Introduction to Data Quality ObjectivesJESSICA  URAMKINTEXAS  COMMISS ION ON ENVIRONMENTAL  QUAL ITY

JESS ICA .URAMKIN@TCEQ.TEXAS .GOV(512 )  239 ‐6685

Adapted from a presentation by Tina Hendon

What is the DQO Process?A systematic planning process for generating environmental data sufficient for an intended use.

What is the DQO Process?In other words… planning for efficiently generating appropriate data.• Balance resources with needs.• Avoid Scope‐Creep

You may be a Scope‐Creeper if you’ve ever said:“As long as we’re out there…”

“Wouldn’t it be nice to know…”

“It wouldn’t cost that much more to…”

Why do we need the DQO Process?• Fully evaluate options• Sets expectations: effort, costs, outcomes

• All collected data have error• Nobody can afford absolute certainty• Defines tolerable error rates and decision risks

Steps in the DQO Process1. State the Problem

2. Identify Goals/Decisions

3. Identify Information Inputs

4. Define Boundaries

5. Develop Analytical Approach

6. Specify Performance/Acceptance Criteria

7. Develop Monitoring Plan

1. State the Problem• What is the problem that motivates the study?• Who will be on your planning team?• What resources are available?

2. Identify Goals/Decisions

Does the BMP lower pollutant concentrations?

What are the study questions to be answered?

Do concentrations exceed criteria?When? Where? Under what conditions?

3. Identify InputsWhat data and information are needed to answer the study questions?

Identify and Evaluate:• Types and potential sources• Availability of appropriate methods• Data Gaps

4. Define Study Boundaries• Target population• Types of samples• Spatial and temporal boundaries

• Practical constraints• Scale of decisions

5. Develop Analytical ApproachWhat are the analytical parameters to be used?What is the logic for drawing conclusions from these parameters?

Long‐term TrendsAnnual Averages                   

BMP EffectivenessMedian Concentration

6. Specify Acceptance CriteriaFor Estimation Projects:• Performance Metrics• Acceptable Levels of Uncertainty

For Decision Projects:• Probability Limits for Decision Errors

7. Develop Monitoring PlanCompile information from Steps 1 ‐6 to determine:• Sample Types and Station Locations• Frequency and Duration• Field and Lab Methods• Quality Assurance

Develop QAPP

Data Quality Indicators (DQIs)

• Bias• Precision• Sensitivity  

• Representativeness• Comparability• Completeness

Measures of principal quality attributes

Bias and PrecisionBias is systematic or persistent distortion of a measurement process that causes error in one direction.

Precision is random error, not in the same direction or of the same magnitude.

Bias and Precision

SensitivityCapability of measuring constituent accurately at low levels• Limit of Quantitation (LOQ)

RepresentativenessThe degree to which data characterize a population.• Sampling site, Watershed, Segment/AU• Storm event, Season

ComparabilityConfidence that one data set can be compared to another and that data sets can be combined for analysis.Determine comparability by evaluating sample collection and handling methods and sample preparation and analytical procedures.

CompletenessMeasure of the amount of valid data obtained, as a percentage of those that were planned• Consider scale and target populations• Evaluate where missing samples occurred

ResourcesTCEQ Quality Assurance:

https://www.tceq.texas.gov/field/qa

TSSWCB Environmental Data Quality Management:

https://www.tsswcb.texas.gov/quality

TCEQ Nonpoint Source Quality Assurance:

https://www.tceq.texas.gov/waterquality/nonpoint‐source/grants/nps‐qapp

EPA Quality Assurance Documents:

https://www.epa.gov/quality/agency‐wide‐quality‐system‐documents

EPA Guidance on Systematic Planning using the Data Quality Objectives Process QA‐G4:

https://www.epa.gov/fedfac/guidance‐systematic‐planning‐using‐data‐quality‐objectives‐process

Jessica UramkinTCEQ Nonpoint Source Project Manager(512) 239‐6685Jessica.Uramkin@tceq.texas.gov