Search

یون سولفید2 S-نشات گرفته از Na2S باقی مانده در مایع پخت سیاه منشا تولید گاز H2S در چرخه بازیابی مایع پخت سیاه در صنعت خمیرکاغذسازی کرافت است. در این پژوهش سعی شد با حذف یون مذکوراز این مایع با استفاده از جاذب‌های تهیه شده (Cu-PAC و Cu-BWP100) از تولید H2S جلوگیری شود. جاذب‌ها از غوطه ور نمودن کربن فعال پودری (PAC) و پودر چوب راش با مش 100 (BWP100) در محلول M1/0 از CuCl2 تولید شدند. ویژگی‌های جاذب‌ها در قبل و بعد از بارگذاری یون مس به‌وسیله آنالیزهای FTIR و BET و SEM- FEI تعیین شد. در نهایت کارایی این جاذب‌ها در حذف یون S-2 از مایع پخت سیاه با سه سطح سولفیدیته (22% و 20%، 18%) مورد بررسی قرار گرفت. نتایج حاصله از آنالیزهای FTIR و BET و SEM- FEI نشان‌دادند یون Cu+2 بدون آن‌که هیچ‌گونه تغییری در ساختار جاذب‌ها به وجود آورد، بر روی سطوح مواد آلی اولیه قرارگرفته‌اند. داده‌های آزمایشی مربوط به جاذب Cu-PAC نشان دادند که مطابقت بیشتری با معادله فرندلیچ و تبعیت بیشتری با معادله شبه درجه دوم داشت درحالیکه در مورد جاذب Cu-BWP100 این تطابق با معادله لانگمویر و تبعیت از معادله شبه درجه اول بود. جاذب Cu-PAC قابلیت حذف 93/79% و Cu-BWP10003/60% از یونS-2 را از مایع پخت سیاه دارد. جاذب Cu-PAC با داشتن سطح ویژه بیشتر توانایی بالاتری در حذف یون S-2 از مایع پخت سیاه نسبت به جاذب Cu-BWP100 دارد. در کل جاذب‌های نام برده شده با حذف یون S-2 توانایی بالایی در کاهش تولید H2S خواهند داشت.

زمینه و هدف: فلزات سنگین از آلاینده­هایی هستند که در اکوسیستم­های آبی مشکلات بسیاری را برای آبزیان و در نهایت برای انسان­ها ایجاد می­کنند. مطالعه حاضر با هدف تعیین میزان فلزات سنگین نیکل، سرب، کادمیوم و روی و ارزیابی خطر در عضله ماهیان شوریده، حلوا سیاه، شیر و کوتر دریای عمان در منطقه چابهارانجام شد. مواد و روش­ ها: 96 نمونه ماهی از صیدگاه بندر چابهار از دو منطقه ساحلی و دریایی در فصل بهار تهیه شد. جهت استخراج فلزات از بافت­های مورد مطالعه، از روش هضم مرطوب استفاده شد و تعیین غلظت فلزات سنگین به وسیله دستگاه جذب اتمی Younglin AAS8020 صورت گرفت. تجزیه و تحلیل داده‌ها با استفاده از نرم‌افزار آماری SPSS (نسخه 17) و آزمون‌های ANOVA و Duncan test انجام شد. یافته ­ها: بر اساس نتایج مطالعه، بالاترین و پایین­ ترین میزان کادمیوم به ترتیب در ماهی کوتر و شوریده بود. میزان سرب در ماهی کوتر پایین ­ترین میزان را داشت. بالاترین و پایین­ ترین میزان نیکل و روی نیز در ماهی کوتر و شیر به‌دست آمد. بالاترین میزان فلزات کادمیوم، نیکل و روی جذب شده در ماهی کوتر در کودکان بود. نتیجه‌گیری: میزان فلز کادمیوم، سرب و روی در مقایسه با آستانه استانداردهای جهانی سازمان غذا و کشاورزی، سازمان بهداشت جهانی، وزارت کشاورزی - شیلات انگلستان و انجمن ملی بهداشت و سلامت استرالیا و سازمان غذا و داروی آمریکا پایین­ تر بود. غلظت نیکل در عضله ماهی کوتر در مقایسه با استانداردهای جهانی بیشتر به‌دست آمد.

Background and Objective: Various models have been developed to predict methane generation and emissions from landfills. Due to their simplicity, the minimum number of required data, and the accuracy of the outputs, First-order decay are the most common models to predict methane generation in landfill,. Three important parameters in modeling landfill gas generation using a first-order model are the total weight of waste buried in the landfill, the methane generation potential, and the methane generation rate constant. The purpose of this research was to accurately estimate the parameters of the first-order model and to optimize it for estimating methane generation in the landfill and also to develop the ILGAM software. Materials and Methods: ILGAM model consists of two submodels: 1) the gas generation sub-model and 2) the methane oxidation sub-model. The methane oxidation sub-model is based on the MOT model. The gas generation sub-model is based on a first-order equation with an emphasis on the contribution of the aerobic process in the estimation of the ultimate methane potential of waste. The parameters of the equation were modeled using the latest available results in the literature. To evaluate the model, the actual methane emission and methane oxidation were measured in the Karaj landfill. The results of the model, along with a few common models, were compared with actual data obtained from the Karaj landfill. Results: The ILGAM model predicted the gas emission from the Karaj landfill with an error of 5.8%. In contrast, LandGem, IPCC and CLEEN models predicted the methane gas emission from the Karaj landfill with an error of 74.4%, 40.2%, and 27.1%, respectively. Conclusion: When compared to other models, the ILGAM model estimated the closest values to actual measurements for methane emission and methane oxidation in the Karaj landfill. Owing to its user-friend Graphical User Interface (GUI), the model can be easily executed in a wide range of landfills by entering a few easy-to-measure data in the field. [ABSTRACT FROM AUTHOR]

Background and Objective: The aim of this study was to assess the sensitivity and uncertainty analysis of a mass balance model to estimate the rate of aerobic processes in a landfill. Materials and Methods: Monte Carlo simulation is a common method to evaluate uncertainty of the results of a model. Here, we used a Monte Carlo (MC) simulation. The data obtained from the experiments were used as a baseline. Considering a uniform Probability Distribution Function (PDF) within ±15% deviation, samples were taken from the baseline data. Using randomly selected inputs, model was executed for 1000 iterations and outputs were evaluated. Then, the total Sobol index for each input parameter was determined. The uncertainty of each output was presented by standard error and means observed in MC simulation. Results: The results of this study revealed that while the uncertainty for the rate of composting process was mainly originated from the measured value of CO2 flux, the evaluated value for the rate of anaerobic digestion process was highly influenced by the value measured for CH4 emission flux. All inputs contributed equally to the uncertainty in the evaluated values for the rate of methane oxidation process. Although a variability of 15% was assumed for the model inputs, the mean value for the outputs from Monto Carlo simulations were close to those obtained by using base values that were in most cases within ±10% limit. Conclusion: The majority of the uncertainty in the outputs came from the variability in the measurement of the flux of CH4 and CO2. The error in these parameters, however, can be minimized by increasing frequency and replicates of gas samples as these parameters are measured directly for each location. [ABSTRACT FROM AUTHOR]