مدلسازی انتشارات ناشی از دفن پسماندهای جامد شهری جریانهای موثر بمنظور اعمال سیاستهای کاهش از مبدا
Publish place: 4th Conference of Applied Geology and the Environment
Publish Year: 1387
Type: Conference paper
Language: Persian
View: 1,391
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
CAGE04_096
Index date: 23 September 2008
مدلسازی انتشارات ناشی از دفن پسماندهای جامد شهری جریانهای موثر بمنظور اعمال سیاستهای کاهش از مبدا abstract
دفن زمینی متداول ترین روش دفعی است که در مدیریت مواد زاید جامد شهری به کار گرفته می شود. در این روش پسماند تح.یلی از مراکز شهری پس از اعمال فشردگی لازم، توسط لایه ای از خاک در انتهای عملیات روزانه پوشانده می شود. جمع آوری و تصفیه شیرابه و بیوگاز تولیدی، از جمله ملزومات این روش بمنظور جلوگیری از تخریب محیط زیست می باشد. در این مقاله پس از مدل سازی وروردی ها و خروجی های مراکز دفن بهداشتی (با و بدون تاسیسات جمع آوری و استحصال انرژی از بیوگاز) با استفاده از روش ارزیابی چرخه عمر (LCA)، تاثیر هر کدام از اجزای تشکیل دهنده پسماند بر انتشار گازهای گلخانه ای به عنوان اثر زیست محیطی منتخب، مورد بررسی قرار گرفته و در ادامه موثرترین جریانهایی که می توان با اعمال سیاستهای کاهش از مبدا بر آنها شاهد کاهش چشمگیر انتشارات گلخانه ای بود، تعیین گردیده است. نتایج حاصله برای منطقه مورد مطالعه، حاکی از تاثیر ناچیز کاهش انواع زایدات پلاستیکی موجود در جریان پسماند شهری بوده حال آنکه اعمال سیاستهای کاهش از مبدا زایدات کاغذی اثرات مثبت (در خصوص مراکز دفن بدون تاسیسات استحصال انرژی) و منفی (برای مراکز دفن با استحصال انرژی) نشان داده است.
مدلسازی انتشارات ناشی از دفن پسماندهای جامد شهری جریانهای موثر بمنظور اعمال سیاستهای کاهش از مبدا Keywords:
مدلسازی انتشارات ناشی از دفن پسماندهای جامد شهری جریانهای موثر بمنظور اعمال سیاستهای کاهش از مبدا authors
مهدی قنبرزاده لک
دانشجوی دکتری عمران، محیط زیست، دانشکده عمران، دانشگاه صنعتی خواجه نصیرالدین طوسی
محمدرضا صبور
استادیار گروه عمران، محیط زیست، دانشکده عمران، دانشگاه صنعتی خواجه نصیرالدین طوسی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :