (probable name) and 43 substances were assigned at level 3 (probable
name).
Following quantification 85 of the 116 substances were observed at groundwater concentrations
above 10 ng/L. Chemical quantification of the 116 substances was based on matrix-matched
calibration curves (for level 1 substances) and machine-learning based semi-quantitative mod-
els (level 2 and 3). Seven identified suspect chemicals, such as trifluoroacetic acid and methyl-
desphenyl-chloridazone, had groundwater concentrations above 1 µg/L in one or more samples.
Five substances, e.g. diphenylamine and desphenyl-chloridazone, were found in more than
every other sample. Moreover, the wide-scope analysis was able to determine a number of
transformation products originating from the same parent substance, e.g. simazine and chlorida-
zone.
To evaluate triplicate analysis, a random subset of 25 groundwater sites were sampled and
analysed in triplicate. The average concentration variations across all triplicate samples for all
determined compounds was 15 %. Consequently, future monitoring studies may consider ana-
lysing three times as many samples without replicates for a better coverage. In the present study
an additional 50 GRUMO sites could have been screened for the same analysis expense. Trip-
licate analysis will, however, ease the data analysis and lower the false positive reporting rate.
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
15
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
5. References
[1]
M. Hansen
et al.,
“Danish EPA pesticide and biocide research programme, project:
HITLIST, grant no. MST-667-00207, project period: June 2018 to December 2019.,”
2020.
T. K. O. Gravert, J. Vuaille, J. Magid, and M. Hansen, “Non-target analysis of organic
waste amended agricultural soils: Characterisation of added organic pollution.,” Under
review, 2021.
N. L. Ma
et al.,
“Body mass, mercury exposure, biochemistry and untargeted
metabolomics of incubating common eiders (Somateria mollissima) in three Baltic
colonies,”
Environ. Int.,
2020, doi: 10.1016/j.envint.2020.105866.
E. E. Frøkjær and M. Hansen,
HITLIST2 - Validation of a Non-Targeted Screening
methodology for use in monitoring of xenobiotics in the aquatic environment,
no. 2176.
Miljøstyrelsen, 2021.
J. B. Ngere, K. H. Ebrahimi, R. Williams, E. Pires, J. Walsby-Tickle, and J. S. O.
McCullagh, “Ion-Exchange Chromatography Coupled to Mass Spectrometry in Life
Science, Environmental, and Medical Research,”
Anal. Chem.,
vol. 95, no. 1, pp. 152–
166, 2023, doi: 10.1021/acs.analchem.2c04298.
A. Kruve, K. Kiefer, and J. Hollender, “Benchmarking of the quantification approaches
for the non-targeted screening of micropollutants and their transformation products in
groundwater,”
Anal. Bioanal. Chem.,
2021, doi: 10.1007/s00216-020-03109-2.
E. L. Schymanski
et al.,
“Identifying small molecules via high resolution mass
spectrometry: Communicating confidence,”
Environ. Sci. Technol.,
vol. 48, no. 4, pp.
2097–2098, 2014, doi: 10.1021/es5002105.
J. Liigand, T. Wang, J. Kellogg, J. Smedsgaard, N. Cech, and A. Kruve,
“Quantification for non-targeted LC/MS screening without standard substances,”
Sci.
Rep.,
2020, doi: 10.1038/s41598-020-62573-z.
A. Schlosser and R. Volkmer-Engert, “Volatile polydimethylcyclosiloxanes in the
ambient laboratory air identified as source of extreme background signals in
nanoelectrospray mass spectrometry,”
J. Mass Spectrom.,
vol. 38, no. 5, pp. 523–525,
2003, doi: 10.1002/jms.465.
J. V. Olsen
et al.,
“Parts per million mass accuracy on an orbitrap mass spectrometer
via lock mass injection into a C-trap,”
Mol. Cell. Proteomics,
2005, doi:
10.1074/mcp.T500030-MCP200.
F. Allen, A. Pon, M. Wilson, R. Greiner, and D. Wishart, “CFM-ID: A web server for
annotation, spectrum prediction and metabolite identification from tandem mass
spectra,”
Nucleic Acids Res.,
2014, doi: 10.1093/nar/gku436.
R. Aalizadeh
et al.,
“Development and Application of Liquid Chromatographic
Retention Time Indices in HRMS-Based Suspect and Nontarget Screening,”
Anal.
Chem.,
vol. 93, no. 33, pp. 11601–11611, 2021, doi: 10.1021/acs.analchem.1c02348.
P. Bonini, T. Kind, H. Tsugawa, D. K. Barupal, and O. Fiehn, “Retip: Retention Time
Prediction for Compound Annotation in Untargeted Metabolomics,”
Anal. Chem.,
2020,
doi: 10.1021/acs.analchem.9b05765.
C. Ruttkies, E. L. Schymanski, S. Wolf, J. Hollender, and S. Neumann, “MetFrag
relaunched: Incorporating strategies beyond in silico fragmentation,”
J. Cheminform.,
2016, doi: 10.1186/s13321-016-0115-9.
B. S. Iso, “Capability of detection - Part 2: Methodology in the linear calibration case
British Standard - ISO 11843-2:2000,” vol. 3, no. October, pp. 1–34, 2009.
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
16
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0060.png
Appendix 1.
Sample overview
Table 2.
Overview of the 81 sampled locations, shipping temperatures, field conductivity and
redox potential measurements, pH, day of sampling and number of replicates.
Sample ID
DGU no.
End ship-
ping tem-
perature
(
o
C)
2.7
-0.1
0.2
0.0
1.5
-0.1
0.3
0.4
-0.5
2.0
0.3
-0.1
0.2
0.6
-0.1
0.0
0.4
0.7
0.1
Not logged
0.4
Not logged
1.5
-0.6
-0.1
0.0
0.1
-0.1
0.6
Not logged
0.1
0.5
1.0
1.1
0.1
2.0
0.6
Conductiv-
ity (µS/cm)
Redox po-
tential (mV)
pH
Sam-
n
pling day
(yymmdd)
40.8
84
67.7
50.7
68.8
67.9
53
61.8
27.5
117.7
91.1
79.5
52.1
82.2
27
23.6
50.9
40.4
24.5
22.1
43.2
13.54
51.9
34.7
65.3
65.9
54.3
81.7
139.8
84.1
62.6
82.7
71.6
101.2
86
118.1
79.7
215
245
252
244
152
192
199
225.5
231.6
220.8
283
76
89
-15.8
-5.7
365
172
251
227
384.6
-17.2
354.7
390.1
116.8
123.5
-235.1
-119
-119
-119
-119
-122
-123
-123
195
-272
15
84
6.73
6.82
7.19
7.55
7.36
7.24
7.49
7.34
6.84
7.21
7.54
7.06
6.29
7.3
5.87
4.83
7.46
6.05
4.95
4.49
6.88
4.90
4.49
5.51
7.32
6.98
7.22
7.25
7.22
7.19
7.23
7.23
7.24
6.95
7.08
7.02
7.17
220929
221003
221003
221005
221006
221011
221019
220920
221011
220919
220920
221102
220929
220921
221010
220928
221003
220928
221010
220920
220929
220919
220922
220922
220926
220926
221027
221004
221003
221101
221004
221025
221005
221103
221103
221108
221026
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
P001
P002
P003
P004
P005
P006
P007
P008
P009
P010
P011
P012
P013
P014
P015
P016
P017
P018
P019
P020
P021
P022
P023
P024
P025
P026
P027
P028
P029
P030
P031
P032
P033
P034
P035
P036
P037
37.1331-1
34.1706-
34.1646-
34.1915-3
24.850-2
30.935-2
34.3896-1
71.775-1
87.1038-1
71.757-2
71.765-3
200.5197-1
38.890-1
79.777-3
96.2127-1
65.1514-1
67.1209-3
65.1520-1
96.1974-4
114.1618-5
159.1250-1
105.1396-1
131.1977-1
131.1955-1
133.1383-1
166.786-1
145.2085-1
146.2552-1
164.1253-2
136.1816-1
146.2063-1
135.1140-5
145.2840-1
198.694-1
212.1052-1
190.274-2
206.1609-3
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
17
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0061.png
P038
P039
P040
P041-43
P044-46
P047-49
P050-52
P053-55
P056-58
P059-61
P062-64
P065-67
P068-70
P071-73
P074-76
P077-79
P080-82
P083-85
P086-88
P089-91
P092-94
P095-97
P098-100
P101-103
P104-106
P107-109
P110-112
P113-115
P116
P117
P118
P119
P120
P121
P122
P123
P124
P125
P126
P127
P128
P129
P130
P131
190.274-3
230.235-1
232.643-1
39.1040-1
34.1651-1
100.84-1
79.772-1
46.814-2
105.1706-2
114.1442-1
136.1153-1
213.617-1
106.1536-1
247.391-3
37.1038-2
40.1781-1
40.553-1
198.685-
40.1774-1
53.880-1
84.2772-1
141.929-1
123.873-1
121.959-1
147.1103-1
135.1103-3
147.1105-1
204.546-2
15.693-3
33.1295-1
16.1286-1
37.1039-2
200.3703-2
30.937-1
47.1298-1
121.954-1
164.1492-1
164.931-2
136.1158-1
206.1684-1
227.250-2
219.198-1
238.626-1
207.3003-1
2.5
Not logged
0.3
0.7
1.8
2.3
3.6
0.5
3.5
Not logged
3.8
-0.2
2.9
2.4
1.1
0.1
0.3
3.7
1.3
1.5
1.3
2.7
0.3
4.5
0.8
-5.5
0.4
1.7
0.7
-1.2
3.3
0.5
-0.1
0.4
-0.2
0.5
-0.6
1.1
0.6
1.2
Not logged
0.3
-1.0
8.1
70.8
-
92.6
62.9
92.9
96.2
71.9
55.9
27.3
20.3
80.1
78.5
76
57.02
45.2
44.6
74.7
79.4
54.5
57.2
14
24.6
27.9
34.1
110.2
72.9
87.7
80.5
69.6
66.4
146.5
63.6
143.4
62.3
48.6
24.8
82.4
63.7
97.6
80.7
98.1
95
74.2
104
37
137
150
277
169
264
185.5
-73
293.2
317
101
-215
268
132.7
236
194
158
237
232
147
266
210.3
243.4
308
112
-122
-116
168
91
207
-199
244
-198
259
193
309.1
-124
-126
-119
-323
114
394
146
42
7.28
6.96
6.92
7.41
7.16
7.23
7.22
7.53
6.25
4.79
7.22
7.18
7.19
6.93
6.82
7.53
7.28
7.21
7.53
7.22
5.43
5.91
6.32
4.76
7.26
7.24
7.19
7.04
7.57
7.37
7.32
7.33
7.19
7.27
7.85
4.89
7.27
7.23
7.27
6.93
6.97
7.18
7.09
6.96
221108
221025
221011
221004
220927
220922
220923
220929
220919
220920
221006
221108
221011
221019
221025
221019
221018
221103
221017
221005
221005
220929
220927
220927
221011
221026
221011
221102
221013
221110
221013
221025
221102
221012
221024
220927
221102
221102
221006
221026
221027
221117
221013
221016
1
1
1
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
18
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
Appendix 2.
Analytical
methods
Here follows a description of the applied methods and analytical platform used to complete the
project activities.
Appendix 2.1
Sample enrichment with solid-phase extraction
Every 1L groundwater sample was filtered using a filtration unit, with PTFE adapter plate and
clamp (Duran, Thermo Fisher Scientific) and borosilicate glass microfiber filters with diameter
47mm (Grade 934-AH, Whatman, cytiva). The remaining 1L sample was spiked with 100 ng/L
internal standards, and extracted using Oasis MAX 6 SPE cartridges cc 500 mg (Waters, Den-
mark) stacked over EnviCarb SPE cartridges cc 500 mg (Supelco, Merck Denmark). The MAX
SPEs were preconditioned with 5 mL methanol (optima LC-MS grade, Fisher Chemical) and 2
times with 5 mL water (optima LC-MS grade, Fisher Chemical), while EnviCarb SPEs were con-
ditioned with 5 mL acetone (99.8%, for HPLC, Thermo Scientific), followed by 1 time methanol
(optima LC-MS grade, Fisher Chemical) and 2 times with 5 mL water (optima LC-MS grade,
Fisher Chemical). Samples were loaded onto each SPE cartridge using PTFE tube adaptors
rinsed with methanol in between each batch. Samples from MAX SPE were eluted by 2 times
with 5 mL methanol, while samples from EnviCarb SPE were eluted by 5 mL methanol followed
by 5 mL methanol with 0.1% formic acid (Optima LC-MS grade, Fisher Chemical). Eluate was
collected in reagent glass vials/tube rinsed with ethanol (absolute, 99.8%, HPLC Grade, Fisher
Chemical) prior to extraction. The two eluates were evaporated individually and combined in one
single reagent glass vials/tube followed by evaporation near dryness under a gentle nitrogen
gas stream (heating block at 40
o
C) and reconstitution to 1.00 mL with methanol. 1 mL eluate
was divided into two equal sized aliquots, one for LC/IC analysis and another for GC analysis.
Both aliquots were evaporated to near dryness under a gentle nitrogen gas stream (heating
block at 40
o
C). One aliquot (for LC and IC analysis) was reconstituted to 0.5 mL with 5% meth-
anol in water, while the second aliquot (for GC analysis) was reconstituted to 0.5 mL with isooc-
tane (for analysis, Merck). Both aliquots were stored at – 20 °C.
Appendix 2.2
Sample for direct injection analysis
Immediately, after the groundwater sample was filtered (Appendix 2.1), a sub-sample of 3.00
mL was collected for direct injection analysis, spiked with 50 ng/L internal standards, and stored
at – 20 °C.
Appendix 2.3
Quality control samples
A pooled quality control sample was prepared for SPE enriched samples and samples for direct
injection respectively. These were prepared by combining 50 µL of sample extracts from each
site. These were used for instrument performance control by instrument injection after every 6th-
8th sample.
Matrix-matched calibration samples were made by spiking samples collected at DGU well
207.3003-1 with 0, 10, 25, 50, 100, and 150 ng/L of the 681 level 1 suspects in triplicates, after
which these samples followed a similar sample preparation workflow as described above. The
100 ng/L spiked sample was also used for retention time comparison of level 1 compounds.
Appendix 2.4
Liquid chromatography high-resolution mass spectrometry
Liquid chromatographic separation was performed on a Dionex Ultimate 3000 NCS-3500RS
Nano Proflow system (Thermo Scientific). Ready samples were stored in glass 96-well plates in
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
19
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
a Dionex WPS-3000 TPL RS autosampler at 8°C. Sample were loaded (1 µL) onto a nanoflow
UHPLC column (PepMap RSLC, C18, 2 µm, 100 Å, 75 µm x 250 mm, Thermo Scientific)
equipped with a Ti inline filter frit (0.5 µm). The flow rate of mobile phases was 300 nL/min.
Chromatographic separation was achieved using a gradient beginning at 10 % mobile phase B
(98 % acetonitrile, 2 % water, and 0.1 % formic acid) and 90 % mobile phase A (2 % acetonitrile,
98 % water, and 0.1 % formic acid) kept for 2 minutes. Thereafter the gradient increased to 95
% over 15 minutes. This level of 95 % B was kept for another 10 minutes. The conditions were
restored to 10 % mobile phase B over 0.5 minutes followed by 12.5 minutes of equilibration time,
leading to a total runtime of 40 minutes. In between each injection the needle and fluidics were
washed with 200 µL of 80 % acetonitrile and 0.1 % formic acid in water. The pump systems
were rinsed every hour with a seal wash solution of 10 % methanol and 0.1 % formic acid in
water. All solvents used were of UHPLC-MS grade.
The mass spectrometric analysis was performed on a high-resolution tandem mass spectrome-
ter (Q Exactive HF, Thermo Scientific). Analytes were ionised by electrospray ionisation using
an EASY-Spray ion source. The applied spray voltage was 1.90 kV during positive polarity and
-2.00 kV during negative polarity with a capillary temperature of 250 °C and an S-lens RF level
of 50. No sheath, aux, and sweep gas was used.
HRMS acquisition was done using data-dependent fragmentation (ddMS
2
) mode for identifica-
tion. Both the positive and negative polarity modes were used. Acquisition was done using full
scan settings with a resolution of 240,000, AGC target of 1e6, maximum injection time of 100
ms, and scan range of 67-1050 m/z at m/z 200 for positive mode, and 67-1050 m/z at m/z 200
for negative mode. ddMS
2
settings used a resolution of 15,000, maximum injection time of 50
ms, an isolation window of 1.0 m/z, AGC target of 5e4, loop count of 5, and stepped collision
energies of 15, 70, and 120 NCE. The acquisition was performed with a dynamic exclusion of 5
s, charge exclusion of >2, and an apex trigger between 3-8 s. The intensity threshold was set to
1e4 resulting with a minimum AGC target of 500 ions. An estimated chromatographic peak width
(FWHM) was set to 8 s. All data was recorded in profile mode. Sub-ppm mass accuracy was
ensured by real time calibration of a lock mass of 371.10124 (polysiloxane from air) during pos-
itive polarity and 112.98563 (sodium formate cluster) during negative polarisation [9], [10]. Cal-
ibration of the mass spectrometer was performed with Pierce™ LTQ Velos ESI Positive and
Negative Ion Calibration Solutions (Thermo-Fisher Scientific). Instrumental performance was
ensured by regular monitoring of an in-house laboratory quality control sample prepared from
fetal bovine serum spiked with 33 xenobiotic compounds.
Appendix 2.5
Anion exchange chromatography high-resolution mass
spectrometry
State-of-the-art high-performance ion exchange chromatography was performed on a Dionex
dual-pump ICS-6000 HPIC system (Thermo Scientific) equipped with a Dionex IonPac AS19-4
µm (2 x 250 mm) column, Dionex AG19-4 µm (2 x 50 mm) Guard, an ADRS 600 (2 mm) sup-
pressor operated in dynamic mode at 4.2 V (~146 mA), and a conductivity detector cell. KOH
was used as eluent and was supplied by a Dionex KOH EGC 500 and regenerated by a Dionex
CR-ATC 600. During operation, the eluent was delivered at a flow rate of 0.45 mL/min at the
following gradient settings: From 0 to 5 minutes 10 mM KOH, 5 to 11 minutes 10 to 60 mM KOH
which was kept for 2 minutes followed by a sharp decrease back to 10 mM over 0.1 minute,
which was kept for the remaining duration of the run with a total runtime of 20 minutes. Between
2 and 18 minutes, a timed valve switch enabled a steady flow of eluent to the MS. During this
time, the eluent was mixed with a flow of 0.2 mL/min isopropanol, functioning as interface
makeup solution, delivered by an external AXP pump. The suppressor was supplied by a flow
of water delivered by a flow of 0.2 mL/min by another external AXP pump. The mass spectro-
metric analysis was performed on a high-resolution tandem mass spectrometer (Q Exactive HF,
Thermo Scientific) in full scan and data-dependent acquisition mode. Analytes were ionised by
20
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
electrospray ionisation using a HESI II source-probe. A spray voltage of 2.50 kV, capillary tem-
perature of 380 °C, and S-lens RF level of 55 was used. Sheath, aux, and sweep gas flow rates
were 32, 10, and 0 arbitrary units respectively, with an aux gas heater temperature of 350 °C.
Acquisition was done in negative polarity using data-dependent fragmentation (ddMS
2
) mode
for identification. For acquisition, the full scan settings used a resolution of 240,000, AGC target
of 1e6, maximum injection time of 100 ms, and scan range of 50<m/z<750. The following ddMS
2
settings used a resolution of 15,000, maximum injection time of 50 ms, isolation windows of 1.0
m/z, AGC target of 5e4, loop count of 5, and stepped collision energies of 15, 70, and 120 NCE.
The acquisition was performed without a dynamic exclusion period, and using an intensity
threshold of 2e4 and a minimum AGC target of 1e3, charge exclusion of >2, and an apex trigger
of 12 to 24 s. An estimated chromatic peak width (FWHM) was set to 12 s. The data was rec-
orded in profile mode. Sub-ppm mass accuracy was ensured by real time calibration of a lock
mass of 112.98563 (sodium formate cluster) [10]. Calibration of the mass spectrometer was
performed with Pierce™ LTQ Velos ESI Negative Ion Calibration Solution (Thermo-Fischer Sci-
entific). Instrumental performance was ensured by regular monitoring of three in-house labora-
tory quality control samples consisting of prepared fetal bovine serum, seven small anionic com-
pounds, and several anionic pesticides.
Appendix 2.6
Gas chromatography high-resolution mass spectrometry
An Orbitrap based GC-HRMS platform was utilized (Exactive GC, ThermoFisher Scientific) and
fitted with a TriPlus autosampler (ThermoFisher Scientific) and a TraceGOLD TG-5MS analytical
column (30 m, 0.25 µm, 0.25 mm, 5% phenyl - 95% dimethyl polysiloxane phase, ThermoFisher
Scientific) installed in a TRACE 1310 GC (ThermoFisher Scientific). One-microliter sample ex-
tract was injected sandwiched with air using a split-splitless mode at 280 °C and 70 mL/min split
flow after 60 sec. The column was operated with high purity helium at 1.00 mL/min and a tem-
perature program; initial 60 °C with 2 min hold and ramped (5 °C/min) to 240 °C and further (10
°C/min) to 300 °C with a final holding time of 16 min. Analytes were transferred using a MS-
transferline at 280 °C and ionized using electron impact ionisation (EI) at 70 eV with a 12 minutes
filament delay. The Orbitrap HRMS system was operated in full scan mode (m/z 50 to 750) at a
60,000 resolution in centroid mode and an automatic gain-control target of 1e6 ions. The Q
Exactive HRMS system was tuned and calibrated on a daily basis using FC43.
Appendix 2.7
Post-processing
The raw data from liquid chromatography and ion-exchange chromatography coupled to high-
resolution mass spectrometry were subject to peak (feature) detection, retention time aligne-
ment and peak picking using a Compound discovered 3.3.1.67 (ThermoFisher Scientific). The
main preliminary data processing workflow nodes includes input files, select spectra, align re-
tention times, detect compound and mark backgrounds nodes. The list of features for the ionized
compounds present in all samples were created by the “Detect Compounds” node. Then, the
generated ion list was used by the “Group Compounds” node which combines chromatographic
peaks across the raw files by using their molecular weight and retention time. Afterwards, the
“Predict compositions” node predicts elemental compositions for all features/compounds, which
are subsequently annotated against suspect compounds whose chemical information was pre-
viously recorded in local database i.e., Mass Lists (exact mass with or without RT). “Assign
compound annotation” node performs spectral similarity search against local spectral in-house
data base i.e., mzVault (inhouse spectral database). The inhouse spectral database contained
all spectral information for the suspect compounds which were either prerecord using their re-
spective reference standards or in-silico evaluated using CFM-ID and Metfrag. The annotation
against other spectral databases (e.g., MassBank (EU and MoNA), mzCloud and NIST) con-
taining large population of compounds were also performed. Finally, the “Mark Background
Compounds” node incorporates blanks to trace features/compounds arising from sample prep-
aration.
 
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
21
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
 
Accordingly, a large set of feature lists was obtained following the transformation of raw data to
feature lists reflecting the chemical complexity of groundwater samples. This large set of data
included chemical signals due to noise and background contaminants. Nevertheless, each fea-
ture represents anonymous compounds characterized by the m/z and retention time combina-
tion. This feature detection followed by annotation against the compounds in the suspect list
resulted in several features whose m/z and retention time matched with the suspected com-
pounds at the tolerance of 5 ppm and 0.5 min, respectively – leaving even a larger set behind
for non-target analysis. Here, all annotated peaks were not exactly matched in chemical identity
(structure) to their respective annotated suspected compounds. Rather, some compounds are
annotated multiple times. This is because multiple peaks were picked at a single precursor ion
mass at given retention time tolerance (0.5 min). As a result, the total number of annotated target
hits ended up being larger in number than the actual number of suspected compounds in the
suspect list. However, the feature reduction in the annotated feature list was performed through
the removal of noise/background, false positives, duplicates, and annotation mass error (∆m =
±2 ppm) using a lower cut-off intensity (10
5
) and blank correction. Furthermore, features in the
annotated list were discarded if the peak intensities in the extracted chromatogram were below
the threshold intensity
3
⋅
SDI
IT IB
(IT – threshold intensity, IB
av
– the average intensity of the blanks, SDI
blank
– standard deviation
of intensities of blanks) or if a peak of similar retention time and similar or higher intensities was
found in the blank samples. Subsequently, the remaining annotated features were extracted
from the feature list and used for further identification confidence levels as suggested by Schy-
manski and co-authors. Level 1 (confirmed structure) assignment was achieved using authentic
reference standards while the level 2 and 3 (probable structure) were attained by considering
the spectral match against in-house library match, which were also supported by the online
spectral databases (mzCloud, MassBank EU, MassBank MoNA, and NIST). The spectral match
score ranged from 0 to 100, the highest representing the high probability for the likeliness of the
compound structure. To move on to level 2, besides the spectral match score above 50, the
diagnostic MS/MS fragment masses and/or ionization behaviour together with the information
on parent compounds were used to categorize the tentative candidates to the plausible/probable
chemical structure (level 2). The rest of the annotated compounds or not categorized to level 1
and 2 were assigned level 3.
Appendix 2.8
Quality assurance of level 1 data
Before compounds were confidently annotation at level 1, these entries were manually curated
according to the workflow below:
1.
Retention times of level 1 compounds detected in samples were compared to a spiked
quality control pooled sample to check that the difference in retention times were less
than 0.2 minutes.
The signal in a spiked quality control sample should be at least 2x higher than in the
non-spiked quality control sample.
A signal-to-noise ratio greater than 5 between the compound detected in at least 1 site
sample and a corresponding procedural blank.
Matching MS
2
data between both the spiked QC and the sample, as well as the in-
house spectral reference entry.
No ambiguity must be between the compound of interest and isobaric compounds. In
the case where a compound peak cannot be precisely defined based on both retention
time and MS
2
spectrum due to isobaric interferences, it must be downgraded to anno-
tation level 2.
2.
3.
4.
5.
If all these criteria were passed, the compound would be annotated as level 1.
22
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0066.png
Appendix 3.
Appendix 3.1
QA/QC
System performance and acquisition sequences
Before instrument acquisition, the LC platforms were validated towards an instrumental control
sample consisting of an extracted fetal bovine serum sample spiked with 33 xenobiotic com-
pounds. In addition to this, a standard mixture containing 7 anionic compounds was used for
system suitability test of the IC platform (cf. Table 3. Overview of system suitability control sam-
ple compounds.Table 3 and the following figures).
Samples were acquired on each platform using the following acquisition sequence strategy:
Initially instrument blanks were analysed, followed by system suitability test samples and again
instrument blanks. This was repeated and the very end of the sequence. After the platform
passed system suitability testing, procedural blanks and pooled samples were analysed, fol-
lowed by samples in a randomised order. For every 6-8 samples a pool sample was analysed
to monitor systematic error.
Table 3.
Overview of system suitability control sample compounds.
Compound
2-hydroxyibuprofen
Atenolol
Bezafibrate
Bicalutamide
Bisoprolol
Bromate
Bromide
Buflomedil
Candesartan
Capecitabine
Carbamazepine
Chlorate
Chlorite
Clofibric acid
Diclofenac
Diltiazem
Fexofenadine
Ibuprofen
Indomethacin
Ketoprofen
Losartan
Mebendazole
Metoprolol
Nadolol
Naproxene
Formula
C13H18O3
C14H22N2O3
C19H20ClNO4
C18H14F4N2O4S
C18H31NO4
HBrO3
HBr
C17H25NO4
C24H20N6O3
C15H22FN3O6
C15H12N2O
HClO3
HClO2
C10H11ClO3
C14H11Cl2NO2
C22H26N2O4S
C32H39NO4
C13H18O2
C19H16ClNO4
C16H14O3
C22H23ClN6O
C16H13N3O3
C15H25NO3
C17H27NO4
C14H14O3
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
LC(+) LC(-)
X
IC(-)
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
23
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0067.png
N-Desmethyltramadol
Nitrate
Phenazone
Phosphate
Propranolol
Propyphenazone
Salbutamol
Sotalol
Sulfadiazine
Sulfate
Terbutaline
Tramadol
Valsartan
Venlafaxine
Verapamil
C15H23NO2
HNO3
C11H12N2O
H3SO4
C16H21NO2
C14H18N2O
C13H21NO3
C12H20N2O3S
C10H10N4O2S
H2SO4
C12H19NO3
C16H25NO2
C24H29N5O3
C17H27NO2
C27H38N2O4
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
Table 4:
Acquisition times for samples P001-P131 acquired on the eight platforms from 26/11
to 1/1.
LC
POS
Sample
DI
09‐Dec‐2022 
P001
08:00:59
09‐Dec‐2022 
P002
18:00:26
05‐Dec‐2022 
P003
21:12:20
10‐Dec‐2022 
P004
08:56:58
08‐Dec‐2022 
P005
18:26:27
07‐Dec‐2022 
P006
18:40:40
09‐Dec‐2022 
P007
11:24:47
06‐Dec‐2022 
P008
18:55:12
07‐Dec‐2022 
P009
19:21:27
07‐Dec‐2022 
P010
00:21:05
08‐Dec‐2022 
P011
13:00:39
08‐Dec‐2022 
P012
21:09:26
IC
NEG
NEG
SPE
17‐Dec‐2022 
14:39:53
16‐Dec‐2022 
16:56:28
16‐Dec‐2022 
08:06:56
17‐Dec‐2022 
03:48:12
16‐Dec‐2022 
06:04:47
17‐Dec‐2022 
15:20:36
16‐Dec‐2022 
17:37:16
16‐Dec‐2022 
12:11:19
16‐Dec‐2022 
20:20:06
16‐Dec‐2022 
04:43:21
16‐Dec‐2022 
11:30:32
16‐Dec‐2022 
19:39:23
GC
EI
SPE
30‐Dec‐2022 
11:06:15
29‐Dec‐2022 
21:48:13
29‐Dec‐2022 
17:30:02
30‐Dec‐2022 
02:06:27
29‐Dec‐2022 
14:22:18
30‐Dec‐2022 
10:19:19
29‐Dec‐2022 
21:24:47
29‐Dec‐2022 
17:53:30
30‐Dec‐2022 
00:56:01
29‐Dec‐2022 
15:56:13
29‐Dec‐2022 
20:14:20
29‐Dec‐2022 
22:11:42
SPE
24‐Dec‐2022 
17:02:10
23‐Dec‐2022 
15:08:45
23‐Dec‐2022 
07:40:39
23‐Dec‐2022 
22:36:53
23‐Dec‐2022 
02:14:56
24‐Dec‐2022 
15:40:41
23‐Dec‐2022 
14:28:04
23‐Dec‐2022 
08:21:22
23‐Dec‐2022 
20:34:45
23‐Dec‐2022 
04:57:51
23‐Dec‐2022 
12:25:42
23‐Dec‐2022 
15:49:32
DI
14‐Dec‐2022 
10:11:22
14‐Dec‐2022 
19:01:16
11‐Dec‐2022 
02:04:23
15‐Dec‐2022 
10:37:57
13‐Dec‐2022 
21:17:28
12‐Dec‐2022 
22:12:17
14‐Dec‐2022 
12:54:30
11‐Dec‐2022 
23:07:07
12‐Dec‐2022 
22:53:06
12‐Dec‐2022 
04:33:03
13‐Dec‐2022 
15:51:44
13‐Dec‐2022 
23:19:47
DI
28‐Nov‐2022 
03:24:45
29‐Nov‐2022 
00:05:34
28‐Nov‐2022 
04:11:43
29‐Nov‐2022 
07:08:13
28‐Nov‐2022 
17:49:53
27‐Nov‐2022 
13:19:10
29‐Nov‐2022 
09:29:05
27‐Nov‐2022 
05:29:32
29‐Nov‐2022 
08:42:08
28‐Nov‐2022 
20:10:43
29‐Nov‐2022 
13:23:52
29‐Nov‐2022 
16:08:15
DI
11‐Dec‐2022 
10:21:03
11‐Dec‐2022 
11:11:34
11‐Dec‐2022 
12:02:03
11‐Dec‐2022 
12:52:31
11‐Dec‐2022 
13:42:58
11‐Dec‐2022 
15:23:55
11‐Dec‐2022 
16:14:24
11‐Dec‐2022 
17:04:51
11‐Dec‐2022 
17:55:16
11‐Dec‐2022 
18:45:42
11‐Dec‐2022 
19:36:09
11‐Dec‐2022 
20:26:37
SPE
21‐Dec‐2022 
03:30:11
21‐Dec‐2022 
04:20:40
21‐Dec‐2022 
05:11:08
21‐Dec‐2022 
06:01:37
21‐Dec‐2022 
06:52:08
21‐Dec‐2022 
08:33:09
21‐Dec‐2022 
09:23:38
21‐Dec‐2022 
10:14:04
21‐Dec‐2022 
11:04:33
21‐Dec‐2022 
11:55:06
21‐Dec‐2022 
12:45:34
21‐Dec‐2022 
13:36:03
24
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0068.png
08‐Dec‐2022 
P013
06:13:08
07‐Dec‐2022 
P014
23:25:57
08‐Dec‐2022 
P015
01:28:10
10‐Dec‐2022 
P016
01:28:44
07‐Dec‐2022 
P017
03:03:53
09‐Dec‐2022 
P018
23:26:25
08‐Dec‐2022 
P019
23:11:35
10‐Dec‐2022 
P020
13:01:39
06‐Dec‐2022 
P021
13:29:25
06‐Dec‐2022 
P022
12:07:53
06‐Dec‐2022 
P023
22:18:51
05‐Dec‐2022 
P024
23:14:31
08‐Dec‐2022 
P025
15:43:35
10‐Dec‐2022 
P026
10:59:23
06‐Dec‐2022 
P027
01:57:15
09‐Dec‐2022 
P028
03:15:57
09‐Dec‐2022 
P029
05:58:51
10‐Dec‐2022 
P030
00:48:03
07‐Dec‐2022 
P031
20:43:01
08‐Dec‐2022 
P032
11:39:04
09‐Dec‐2022 
P033
10:43:59
06‐Dec‐2022 
P034
16:53:05
07‐Dec‐2022 
P035
03:44:36
10‐Dec‐2022 
P036
13:42:26
07‐Dec‐2022 
P037
13:55:36
24‐Dec‐2022 
19:04:23
24‐Dec‐2022 
10:55:30
24‐Dec‐2022 
03:21:58
24‐Dec‐2022 
18:23:36
23‐Dec‐2022 
17:11:06
24‐Dec‐2022 
13:38:26
24‐Dec‐2022 
00:39:00
23‐Dec‐2022 
23:58:17
24‐Dec‐2022 
06:04:48
24‐Dec‐2022 
04:02:41
23‐Dec‐2022 
02:55:39
23‐Dec‐2022 
03:36:25
24‐Dec‐2022 
07:24:33
23‐Dec‐2022 
13:06:36
24‐Dec‐2022 
21:06:38
24‐Dec‐2022 
12:57:43
24‐Dec‐2022 
06:45:35
23‐Dec‐2022 
09:02:05
23‐Dec‐2022 
23:17:36
24‐Dec‐2022 
14:19:14
23‐Dec‐2022 
17:51:54
23‐Dec‐2022 
21:56:10
23‐Dec‐2022 
11:04:16
24‐Dec‐2022 
05:24:07
24‐Dec‐2022 
11:36:11
13‐Dec‐2022 
09:04:03
13‐Dec‐2022 
02:57:31
13‐Dec‐2022 
04:18:55
15‐Dec‐2022 
02:29:12
12‐Dec‐2022 
06:35:15
15‐Dec‐2022 
00:27:03
14‐Dec‐2022 
01:22:01
15‐Dec‐2022 
14:01:45
11‐Dec‐2022 
17:41:17
11‐Dec‐2022 
16:19:42
12‐Dec‐2022 
02:30:50
11‐Dec‐2022 
04:06:33
13‐Dec‐2022 
17:53:57
15‐Dec‐2022 
11:59:27
11‐Dec‐2022 
06:08:40
14‐Dec‐2022 
05:26:23
14‐Dec‐2022 
07:28:36
15‐Dec‐2022 
01:48:31
12‐Dec‐2022 
23:33:50
13‐Dec‐2022 
13:49:36
14‐Dec‐2022 
12:13:38
11‐Dec‐2022 
21:04:52
12‐Dec‐2022 
07:15:56
15‐Dec‐2022 
14:42:33
12‐Dec‐2022 
17:27:18
17‐Dec‐2022 
12:37:40
17‐Dec‐2022 
09:54:47
16‐Dec‐2022 
23:43:47
17‐Dec‐2022 
16:42:10
16‐Dec‐2022 
14:54:19
17‐Dec‐2022 
11:16:13
17‐Dec‐2022 
02:26:44
17‐Dec‐2022 
03:07:27
17‐Dec‐2022 
09:14:02
17‐Dec‐2022 
01:45:56
16‐Dec‐2022 
01:19:46
16‐Dec‐2022 
03:21:55
17‐Dec‐2022 
05:09:46
16‐Dec‐2022 
10:49:49
17‐Dec‐2022 
16:01:24
17‐Dec‐2022 
06:31:12
17‐Dec‐2022 
05:50:29
16‐Dec‐2022 
12:52:06
17‐Dec‐2022 
00:24:30
17‐Dec‐2022 
10:35:30
16‐Dec‐2022 
16:15:41
16‐Dec‐2022 
23:03:03
16‐Dec‐2022 
10:09:06
17‐Dec‐2022 
07:11:55
17‐Dec‐2022 
08:33:21
26‐Nov‐2022 
21:16:26
27‐Nov‐2022 
19:58:30
26‐Nov‐2022 
15:00:47
29‐Nov‐2022 
14:10:51
26‐Nov‐2022 
17:45:08
27‐Nov‐2022 
05:06:08
28‐Nov‐2022 
02:14:15
27‐Nov‐2022 
15:16:34
27‐Nov‐2022 
19:11:31
29‐Nov‐2022 
02:26:27
27‐Nov‐2022 
23:29:50
27‐Nov‐2022 
07:03:27
29‐Nov‐2022 
05:34:18
27‐Nov‐2022 
06:39:59
29‐Nov‐2022 
05:10:49
28‐Nov‐2022 
19:00:17
28‐Nov‐2022 
23:18:37
27‐Nov‐2022 
08:37:22
28‐Nov‐2022 
23:42:06
28‐Nov‐2022 
21:21:10
29‐Nov‐2022 
07:31:42
28‐Nov‐2022 
19:47:15
26‐Nov‐2022 
20:52:59
27‐Nov‐2022 
22:42:53
28‐Nov‐2022 
20:34:17
30‐Dec‐2022 
12:16:39
30‐Dec‐2022 
07:35:00
30‐Dec‐2022 
04:50:42
30‐Dec‐2022 
11:53:10
29‐Dec‐2022 
22:58:39
30‐Dec‐2022 
09:08:51
30‐Dec‐2022 
03:16:49
30‐Dec‐2022 
02:53:20
30‐Dec‐2022 
06:24:38
30‐Dec‐2022 
05:14:08
29‐Dec‐2022 
14:45:47
29‐Dec‐2022 
15:09:14
30‐Dec‐2022 
07:11:34
29‐Dec‐2022 
20:37:47
30‐Dec‐2022 
13:27:03
30‐Dec‐2022 
08:45:22
30‐Dec‐2022 
06:48:05
29‐Dec‐2022 
18:16:59
30‐Dec‐2022 
02:29:53
30‐Dec‐2022 
09:32:20
29‐Dec‐2022 
23:22:06
30‐Dec‐2022 
01:42:58
29‐Dec‐2022 
19:27:23
30‐Dec‐2022 
06:01:08
30‐Dec‐2022 
07:58:29
11‐Dec‐2022 
21:17:06
11‐Dec‐2022 
22:07:37
11‐Dec‐2022 
22:58:01
12‐Dec‐2022 
00:38:51
12‐Dec‐2022 
01:29:17
12‐Dec‐2022 
02:19:42
12‐Dec‐2022 
03:10:09
12‐Dec‐2022 
04:00:35
12‐Dec‐2022 
04:51:04
12‐Dec‐2022 
05:41:31
12‐Dec‐2022 
06:31:55
12‐Dec‐2022 
07:22:24
12‐Dec‐2022 
08:12:51
12‐Dec‐2022 
11:34:46
12‐Dec‐2022 
12:25:14
12‐Dec‐2022 
13:15:39
12‐Dec‐2022 
14:06:07
12‐Dec‐2022 
14:56:34
12‐Dec‐2022 
15:47:03
12‐Dec‐2022 
16:37:34
12‐Dec‐2022 
17:28:00
12‐Dec‐2022 
18:18:27
12‐Dec‐2022 
19:08:54
12‐Dec‐2022 
20:49:51
12‐Dec‐2022 
21:40:18
21‐Dec‐2022 
14:26:34
21‐Dec‐2022 
15:17:02
21‐Dec‐2022 
16:07:35
21‐Dec‐2022 
17:48:37
21‐Dec‐2022 
18:39:05
21‐Dec‐2022 
19:29:34
21‐Dec‐2022 
20:20:05
21‐Dec‐2022 
21:10:35
21‐Dec‐2022 
22:01:04
21‐Dec‐2022 
22:51:35
21‐Dec‐2022 
23:42:05
22‐Dec‐2022 
00:32:34
22‐Dec‐2022 
01:23:03
22‐Dec‐2022 
04:44:57
22‐Dec‐2022 
05:35:26
22‐Dec‐2022 
06:25:55
22‐Dec‐2022 
07:16:24
22‐Dec‐2022 
08:06:54
22‐Dec‐2022 
08:57:25
22‐Dec‐2022 
09:47:58
22‐Dec‐2022 
10:38:26
22‐Dec‐2022 
11:28:55
22‐Dec‐2022 
12:19:26
22‐Dec‐2022 
14:00:29
22‐Dec‐2022 
14:50:58
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
25
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0069.png
06‐Dec‐2022 
P038
05:20:51
07‐Dec‐2022 
P039
11:12:36
07‐Dec‐2022 
P040
08:29:43
07‐Dec‐2022 
P041
02:23:10
08‐Dec‐2022 
P042
07:34:39
06‐Dec‐2022 
P043
04:40:10
06‐Dec‐2022 
P044
21:38:08
07‐Dec‐2022 
P045
06:27:37
06‐Dec‐2022 
P046
22:59:34
08‐Dec‐2022 
P047
06:53:51
06‐Dec‐2022 
P048
19:35:59
09‐Dec‐2022 
P049
15:58:11
06‐Dec‐2022 
P050
20:57:25
07‐Dec‐2022 
P051
14:36:19
08‐Dec‐2022 
P052
02:08:53
06‐Dec‐2022 
P053
03:18:43
06‐Dec‐2022 
P054
12:48:42
09‐Dec‐2022 
P055
22:04:57
08‐Dec‐2022 
P056
13:41:27
07‐Dec‐2022 
P057
22:45:16
10‐Dec‐2022 
P058
11:40:07
06‐Dec‐2022 
P059
18:14:29
07‐Dec‐2022 
P060
21:23:46
09‐Dec‐2022 
P061
18:41:08
09‐Dec‐2022 
P062
17:19:39
23‐Dec‐2022 
04:17:08
23‐Dec‐2022 
05:38:32
23‐Dec‐2022 
01:34:11
24‐Dec‐2022 
19:45:12
24‐Dec‐2022 
01:19:43
24‐Dec‐2022 
02:41:14
23‐Dec‐2022 
06:19:15
24‐Dec‐2022 
02:00:26
24‐Dec‐2022 
17:42:53
23‐Dec‐2022 
19:54:02
24‐Dec‐2022 
12:16:54
23‐Dec‐2022 
09:42:46
24‐Dec‐2022 
21:47:21
23‐Dec‐2022 
10:23:29
23‐Dec‐2022 
11:44:59
23‐Dec‐2022 
00:53:30
25‐Dec‐2022 
01:51:36
25‐Dec‐2022 
00:30:13
25‐Dec‐2022 
08:38:52
25‐Dec‐2022 
11:21:49
25‐Dec‐2022 
01:10:55
25‐Dec‐2022 
15:26:23
25‐Dec‐2022 
02:32:17
25‐Dec‐2022 
05:55:56
26‐Dec‐2022 
00:16:33
11‐Dec‐2022 
10:12:56
12‐Dec‐2022 
14:44:14
12‐Dec‐2022 
12:01:11
12‐Dec‐2022 
05:54:32
13‐Dec‐2022 
10:25:29
11‐Dec‐2022 
09:32:13
12‐Dec‐2022 
01:09:26
12‐Dec‐2022 
09:58:50
12‐Dec‐2022 
03:11:33
13‐Dec‐2022 
09:44:46
11‐Dec‐2022 
23:47:55
14‐Dec‐2022 
16:59:01
12‐Dec‐2022 
00:28:43
12‐Dec‐2022 
18:08:01
13‐Dec‐2022 
04:59:36
11‐Dec‐2022 
08:10:45
11‐Dec‐2022 
17:00:29
14‐Dec‐2022 
23:05:37
13‐Dec‐2022 
16:32:29
13‐Dec‐2022 
01:36:07
15‐Dec‐2022 
12:40:12
11‐Dec‐2022 
22:26:22
13‐Dec‐2022 
00:14:37
14‐Dec‐2022 
19:42:00
14‐Dec‐2022 
18:20:29
16‐Dec‐2022 
02:41:12
16‐Dec‐2022 
05:24:04
16‐Dec‐2022 
00:39:05
17‐Dec‐2022 
17:22:53
16‐Dec‐2022 
22:22:17
16‐Dec‐2022 
21:41:34
16‐Dec‐2022 
04:02:38
17‐Dec‐2022 
01:05:13
17‐Dec‐2022 
18:44:22
16‐Dec‐2022 
18:17:57
17‐Dec‐2022 
07:52:38
16‐Dec‐2022 
07:26:13
17‐Dec‐2022 
18:03:36
16‐Dec‐2022 
09:28:23
16‐Dec‐2022 
08:47:39
16‐Dec‐2022 
02:00:29
18‐Dec‐2022 
00:10:24
18‐Dec‐2022 
01:31:50
18‐Dec‐2022 
05:36:08
18‐Dec‐2022 
06:16:52
17‐Dec‐2022 
22:48:58
18‐Dec‐2022 
13:45:18
17‐Dec‐2022 
22:08:13
18‐Dec‐2022 
03:33:59
18‐Dec‐2022 
19:11:10
28‐Nov‐2022 
17:02:54
27‐Nov‐2022 
07:50:23
29‐Nov‐2022 
10:39:31
29‐Nov‐2022 
12:36:54
28‐Nov‐2022 
00:16:48
26‐Nov‐2022 
14:13:48
27‐Nov‐2022 
22:19:24
26‐Nov‐2022 
13:26:52
29‐Nov‐2022 
08:18:37
27‐Nov‐2022 
07:26:56
27‐Nov‐2022 
00:00:49
27‐Nov‐2022 
03:08:42
29‐Nov‐2022 
06:44:44
26‐Nov‐2022 
18:55:34
29‐Nov‐2022 
11:26:28
27‐Nov‐2022 
00:24:17
26‐Nov‐2022 
11:52:55
26‐Nov‐2022 
18:08:34
27‐Nov‐2022 
09:47:46
29‐Nov‐2022 
00:29:03
27‐Nov‐2022 
12:55:42
29‐Nov‐2022 
01:15:58
26‐Nov‐2022 
21:39:55
27‐Nov‐2022 
12:32:13
27‐Nov‐2022 
14:06:08
29‐Dec‐2022 
15:32:40
29‐Dec‐2022 
16:19:38
29‐Dec‐2022 
13:58:49
30‐Dec‐2022 
12:40:07
30‐Dec‐2022 
03:40:18
30‐Dec‐2022 
04:27:13
29‐Dec‐2022 
16:43:06
30‐Dec‐2022 
04:03:44
30‐Dec‐2022 
11:29:41
30‐Dec‐2022 
00:32:30
30‐Dec‐2022 
08:21:56
29‐Dec‐2022 
18:40:26
30‐Dec‐2022 
13:50:29
29‐Dec‐2022 
19:03:54
29‐Dec‐2022 
19:50:52
29‐Dec‐2022 
13:35:21
30‐Dec‐2022 
16:11:19
30‐Dec‐2022 
15:24:24
30‐Dec‐2022 
20:06:00
30‐Dec‐2022 
21:39:49
30‐Dec‐2022 
15:47:51
31‐Dec‐2022 
00:00:37
30‐Dec‐2022 
16:34:48
30‐Dec‐2022 
18:32:08
31‐Dec‐2022 
02:21:25
12‐Dec‐2022 
22:30:46
12‐Dec‐2022 
23:21:13
13‐Dec‐2022 
00:11:40
13‐Dec‐2022 
01:02:06
13‐Dec‐2022 
01:52:33
13‐Dec‐2022 
02:43:00
13‐Dec‐2022 
03:33:26
13‐Dec‐2022 
04:23:53
13‐Dec‐2022 
06:04:46
13‐Dec‐2022 
06:55:13
13‐Dec‐2022 
07:45:40
13‐Dec‐2022 
08:36:08
13‐Dec‐2022 
09:26:37
13‐Dec‐2022 
10:17:06
13‐Dec‐2022 
11:07:32
13‐Dec‐2022 
11:58:01
13‐Dec‐2022 
12:48:30
13‐Dec‐2022 
13:39:02
14‐Dec‐2022 
04:47:53
14‐Dec‐2022 
05:38:22
14‐Dec‐2022 
06:28:50
14‐Dec‐2022 
07:19:19
14‐Dec‐2022 
08:09:48
14‐Dec‐2022 
09:00:14
14‐Dec‐2022 
09:50:41
22‐Dec‐2022 
15:41:28
22‐Dec‐2022 
16:31:57
22‐Dec‐2022 
17:22:26
22‐Dec‐2022 
18:12:56
22‐Dec‐2022 
19:03:31
22‐Dec‐2022 
19:54:02
22‐Dec‐2022 
20:44:33
22‐Dec‐2022 
21:35:01
22‐Dec‐2022 
23:15:47
23‐Dec‐2022 
00:06:07
23‐Dec‐2022 
00:56:32
23‐Dec‐2022 
01:46:52
23‐Dec‐2022 
02:37:13
23‐Dec‐2022 
03:27:36
23‐Dec‐2022 
04:17:54
23‐Dec‐2022 
05:08:15
23‐Dec‐2022 
05:58:34
23‐Dec‐2022 
06:48:56
23‐Dec‐2022 
08:29:38
23‐Dec‐2022 
09:19:58
23‐Dec‐2022 
10:10:21
23‐Dec‐2022 
11:00:43
23‐Dec‐2022 
11:51:06
23‐Dec‐2022 
12:41:25
23‐Dec‐2022 
13:31:47
26
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0070.png
09‐Dec‐2022 
P063
03:56:38
09‐Dec‐2022 
P064
13:15:15
06‐Dec‐2022 
P065
16:12:22
09‐Dec‐2022 
P066
19:21:51
06‐Dec‐2022 
P067
14:50:56
07‐Dec‐2022 
P068
05:06:08
08‐Dec‐2022 
P069
21:50:09
09‐Dec‐2022 
P070
20:43:23
07‐Dec‐2022 
P071
22:04:29
10‐Dec‐2022 
P072
04:11:49
06‐Dec‐2022 
P073
10:05:44
08‐Dec‐2022 
P074
23:52:22
06‐Dec‐2022 
P075
08:03:37
08‐Dec‐2022 
P076
04:11:01
08‐Dec‐2022 
P077
12:19:48
05‐Dec‐2022 
P078
21:53:03
07‐Dec‐2022 
P079
09:10:27
07‐Dec‐2022 
P080
15:57:41
06‐Dec‐2022 
P081
23:40:20
09‐Dec‐2022 
P082
09:22:26
06‐Dec‐2022 
P083
11:27:10
07‐Dec‐2022 
P084
09:51:10
08‐Dec‐2022 
P085
19:07:10
10‐Dec‐2022 
P086
00:07:12
09‐Dec‐2022 
P087
01:54:31
25‐Dec‐2022 
12:43:23
26‐Dec‐2022 
12:14:13
25‐Dec‐2022 
03:53:43
26‐Dec‐2022 
13:35:50
25‐Dec‐2022 
06:36:37
26‐Dec‐2022 
12:55:02
25‐Dec‐2022 
09:19:35
25‐Dec‐2022 
07:58:09
25‐Dec‐2022 
14:04:59
25‐Dec‐2022 
07:17:22
24‐Dec‐2022 
23:08:47
25‐Dec‐2022 
10:00:18
25‐Dec‐2022 
14:45:42
25‐Dec‐2022 
16:07:06
26‐Dec‐2022 
00:57:16
27‐Dec‐2022 
00:27:24
26‐Dec‐2022 
19:42:15
27‐Dec‐2022 
04:31:33
27‐Dec‐2022 
15:23:00
27‐Dec‐2022 
14:01:32
27‐Dec‐2022 
17:25:11
27‐Dec‐2022 
03:50:52
27‐Dec‐2022 
16:44:30
27‐Dec‐2022 
10:37:44
26‐Dec‐2022 
20:22:56
14‐Dec‐2022 
06:07:06
14‐Dec‐2022 
14:16:01
11‐Dec‐2022 
20:24:08
14‐Dec‐2022 
20:22:45
11‐Dec‐2022 
19:02:42
12‐Dec‐2022 
09:18:03
14‐Dec‐2022 
00:00:34
14‐Dec‐2022 
22:24:54
13‐Dec‐2022 
00:55:20
15‐Dec‐2022 
05:12:07
11‐Dec‐2022 
14:58:02
14‐Dec‐2022 
02:02:42
11‐Dec‐2022 
12:15:03
13‐Dec‐2022 
07:01:49
13‐Dec‐2022 
15:11:00
11‐Dec‐2022 
02:45:07
12‐Dec‐2022 
12:42:00
12‐Dec‐2022 
18:48:42
12‐Dec‐2022 
03:52:16
14‐Dec‐2022 
11:32:55
11‐Dec‐2022 
15:38:49
12‐Dec‐2022 
13:22:49
13‐Dec‐2022 
21:58:15
15‐Dec‐2022 
01:07:46
14‐Dec‐2022 
04:04:58
18‐Dec‐2022 
13:04:26
18‐Dec‐2022 
18:30:27
17‐Dec‐2022 
20:46:48
18‐Dec‐2022 
17:09:03
18‐Dec‐2022 
07:38:32
18‐Dec‐2022 
17:49:44
18‐Dec‐2022 
08:19:13
18‐Dec‐2022 
02:53:16
18‐Dec‐2022 
14:26:07
18‐Dec‐2022 
04:55:25
17‐Dec‐2022 
21:27:32
18‐Dec‐2022 
06:57:43
18‐Dec‐2022 
15:06:50
18‐Dec‐2022 
09:40:39
18‐Dec‐2022 
16:28:20
20‐Dec‐2022 
01:44:33
19‐Dec‐2022 
16:14:16
19‐Dec‐2022 
23:01:36
20‐Dec‐2022 
15:59:35
20‐Dec‐2022 
15:18:54
20‐Dec‐2022 
13:57:28
20‐Dec‐2022 
03:06:01
20‐Dec‐2022 
14:38:13
20‐Dec‐2022 
09:53:04
19‐Dec‐2022 
19:37:51
28‐Nov‐2022 
21:44:38
26‐Nov‐2022 
22:50:21
26‐Nov‐2022 
16:58:08
28‐Nov‐2022 
18:36:49
27‐Nov‐2022 
01:11:13
27‐Nov‐2022 
05:53:01
26‐Nov‐2022 
20:06:00
26‐Nov‐2022 
15:47:44
29‐Nov‐2022 
11:03:00
27‐Nov‐2022 
03:55:38
26‐Nov‐2022 
23:37:20
28‐Nov‐2022 
00:40:18
29‐Nov‐2022 
07:55:10
28‐Nov‐2022 
22:31:38
28‐Nov‐2022 
01:03:49
29‐Nov‐2022 
05:57:47
29‐Nov‐2022 
12:13:26
26‐Nov‐2022 
17:21:39
29‐Nov‐2022 
15:21:17
27‐Nov‐2022 
10:34:45
28‐Nov‐2022 
18:13:22
28‐Nov‐2022 
20:57:41
29‐Nov‐2022 
04:23:50
27‐Nov‐2022 
21:32:27
26‐Nov‐2022 
12:16:24
30‐Dec‐2022 
22:26:46
31‐Dec‐2022 
03:08:23
30‐Dec‐2022 
17:21:44
31‐Dec‐2022 
03:55:16
30‐Dec‐2022 
18:55:34
31‐Dec‐2022 
03:31:49
30‐Dec‐2022 
20:29:27
30‐Dec‐2022 
19:42:32
30‐Dec‐2022 
23:13:42
30‐Dec‐2022 
19:19:01
30‐Dec‐2022 
14:37:29
30‐Dec‐2022 
20:52:54
30‐Dec‐2022 
23:37:10
31‐Dec‐2022 
00:24:04
31‐Dec‐2022 
02:44:54
31‐Dec‐2022 
10:11:09
31‐Dec‐2022 
07:26:38
31‐Dec‐2022 
12:32:05
31‐Dec‐2022 
18:47:58
31‐Dec‐2022 
18:00:59
31‐Dec‐2022 
19:58:28
31‐Dec‐2022 
12:08:35
31‐Dec‐2022 
19:34:58
31‐Dec‐2022 
16:03:30
31‐Dec‐2022 
07:50:09
14‐Dec‐2022 
10:41:10
14‐Dec‐2022 
11:31:40
14‐Dec‐2022 
12:22:09
14‐Dec‐2022 
14:03:10
14‐Dec‐2022 
14:53:39
14‐Dec‐2022 
15:44:10
14‐Dec‐2022 
16:34:41
14‐Dec‐2022 
17:25:11
14‐Dec‐2022 
18:15:42
14‐Dec‐2022 
19:06:11
14‐Dec‐2022 
19:56:39
14‐Dec‐2022 
20:47:08
14‐Dec‐2022 
21:37:37
14‐Dec‐2022 
23:18:38
15‐Dec‐2022 
00:09:09
15‐Dec‐2022 
00:59:35
15‐Dec‐2022 
01:50:04
15‐Dec‐2022 
02:40:33
15‐Dec‐2022 
03:30:59
15‐Dec‐2022 
04:21:28
15‐Dec‐2022 
05:11:57
15‐Dec‐2022 
06:02:25
15‐Dec‐2022 
06:52:54
15‐Dec‐2022 
08:33:54
15‐Dec‐2022 
09:24:24
23‐Dec‐2022 
14:22:06
23‐Dec‐2022 
15:12:27
23‐Dec‐2022 
16:02:45
23‐Dec‐2022 
17:43:31
23‐Dec‐2022 
18:33:53
23‐Dec‐2022 
19:24:14
23‐Dec‐2022 
20:14:35
23‐Dec‐2022 
21:04:55
23‐Dec‐2022 
21:55:14
23‐Dec‐2022 
22:45:30
23‐Dec‐2022 
23:35:51
24‐Dec‐2022 
00:26:12
24‐Dec‐2022 
01:16:32
24‐Dec‐2022 
02:57:11
24‐Dec‐2022 
03:47:32
24‐Dec‐2022 
04:37:53
24‐Dec‐2022 
05:28:09
24‐Dec‐2022 
06:18:28
24‐Dec‐2022 
07:08:47
24‐Dec‐2022 
07:59:03
24‐Dec‐2022 
08:49:22
24‐Dec‐2022 
09:39:42
24‐Dec‐2022 
10:30:03
24‐Dec‐2022 
12:10:42
24‐Dec‐2022 
13:01:03
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
27
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0071.png
09‐Dec‐2022 
P088
07:20:16
07‐Dec‐2022 
P089
07:08:19
10‐Dec‐2022 
P090
15:03:58
10‐Dec‐2022 
P091
10:18:35
08‐Dec‐2022 
P092
09:36:51
08‐Dec‐2022 
P093
10:58:20
08‐Dec‐2022 
P094
00:06:40
07‐Dec‐2022 
P095
04:25:19
07‐Dec‐2022 
P096
16:38:27
08‐Dec‐2022 
P097
08:15:23
08‐Dec‐2022 
P098
08:56:10
09‐Dec‐2022 
P099
16:38:54
05‐Dec‐2022 
P100
23:55:12
06‐Dec‐2022 
P101
14:10:09
09‐Dec‐2022 
P102
12:34:26
08‐Dec‐2022 
P103
02:49:37
06‐Dec‐2022 
P104
03:59:26
10‐Dec‐2022 
P105
02:50:11
10‐Dec‐2022 
P106
08:16:15
07‐Dec‐2022 
P107
07:49:00
08‐Dec‐2022 
P108
17:05:01
09‐Dec‐2022 
P109
13:55:56
08‐Dec‐2022 
P110
03:30:20
08‐Dec‐2022 
P111
16:24:16
08‐Dec‐2022 
P112
17:45:44
28‐Dec‐2022 
01:33:34
27‐Dec‐2022 
09:16:22
26‐Dec‐2022 
21:44:18
27‐Dec‐2022 
20:48:38
27‐Dec‐2022 
11:59:19
26‐Dec‐2022 
17:40:10
28‐Dec‐2022 
00:52:51
27‐Dec‐2022 
01:08:05
26‐Dec‐2022 
22:24:59
27‐Dec‐2022 
20:07:55
27‐Dec‐2022 
05:12:14
27‐Dec‐2022 
18:46:33
28‐Dec‐2022 
07:39:53
27‐Dec‐2022 
22:10:06
27‐Dec‐2022 
02:29:29
27‐Dec‐2022 
23:31:29
27‐Dec‐2022 
06:33:38
26‐Dec‐2022 
19:01:34
27‐Dec‐2022 
18:05:52
28‐Dec‐2022 
00:12:10
27‐Dec‐2022 
11:18:27
27‐Dec‐2022 
07:55:00
26‐Dec‐2022 
21:03:37
27‐Dec‐2022 
08:35:41
26‐Dec‐2022 
18:20:51
14‐Dec‐2022 
08:49:58
12‐Dec‐2022 
10:39:37
15‐Dec‐2022 
16:04:01
15‐Dec‐2022 
11:18:44
13‐Dec‐2022 
12:27:38
13‐Dec‐2022 
13:08:47
13‐Dec‐2022 
03:38:12
12‐Dec‐2022 
08:37:20
12‐Dec‐2022 
19:29:29
13‐Dec‐2022 
11:06:10
13‐Dec‐2022 
11:46:56
14‐Dec‐2022 
17:39:47
11‐Dec‐2022 
04:47:14
11‐Dec‐2022 
18:21:59
14‐Dec‐2022 
13:35:18
13‐Dec‐2022 
05:40:19
11‐Dec‐2022 
08:51:26
15‐Dec‐2022 
04:31:24
15‐Dec‐2022 
09:16:23
12‐Dec‐2022 
11:20:24
13‐Dec‐2022 
19:15:23
14‐Dec‐2022 
14:56:44
13‐Dec‐2022 
06:21:06
13‐Dec‐2022 
18:34:40
13‐Dec‐2022 
19:56:04
20‐Dec‐2022 
20:44:49
20‐Dec‐2022 
07:50:53
19‐Dec‐2022 
18:16:28
20‐Dec‐2022 
22:06:16
20‐Dec‐2022 
07:10:07
19‐Dec‐2022 
18:57:10
20‐Dec‐2022 
18:01:46
20‐Dec‐2022 
00:23:03
19‐Dec‐2022 
17:35:45
20‐Dec‐2022 
22:46:58
20‐Dec‐2022 
02:25:20
20‐Dec‐2022 
16:40:16
21‐Dec‐2022 
10:22:13
20‐Dec‐2022 
20:04:04
19‐Dec‐2022 
22:20:55
20‐Dec‐2022 
21:25:30
20‐Dec‐2022 
05:08:04
19‐Dec‐2022 
14:52:50
20‐Dec‐2022 
13:16:45
20‐Dec‐2022 
23:27:39
20‐Dec‐2022 
09:12:23
20‐Dec‐2022 
05:48:45
19‐Dec‐2022 
16:54:59
20‐Dec‐2022 
06:29:26
19‐Dec‐2022 
15:33:33
27‐Nov‐2022 
11:45:15
27‐Nov‐2022 
02:21:43
29‐Nov‐2022 
02:02:58
29‐Nov‐2022 
13:00:23
26‐Nov‐2022 
20:29:29
27‐Nov‐2022 
23:53:19
27‐Nov‐2022 
20:45:27
29‐Nov‐2022 
02:49:53
27‐Nov‐2022 
21:55:56
26‐Nov‐2022 
22:26:52
26‐Nov‐2022 
13:03:23
29‐Nov‐2022 
13:47:21
27‐Nov‐2022 
01:34:42
26‐Nov‐2022 
14:37:18
27‐Nov‐2022 
18:48:00
27‐Nov‐2022 
18:01:01
27‐Nov‐2022 
02:45:14
28‐Nov‐2022 
22:55:08
28‐Nov‐2022 
03:48:14
29‐Nov‐2022 
10:16:02
27‐Nov‐2022 
08:13:51
28‐Nov‐2022 
02:37:44
29‐Nov‐2022 
04:47:21
27‐Nov‐2022 
16:50:34
27‐Nov‐2022 
11:21:47
01‐Jan‐2023 
00:40:23
31‐Dec‐2022 
15:16:30
31‐Dec‐2022 
08:37:08
31‐Dec‐2022 
21:55:58
31‐Dec‐2022 
16:50:31
31‐Dec‐2022 
06:16:10
01‐Jan‐2023 
00:16:54
31‐Dec‐2022 
10:34:38
31‐Dec‐2022 
09:00:37
31‐Dec‐2022 
21:32:27
31‐Dec‐2022 
12:55:34
31‐Dec‐2022 
20:45:28
01‐Jan‐2023 
04:11:51
31‐Dec‐2022 
22:42:57
31‐Dec‐2022 
11:21:37
31‐Dec‐2022 
23:29:57
31‐Dec‐2022 
13:42:33
31‐Dec‐2022 
07:03:10
31‐Dec‐2022 
20:21:59
31‐Dec‐2022 
23:53:25
31‐Dec‐2022 
16:26:58
31‐Dec‐2022 
14:29:33
31‐Dec‐2022 
08:13:40
31‐Dec‐2022 
14:53:01
31‐Dec‐2022 
06:39:39
15‐Dec‐2022 
10:14:57
15‐Dec‐2022 
11:05:26
15‐Dec‐2022 
11:55:54
15‐Dec‐2022 
12:46:23
15‐Dec‐2022 
13:36:54
15‐Dec‐2022 
14:27:25
15‐Dec‐2022 
15:17:54
15‐Dec‐2022 
16:08:24
15‐Dec‐2022 
17:49:25
15‐Dec‐2022 
18:39:58
15‐Dec‐2022 
19:30:27
15‐Dec‐2022 
20:26:37
15‐Dec‐2022 
22:29:47
18‐Dec‐2022 
22:25:02
16‐Dec‐2022 
14:05:28
16‐Dec‐2022 
14:55:54
16‐Dec‐2022 
15:46:23
16‐Dec‐2022 
16:36:51
16‐Dec‐2022 
18:17:53
16‐Dec‐2022 
19:08:21
16‐Dec‐2022 
19:58:48
16‐Dec‐2022 
20:49:17
16‐Dec‐2022 
21:39:44
16‐Dec‐2022 
22:30:12
16‐Dec‐2022 
23:20:39
24‐Dec‐2022 
13:51:22
24‐Dec‐2022 
14:41:42
24‐Dec‐2022 
15:32:03
24‐Dec‐2022 
16:22:21
24‐Dec‐2022 
17:12:42
24‐Dec‐2022 
18:03:01
24‐Dec‐2022 
18:53:19
24‐Dec‐2022 
19:43:38
24‐Dec‐2022 
21:24:15
24‐Dec‐2022 
22:14:34
24‐Dec‐2022 
23:04:52
24‐Dec‐2022 
23:55:11
25‐Dec‐2022 
00:45:32
25‐Dec‐2022 
01:35:52
25‐Dec‐2022 
02:26:09
25‐Dec‐2022 
03:16:26
25‐Dec‐2022 
04:06:44
25‐Dec‐2022 
04:57:03
25‐Dec‐2022 
06:37:38
25‐Dec‐2022 
07:27:57
25‐Dec‐2022 
08:18:15
25‐Dec‐2022 
09:08:34
25‐Dec‐2022 
09:58:52
25‐Dec‐2022 
10:49:09
25‐Dec‐2022 
11:39:30
28
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0072.png
06‐Dec‐2022 
P113
17:33:46
09‐Dec‐2022 
P114
22:45:40
10‐Dec‐2022 
P115
04:52:30
07‐Dec‐2022 
P116
17:59:56
08‐Dec‐2022 
P117
14:22:09
10‐Dec‐2022 
P118
02:09:27
08‐Dec‐2022 
P119
04:51:42
10‐Dec‐2022 
P120
14:23:11
08‐Dec‐2022 
P121
22:30:52
09‐Dec‐2022 
P122
14:36:37
09‐Dec‐2022 
P123
06:39:35
09‐Dec‐2022 
P124
04:37:19
07‐Dec‐2022 
P125
17:19:15
09‐Dec‐2022 
P126
01:13:50
09‐Dec‐2022 
P127
02:35:12
06‐Dec‐2022 
P128
02:37:56
07‐Dec‐2022 
P129
11:53:17
09‐Dec‐2022 
P130
20:02:40
10‐Dec‐2022 
P131
06:14:04
27‐Dec‐2022 
13:20:51
27‐Dec‐2022 
01:48:46
27‐Dec‐2022 
07:14:19
25‐Dec‐2022 
22:14:22
25‐Dec‐2022 
10:41:02
27‐Dec‐2022 
22:50:47
26‐Dec‐2022 
16:59:29
26‐Dec‐2022 
23:46:38
27‐Dec‐2022 
16:03:43
27‐Dec‐2022 
14:42:18
28‐Dec‐2022 
03:35:43
27‐Dec‐2022 
03:10:11
28‐Dec‐2022 
17:50:51
28‐Dec‐2022 
21:55:08
28‐Dec‐2022 
11:03:36
28‐Dec‐2022 
23:57:29
28‐Dec‐2022 
15:07:53
28‐Dec‐2022 
06:59:12
29‐Dec‐2022 
01:18:51
11‐Dec‐2022 
21:45:33
14‐Dec‐2022 
23:46:18
15‐Dec‐2022 
05:52:50
12‐Dec‐2022 
21:31:34
13‐Dec‐2022 
17:13:14
15‐Dec‐2022 
03:09:58
13‐Dec‐2022 
07:42:32
15‐Dec‐2022 
15:23:15
14‐Dec‐2022 
00:41:17
14‐Dec‐2022 
16:18:18
14‐Dec‐2022 
08:09:17
14‐Dec‐2022 
06:47:53
12‐Dec‐2022 
20:50:53
14‐Dec‐2022 
03:24:11
14‐Dec‐2022 
04:45:40
11‐Dec‐2022 
06:49:21
12‐Dec‐2022 
15:25:09
14‐Dec‐2022 
21:03:28
15‐Dec‐2022 
07:14:14
20‐Dec‐2022 
11:14:26
20‐Dec‐2022 
01:03:50
20‐Dec‐2022 
08:31:41
18‐Dec‐2022 
11:42:52
18‐Dec‐2022 
04:14:42
20‐Dec‐2022 
19:23:17
19‐Dec‐2022 
20:18:34
19‐Dec‐2022 
21:40:14
20‐Dec‐2022 
12:35:56
20‐Dec‐2022 
11:55:09
21‐Dec‐2022 
09:41:32
19‐Dec‐2022 
23:42:19
22‐Dec‐2022 
10:58:50
22‐Dec‐2022 
08:15:49
21‐Dec‐2022 
17:50:22
22‐Dec‐2022 
13:01:07
21‐Dec‐2022 
17:09:35
21‐Dec‐2022 
11:43:47
22‐Dec‐2022 
13:41:48
27‐Nov‐2022 
16:27:04
27‐Nov‐2022 
18:24:35
27‐Nov‐2022 
09:24:17
28‐Nov‐2022 
01:27:20
26‐Nov‐2022 
23:13:49
26‐Nov‐2022 
18:32:03
27‐Nov‐2022 
10:58:16
27‐Nov‐2022 
14:29:36
28‐Nov‐2022 
03:01:16
29‐Nov‐2022 
16:31:43
29‐Nov‐2022 
04:00:21
29‐Nov‐2022 
14:57:49
27‐Nov‐2022 
04:19:06
27‐Nov‐2022 
01:58:12
27‐Nov‐2022 
10:11:15
26‐Nov‐2022 
11:29:27
27‐Nov‐2022 
13:42:39
29‐Nov‐2022 
16:55:14
27‐Nov‐2022 
15:40:02
31‐Dec‐2022 
17:37:28
31‐Dec‐2022 
10:58:06
31‐Dec‐2022 
14:06:02
31‐Dec‐2022 
01:11:01
30‐Dec‐2022 
21:16:22
31‐Dec‐2022 
23:06:26
31‐Dec‐2022 
05:52:39
31‐Dec‐2022 
09:47:38
31‐Dec‐2022 
19:11:29
31‐Dec‐2022 
18:24:28
01‐Jan‐2023 
01:50:53
31‐Dec‐2022 
11:45:06
01‐Jan‐2023 
10:04:11
01‐Jan‐2023 
12:25:08
01‐Jan‐2023 
06:09:17
01‐Jan‐2023 
13:35:36
01‐Jan‐2023 
08:30:13
01‐Jan‐2023 
03:48:22
01‐Jan‐2023 
14:22:35
17‐Dec‐2022 
00:11:11
17‐Dec‐2022 
01:01:40
17‐Dec‐2022 
01:52:07
17‐Dec‐2022 
03:33:00
17‐Dec‐2022 
04:23:29
17‐Dec‐2022 
05:13:58
17‐Dec‐2022 
06:04:24
17‐Dec‐2022 
06:54:53
17‐Dec‐2022 
07:45:20
17‐Dec‐2022 
08:35:46
17‐Dec‐2022 
09:26:15
11‐Dec‐2022 
02:46:53
11‐Dec‐2022 
03:37:20
11‐Dec‐2022 
04:27:49
11‐Dec‐2022 
06:08:44
11‐Dec‐2022 
06:59:13
11‐Dec‐2022 
07:49:41
11‐Dec‐2022 
08:40:08
11‐Dec‐2022 
09:30:35
25‐Dec‐2022 
12:29:48
25‐Dec‐2022 
13:20:09
25‐Dec‐2022 
14:10:28
25‐Dec‐2022 
15:51:07
25‐Dec‐2022 
16:41:27
25‐Dec‐2022 
17:31:46
25‐Dec‐2022 
18:22:07
25‐Dec‐2022 
19:12:25
25‐Dec‐2022 
20:02:44
25‐Dec‐2022 
20:53:05
25‐Dec‐2022 
21:43:25
20‐Dec‐2022 
19:55:47
20‐Dec‐2022 
20:46:17
20‐Dec‐2022 
21:36:46
20‐Dec‐2022 
23:17:44
21‐Dec‐2022 
00:08:12
21‐Dec‐2022 
00:58:45
21‐Dec‐2022 
01:49:16
21‐Dec‐2022 
02:39:44
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
29
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0073.png
Figure 6:
Time profiles of total variation of peak area, peak height, retention time, and mass
error respectively from the average of 32 compounds (normalised towards the maximum value)
present in the system suitability quality control sample for the LC(+) platform.
Figure 7:
Time profiles of total variation of peak area, peak height, retention time, and mass
error respectively from the average of 19 compounds (normalised towards the maximum value)
present in the system suitability quality control sample for the LC(-) platform.
30
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0074.png
Figure 8:
Time profiles of total variation of peak area, peak height, retention time, and mass
error respectively from the average of 7 anions (normalised towards the maximum value) pre-
sent in the system suitability quality control sample for the IC(-) platform.
The mass error
Δm
(ppm) is calculated by
Δm
=
m
measured
- m
theoretical
⋅10
6
m
theoretical
where m
measured
is the measured mean m/z value at the chromatographic apex and m
theoretical
is
the expected theoretical isotopic m/z value of a given compound. The shown mass errors are
given as the mean of the absolute values across all samples, standards, spiked blanks, and
quality control samples.
Normalised values
were calculated by X
i
=
is the maximum peak area of the set.
x
i
x
max
, where x
i
is the measured peak area, and x
max
Appendix 3.2
Internal standards
Table 5.
Overview of added internal standards.
Amount added to samples
(ng)
Compounds
Internal standards
Desphenyl-chlorida-
zon-15N2
2,6-Dichloroben-
zamide-3,4,5-d3
1,2,4-Triazole-d3
N,N-Dimethylsulfamid-
d6
2,4-D-D3
DEET-D7
Dicamba-D3
Diflufenican-D3
Diuron-D6
Imidacloprid-D4
Mecoprop-D3
Formula
C4H4ClN[15]N2O
C7H2D3Cl2NO
C2D3N3
C2H2D6N2O2S
C8H3D3Cl2O3
C12H10D7NO
C8H3D3Cl2O3
C19H8D3F5N2O2
C9H4D6Cl2N2O
C9H6D4ClN5O2
C10H8D3ClO3
Direct
50
50
50
50
50
50
50
50
50
50
50
SPE
100
100
100
100
100
100
100
100
100
100
100
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
31
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0075.png
Pirimicarb-D6
Saccharin-D4
Bentazone-d6
Carbendazim-d4
Chloridazon-methyl-
desphenyl-d3
Atrazin-desisopropyl-
d5
Diazinon-d10
Dichlorprop-d6
DNOC-d3
Simazine-d5
Tebuconazole-d9
Terbutryn-d5
Metolachlor-d6
Isoproturon-d3
Salicylic acid-d4
Sodium Dodecyl-sul-
fate-d25
Dimethachlor ESA-d3
Maleic hydrazide-d2
13C-15N-AMPA
Atrazine-15N3
Chlormequat-d9
13C3-Atrazine-de-
sethyl-desisopropyl
Fipronil-13C4
Glyphosate-13C2-15N
MCPA-D3
Triclosan-D3
Sodium trifluoroace-
tate-13C2
Instrument standards Mecoprop-d6
Atrazine-d5
C11H12D6N4O2
C7HD4NO3S
C10H6D6N2O3S
C9H5D4N3O2
C5H3D3ClN3O
C5H3D5ClN5
C12H11D10N2O3PS
C9H2D6Cl2O3
C7H3D3N2O5
C7H7D5ClN5
C16H13D9ClN3O
C10H14D5N5S
C15H16D6ClNO2
C12H15D3N2O
C7H2D4O3
C12HD25O4S
C13H16D3NO5S
C4H2D2N2O2
[13]CH6[15]NO3P
C8H14ClN2[15]N3
C5H4D9ClN
[13]C3H4ClN5
C8[13]C4H4Cl2F6N4OS
C[13]C2H8[15]NO5P
C9H6D3ClO3
C12H4D3Cl3O2
[13]C2HF3O2
C10H5D6ClO3
C8H9D5ClN5
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
38
50
50
50
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
The internal standards were used to assess heavy matrix effects and sample preparation effi-
ciency and are included in the quantitative calculations (appendix 4.7 and 4.8). Some matrix
effects due to salts etc. can be seen to affect some internal standards, as shown in Figure 9 and
Figure 10, where some internal standards cannot be measured due to strong overlapping back-
ground compounds saturating the Orbitrap detector. These were largely excluded in the pro-
ceeding semi-quantitation method.
32
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0076.png
Figure 9:
Peak areas for some internal standards detected throughout the sample acquisition
on the LC(+) platform using SPE enriched samples.
Figure 10:
Retention times for some internal standards detected throughout the sample acqui-
sition on the LC(+) platform using SPE enriched samples.
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
33
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0077.png
Figure 11:
Retention times for some internal standards detected throughout the sample acqui-
sition on the GC(+) platform using SPE enriched samples.
Appendix 3.3
Intrastudy QC
As an additional performance evaluation protocol, pooled QC samples were used as an in-
trastudy QC. These were especially utilised to assess system performance and systematic er-
rors, and to serve as a conditioning tool prior to each acquisition. Figure 12 shows an example
of the time profile of some internal standards recorded on the LC-NEG platform, where the peak
areas were normalized towards the mean. From these observations, it was noted that the re-
quirement for traditional peak normalization (usually implemented to account for random noise
and instrument drift) using intrastudy QCs were unnecessary, as the signal response factor
could be used for quantification instead.
Figure 12:
Time profiles of peak areas (normalized towards the mean) of a selection of extrac-
tion and internal standards across all QC pools recorded during the LC-NEG acquisition of SPE
enriched samples (LC-SPE).
34
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
35
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
Appendix 4.
Appendix 4.1
Suspect list
Data evaluation
A suspect list containing 1364 chemicals of interest was provided by Miljøstyrelsen. Two more
compounds were added after the start of the project: Dimethylsulfamic acid (DMSA) and bu-
tachlor OA. Ten additional entries were changed from salts to neutral chemicals. Consequently,
the suspect list contained 1366 chemicals. From this, an extended suspect list was prepared
containing complete metadata entries (canonical SMILES, cleaned formulas etc.) for 1366 com-
pounds, required for the identification/suspect screening workflow. This was done by performing
automatic database searches for chemical identifiers using API’s accessing Pubchem
(https://pubchem.ncbi.nlm.nih.gov/) and CACTUS (https://cactus.nci.nih.gov/) when possible.
For unknown or incomplete entries, manual search was performed using databases like Pub-
chem, Chemspider (http://www.chemspider.com/), PPDB (http://sitem.herts.ac.uk/aeru/ppdb/),
or Google. Despite extensive search, 14 entries could not be properly identified due to insuffi-
cient information, with 10 of these lacking chemical formulas. For future suspect screenings, it
is our recommendation to stick to universal nomenclature - i.e. using IUPAC names, while in-
cluding chemical formulas (as their native compounds, i.e. no Na, K, etc.), and at least two
different chemical identifiers, either SMILES (canonical/isomeric), InChI, InChIKey, CAS, or
Pubchem ID.
Appendix 4.2
In-silico predictions by CFM-ID
Using SMILES provided/generated from the suspect list provided by Miljøstyrelsen, an in-house
spectral library was generated using CFM-ID [11] to more confidently identify compounds lack-
ing reference spectral information.
Appendix 4.3
Chemical standards and retention times for structure
confirmation
Of the 1366 suspects, 670 were obtained as chemical standards. These standards were mixed
into seven different mixtures (with as few isobaric overlaps as possible) and subsequently rec-
orded on each individual platform. Compound Discoverer 3.3 was used to as screening tool for
retention time determination. To reduce the number of false positives, a number of online spec-
tral databases - as well as in-house libraries, including the generated CFM-ID library – were
used. Using this approach, a total of 604 (90%) compounds were identified across all platforms
with 484 on LC+, 254 on LC-, 140 on IC-, and 185 on GC(+). Figure 13 shows the overlaps
across platforms.
36
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0080.png
IC-
21
LC+
10
179
3
7
73
29
101
0
GC+
64
LC-
6
3
12
14
82
Figure 13:
Venn diagram showing overlapping identified 604 compounds across platforms.
Appendix 4.4
Retention time predictions
From the gathered retention times, retention time prediction models were employed using RTI
[12] and Retip [13] to help with identification of unknown compounds. The prediction models
were not ideal for the ion and gas chromatography platforms, thus prediction values were only
utilised for the LC platforms, where a 2���� prediction error of 2.67 min was found using an
XGBoost algorithm. In contrast, a 2���� prediction of 4.26 min was obtained from the IC RT model
– beyond what could be considered acceptable.
Appendix 4.5
Compound identification using Compound Discoverer 3.3
Identified compounds were classified at levels 1, 2, or 3 according to the Schymanski scale [7].
Level 1 corresponds to the highest identification confidence (confirmed ID), where the com-
pound identity is confirmed by a reference standard with matching retention time ( 0.5 min) and
MS2 spectrum. Level 2 corresponds to the second-highest level of confidence (likely ID) where
a complete MS2 match is found in an online or local spectral database, but where no retention
time information available. Level 3 corresponding to the lowest identification confidence (possi-
ble candidate), where no MS2 matches can be found in databases. Here, in-silico fragmentation
tools such as MetFrag [14] and CFM-ID [11] are necessary in order to assign possible structural
candidates.
To identify suspects in the samples, a suspect screening workflow was run in Compound Dis-
coverer 3.3. The extended suspect list was converted to a masslist and imported into Compound
Discoverer along with the aforementioned generated CFM-ID library. Each of the eight platforms
were processed separately. For each workflow, only annotations present in the masslist were
considered. Following this, all hits were separated into three levels:
Level 1: Matching retention time ( 0.5 min) and MS2 with a spiked reference standard.
Level 2: A MS2 spectral match of >50 in either mzCloud, MoNA, Massbank EU, or in-house
MS2 entries.
Level 3: A spectral match of >30 in CFM-ID mzVault node, and no other database entry availa-
ble.
Compounds with matching MS2 spectra but incorrect or unavailable retention times were re-
jected.
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
37
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0081.png
Appendix 4.6
Peak integration
Identified features were exported to TraceFinder 5.0 for semi-automated peak integration. Inte-
gration was performed using peak area prioritised retention time based XIC integration (MS1
selection only) using the Genesis algorithm.
Appendix 4.7
Quantification by standard addition curves
Concentrations
����
of identified level 1 compounds were calculated based on a first-order linear
���� ����
,
, where the concentrations were calculated as
regression of the form
����
����
����
����
,
with
����
being the response factor of compound
����
in sample
����
and
����
,
is the first order linear
regression parameter (i.e. the slope). To account for losses during sample preparation, the re-
sponse factor
����
was replaced with the ratio between the signal response of the compound
����
and a corresponding isotopically labelled standard
����
����
����
����
,
To determine the best suitable IS candidate for each identified level 1 compound, the estimated
error
��������
of the linear fit was used
��������
,
⋅
100%
��������
x
,
Where
��������
is the relative estimated error in % for compound
����, ��������
,
is the standard error of the
slope, and
����
,
is the slope attained from linear regression.
1
,
The standard error of the slope was calculated from
��������
����
∑ ����
1
∑ ����
����
����
Where
n
is the number of observations,
����
is the observed response at point
����, ����
is the predicted
response at point
����, ����
is the predictor value at point
i,
and
����
is the mean predictor value. A
MATLAB script was written in order to automate all calculations.
To proceed with semi-quantification, only the best concentration values were chosen. These
were chosen based on having a linear fit corresponding to at least R
2
> 0.90 as well as having
the smallest difference in retention time and lowest value of estimated error. If a compound could
not be quantified using these criteria (either too low R
2
value of too high estimation errors) it was
instead semi-quantified.
Appendix 4.8
Standard addition curves
An example of standard addition curves used for quantification can be seen in Figure 14, show-
ing curves for imidacloprid versus 12 internal standards detected on the LC(+) platform for SPE
enriched samples. Notice how the best linear fit corresponds to the relation between imidacloprid
and imidacloprid-D4 with an R
2
> 0.99 and estimation error < 2 %. Figures of all curves (and at
higher resolution) for all detected level 1 compounds can be provided upon request.
38
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0082.png
Figure 14:
Standard addition curves of imidacloprid versus detected internal standards.
Appendix 4.9
Semi-quantification
A Semi-quantification tool based on the in-silico prediction of the response of the compounds in
ESI, which was provided by Quantum Analytics, Tartu, Estonia (www.quantem.co) [8], was used
to estimate and extrapolate concentrations for all identified level 2 and 3 compounds – as well
as remaining level 1 compounds - across all samples on each of the LC and IC platforms. The
concentration estimation was based on the prediction of the ionization efficiency, which requires
at least five compounds with known concentrations measured in the same analysis. Therefore,
isotope-labelled internal standards (IS) with a known concentration (which were added to blanks
and samples before analysis to evaluate method performance and for quantification) were used.
Here, selected concentrations (for level 1 compounds) from the standard addition calculations
were used as reference values together with IS for the semi-quantification tool. From these, all
remaining concentrations across all samples were extrapolated. These can be found in the final
results sheet.
For GC, only concentrations obtained from standard addition curves could be presented due to
the incompatibility of the GC platform with the semi-quantification tool.
 
Appendix 4.10
Minimum concentration levels
To prevent the reporting of noise-level signals, estimated detection limits were calculated from
the standard addition curves. These were used as thresholds for the concentrations of level 1
compounds, where predicted concentrations below the estimated detection limits were rejected.
For level 2 and 3 compounds – where detection limits were not available - predicted concentra-
tions below 10 ng/L were reported as <10 ng/L.
Estimated detection limits
����
of all identified standard compounds were calculated from peak
areas based on weighted linear regression with standard deviations linearly depending on the
net state variables (equation 29 in ISO 11843-2 [15]). Each concentration level were prepared
as matrix matched triplicates in the concentration range of 0, 10, 25, 50, 100, and 150 ng/sample
and followed an identical sample preparation procedure as the samples. All compounds were
spiked prior to the sample preparation to account for potential recovery losses.
Following the methodology described in ISO 11843-2 [15], a weighted iterative regression
method was employed to calculate the converging value of the estimated residual variance
����
at three iterations.
The non-centrality parameter
����
was approximated from Table 1 in ISO 11843-2 [15] by regres-
sion fit for a decay model (see Figure 15) of the form
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
39
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0083.png
����
����
���� ����
���� ����
yielding a prediction error of 0.8 0.5 % - better than the <5 % error provided by the
����
2����
.
����
approximation. A MATLAB script was written (and verified) to automate the detection limit cal-
culations.
Figure
15
: Regression fit of the noncentratiliy parameter using OriginLab.
Of the 484 compounds detected on the LC(+) platform, 353 could be detected at concentrations
lower than 100 ng/L using direct injection (no sample preparation), and 321 after SPE enrich-
ment. Of the 254 compounds detected on the LC(-)- platform, 135 could be detected at concen-
trations lower than 100 ng/L using direct injection, and 179 after SPE enrichment. Of the 140
compounds identified on the IC(-) platform, only 15 could be detected at levels lower than 100
ng/L when using direct injection, while 79 could be detected after SPE enrichment. No com-
pounds were identified using direct injection by the GC(+) platform, while only 6 could be de-
tected after SPE enrichment. This is shown in Figure 16.
ICDI-
8
LCDI+
0
254
0
0
0
0
96
0
GCDI+
0
LCDI-
0
0
32
186
LCSPE+
2
ICSPE-
24
0
GCSPE+
5
LCSPE-
0
0
0
0
26
4
3
0
1
99
33
20
Figure 16:
Venn diagrams displaying the overlapping compounds detectable at levels lower
than 100 ng/L (LOD < 100 ng/L) for each of the eight platforms respectively. DI denoted directly
injected samples, where no sample preparation was performed. SPE denotes samples where
SPE enrichment was performed.
40
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
Appendix 5.
Data set files
The completed data set is available in spread sheet format (.xlsx) and can be downloaded
here: Link to MST. The complete data set will also be available through Danmark Miljøportal.
The Danish Environmental Protection Agency / GRUMO Suspect Screening 2022
41
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0085.png
GRUMO Suspect Screening 2022
The Danish Environmental
Protection Agency
Tolderlundsvej 5
DK - 5000 Odense C
www.mst.dk
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0086.png
Bilag C: Evalueringen af de eksperimentelle krav (betingelser, der skal indgå i løsningen).
Henvisningerne til afsnit og appendix i tabellen refererer til den tekniske rapport (Bilag B).
Experimental requirements (conditions that must
be included in the solution)
Objectives: To carry out and complete a suspect
screening of groundwater samples by LC-HR-
MS/MS.
Scope: The suspect list provided by MST
The actual sample locations and sample collection
is carried out by Miljøstyrelsen.
Category
Sub-Category
Opfyldt (X)
X- afsnit 1
1. Objectives &
Scope
X – afsnit 2.1
2. Sample
Information &
Preparation
1. Study Design
All samples must be analysed by direct injection LC- X – afsnit 2.2
HR-MS/MS, as minimum. Samples must also be
analysed after pre-concentration, as requrired.
X - appendix 3.1
*System
suitability QC (SS-QC);
is measured to
ensure that chromatographic retention time, m/z
measurements and peak intensities are within
specification. To demonstrate that the system "fit
for purpose".
*Intrastudy
QC;
is measured to a) condition
analytical system, b) study reproducibility, c)
monitor and correct for systematic errors in
measurements (e.g. drift in m/z, chemical shift,
intensity and/or chromatographic retention time).
*Process
blank;
is measured to enable the
measurement of interfering signals
(‘contaminants’) that may arise from the ‘process’ -
e.g. from extraction solvents, plastic ware, etc. -
such that these contaminant signals can be
removed from a study during the data processing.
*
Isotope labelled internal standards
must be
included in the measurements
*Sample randomization
*Inclusion of blanks and QC samples in the
acquisition sequence
*Intrastudy QC samples must be analysed every 5
to 10 environmental samples
*5 samples must be analysed in triplicate to
document repeatability and for calculation of the
total relative standard deviation of analysis
%RSDtot
X - appendix 3.3
3. QC Spikes &
Samples
X – afsnit 2.5
X - appendix 3.2
X - appendix 3.1
Appendix 2.3, hver 6-8.
Prøve
X – afsnit 2.1
25 prøver analyseret I
triplikat – dvs total 131
prøver
2. Data Acquisition
3. Data
Processing &
Analysis
1. Analytical
Sequence
1. Data
Processing
2. Statistical &
Chemometric
Analysis
The study must as a minimum undergo multivariate X- afsnit 3.3
data analysis (PCA plot) to compare / classify
samples and evaluate possible correlations.
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0087.png
Evidence based on retention time behavior must be X –appendix 4.3, 4.4
includede in the identification process.
The compounds identified on level 1 and 2 must be X – appendix 4.8, 4.9, 4.10
quantified using a semi-quantification approach
4. Quantification
(see this work sheet cell F18 regarding level 1 and 2
definition)
1. Statistical &
Chemometric
Outputs
X – afsnit 2.4
Identifications must be reported with regard to
their confidence using the level system described
by Schymanski et al., ES&T, 2014
[https://pubs.acs.org/doi/pdf/10.1021/es5002105].
Level 1: confirmed structure of the molecule (based
on reference standard)
Level 2: a probable structure (based on library /
diagnostic evidence).
3. Annotation &
Identification
1. Data Outputs
2. Identification
& Confidence
Levels
Compounds that must be included on level 1:
N, N-dimethylsulfamide (DMS) [CAS: 3984-14-3]
Desphenyl-chloridazon [CAS: 6339-19-1]
2,6-Dichlorobenzamide (BAM) [CAS: 2008-58-4]
1, 2, 4-triazole [CAS: 288-88-0]
Desethyldesisopropyl-atrazine (DEIA) [3397-62-4]
All suspects identified with a level of confidence of
probable structure (level 2) and confirmed
structure (level 1) must be reported.
X – Appendix 5
Tabel 1 afsnit 3.2
Semi-quantitatve results must be supplied for level
3. Quantification
1 and 2 compounds together with a measure of
uncertainty and a limit of detection.
4. Raw data &
metadata
X - afsnit 2.6
X - Appendix 5
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0088.png
Bilag D.
Evalueringen af rapporteringskravene (oplysninger, der skal indgå i det endelige
produkt/rapport). Henvisningerne til afsnit og appendix i tabellen refererer til den tekniske rapport
(Bilag B).
Category
Sub-Category
Reporting requirements (information that must be Opfyldt (henvisning)
included in the final produkt/report)
*Study goals and hypotheses
*Scope of the study with respect to use of NTA /
suspect screening
*Expected and actual chemical coverage of
analytical approach/platform(s) and potential
limitations
*Container type and method for sample collection,
incl use of replicates
*Post-collection handling, transportation method,
storage temperature and duration, number of
freeze-thaw cycles
*Sample preparation; extraction/clean-up/pre-
concentration methods. Includes solvent(s),
extraction temperatures and times, and potential
storage temperature and duration, SPE-columns
etc (and related QA practices)
*Development and use of blanks
*Describe for
SS-QC;
source, composition, how it
was prepared and stored; performance achieved
relative to acceptance criteria to indicate
instrumentation is fit for purpose
*Describe for the
intrastudy QC;
source,
composition, how it was prepared and stored;
measure of study analytical precision (study
reproducibility).
*Describe start and end points of the ‘process’
used to prepare the
process blank;
whether peaks
are removed from study dataset and threshold
settings for their removal
*Specify and justify the choice of
internal
standard(s)
and their composition and
concentration
*Specify acquisition order of all QC samples, blanks
and study samples
*Describe QA/QC procedures used during analysis
of study samples.
Afsnit 1
1. Objectives &
Scope
Afsnit 2.2
Afsnit 2.2
2. Sample
Information &
Preparation
Appendix 2.1
1. Study Design
Afsnit 2.5
Appendix 3.1
Appedix 2.3
3. QC Spikes &
Samples
Afsnit 2.4 og 2.5,
appendix 2.7
Appendix 3.2, 4.8, 4.9
Appendix 3.1.
Appendix 2.3, hver 6-8.
Prøve
2. Data
Acquisition
1. Analytical
Sequence
Miljøstyrelsen • Tolderlundsvej 5 • 5000 Odense C
Tlf. 72 54 40 00 • CVR 25798376 • EAN 5798000860810 • [email protected] • www.mst.dk
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0089.png
*LC instrument specifications; manufacturer,
model number, software package(s) and version
number(s); LC column and pre/guard column
manufacturer, model number/name, stationary
phase composition and particle size, internal
2.
diameter, and length; injection vials and plates
Chromatography
manufacturer and model number
*LC method settings; mobile phase compositions,
mobile phase flow rate, composition of the wash
solvent, column temperature and pressure,
gradient profile, and amount of sample injected
*MS manufacturer, model number, software
package and version number; ionization source
(ESI, APCI, APPI, etc.), source voltage, source
temperature and gas flows; type of mass analyser
(Orbitrap, time-of-flight, FT-ICR, ion-trap, etc.).
3. Mass
Spectrometry
*QA/QC procedures used for LC-MS instrument set
up, calibration and tuning
*Acquisition mode (full scan, MSn, etc.); polarity
(positive or negative ion analysis); m/z scan range;
mass resolution; lock spray (optional).
*File conversion information (e.g., to open-source
format, centroiding); software and algorithm
*Software program(s) used; source, version and
parameters
*Data pre-processing; specify if baseline
corrections or noise reduction or smoothing is
applied, software, algorithm and parameters must
be described.
*Data processing steps must be described incl.
retention time alignment/calibration,
grouping/matching, peak picking and integration
*Feature detection thresholds (e.g., replicate
detection criteria; min height, area, or S/N levels;
comparison to occurrence/abundance in blanks)
Regarding correction/normalization/filtering
methods:
*Area/hight normalisation algorithm and
parameters
*Method for removing sparsely detected variables,
including threshold
*Method for process blank feature removal
*Any other filtering applied, e.i. for repeatability,
linearity
*Specify if any sample is removed from dataset due
to analytical or data analytical aspects; e.g missing
or reduced signal of IS or other QC parameter.
Describe method for removal of samples, including
threshold, if used.
Appendix 2.4, 2.5, 2.6
Appendix 2.4, 2.5, 2.6
Appendix 2.4, 2.5, 2.6
Appendix 3.1
Appendix 2.4, 2.5, 2.6
Afsnit 2.4 og Appendix 2.7
3. Data Processing & Analysis
1. Data
Processing
2
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0090.png
*Software programs(s)/package(s) used &
samples/sample groups to which analyses were
applied
*Basic statistical analysis method goals (e.g.,
summarize data, evaluate variability, hypothesis
2. Statistical &
testing), type (e.g., Wilcoxon rank sum test, Chi-
Chemometric
square test), assumptions, and settings/thresholds
Analysis
*Chemometric analysis method goals (e.g.,
prioritize features, compare/classify samples,
evaluate relationships between features), type
(e.g., differential analysis, hierarchical clustering,
dimensionality reduction), assumptions, and
settings/thresholds
*Software program(s) used (or description of
manual annotation/identification efforts)
*Libraries and databases used (including details
such as chemical coverage, resolution, metadata
inclusion; information about in-house databases)
3. Annotation &
*Workflow steps (e.g., formula assignment, suspect
Identification
screening, MS/MS spectral interpretation or library
matching)
*Workflow methods & settings (formula prediction
method, scoring algorithms; mass error/RT
tolerances, accepted match scores)
*Software program(s) used
*Method used for quantification
4. Quantification
*Specify how Limit of Detection is
calculated/defined
*Basic statistical outputs (e.g., adj. p-values,
standard deviations, test statistics)
*Results of chemometric analyses (e.g., reported
classifications/groupings of features or samples,
1. Statistical &
observed trends in the data)
Chemometric
*Visuals/plots (e.g., Venn diagrams, heatmaps,
Outputs
clustering dendrograms, volcano plots, network
diagrams, PCA and loading plots)
*Optionally; new statistical metrics, algorithms,
packages, and/or scripts
*Report identifications and associated confidence
levels for level 1 and 2 structures as defined by
Schymanski et al.,
ES&T,
2014
[https://pubs.acs.org/doi/pdf/10.1021/es5002105].
*Supporting data for annotation/identification
2. Identification
(formula match scores, fine isotope pattern,
& Confidence
retention time match, MS/MS match scores, source
Levels
of MS/MS spectra)
*For features with lower confidence IDs than level
1 (i.e., not standard-confirmed), proposed tentative
structures and other annotated data
*Evidence based on retention behavior (e.g. use of
retention index, log P vs. retentiontime).
Afsnit 9.5.1 – PCA I
GraphPad Prism
Appendix 4.5
Appendix 4.6-4.10
Nej, vil kræve
sammenligning af 2 eller
flere grupper
Venn og PCA (afsnit 3.3)
1. Data Outputs
Tabel 1 og Appendix 5
Kommer i DMP database.
MS/MS match scores kan
ses i excelarket
3
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0091.png
2. QA/QC Metrics
*Semi-quantitative results for level 1 and 2
compounds
3. Quantification
*Measure of uncertainty
*Measure of Limit og Detection
At the end of the study all raw data, together with
all needed metadata, has to be uploaded into a
4. Raw data &
storage platform/online repository developed by
metadata
Danmarks Miljøportal for the Gandalf/Vandalf
projekts. The extend of necessary metadata will be
decided in dialog with Miljøstyrelsen.
*Quality: Adherence to QA/QC protocols for
sample preparation and data acquisition
*Give a description of the potential impacts of
1. Data
methods (sample prep, chromatographic, MS) on
Acquisition
observable chemical space
QA/QC
*Accuracy: Report chromatographic and mass
accuracy
*Precision: Report variability of observed retention
time, precursor mass error, and abundance
*Describe the results of the QC checks along the
data processing workflow and show the impact of
the data processing on the QC.
*Describe/show the impact of data processing &
analysis method(s) on the observed chemical
space, observed limits of detection/ID
*Documentation of the performance measures
(True Positive Rate, False Positive Rate, etc.) for
known compounds or samples with known
classification
*Precision: Reproducibility/repeatability of
performance measures for known compounds or
samples with known classification; Calculations
such as False Discovery Rate, F1 score, etc.
*Report the total relative standard deviation of
analysis (%RSDtot) from the triplicate
measurement of the 5 samples
Tabel 1
Bilag B, Kol. BK
Bilag B, Kol. F-M, BH
Afventer DMP
(Appendix 5)
Appendix 3
Figur 15
X – appendix 3.3
2. Data
Processing &
Analysis QA/QC
MST følger op
Afsnit 3.3
Afsnit 3.3 (Fig 5)
4
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0092.png
Bilag 2 – Suspect screeningsliste 2022 for nye stoffer på identifikationsniveau 1-3
Nye Stoffer, i forbindelse med GRUMO, der er undersøgt på niveau 1, 2 og 3 i suspect screeningen. Stofnavne
er opgivet, som de er anført på screeningslisten og CAS nr. og detektionsgrænsen (LOD) fremgår, hvis disse
findes for de enkelte stoffer. Det er også oplyst, om der er gjort fund af stoffet i suspect screeningen.
I selve notatet præsenteres kun nye niveau 1 stoffer med fund. Nye stoffer analyseret på niveau 2 og 3
betragtes som input til Miljøstyrelsens videre arbejde med prioritering af, hvilke stoffer, der kan være
relevante at monitere for i dansk grund- og drikkevand. Dette skyldes, at identiteten af stofferne på niveau 2
og 3 ikke er 100 % fastlagt. For at opnå bekræftelse af identiteten, er der behov for specifikke interne
standarder for stofferne, som ikke har været til rådighed. Godt nok er stofferne på niveau 2 identificeret med
stor sikkerhed, men fund af niveau 2 (og 3) stoffer kan kun kvantificeres med en meget stor usikkerhed, når
der ikke indgår specifikke standarder for stofferne. Med denne usikkerhed på kvantificeringen vil
fundprocenter og evt. overskridelser af kravværdien for pesticider ikke være retvisende.
Limit Of Detection (LOD) = afrapporterede detektionsgrænse.
Niveau
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
Stofnavn
ifølge screeninglisten (pr. 29-09-2022)
Glutaric acid
Oxamic acid
Succinic acid
2,6-dimethylacetanilide
(2S,4S-2R,4R)-2-(2,4-dichlorophenyl)-2-(1H-1,2,4-triazol-1-ylmethyl)-
1,3-dioxolane-4-carboxylic acid
Alloxydim
3-phenoxybenzaldehyde
Phthalamic acid
3-ethyl-4-(methoxyamino)-2,5-dioxoimidazolidine-4-carboxamide
Pelargonsyre
1-naphthyleddikesyre
2-hydroxy-1,4-naphtoquinone
2-dimethylamino-5,6-dimethylpyrimidin-4-ol
3-phenoxybenzoic acid
Methyl 2-(aminosulfonyl)benzoate
4-cyclopropyl-6-methyl-pyrimidine-2-ylamine
Fenpropimorph carboxylic acid
N-((8-tert-butyl-1,4-dioxaspiro(4.5)dec-2-
yl)methyl)methyl]ethanamine
3-aminophenol
O-phthalic acid
1-(4,6-dimethoxy-2-pyrimidinyl)-3-hydroxyurea
3-ethyl-4-(methoxyamino)-2,5-dioxoimidazolidine-4-carbonitrile
4-(2-(1-ethoxyimino)propyl)-3-hydroxy-2-cyclohexene-1-one-5-yl)-3-
5-dimethyl benzoic acid
2-{(carboxyacetyl)[(2R)-1-methoxy-1-oxo-2-propanyl]amino}-3-
methylbenzoic acid
Cycloxydim sulfoxide
119759-56-7
644972-55-4
CAS nr.
110-94-1
471-47-6
110-15-6
2198-53-0
119725-91-6
55634-91-8
39515-51-0
88-97-1
644972-61-2
112-05-0
86-87-3
83-72-7
40778-16-3
3739-38-6
57683-71-3
92238-61-4
121098-45-1
148174-97-4
591-27-5
88-99-3
LOD (µg/L)
1,5
2,2
0,846
0,004
0,009
0,000024
0,016
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
Fund
Ja
Ja
Ja
Ja
Ja
Ja
Nej
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Nej
Nej
Nej
Nej
Nej
Ja
Ja
Ja
Ja
Ja
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0093.png
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3-cyclohexyl-6,7-dihydroxy-7-1H-cyclopentapyrimidine-
2,4,5(3H)trione
3-cyclohexyl-6,7-dihydro-7-1H-cyclopentapyrimidine-2,4,5-(3H)trione
N-(3-(1-hydroxy-1-methyl-propyl)-5-isoxazolyl)-
2,6,dimethoxybenzamide
5-hydroxy-5-p-tolyl-2,4-imidazolidinedion
2-butanimidoyl-3-hydroxy-5-(1-oxidotetrahydro-2H-thiopyran-3-
yl)cyclohex-2-en-1-one
(RS)2-phenylcarbamoyl-propionic acid
Cycloxydim sulfone
3-(4-hydroxycyclohexyl)-6-(methylamino)-1-methyl-1,3,5-triazine-
2,4(1H,3H)-dione
3-(4-hydroxycyclohexyl)-6-(dimethylamino)-1-methyl-1,3,5-triazine-
2,4(1H,3H)dione
N-(phenylacteyl)-N-(2,6-xylyl)-D-alanine
4-(allylcarbamoyl)-3-methyl-5-(trimethylsilyl)thiophene-2-carboxylic
acid
3-((2,6-dimethylphenyl)(1-methoxy-1-oxopropan-2-yl)amino)-3-
oxopropanoic acid
Phenylmethoxy methanol
Methoxyphenol
3-hydroxy-2-propionyl-5-(2,4,6-trimethylphenyl)cyclohex-2-enone
Clethodim oxazole sulfone
Sulfosulfuron sulfone
N-(3-hydroxy-2,6-dimethylphenyl)-N-(methoxyacetyl)-L-alanine
N-carboxymethyl-N-(2,6-dimethyl-phenyl)oxalamic acid
3-cyclohexyl-6-(methylamino)-1-methyl-1,3,5-triazine-2,4-(1H,3H)-
dione
3-(2,4,6-trimethylphenyl)pentanedioic acid
N-(2,6-Dimethyl-phenyl)-2-methoxy-acetamide
S-abscisinsyre
4-amino-6-(1,1-dimethylethyl)-1,2,4-triazine-5(4H)-one
4-methyl-6-(1,1-dimethylethyl)-1,2,4-triazine-3,5(2H,4H)-dione
6-ethoxy-2-ethyl-4-hydroxypyrimidine
Methyl N-(formyl)-N-(2,6-xylyl)-D-alaninate
Kaliumoleat
2-methyl-2-(4-(2-methyl-3-piperidin-1-yl-propyl)-phenyl)-propionic
acid
N-(1-methylethyl)-N-phenylacetamide
4-hydroxy-5,5-dimethyl-4-(1H-1,2,4-triazol-1-ylmethyl)hexanoic acid
N-(3-(1-ethyl-1-methyl-2-oxypropyl)isoxazol-5-yl)-2,6-
dimethoxybenzamide
2-ethyl-6-(tetrahydropyran-4-yl)-4,5,6,7-tetrahydrobenzoxasol-4-one
t-norchloroacetochlor
5-tert-butyl-5-(1H-1,2,4-triazol-1-ylmethyl)dihydrofuran-2(3H)-one
1270965-07-
5
127842-34-6
-
-
-
-
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Ja
Nej
Nej
Nej
Nej
Nej
Nej
Nej
Nej
Nej
Nej
119725-76-7
-
-
119725-79-0
-
-
-
1788032-62-
1
-
-
108425-74-7
14548-60-8
26638-03-9
88311-80-2
111031-21-1
-
-
-
-
-
-
-
-
-
-
53823-88-4
21293-29-8
-
-
-
-
38249-44-4
221278-23-5
143-18-0
2137783-49-
2
5461-51-8
763102-05-2
1956385-16-
2
162102-65-0
763102-04-1
-
-
-
-
-
-
-
-
-
-
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0094.png
3
3
3-hydroxy-2-(1-iminopropyl)-5-(2,4,6-trimethylphenyl)cyclohex-2-
enone
Acetochlor M68
-
-
Nej
Nej
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0095.png
Bilag 3: Kriterier for udvælgelse af massescreeningsindtag 2022
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0096.png
NOTAT
Nordjylland
J.nr. 2021 - 55574
Ref. LIVOG/LIMOE/LITAR
Den 15. juni 2022
Kriterier for udvælgelse af massescreeningsindtag 2022
Miljøstyrelsen (MST) skal i 2022 gennemføre massescreening for pesticidstoffer i grundvandet,
ligesom der i 2019, 2020 og 2021 blev gennemført massescreening. Nærværende notat beskriver
kriterierne for udvælgelsen af indtag til massescreening 2022, sammenholdt med de tilsvarende
udvælgelser i 2019 til 2021.
Formål med massescreening
Formålet med massescreeningen er, som skrevet i Tillægsaftalen til Aftale om Pesticidstrategi 2017-
2021, at følge Vandpanelets anbefalinger om ”at
der, i forhold til i dag, screenes for væsentligt flere
pesticider i grundvandsovervågningen fremover”.
Formålet med massescreening er således at
undersøge, om der findes hidtil ikke erkendte pesticidstoffer i grundvandet, dvs. stoffer der som
hovedregel ikke tidligere er blevet analyseret for i grundvandsovervågningen (GRUMO).
Resultaterne fra massescreeningen undergår efterfølgende en nærmere vurdering. Evt. fund af et stof
kan give anledning til at stoffet tilføjes drikkevandsbekendtgørelsens bilag 2 og/eller tilføjes GRUMO’s
stofliste eller indgår i det følgende års screeningsprogram.
Vilkår for udvælgelse af indtag til massescreening
Grundlæggende udvælges indtag til massescreening hvert år blandt de indtag, der det pågældende år
er programsat til prøvetagning for pesticider. 2019 og 2021 var år med ”fuldt
program”/kontrolovervågning, dvs. alle aktive GRUMO-indtag blev prøvetaget til analyse for
pesticider og hovedbestanddele, mens 2020 var og 2022 vil være år med operationel overvågning og
dermed prøvetagning af et mindre antal indtag. Alle år udvælges 250 indtag til prøvetagning til
massescreening. Dette antal udgør omtrent ¼ af det samlede stationsnet og vurderes som et godt
grundlag for opfølgning på evt. screeningsfund.
Screeningslistens (stoffer, der screenes for det pågældende år) sammensætning afhænger bl.a. af
hvilke stoffer, det er muligt for laboratoriet at analysere for. Af praktiske og økonomiske hensyn er det
nødvendigt at udpege indtag til massescreening fra årets start, således at disse indtag afventer
prøvetagning til årets udbud af stofanalyser til massescreening er gennemført. Den endelige
screeningsliste kendes derfor ikke på tidspunktet for valg af indtag. Derudover kan det nævnes, at en
eventuel geografiske fordeling af pesticiders tidligere anvendelse er ukendt. Tilsammen betyder dette,
at der ikke er grundlag for at målrette prøvetagningen til bestemte geografiske dele af Danmark.
I områder med mange indtag (typisk de gamle GRUMO-områder), tages der højde for, hvilke
grundvandsforekomster indtagene er placeret i. Således kan der være flere indtag indenfor et mindre
område, såfremt de ikke er placeret i samme grundvandsforekomst.
Miljøstyrelsen • Niels Bohrs Vej 30 • 9220 Aalborg Øst
Tlf. 72 54 40 00 • CVR 25798376 • EAN 5798000872080 • [email protected] • www.mst.dk
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0097.png
Enkelte indtag kan af praktiske årsager ikke prøvetages til massescreening, da ydelsen er for lille til
udtagning af de ekstra vandprøver.
Valg af indtag
Der er tale om en screening og derfor tilstræbes det, at fravælge indtag med mindst sandsynlighed for
fund af pesticider.
Valg af indtag 2019-2021
I årene 2019, 2020 og 2021 blev indtag med vandtyperne A, B og C1 prioriteret til massescreening, og
indtag dybere end 50 meter under terræn (m.u.t.) blev fravalgt (enkelte undtagelser i 2020, se tidligere
notat). Endvidere blev det som beskrevet ovenfor, tilstræbt at indtagene geografisk var fordelt over
hele landet. Hvorvidt der tidligere var gjort fund af pesticidstoffer i det enkelte indtag blev ikke tillagt
betydning ved udvælgelsen i hverken 2019 eller 2020; dog blev i 2020 tilføjet enkelte indtag med fund
ved massescreening 2019. Samlet var 131 indtag gengangere fra 2019, mens 119 indtag var nye i
forhold til massescreening. I 2021 var 125 indtag gengangere fra 2019 og/eller 2020.
Valg af indtag 2022
I 2022 udvælges igen 250 GRUMO-indtag til massescreeningen af pesticidstoffer. Som nævnt ovenfor
er 2022 et år med operationel overvågning.
Kriterier for udvælgelsen af indtag til massescreening 2022
1) Overlap mellem år
Det tilstræbes at ca. 125 af de 250 indtag tilhører en gennemgående ”fast kerne” af indtag, der
har været prøvetaget til massescreening 2 eller 3 gange tidligere. Herved er der mulighed for
en mere konsistent vurdering af den forholdsvise forekomst af ”nye” stoffer.
2) Geografisk fordeling
Indtagene søges fordelt over hele landet. Som beskrevet ovenfor er der ikke baggrund for at
målrette screeningen til bestemte områder eller dele af landet.
3) Vandtyper
Indtagene til massescreening vælges blandt indtag med vandtype A, B, C1, C2 eller X.
Vandtype A: oxideret (iltzonen), indeholder ilt og er den mest oxiderede vandtype. Findes
typisk i øvre grundvandsmagasiner, med ungt grundvand, der er påvirket af forholdene på
jordoverfladen. Grundvandet er sårbart over for nitrat og andre forureninger.
Vandtype B: anoxisk nitratreducerende (nitratzonen), indeholder ikke ilt, men nitrat, der er
den iltede forbindelse af kvælstof. Grundvandet er ofte ungt og sårbart over for forurening.
Vandtype C2: svagt reduceret (jern- og sulfatzonen), indeholder ikke nitrat, men har et højt
indhold af sulfat (≥ 70 mg/l), og er næste trin efter vandtype B i vandets redoxkemiske
udvikling. Findes ofte i dybere grundvandsmagasiner og er mindre sårbar over for forurening
end vandtype A og B. Grundet en misforståelse har kun et mindre antal (13) indtag med
vandtype C2 indgået i massescreening 2019-2020.
2
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0098.png
Vandtype C1: svagt reduceret (jern- og sulfatzonen), indeholder ikke nitrat, og har et
middelhøjt indhold af sulfat
(≥ 20
mg/l og < 70 mg/l), og er næste trin efter vandtype C2 i
vandets redoxkemiske udvikling. Findes ofte i dybere grundvandsmagasiner og er mindre
sårbare over for forurening. Erfaringerne fra 2019 viser dog fund i 12 indtag med vandtype C1,
hvorfor vandtypen fortsat inkluderes i udvælgelsen.
Vandtype X:
angiver redoxmodsætning, da der både er påvist nitrat > 1 mg/l og jern ≥ 0,2
mg/l. Vandtypen er tegn på blandingsvand i indtag, når et indtag ligger hen over
redoxgrænsen. Vandtype kan muligvis også eksistere tæt omkring redoxgrænsen, hvis
reaktionshastigheden for nitratreduktion er meget langsom.
Generelt for alle vandtyperne gælder, at vandtypen i nogle tilfælde kan variere mellem de
forskellige prøvetagninger i det enkelte indtag.
4) Indtagsdybde
Udvalgte indtag er på maksimalt 50 m.u.t. (top af indtag), da der sjældent findes pesticider i
indtag, der er dybere end 50 m.u.t (jf. figur 37 i seneste grundvandsrapport
1
).
Hvis behov for flere indtag, så kan dybere indtag med nitrat medtages.
5) Grundvandets alder
Ikke alle indtag er aldersdateret. Grundvandets alder indgår ikke som direkte kriterie, men
anføres ved afrapporteringen i det omfang alderen kendes.
Kriterie 4 og 5 indgår som supplerende i det omfang, der er flere mulige indtag, der opfylder kriterie 1,
2 og 3, at vælge imellem.
1
GEUS (2021): Grundvandsovervågning, Status og udvikling 1989 – 2019
3
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0099.png
Suspect screening 2022
I 2022 er det blevet besluttet at lave suspect screening, som en del af massescreeningen. Suspect
screeningen laves på 50 indtag + evt. op til 50 yderligere afhængigt af, hvor mange ekstra prøver
leverandøren kan nå at behandle. Således skal i alt 100 indtag reserveres til suspect screening. De 100
indtag er udvalgt blandt de 250 indtag, der i forvejen er udvalgt til massescreeningen 2022.
Kriterier for udvælgelsen af indtag til suspect screening 2022
Ved udvælgelsen er der lagt vægt på sandsynlighed for fund af kendte pesticidstoffer, dvs. stoffer der
indgår i den almindelige pesticidanalyse og dermed kan tænkes anvendt ved vurderingen af
resultaterne fra suspect screeningen. Der er ikke taget hensyn til geografisk fordeling ved udvælgelsen.
1) Fund af 5 pesticidstoffer
Nedenstående 5 pesticidstoffer er de hyppigst fundne stoffer i GRUMO. I 71 indtag af de 250
er fundet 2-5 af stofferne ved prøvetagningen i 2021. Hvor der alene er fundet ét af stofferne i
2021 er der set på fund i perioden 2016-2020, for evt. tidligere fund af flere af stofferne i
samme år. 21 indtag er valgt med baggrund i tidligere fund af flere stoffer. De nyeste fund er
vægtet højest.
Stofnavn
N, N-dimethylsulfamide (DMS)
Desphenyl-chloridazon
2,6-Dichlorobenzamide (BAM)
1, 2, 4-triazole
Desethyldesisopropyl-atrazine (DEIA)
* screening i 2018
** screening i 2017
Stancode
4743
4696
2712
3670
421
CAS nummer
3984-14-3
6339-19-1
2008-58-4
288-88-0
3397-62-4
Indgået i GRUMO siden
2019*
2018**
1998
2018**
1998
2) Koncentration
For indtag, hvor der i 2021 kun er fundet ét af de 5 pesticidstoffer, er der set på den fundne
koncentration, og indtag med fund over kravværdien af det pågældende stof er udvalgt.
For de indtag, hvor der er fundet mere end et af de 5 pesticidstoffer, enten i 2021 eller i
perioden, har koncentrationen ikke været anvendt i udvælgelsen.
Praktiske forhold omkring prøvetagning kan betyde, at der ændres en smule i, hvilke indtag der
prøvetages.
4
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0100.png
Bilag 4 - Oversigt over prøvetagede indtag i suspect screening 2022
Grundvandsovervågning (GRUMO)
Indtag
Top filter (m.u.t.)
Bund filter (m.u.t.)
3
1
2
2
1
1
1
1
1
3
1
2
2
1
1
1
1
1
1
2
1
1
1
1
3
2
3
1
1
3
1
1
4
1
1
1
2
1
1
5
1
1
1
1
13
18
18
21
37,5
12
38
14
21
19
22,5
20,4
17,5
12
7
8
17,5
41,5
16
23
13,5
28
5
4,5
27,5
30
26
13
12,5
10
6,5
38,4
14,5
45,4
19,4
8,9
33,65
6,5
18
7
21,5
11
23,5
11,5
19
20
20
23
39
13
50
26
33
21
23,5
22,4
19,5
14
8
10
28,8
42,5
17
26
14,5
29
6
5,5
28,5
31
26,5
14
14,5
10,5
7,5
39,4
15,12
46,4
20,2
9,6
34,65
7,5
18,5
7,5
22
11,5
24
12
DGU
15. 693
16. 1286
24. 850
30. 935
30. 937
33. 1295
34. 1646
34. 1651
34. 1706
34. 1915
34. 3896
37. 1038
37. 1039
37. 1331
38. 890
39. 1040
40. 553
40. 1774
40. 1781
46. 814
47. 1298
53. 880
65. 1514
65. 1520
67. 1209
71. 757
71. 765
71. 775
79. 772
79. 777
84. 2772
87. 1038
96. 1974
96. 2127
100. 84
105. 1396
105. 1706
106. 1536
114. 1442
114. 1618
121. 954
121. 959
123. 873
131. 1055
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0101.png
DGU
131. 1977
133. 1383
135. 1103
135. 1140
136. 1153
136. 1158
136. 1816
141. 929
145. 2085
145. 2840
146. 2063
146. 2552
147. 1103
147. 1105
159. 1250
164. 931
164. 1253
164. 1492
166. 786
190. 274
190. 274
198. 685
198. 694
200. 3703
200. 5197
204. 546
206. 1609
206. 1684
207. 3003
212. 1052
213. 617
219. 198
227. 250
230. 235
232. 643
238. 626
247. 391
Grundvandsovervågning (GRUMO)
Indtag
Top filter (m.u.t.)
Bund filter (m.u.t.)
1
1
3
5
1
1
1
1
1
1
1
1
1
1
1
2
2
1
1
2
3
1
1
2
1
2
3
1
1
1
1
1
2
1
1
1
3
7,5
6,1
20,2
12,5
9,5
14
11
49,5
18,12
47
45
13
15
13
1,9
36,8
26
22
7
24
17
12,5
4
48
8,3
14
31,53
8,2
9,6
15
10,7
12,5
12
11,4
11
13,6
4
8
7,1
20,7
13,5
10,5
15
12
50,5
18,62
49
45,5
14
16
14
2,9
37,3
29
23
8
25
19
13,5
5
50
10,3
16
32,53
9,2
11,6
15,7
11,7
13,5
13
12,4
12
14,6
31
 MOF, Alm.del - 2023-24 - Bilag 135: Orientering om fagligt notat om resultater fra suspect screening for pesticider i grundvandet GRUMO 2022
2784663_0102.png
Bilag 5 – Hjælpetabel med oversigt over stoffer fundet i suspect screening 2022 ift.
navne/stof-ID i hhv. notatet og screeninglisten.
I notatet er andre, kortere betegnelser for stofferne (f.eks. firmakoder) for flere stoffer anvendt frem for
de længere StanCode-navne. Dette er valgt for at lette læsningen.
Limit of Detection (LOD) = afrapporterede detektionsgrænse.
Stofnavn i fagligt notat
om resultater af suspect
screening for
pesticidstoffer i
grundvand 2022
Glutarsyre
Oxaminsyre
Ravsyre
CGA 42447
SYN 547889
Stan
code
CAS nr.
LOD (µg/L)
Stofnavn ifølge screeninglisten (pr.
29-09-2022)
110-94-1
471-47-6
110-15-6
2198-53-0
119725-91-6
1,5
2,2
0,846
0,004
0,009
Glutaric acid
Oxamic acid
Succinic acid
2,6-dimethylacetanilide
(2S,4S-2R,4R)-2-(2,4-
dichlorophenyl)-2-(1H-1,2,4-
triazol-1-ylmethyl)-1,3-dioxolane-
4-carboxylic acid
Alloxydim
Alloxydim
55634-91-8
0,000024