مقدمه: آلودگی هوای شهر‌ها یکی از مهمترین معضلات محیط زیستی بوده که همواره تهدیدی دایم و جدی برای سلامت و بهداشت جامعه و همچنین محیط زیست می‌باشد. از مهمترین آلاینده‌های هوا می‌توان به اکسیدهای نیتروژن به خصوص دی¬اکسیدنیتروژن، اکسید‌های سولفور به ویژه دی¬اکسیدسولفور، هیدروکربن‌ها، منواکسیدکربن (CO)، دی¬اکسیدکربن و ذرات معلق اشاره کرد.کلان¬شهر اهواز یکی از آلوده‌ترین شهر‌های ایران می‌باشد که مدیریت زیست محیطی به ویژه در زمینه آلودگی هوا بسیار با اهمیت می‌باشد. هدف از این پژوهش پیش‌بینی غلظت آلاینده CO در هفت روز ابتدای سال 1395 در شهر اهواز می‌باشد. مواد و روش‌ها: بر اساس مطالعات پیشین، متغیر‌های هواشناسی شامل دمای هوا، رطوبت هوا و سرعت باد به عنوان متغیر‌های ورودی مؤثر در شبکه برای پیش‌بینی غلظت گاز COانتخاب شدند. غلظت گاز CO در سال 1394 از طریق سازمان حفاظت محیط زیست شهر اهواز تهیه شد. به منظور توسعه شبکه عصبی پرسپترون چندلایه (MLP) از نرم‌افزار Neuro Solution5 استفاده گردید. به منظور ایجاد شبکه عصبی، 70 درصد از داده‌ها برای آموزش (واسنجی)، 15 درصد برای تست و 15 درصد باقیمانده برای آزمون صحت¬سنجی نتایج حاصل از شبکه مورد استفاده قرار گرفت. نتایج و بحث: به منظور تعین بهترین ساختار شبکه MLP برای پیش‌بینی کوتاه مدت غلظت گاز CO ساختارهای مختلف از لحاظ تعداد لایه‌های میانی، نوع الگوریتم آموزش شبکه، نوع تابع انتقال، تعداد نرون‌های لایه میانی و تعداد تکرار‌های آموزش در نظر گرفته شد. نتایج نشان داد که شبکه MLP با ساختار 1-5-3 (یعنی 3 نرون ورودی، 5 نرون در لایه میانی و یک نرون برای لایه خروجی) با 1500 تکرار آموزش به ازای تابع انتقال تانزانت سیگموئید (Tansig) و الگوریتم آموزش کاهش گرادیان همراه با مؤمنتم (Traingdm)، بهترین شبکه MLP می‌باشد. علاوه بر این، مقادیر شاخص‌های آماری NSE، RMSE و MAE به ازای مرحله آموزش شبکه به ترتیب برابر با 72/0 ، 22/0 و 15/0 می‌باشد. نتیجه‌گیری: آلودگی هوا، چالش اصلی زیست محیطی در اهواز، از ترکیب ترافیک و صنایع نفتی ناشی می¬شود. تأثیرات بهداشتی و زیست محیطی آن نیازمند بررسی جامع است.در این تحقیق از شبکه MLP برای پیش‌بینی مقادیر غلظت گاز CO در هوای شهر اهواز استفاده شد. نتایج نشان می‌دهد که دقت و عملکرد شبکه در پیش‌بینی غلظت گاز CO در سطح مطلوب می‌باشد. در ادامه این تحقیق پیشنهاد می‌شود که پیش‌بینی غلظت دیگر الاینده‌های گازی انجام شود و برای تعیین ساختار بهینه شبکه عصبی مصنوعی از الگوریتم¬های بهینه‌سازی استفاده شود. تفاصيل المقالة

Nanoparticles (NPs) are causing threats to the environment. In this review, we examined how hematite (Fe2O3) and cobalt oxide (Co2O3) nanoparticles impact the species of freshwater green algae Chlorella vulgaris (C. vulgaris). We exposed laboratory cultures to five initial concentrations of nanoparticles and measured impacts on species in 24, 48, 72, 96, 120, and 144 hours in Karun River water at 20-25°C. Our results indicated that Fe2O3and Co2O3 NPs significantly (dependent on concentration) reduced the chlorophyll a, b, and carotenoid contents of algae C. vulgaris compared to the control group (P <0.05). Also, due to the combination of these two nanoparticles, Co2O3 (50 Fe2O3+100 Co2O3) has a more negative effect on algae chlorophyll change. According to the data, the exposure concentration was also found to be a more effective factor in the Chlorophyll content in algae species as compared to the exposure time. Our study suggests this nanoparticle has potential to affect aquatic life and ecosystem properties of freshwater habitats. تفاصيل المقالة

The development of nanotechnology and the possible entry of nanoparticles into aquatic environments have raised environmental concerns. The present study aimed to investigate the effect of iron oxide nanoparticles (Fe3O4) loaded on carbon to remove malathion in order to evaluate the toxicity potential of nanoparticles in aqueous environments. We examined the characteristics of iron oxide nanoparticles (Fe3O4) using XRD refraction, Fourier irradiated spectroscopy (FTIR), the catalytic activity of iron nanoparticles for activation of persulfate, and malathion decomposition. Moreover, we assessed the influence of effective parameters on this process, such as pH, persulfate concentration, and the number of iron oxide nanoparticles (Fe3O4). The results showed that 82% of malathion was decomposed by the combined process of iron oxide nanoparticles loaded on carbon at pH=5 and 0.4 g of iron nanoparticles in 60 minutes. Additionally, according to the results obtained from the advanced oxidation processes, it was able to optimally remove malathion from the aquatic environment. This study revealed that nanoparticle stabilization technology on activated carbon could be used as an effective, efficient, and fast adsorbent to remove certain contaminants, such as malathion, from aqueous solutions. Although the combination of processes may complicate their analysis and mechanism, the study of this process could be a promising emergence of hybrid processes in water and wastewater treatment. In general, the results of this study relatively indicated that the physicochemical properties of nanoparticles, such as size, shape, surface, general morphology, and chemical composition, in different environmental conditions can significantly affect carbon in removing the malathion تفاصيل المقالة