مبتدی (مناسب برای درک مفهوم کلی مطلب) 

به همین ترتیب، تاکید رو به رشد بر مدیریت محیط زیست، به دلیل اتخاذ روش های سازگار با محیط زیست برای ارائه کالاها و خدمات، اعتبار شرکت را تقویت می کند و در نتیجه بر عملکرد اکولوژیکی تاثیر می گذارد. در این زمینه، لی و کلاسن(۲۰۰۸) اظهار داشتند که مفهوم مدیریت زیست محیطی، توانایی های سازمانی برای تاثیرگذاری بر عملکرد زیست محیطی را در برمی گیرد. علاوه بر این، دانژلیکو (۲۰۱۵) نقش مهم مدیریت زیست محیطی در بهبود اعتبار و عملکرد زیست محیطی شرکت را بررسی کرد و دریافت که حضور تیم های مدیریتی سبز، شهرت شرکت را به طور مثبتی بهبود می دهند و متعاقبا عملکرد زیست محیطی آن را تحت تاثیر قرار می دهند. از این رو با توجه به ادبیات فوق، مطالعه حاضر فرض می کند:
فرضیه ۱: اعتبار سازمانی برای تاثیر بر عملکرد زیست محیطی شرکت مهم است.
اخیرا، شاهد برجسته شدن سرمایه فکری سازمان در ادبیات مدیریت محیط زیست بوده ایم (تونیال و همکاران، 2019؛ زو و همکاران، 2017؛ گوئرو-بائنا و همکاران، 2015). در این مورد، برای تضمین اجرای موفقیت آمیز فعالیت های شرکتی سبز جهت تحقق اهداف توسعه پایدار، نقش سرمایه فکری سبز حیاتی است. با تعریف بونتیس (2001) و یوهانسون (1999)، سرمایه فکر سبز نشانه دهنده ادغام دارایی های نامشهود کسب وکار است که بهره برداری و قابلیت های بالقوه منابع را در سه شکل از تخصص گسترش می دهد، یعنی سرمایه انسانی، سرمایه ساختاری و سرمایه رابطه ای. بسیاری از مطالعات ثابت کردند که سرمایه فکری سازمان دارای توانایی بهبود رقابتی پذیری سازمانی است (ادوینسون و مالون، 1997؛ جانسون، 1999؛ استوارت، 1994).
چن (۲۰۰۸) با تمرکز بر سرمایه فکری سبز، مدیریت زیست محیطی بنگاه های کوچک و متوسط (SME ها) را در تایوان بررسی کرده است. نتایج این مطالعه مشخص کرد که هر سه نوع سرمایه فکری سبز یعنی توزیع منابع نامشهود در میان سرمایه انسانی سبز، سرمایه رابطه ای سبز و سرمایه ساختاری سبز، برای تاثیرگذاری بر مزیت رقابتی SME ها مهم هستند. به طور خاص، این مطالعه گزارش داد که سرمایه رابطه ای سبز مهم ترین محرک رقابت پذیری شرکت است.
به طور مشابه، دیاز-فرناندز و همکاران (۲۰۱۵) نیز نقش سرمایه فکری در تاثیر گذاری بر عملکرد شرکت های چند ملیتی در اسپانیا را مورد بررسی قرار دادند. یافته های این تحقیق نشان داده است که تنوع سرمایه فکری، تاثیر مثبت قابل توجهی بر عملکرد شرکت دارد.
در مطالعه دیگر، آسیایی و جوسوه (۲۰۱۵) نیز سهم سرمایه فکری در افزایش عملکرد شرکت را در تهران مورد بررسی قرار دادند. نویسندگان چهار جنبه از سرمایه فکری را بررسی کردند، یعنی سرمایه انسانی، سرمایه اجتماعی، سرمایه رابطه ای و سرمایه ساختاری. نتایج این مطالعه نشان داد که سه شکل سرمایه فکری یعنی سرمایه انسانی، سرمایه ساختاری و سرمایه رابطه‌ای برای تاثیر مثبت در عملکرد شرکت مهم هستند. با این حال، این مطالعه نتوانست نقش سرمایه اجتماعی در هدایت عملکرد شرکت را پیدا کند. بنابراین، مطالعه حاضر، فرض می کند که؛
فرضیه ۲: سرمایه فکری سبز برای تاثیر بر عملکرد زیست محیطی شرکت مهم است.
مدل فرضیه در شکل ۱ نشان‌ داده شده است.

3. روش شناسی
3.1. مقیاس ها
بررسی های فعلی، نقش سرمایه فکری سبز و رابطه سازمانی در عملکرد زیست محیطی را در شرکت‌ های تولیدی اندونزی تجزیه نموده است. برای تکمیل هدف تحقیق، مدل فرضی ارائه شده در شکل ۱ را مورد بررسی قرار می دهیم. ویژگی های عوامل بررسی شده، با استفاده از مقیاس لیکرت از 1 (به شدت مخالف) تا ۵ (به شدت موافق) بررسی می شوند. روی هم رفته، پژوهش حاضر برای بررسی نقش سرمایه فکری سبز و شهرت سازمانی در تاثیرگذاری بر عملکرد زیست محیطی، از سه متغیر استفاده کرد. متغیرهای این مطالعه، سرمایه معنوی سبز (GIC)، شهرت سازمانی (ORR) و عملکرد زیست محیطی (ENP) هستند. علاوه بر این، GIC ترکیبی از سه متغیر فرعی است که عبارتند از سرمایه رابطه ای سبز (GRC)، سرمایه ساختاری سبز (GSC) و سرمایه انسانی سبز (GHC). دوازده مورد از متغیرهای فرعیِ GIC، از مطالعه چن (۲۰۰۸) اقتباس شد اند. چهار مورد از متغیرهای فرعی ORR از مطالعه توربان ، فروت و هندریکسون (۱۹۹۸) اقتباس شده اند. در نهایت، مطالعه حاضر چهار معیار از عملکرد زیست محیطی برگرفته از مطالعه ژو و همکاران (۲۰۱۷) را مورد استفاده قرار داد.

3.2. انتخاب داده و نمونه
در تحقیقات حاضر، تکنیک گردآوری داده ها با جمع آوری اطلاعات از شرکت های چند ملیتی اندونزی انجام شده است. بنابراین، با انتقال نظرسنجی به فروشگاه های چند ملیتی مختلف در تمام چهارده ایالت اندونزی، ۲۱ شرکت چند ملیتی را انتخاب کردیم. برای جمع آوری اطلاعات بیشتر، ابزار مطالعه خود را به زبان انگلیسی تبدیل کردیم و بین فروشگاه های انتخاب شده در شرکت های چند ملیتی توزیع کردیم. متعاقبا، مجموع ۳۷۲ ابزار تحقیقاتی با استفاده از نسخه های چاپی و غیرچاپی نظرسنجی آنلاین ارسال شد. روند جمع آوری اطلاعات در مجموع ۳ ماه طول کشید و ۳۱۳ پاسخ با سرعت واکنش 84.13 درصد دریافت شد.

4. تجزیه و تحلیل داده ها و بحث
بررسی داده های این مطالعه با استفاده از SmartPLS ورژن ۳.۲.۸ (رینگل و همکاران، ۲۰۱۵) و SPSS (بسته آماری برای علوم اجتماعی) (V-23) انجام شده است. با حذف ناهنجاریهای تک متغیری و چند متغیری، آخرین نمونه مورد استفاده در این بررسی شامل ۲۹۳ مورد است. روش تشخیص ناهنجاری های تک متغیره و چند متغیره، امتیاز Z-test و حذف ماهالانوبیس (D2) با استفاده از SPSSS بود و بقیه تحقیقات داده با استفاده از SmartPLS انجام شده است. در جدول ۱، ساختار و سازماندهی پاسخ های معتبرِ داده های جمع آوری شده در این تحقیق، نشان داده شده است. به همین ترتیب، جدول ۲ توزیع میانگین و همبستگی پیرسونِ عوامل استفاده شده در بررسی حاضر را نشان می دهد. علاوه بر این، برای تشخیص مشکل همبستگی متغیرهای مستقل، بررسی حاضر از مطالعه هیر و همکاران (۲۰۱۰) استفاده می کند که بر اساس آن، بسیاری از خصوصیات در بررسی ارتباط پیرسون باید کمتر از ۰.۹۰ باشد. به این روش، همبستگی متغیرهای مستقل بین عوامل تایید می شود (هیر و همکاران، 2013؛ شریف و رازا، 2017؛ افشان و همکاران، 2018).
علاوه بر این، در صورتی اعتبار محتوا تایید می شود که موارد مورد استفاده در تحلیل داده ها با ارزش بیشتری در فاکتور مربوطه خود بارگذاری شوند، سپس سایر موارد در چارچوب نشان داده شد، در حالی که اگر مقدار آلفای کرونباخ و پایایی مرکب از ۰.۷. تجاوز کند، همسانی درونی اعمال می شود (عاریف و همکاران، 2016؛ شریف و رازا، 2017؛ فروغی و همکاران، 2015؛ هیر و همکاران، 2013؛ افشان و همکاران، 2018). بارگذاری عاملی و روایی مرکب در جدول 3 نمایش داده شده است که نشان می دهد بیشتر موارد بارگذاری عاملی بیشتر از 0.7 است، این بارگذاری در ستون های مربوطه نشان داده شد که با آستانه و یا ثبات داخلی مطابقت دارد.
در بررسی حاضر، روایی همگرا با استفاده از واریانس میانگین استخراج شده (AVE) برای هر متغیر بیان می شود (فورنل و لارکر، 1981). برای تایید روایی همگرا، حد بیش از ۰.۵ را ارائه می کنند. بنابراین AVE در جدول ۳، معیارهای اصلی را تایید می کند.
در گام بعدی روایی افتراقی اینگونه نشان داده می شود: هر مورد از یک عامل مشخص، چقدر جدید است و چقدر متمایز از سایر متغیرهاست (واسیم و همکاران، 2013 ؛ فروغی و همکاران، 2015 کارمینز و زلر، 1979). به گفته ی فورنل و لارکر (1981)، گفته می شود که روایی افتراقی در صورتی تایید می شود که ریشه دوم AVE، از اتصال دو به دوی متغیرهای پنهان بیشتر باشد. همان طور که در جدول ۴ آمده است، مقادیر ایتالیک ریشه دوم AVE هستند که بیشتر از مقادیر غیرقطری هستند که پیوند جفتی هر عامل می باشند (که عبارتند از: GRC، GSC، GHC، ORR وENP). جدول ۵ بارگیری اکتشافی عوامل مختلف و جداگانه را نشان می دهد، بنابراین حد را تایید می کند. متعاقبا، روایی افتراقی در صورتی بیان می شود که خصیصه متفاوت و خصیصه یکسان که توسط هنسلر و همکاران (۲۰۱۵) تجویز شده، کمتر از ۰.۸۵ باشد. نتایج جدول ۶ نشان داد که همه عناصر روایی افتراقی دارند.

در گام نهایی با ارائه ضرایب مسیر، آماره t و سطح اهمیت، رویکرد حداقل مربعات جزئی، فرضیه تحقیق و چارچوب مدل ارزیابی شدند. مطابق با توصیه های چین (۱۹۹۸)، یک روش بوت استرپینگ با استفاده از ۱۰۰۰ نمونه فرعی انجام شد تا مقادیر بحرانی قابل سنجش برای همه ضرایب بتا تایید شوند. جدول ۷، ضریب بتا، آماره t و سطح اهمیت آن ها را نشان می دهد.
جدول ۷ نتایج مدلسازی معادله مربعات جزئی، ضریب مسیر رگرسیون، آماره t، مقادیر احتمال (مقادیر P) و نظرات مربوط به مسیر استدلال تئوری را نشان می دهد. نتایج PLS-SEM تایید می کند که اعتبار سازمانی (
β=0.424 و P < 0.000) و سرمایه فکری سبز (β=0.449 و P < 0.000) تاثیر مثبت و معناداری بر عملکرد زیست محیطی دارد، در نتیجه فرضیه 1 و 2 تایید می شود. نتایج مدلسازی معادلات ساختاری حداقل مربعات تایید می کند که افزایش یک واحد در سرمایه فکری سبز باعث افزایش ۰.۴۴۹ واحد در عملکرد زیست محیطی شرکت های چند ملیتی در اندونزی می شود. علاوه بر این، افزایش یک واحد در اعتبار سازمانی، منجر به افزایش ۰.۴۲۴ واحد در عملکرد زیست محیطی شرکت های چند ملیتی می شود.

تغییر کاربری زمین های شهری: نقش برنامه ریزی فضایی استراتژیک

Urban land-use change: The role of strategic spatial planning

Abstract

To date land-change science has devoted little attention to spatial policy and planning in urban landscapes despite the widely accepted premise that planning affects urban land change. This is primarily due to lack of relevant data and an underdeveloped theoretical understanding regarding the impact of spatial planning on urban land change. To be able to better analyse the role of spatial planning in urban development we need to distinguish: 1) the intentions expressed in the plans; 2) the means of implementation of the plans through governance processes and 3) the role of external conditions influencing implementation. Based on a synthesis of the current literature on how spatial planning is implemented in land-change models, and drawing from the literature on planning evaluation, we sketch a research agenda to further develop the understanding of these three components and their interconnections as well as their application in quantitative land-change modelling approaches for urban regions.

1 Introduction

Land change is one of the key processes of global environmental change (Magliocca et al., 2015; Turner II et al., 2007; Verburg et al., 2015). The studies on the topic have gradually advanced from a focus on patterns of land-use and land-cover change to an analysis of dynamic interactions within socio-ecological systems and the resulting impacts on, for example, ecosystem services and biodiversity (Rindfuss et al., 2004; Rounsevell et al., 2012). In this context, land change is understood as the result of interacting political/institutional, economic, cultural, technological and natural/spatial driving forces and the respective actors (Bürgi et al., 2004; Hersperger et al., 2010). Whereas data on economic and natural conditions have a long tradition in being used to explain land changes, researchers only recently started to pay attention to policies, plans, and regulations on land use, within their specific institutional and governmental contexts. Meta-analytical studies have emphasized the role of land-use policies and spatial planning as a major underlying driving factor for many different land-use change processes (van Vliet et al., 2016).

Compared with forest and agricultural related research, studies on land change in urban regions are so far a small part of land-system research (Geist et al., 2006; Magliocca et al., 2015; Seto et al., 2011). However, urban regions, which are also broadly defined as cities or metropolitan regions, are some of the most dynamic land-change systems worldwide. With strong further urbanization expected over the coming decades they will cover increasing areas of the earth surface and host the majority of the human population (Seto et al., 2012). At the same time, urban land change is not restricted to the core city, but includes many new urban-rural spaces functionally tied to the city (Brenner and Schmid, 2015) and has many impacts on rural hinterlands (Bren d’Amour et al., 2016) and hence deserves more attention in landchange science (Müller and Munroe, 2014).

A widely accepted premise is that, especially in urban regions, spatial planning – a multifaceted activity with many purposes, including project planning, master planning, land-use planning and strategic planning – influences patterns of land use and land cover (Couclelis, 2005). Amongst the many purposes of spatial planning, spatial planners and governments have been trying to steer urbanization processes with the aim of developing sustainable cities and regions (Albrechts et al., 2017; Collier et al., 2013). However, conceptualizing the role of planning in guiding land change is a great challenge (McNeill et al., 2014). This is partly due to the fact that research on the contribution of planning to land change is at the interface of two paradigms (Briassoulis, 2008; Hillier, 2007): planning scholars tend to stress contextuality and social construction of space; whereas land-change scientists incline to assume the existence of realities that can be objectively described and measured and lend themselves to generalizations. The difference between the two paradigms can be illustrated through how they position themselves in respect to the concepts of space and uncertainty. Many urban geographers and planning theoreticians conceive space as a social construct (Harvey, 2006; Lefebvre, 1991) and expect future urban development to be open ended. Uncertainty is inherent; to be expected and subject to exogenous factors (Graham and Healey, 1999). Land-change scientists quantify and model space by identifying correlation or causality between drivers and outcomes, and strive to identify sources and levels of uncertainty in landcover projections (Alexander et al., 2016). Research to bridge the two paradigms is sparse. Consequently, planning is not well integrated in quantitative land-change assessments.

طراحی شبکه زنجیره تامین حلقه بسته پایدار: الگوریتم فرا ابتکاری ترکیبی برای شبکه های بزرگ مقیاس

Sustainable tire closed-loop supply chain network design: Hybrid metaheuristic algorithms for large-scale networks

مبتدی (مناسب برای درک مفهوم کلی مطلب)

F1932

خوب (جهت ترجمه های دانشگاهی و پژوهشی)

حوزۀ مطالعاتی: رود یانگ تسه
در حالی که این مقاله گرایش به تدوین و فرموله کردن دارد به نظر می رسد داشتن کاربرد خاص همان طور که در این بخش توضیح داده می شود دارای اهمیت می باشد.

2.1 تنظیمات پایه
دهانۀ رود یانگ تسه، یکی از مناطق حیاتی در چین برای حمل و نقل است (Notteboom, 2007;Comtois and Dong, 2007 را ببینید). بندر شانگ های واقع در چین، بندر اصلی کشتی های کانتینر است که میانگین رشد 16.5 درصدی کشتی های کانتینر را در سال 2010 (Yap and Lam, 2013) داشته است و یکی از بزرگترین گردش های مالی را در سال های اخیر (UNCTAD, 2014) داشته-است. در شکل 1، نقشۀ جغرافیایی دهانه، نشان داده شده است که چندین آبراه مانند آبراه عمیق که به عنوان مسیر شمال، مسیر جنوب، آبراه شاخۀ شمالی و مسیر شاخۀ جنوبی را شامل می شود. از تمام این ها، مسیر شمال و جنوب، مهم ترین هستند زیرا آن ها ورودی به پایانه های وایگاوکیو می باشند. مسیر شمال که هم چنین مسیر دهانۀ عمیق یانگ تسه نامیده می شود 12.5 متر عمق دارد و جز سه پروژۀ پیچیده و مقیاس بزرگ ذکر شده در بالاست. عرض مسیر شمالی، اندکی بیشتر از 80 متر است که تا حد زیادی محدودیت های ظرفیت این مسیر را دارد. با این وجود، به عنوان یک مسیر آبی دو طرفه در نظر گرفته می شود. از سوی دیگر، مسیر جنوبی، عمق 5.5 متر دارد و عرضش 250 متر است که به اندازۀ کافی برای حرکت دو کشتی کافی است.
روش های منظم که کشتی ها باید برای عبور در طول مسیرهای شمالی و جنوبی داشته باشند با استفاده از شکل 2 توصیف می شود. مسیرها به دو معبر تقسیم می شوند که هر مسیر برای عبور دو کشتی در جهت های عکس یکدیگر می باشد. این مورد، به عرض عمق و شرایط وابسته به زمان، بستگی دارد. دو حوزه وجود دارد: یعنی لنگرگاه بیرونی و لنگرگاه اسکله؛ برای کشتی ها به منظور انتظار برای شرایط جزر و مدی یا اگر لازم باشد گردش در مسیر. علاوه بر این، برای اختصاص مسیر به کشتی ها، آن ها درفت ها را یعنی کشتی های کوچک (تا 7 متر) یا کشتی های بزرگتر (بیش از 7 متر) دسته بندی کردند. بسته به نوع کشتی، روش ورود و عبور اختصاص یافته با فلوچارت نشان داده شده در شکل 3 مشخص می شود. برای کشتی های کوچک، آن ها در ابتدا، مجبورند تا در لنگرگاه بیرونی صبر کنند و سپس از طریق مسیر آبراه با محدودیت های کمتر بروند. پس از آن، آن ها در لنگرگاه بندر برای پهلوگیری منتظر می مانند. هنگامی که اسکلۀ اختصاص داده شده در دسترس قرار گیرد، آن ها محموله را بارگیری یا تخلیه می کنند. به محض این که آن ها عملیات حمل و نقل را تمام کردند، مجبورند تا در لنگرگاه بندر در منطقه ای برای مدت زمان مناسب منتظر بمانند تا اگر نیاز است ترک دهانه انجام شود. روش مورد استفاده برای کشتی ها بزرگ تا حدی ساده تر ادامه پیدا می کند. کشتی های بزرگ که می خواهند به بندر شانگهای دسترسی داشته باشند از طریق مسیر شمال وارد می شوند چون مسیر جنوب، به اندازۀ کافی برای عبور آن ها عمیق نیست. پس از آن که آن ها سرانجام بعد از انتظار در لنگرگاه بیرونی عبور کردند، مستقیماً به اسکله برای بارگیری و تخلیه اقدام می کنند. آن ها برای عزیمت آماده هستند، مدیران پایانه ها مجبورند تا مناسب ترین زمان را برای عزیمت آن ها مشخص کنند. در این راستا، کشتی ها مجبورند تا در اسکله بمانند تا زمان مناسب فرارسد.
در ادبیات مربوط، اکثر کارها دربارۀ آبراه ها در چین بر ارزیابی ظرفیت با استفاده از رویکردهای شبیه سازی تمرکز دارند. Deng et al. (2011) روش های ریاضی با استفاده از تئوری صف و روش های تجربی توسط تمرین کنندگان برای محاسبۀ ظرفیت آبراه ها معرفی کردند. مدل های Liu et al. (2008) and Ning et al. (2008) برای شبیه سازی مسیر کشتی ها، ویژگی های متفاوتی را در نظر می گیرد که برای منعکس شدن در مدل ریاضی مشکل هستند. Yang et al. (2008) مدل شبیه سازی را برای محاسبۀ ظرفیت مسیر عمیق دهانۀ یانگ تسه توصیف کردند و ظرفیت آن را تا 2024 پیش بینی کردند. این مدل، چندین فاکتور مانند شرایط جغرافیایی، شرایط آب و هوایی و زمان کنترل ترافیک و غیره را در نظر می گیرد. Zhou and Hu (2004)، تحقیق توالی کشتی هایی که از مسیر شمالی دهانۀ یانگ تسه می گذرند را انجام دادند. به ترتیب الویت ها برای کشتی های مختلفی جهت عبور، روش سلسله مراتبی (AHP) برای در نظر گرفتن فاکتورهای مختلف موثر بر الویت کشتی ها در عبور از آبراه به کار برده شده است.
مطالعۀ عمیق این بررسی مختصر مرور ادبیات به ضرورت ساخت DSS برای کمک به سروسامان دادن به برنامۀ کشتی ها برای عبور از آبراه های دهانۀ یانگ تسه، اشاره دارد. بنابراین، یکی از اهداف این کار این است که یک راه حل مفهومی از ترکیب تجربۀ کارکنان و مدل های ریاضی پیشنهاد کرده و بخش مهمی از DSS را که می تواند برنامۀ کشتی را کنترل کند ارائه دهد.

2.2 تأثیر جزر و مدی
همان طور که در مطالعۀ انجام شده توسط Du et al. (2015) دیده می شود در تعدادی از بندرها، اثر جزر و مدی (افزایش طبیعی سطح دریا) تأثیر مهمی در برنامه ریزی کشتی ها، زمان دسترسی به بندر هنگامی که زمان های انتظار طولانی تر است وجود دارد که هم از نظر عملیاتی و هم از نظر زیست محیطی فشار وارد می-شود. این مورد در بندر شانگهای جایی که جزر و مدها بر عمق آبراه ها تأثیر می گذارد اتفاق می افتد. در طول دو قله جزر و مد روزانه، عمق آب از آبراه تا حد زیادی افزایش خواهد یافت. به عنوان مثال، در پایین جزر و مد، درفت می تواند به مسیر شمالی که 11 متر است دسترسی داشته باشد اما در اوج جزر، آن تا نزدیک 13 متر تغییر می کند. این امر به این دلیل که تفاوت آشکاری بین نسل سوم و چهارم خطوط کانتینر وجود دارد در نظر گرفته می شود.
برای داشتن مزایای مناسب وضعیت جزر و مدی در دهانۀ یانگ تسه، کسی باید الگوهای رفتاریش را پیش-بینی کند. در این تحقیق، برای پرداختن به این موضوع، داده های جزر و مدی از سه نقطه مشاهده که Ji Gujiao, Chang Xing and Zhong Jun هستند در نظر گرفته می شود. این سه نقطه توسط کارشناسان جغرافیای و کنترل کننده های برنامه ریز باتجربۀ کشتی پیشنهاد می شود. این نقاط، مشارکت کننده های زیادی برای تعیین این که آیا کشتی می تواند از آبراه با در نظر گرفتن جزر عبور کند یا خیر را در نظر گرفته است.
با توجه به شرایط جزر و مدی، موضوعات پیچیدۀ مسألۀ برنامه ریزی کشتی آبراه در یانگ تسه، جدی تر هم می شود. به علاوه، در این شرایط، بسیاری از زمان تقریبی ورود (ETA) و زمان تخمین زدۀ خروج (ETDs) می تواند به دلیل درست در نظر گرفتن زمان درست جزر و مد، شکست بخورد. که منجر به افزایش حجم کار کنترل برنامۀ کشتی می شود به طوری که مجبور به چک کردن و بهبود برنامۀ اصلی گزارش شده از شرکت-های حمل و نقل هستند. این یکی از انگیزه های توسعه در DSS است که اپراتورها را برای ارائۀ برنامه های زمانی شدنی با شرایط وابسته به زمان حمایت می کند.

3. فرموله کردن مسأله
مسألۀ برنامه ریزی زمانی آبراه کشتی (WSSP) مجموعه ای از وسایل یا کشتی ها V={1,…,v} را در نظر می گیرد که به مجموعۀ کشتی های ورودی V_1={1,2,…,v_1 } و کشتی های خروجی V_2={1,2,…,v_2 }، مجموعۀ مسیر های آبراه w={1,…,w} و مجموعۀ بازه های زمانی H={1,…,h} تقسیم می شوند. از آن جا که این مسأله، مسألۀ عملیاتی روزانه است، افق زمانی را یک روزه و تغییر سطح جزر و مد را نیز در طی این بازۀ زمانی در نظر می گیریم. علاوه بر این، در WSSP برای هر کشتی i∈{V_1∪V_2 }، زمان تخیمنی برای ورود به بندر داده شده است، Estimated Time of Departure، ETD_i، که w_i عرض، l_i طول، d_i درفت و بسته به تخصیص آبراه k∈w، t_ik زمان عبور می باشد. از سویی دیگر، هر آبراه k∈w بازۀ زمانی در دسترس [s^k,e^k ]، عرض ϕ_k، عمق آب α_k^h که به بازۀ زمانی h∈H بستگی دارد. تابع هدف WSSP، تعیین برنامۀ شدنی برای کشتی هایی است که مجبور به دسترسی/ عزیمت به بندر از طریق آبراه ها را دارند به طوری که زمان انتظار کشتی ها پس از ورودشان حداقل شود و بنابراین کل زمان مورد نیاز برای کشتی ها که از آبراه عبور کنند حداقل شود. در این نقطه باید ترافیک ورودی و خروجی در طول آبراه شبیه سازی شود به طوری که محدودیت های مدل، برقرار شوند. فرضیات این مسأله به صورت زیر توصیف می شود:
(الف) هر کشتی i∈{V_1∪V_2 } می تواند تنها پس از ورودش در زمان ETA_i برنامه ریزی شود و از طریق آبراه تا زمانی که زمان عزیمتش ETD_i برسد برود.
(ب) هر کشتی i∈{V_1∪V_2 } می تواند تنها به آبراه k∈w تخصیص داده شود پس از آن که در زمان s^k در دسترس قرار می گیرد و در مدت زمان تا e^k در دسترس قرار ندارد.
(ج) درفت کشتی d_i ، i∈{V_1∪V_2 } باید در عمق ترین جای آب از آبراه تخصیص داده شده باشد α_k^h، k∈w، h∈H.
(د) زیرمجموعه ای از کشتی های ورودی و خروجی، V^’∈{V_1∪V_2 }، می توانند مسیر آبراه k∈w را به صورت همزمان طی کنند اگر جمع عرضشان به علاوۀ فاصلۀ امن مناسب، بزرگتر از عرض آبراه k∈w نباشد. یعنی، ∑_(i∈V^’)▒w_i ≤ϕ_k اگر فاصلۀ اطمینان، نادیده گرفته شود. (در غیراینصورت ممکن است داده ها برای تعریف w_i نامناسب باشند.)
مدل کردن این مسأله می تواند ایده هایی را از مدل کردن مسأله های مسیر حمل و نقل بگیرد، منظور مسألۀ Multi-Depot Vehicle Routing، است؛ (Hartl et al., 2006; Golden et al., 2008) را ببینید. در این مدل ریاضی، تمام معیارهای زمانی، عدد صحیح در نظر گرفته می شوند. بنابراین، افق زمانی به بازه های زمانی گسسته تقسیم می شود.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

2. مواد و روش‌ها
برای تعیین جریان کلی، ساختار ترموهالین و زمان اقامت در خلیج گرگان، مدل عددی هیدرودینامیکی سه‌بعدی و مدل عدد انتقال محلول مورداستفاده قرار گرفت. علاوه بر این، در سناریوهای مختلف، پارامتر تأثیرگذار بر روی هیدرودینامیک خلیج تعیین شد و همچنین زمان اقامت برآورد گردید.

2.1 مدل عددی
این مطالعه با استفاده از مدل MIKE 3 Flow FM انجام شد. این مدل توسط موسسه هیدرولیک دانمارکی (DHI) برای مدل‌سازی سه‌بعدی آب طراحی‌شده است. مدل MIKE 3 Flow Model FM به‌طورکلی و علمی در جهان مورد تائید قرارگرفته است. FM به شبکه‌ی انعطاف‌پذیر اشاره می‌کند که بر اساس آن تکنیک‌های عددی در سیستم مدل‌سازی (DHI 2012) استفاده‌شده است.

ماژول انتقال مدل FM MIKE 3، یکی دیگر از ماژول‌ها که در این مطالعه مورداستفاده قرارگرفته است، به‌صورت دینامیک با ماژول هیدرودینامیکی ارتباط دارد و توزیع و سرنوشت مواد حل‌شده یا معلق در محیط آب تحت تأثیر انتقال مایع و پراکندگی‌های مرتبط را نشان می‌دهد. امروزه، مطالعات زیادی انجام‌شده است که از این مدول ها استفاده کرده‌اند. ماژول انتقال می‌تواند انتقال یک مقدار اسکالر را محاسبه کند.

2.2 تنظیم شبیه‌سازی‌ها
در این مطالعه، ژنراتور مش MIKE برای تولید مش محاسباتی استفاده شد. تولید مش شامل مراحل زیر است: (1) انتخاب منطقه‌ای که باید از طریق مرزها مدل‌سازی شود؛ (2) تعریف نوع مرزهای مدل و تمایز مرزهای باز، که از طریق آن جریان آب، از مرزهای بسته، که آب نمی‌تواند عبور کند، عبور می‌کند؛ (3) تولید سلول‌های سه‌گوش مستقل در منطقه موردمطالعه؛ (4) داخل کردن عمق سنجی به سلول‌های مثلثی؛ و (5) پالایش کردن سلول‌ها به‌وسیله مقیاس دهی سلول‌ها با توجه به عمق آب در هر نقطه مرکز. داده‌های بیتومتری خلیج گرگان که عمق آب را در هر موقعیت جغرافیایی نشان می‌دهد، توسط مرکز ملی نقشه‌برداری ایران در سال 2006 اندازه‌گیری شد (اطلاعات موجود در www.ncc.org. ir). اندازه سلول‌ها در طول خلیج متفاوت بود؛ در کم‌عمق‌ترین قسمت خلیج، وضوح فضایی به‌صورت ریز هست. وضوح از 300 متر در خط ساحلی تا 500 متر در عمیق‌ترین قسمت خلیج هست. به‌طورکلی، می‌توان گفت که میانگین سطح سلول‌ها حدود 47،700 مترمربع است (شکل 2). علاوه بر این، مدل دارای پنج لایه سیگما عمودی هست.
داده‌های هواشناسی که به مدل عددی اعمال می‌شوند، در یک ایستگاه هواشناسی سینوپتیک متعلق به سازمان هواشناسی ایران در فاصله زمانی 3 ساعته (اطلاعات موجود در www.irimo.ir) اندازه‌گیری شد. سری زمانی تخلیه ماهانه رودخانه به خلیج که از ایستگاه‌های هیدرومتری شرکت مدیریت منابع آب ایران به دست آمد، به‌عنوان منابع نقطه‌ای در مدل (اطلاعات موجود در www.wrm.ir) موردتوجه قرار گرفت.

مدل مورداستفاده در این مطالعه دارای دو نوع مرز بود: مرزهای باز، که شامل ورودی اولیه خلیج گرگان و کانال خزینی و مرزهای بسته شامل خط ساحلی و سطح جامد است. سطح آب به‌عنوان شرایط مرزی باز در مدل هیدرودینامیکی مشخص‌شده است. داده‌های آب در مرزهای باز توسط مرکز تحقیقات ملی دریای خزر، که شعبه‌ای از موسسه تحقیقات آب ایران است، در ایستگاه سطح آب با یک‌زمان با فاصله زمانی 4 ساعت (اطلاعات موجود در www.wri.ac.ir) ثبت شد. علاوه بر این، سطح آب از خلیج 27 متر پایین سطح اقیانوس‌های جهان در آغاز شبیه‌سازی تعریف‌شده است.
این مطالعه شامل پنج مرحله بود: (1) کالیبراسیون، (2) اعتبارسنجی، (3) مدل‌سازی جریان ناشی از باد، (4) مدل‌سازی جریان کلی و ساختار ترموهالین، و (5) محاسبه زمان اقامت. در مراحل 1 و 3، تنها اثرات تنش باد، اصطکاک پایین و تغییرات سطح آب در مرزهای باز به مدل اعمال‌شده است. در مراحل دیگر، مدل‌سازی خلیج گرگان با در نظر گرفتن تغییرات سطح آب، جریان‌های حرارت و شوری در مرزهای باز، تأثیر ورود رودخانه‌ها، رسوب خالص، استرس باد، اصطکاک پایین و تبادل حرارت با جو انجام شد. دومی بر اساس شار حرارتی پایه، شار حرارتی حساس، تابش خورشیدی کل و تابش طول‌موج کل محاسبه‌شده است. بنابراین، جریان‌های حرارتی و نمکی از طریق مرزهای باز نیز به مدل اعمال شد، و سری زمانی تغییرات ماهانه دما و شوری آب به‌عنوان شرایط دیگر مرزی علاوه بر تغییرات سطح آب در نظر گرفته شد.
در آب‌های جزر و مد دار که در آن خطوط مستقیم یا بازگشتی جریان مستقیم هستند، مشخص است که برخی از ردیاب‌ها، که در یک آب آزاد می‌شوند، می‌توانند محیط اطراف را در طول دوره فرورفتگی ترک کنند و در طی دوره سیلاب بعدی دوباره به موقعیت اولیه خود برسند. در این مطالعه، ازآنجاکه در ناحیه مطالعه تقریباً هیچ جزر و مدی وجود ندارد (بنی و همکاران 2013)، فرض بر این بود که هیچ تریسی از مرز باز، ورودی اصلی، هرگز نمی‌تواند بعداً دوباره به خلیج بازگردد و بنابراین، غلظت تریسی صفر به‌عنوان شرایط مرزی در مدل انتقال، در مرحله پنجم در نظر گرفته شد.

2.3 مشاهده منظم جریان‌های سطح
به‌منظور ارائه داده‌ها برای کالیبراسیون مدل‌های عددی، مشاهدات جریان‌های سطح در خلیج گرگان به‌واسطه‌ی سطوح شناور تعیین شد. شناوران دارای شکل استوانه‌ای با ارتفاع 1 متر و قطر 15 سانتی‌متر بودند. مسیرهای مربوط به شناور توسط یک سیستم موقعیت‌یابی جهانی (GPS) با فاصله زمانی 1 دقیقه ثبت شد.
شناور در شش موقعیت متفاوت در سمت خلیج قرار داده شد، همان‌طور که در شکل 3 نشان داده‌شده است. هر شناور تنها یک‌بار در یک منطقه مستقرشده است. اطلاعات بیشتر در جدول 1 نشان داده‌شده است تا نشان دهد که چقدر طول می‌کشد هر یک از شناورها عمل کنند و طول و سرعت متوسط جابجایی آن‌ها تعیین شود.

3. نتایج و بحث
3.1 تجزیه‌وتحلیل حساسیت و کالیبراسیون
برای ارزیابی داده‌های معتبر، مدل عددی باید کالیبره شود. کالیبراسیون به معنی تنظیم پارامترهای مدل‌سازی برای ایجاد تناسب بین خروجی‌های مدل و داده‌های مربوط به‌ اندازه‌گیری هست. در این مطالعه، مدل عددی بر روی مشاهدات میدانی جریان‌های سطح و مجموعه‌ای از اندازه‌گیری دما و شوری کالیبره شده است.
قبل از کالیبراسیون، حساسیت مدل به تغییرات پارامترهای مدل موردبررسی قرار گرفتند. تجزیه‌وتحلیل حساسیت نشان داد که میدان فعلی مدل شده حساس به‌اندازه سلول شبکه و زبری بستر هست. دمای مدل و شوری نیز به‌اندازه سلول شبکه و شدت نور حساس بودند.
به‌منظور ایجاد خروجی‌های مدل مستقل از اندازه سلول شبکه، نتایج به‌دست‌آمده از وضوح مش‌های مختلف شبکه مورد مقایسه قرار گرفت، اندازه سلول تا زمانی که نتایج ثابت به دست آمد، تصفیه شد و مش نهایی با وضوح مطلوب تعیین‌شده است. همه شبیه‌سازی‌های بعدی با مش نهایی حاوی 12،882 سلول افقی تعیین شد (شکل 2).

مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

فهرست مقاله:

خلاصه

مقدمه

اصول و مبانی آلودگی هوا

تعریف کلی

منابع آلودگی هوای فضای باز

آلودگی هوای فضای بسته

شواهد اپیدمولوژیک

آلودگی هوا و مرگ و میر مرتبط با بیماری قلبی عروقی

مواجهه کوتاه مدت

آلودگی هوا و بیماری‌های عروق کرونر

مواجهه بلند مدت

مواجهه کوتاه مدت

آلودگی هوا و سایر پیامدهای بیماری قلبی عروقی

آریتمی و مرگ و میر ناگهانی

نارسایی قلبی

سکته

فشار خون

همبستگی بین الاینده های هوا و بیومارکر های استرس اکسیداتیو و التهاب

اثرات شیوه‌های پیشگیری

محدودیت‌های این مطالعه و مسیرهای تحقیقاتی آینده

شواهد پاتوفیزیولوژیک

از استرس اکسیداتیو تا اختلال اندوتلیال

از اختلال اندوتلیال تا اتروژنز

از اتروژنز تا آتروتروبوزیس

محدودیت‌های مطالعه و مسیرهای آینده

اثرات عملیات پیشگیرنده

بخشی از ترجمه فارسی مقاله:

مقدمه
آلودگی هوا، یک مسئله سلامت عمومی مهم می‌باشد که منجر به مرگ نابهنگام میلیون‌ها نفر در سرتاسر دنیا می‌شود. بیماری‌های قلبی عروقی عامل 60 تا 80 درصد مرگ و میر های مرتبط با آلودگی می‌باشد (1). بر اساس کمپین راه اندازی شده در سال 2015 توسط انجمن کاردیولوژی اروپا، که هدف آن افزایش آگاهی در خصوص اثرات نامطلوب محیط بر روی قلب می‌باشد، ما یک مرور منابعی را در خصوص اثرات قلبی عروقی آلودگی هوا انجام دادیم. اگرچه مواجهه با هر دو آلودگی هوای فضای باز و بسته، اثر قوی بر روی بیماری‌های قلبی عروقی دارد، ما به مرور منابع در خصوص آلودگی هوای فضای باز می‌پردازیم. ما سپس برخی شواهد پاتوفیزیولوژیکی را ارائه کرده و یک ارزیابی شماتیک بر مسیرهای مکانیستی مرتبط کننده مواجهه آلودگی هوا با رویدادهای بالینی خواهیم داشت. ما هم چنین داده‌های اخیر در خصوص اثرات سودمند اقدامات پیشگیرانه و نیز مسیرهای آینده را برای غلبه بر محدودیت‌ها در تحقیقات محیطی ارائه می‌کنیم.
اصول و مبانی آلودگی هوا
تعریف کلی
آلودگی هوا متشکل از اجزای ذرات معلق (PM) و گاز می‌باشد. ذرات معلق به صورت ذرات دانه درشت (قطر کم‌تر از 10 میکرومتر، بزرگ‌تر از 2.5 میکرومتر)، ذرات ریز (کم‌تر از 2.5 میکرومتر، بزرگ‌تر از 0.1 میکرومتر) و ذرات فوق ریز (نانوذرات، قطر کم‌تر از 0.1 میکرومتر) طبقه بندیمی شوند. ذرات معلق دارای یک ترکیب متفاوت بر اساس منبع و منشأ خود می‌باشند. ذرات کربناته حاصل منابع احتراق نظیر دود خودروها یا گرمایش منازل مسکونی می‌باشند، در حالی که ذرات معدنی مربوط به گرد و غبارهای بیابانی و گرد و غبارهای معدنی حاصل از کشاورزی می‌باشند. ذرات کربنه دارای بنیان کربنی هستند با این حال در سطح خود حامل مقداری مواد شیمیایی آلی نظیر هیدروکربن‌های آروماتیک پلی سایکلیک و فلزات واکنش پذیر (2) می‌باشند. آلاینده‌های گازی، اکسیدهای نیتروژن از جمله دی اکسید نیتروژن (NO2) و نیتریک اکسید (NO)، ازن، دی اکسید گوگرد (SO2)، ترکیبات آلی فرار و مونوکسید کربن (CO) می‌باشند. دی اکسید گوگرد و نیتروژن اکسید علاوه بر سمیت خود، منجر به تشکیل ذرات از طریق واکنش‌های فتوشیمیایی اتمسفری پیچیده نظیر آمونیاک از فعالیت‌های کشاورزی می‌شوند. چون آن‌ها حاصل تبدیلات گازی هستند، این ذرات موسوم به ذرات ثانویه بوده و اساساً متشکل از ترکیبات معدنی نظیر آمونیاک، سولفات ونیترات می‌باشند. اوزون، یک الاینده گازی ثانویه می‌باشد که از طریق یک واکنش فتوشیمیایی شامل نور خورشید و پیش سازهای گازی نظیر اکسید نیتروژن یا ترکیبات آلی فرار ایجاد می‌شود.

منابع آلودگی هوای فضای باز
در اروپا، عملیات کشاورزی به عنوان منبع اصلی ذرات معلق PM 2.5 مطرح می‌باشد. با این وجود، ذرات حاصل از فعالیت‌های کشاورزی، ذرات حاصل از کشاورزی عمدتاً ذرات معدنی هستند که معمولاً سمیت کمتری از ذرات کربناته و آلی حاصل از منابع احتراقی نظیر ترافیک جاده‌ای دارند. با فرض این تفاوت در سمیتف ترافیک جادهای و گرمایش مسکونی دارای بیشترین اثر بر روی مرگ ومیر مرتبط با آلودگی هوای فضای باز در اروپا می‌باشد (1). در آمریکای شمالی، صنعت و تولید برق با استفاده از سوخت‌های فسیلی نیز منابع معم ذرات معلق هستند. در آفریقا، منابع طبیعی نظیر گرد و غبارهای بیابانی و اشتعال بیوماس (آتش سوزی‌های طبیعی یا انسانی)، سهم زیادی در غلظت آلودگی هوای محیط دارند. در اسیا، گرمایش منازل و پخت و پز، منبع اصلی آلودگی فضای باز و فضای بسته می‌باشند (1). علاوه بر تفاوت‌ها بین کشورها و قاره‌ها، تفاوت‌های قوی بین منابع اصلی الاینده ها در یک کشور بسته به منابع محلی وجود دارد. در شهرهای بزرگ، ترافیک جاده‌ای عامل اصلی انتشار آلاینده‌ها و نیز منبع اصلی نیتروز اکسید می‌باشد که عمدتاً از اگزوز خودروهای دیزلی منتشر می‌شود. برای مثال در پاریس، ترافیک جاده‌ای عامل 30 درصد انتشار ذرات معلق (به اندازه بخش مسکونی) و تقریباً 60 درصد انتشار اکسیدهای نیتروژن می‌باشد (3). دی اکسید گوگرد، عمدتاً حاصل الاینده های صنعتی و حمل و نقل دریایی می‌باشد با این حال در طی سال‌های اخیر، سهم آن در آلودگی هوا کاهش یافته است.

بخشی از مقاله انگلیسی:

Background

Air pollution is a major public health issue, leading to millions of premature deaths worldwide. Cardiovascular diseases account for 60—80% of air pollution-related deaths [1]. In line with the campaign launched in 2015 by the European Society of Cardiology, which aims to ‘‘raise awareness of the detrimental effects that the environment can have on the heart’’, we performed a review of publications reporting on the cardiovascular effects of air pollution. Although both indoor and outdoor air pollution exposure have a strong impact on cardiovascular diseases, we have focused our review on outdoor air pollution. We first introduce some basics on air pollution definition and sources, which are needed to present evidence arising from longand short-term epidemiological studies. We then present some pathophysiological evidence, and propose a schematic overview of mechanistic pathways linking air pollution exposure to clinical events. We also present recent data on the enhancing effects of mitigation measures, and some future directions to overcome the limitations in environmental research.

Air pollution basics

General definition

Air pollution is composed of particulate matter (PM) and gaseous components. PM is classified as coarse particles (diameter < 10m, ≥ 2.5 m), fine particles (diameter < 2.5m, ≥ 0.1 m) and ultrafine particles (nanoparticles, diameter < 0.1m). PM has a different composition depending on its source. Carbonaceous particles are derived from combustion sources, such as traffic emission or residential heating, while inorganic particles are represented by, for example, desert dust and mineral dust from agriculture. Carbonaceous particles are carbon based, but carry on their surface an amount of organic chemicals, such as polycyclic aromatic hydrocarbons and reactive metals [2]. Gaseous pollutants are nitrogen oxides including nitrogen dioxide (NO2) and nitric oxide (NO), ozone, sulphur dioxide (SO2), volatile organic compounds and carbon monoxide (CO). Besides their own toxicity, SO2 and nitrogen oxides also contribute to particle formation through complex atmospheric photochemical reactions involving ammonia from agriculture. As they result from gaseous transformation, these particles are called secondary particles, and are essentially composed of inorganic compounds, such as ammonia, sulphates and nitrates. Ozone is a secondary gaseous pollutant, formed through a photochemical reaction involving sunlight and gaseous precursors such as nitrogen oxides or volatile organic compounds.

Outdoor air pollution sources

In Europe, agriculture is a major source of PM2.5. Nevertheless, particles from agriculture are mainly inorganic particles, which are usually considered to be less toxic than carbonaceous particles from combustion sources, such as road traffic. Assuming this difference in toxicity, road traffic and residential heating have the largest impact on outdoor air pollution-related mortality in Europe [1]. In North America, industry and power generation using fossil fuels are also important sources of PM. In Africa, natural sources, such as desert dust and biomass burning (natural or man-made fires), contribute largely to ambient air pollution concentrations. In Asia, residential heating and cooking are the main sources of particles in both outdoor and indoor emissions [1]. Besides the differences between countries and continents, strong differences exist between the main sources of pollutants within the same country, depending on local sources. In large cities, road traffic is a major contributor to global pollutant emissions, and is also the main source of NO2, arising mainly from diesel vehicles. In Paris, for example, road traffic accounts for 30% of PM emissions, as much as the residential sector, and nearly 60% of emissions of nitrogen oxides [3]. SO2 mainly arises from industrial emissions and maritime transport; however, its contribution to air pollution is decreasing over the years.

مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

فهرست مقاله:

چکیده
1-مقدمه
2-پسماند الکتریکی و الکترونیک در نیجریه
2-1 تولید پسماند الکترونیک درنیجریه
2-2 جمع اوری پسماند ها ی الکترونیک و بازیافت پسماند ها ی الکترونیک در نیجریه
2-3 قوانین و مقرر ات مربوط به پسماند ها ی الکترونیک در نیجریه
2-4 چالش ها ی بازیافت و مدیریت پسماند ها ی الکترونیک
3-چارچوب نظری
4- روش تحقیق
4-1 ایجاد پرسش نامه
4-2 توزیع نمونه گیری و جمع اوری داده ها
4-2 توزیع نمونه گیری و جمع اوری داده ها
5-نتایج
5-1 تحلیل عاملی
5-2 تحلیل همبستگی
5-3 تحلیل رگرسیون سلسله مر اتبی
6-بحث
6-1 بحث نتایج و اهمیت
6-2 توصیه ها یی بر ای بهبود عوامل موثر بر قصد مصرف کننده ها
6-3 توصیه ها یی بر ای توسعه زیر ساخت جمع اوری پسماند ها ی الکترونیک
7-نتیجه گیری

بخشی از ترجمه فارسی مقاله:

1-مقدمه
تغییر ات و پیشرفت فناوری سریع در صنعت الکترونیک منجر به افزایش سریع محصولات پیشرفته و جدید شده است به طوریکه این مسئله موجب افزایش مصرف و بازیافت محصولات قدیمی شده است و به طور قابل توجهی میزان پسماند ها ی تجهیزات الکترونیکی ر ا در سطح جهانی افزایش داده است(1). بر طبق تحقیقات سازمان ملل، حدود 20 تا 50 میلیون تن پسماند الکترونیکی در مقیاس جهانی تولید شده است به طوری که سرعت این افزایش سه بر ابر سریع تر از پسماند ها ی جامد شهری شده است. به این ترتیب پسماند ها ی الکترونیک سریع الرشد ترین پسماند ها در سرتاسر دنیا می باشند و تولید آن به بیش از 16 تا 28 درصد در سطح جهان رسیده است(2-3).
بیشتر کشور ها ی در حال توسعه و به خصوص نیجریه، با افزایش سریع و چشمگیر میزان پسماند ها ی الکترونیک ناشی از تولیدات داخلی و نیز واردات تجهیزات الکترونیک و الکتریکی قدیمی و دست دوم مواجه شده است. گزارش شده است که تقریبا 1.1 میلیون تن تجهیزات الکترونیک و الکتریکی هر ساله درنیجریه به پسماند تبیدل می شود که از این مقدار 75 درصد در خانه ها، موسسات دولتی، صنایع و ادار ات خصوصی به دلیل عدم قطعیت و ناآگاهی از شیوه مدیریت و بازیافت این اقلام تلنبار شده است(4). بیشتر کشور ها ی در حال توسعه فاقد ساختار ها ی کارکردی بر ای ذخیره، انبار، جمع اوری و بازیافت پسماند یا پیاده سازی مناسب قوانین مربوط به پسماند ها ی خطرناک می باشند(5). در نیجریه، هیچ گونه سیستم جمع اوری رسمی و عملا هیچ ظرفیتی بر ای فر ایند ها ی بازیافت مواد بر ای پسماند ها ی الکترونیک وجود ندارد. از این روی، فر ایند مدیریت میزان زیاد پسماند ها ی الکترونیک به خوبی تبیین و عملی نشده است به همین دلیل این ایتم ها با استفاده از روش ها ی خام بازیافت شده و اجزای ناخواسته در دپو ها ی محلی دور ریخته شده و یا وارد جریان ها ی آب می شوند(6-7). عوامل اصلی موثر بر این روند، سطوح پایین آگاهی عمومی در خصوص سمیت پسماند ها ی الکترونیک و نبود قوانین مناسب در خصوص سیستم ها ی بازیافت و جمع اوری در کشور می باشند. بازیافت اولیه پسماند ها ی الکترونیک کمنجر به آسیب زیادی به سلامت افر اد، و کارکنان بدون تجهیزات حفاظتی شخصی و محیط اطر اف شده است. یک سیستم مدیریتی کافی بر ای بازیافت پسماند ها ی الکترونیکی رسمی منجر به توسعه اقتصاد محلی و کاهش فقر خواهد شد.
امروزه، از آن جا که تولید، بازیابی، بازیافت و استفاده مجدد از پسماند ها ی الکترونیک به یک مسئله بسیار مهم در میان طرفدار ان حفاظت از محیط زیست و ذی نفعان و بهره بردار ان شده است به این ترتیب دولت ها بایستی قوانین خاصی ر ا در خصوص پسماند ها ی الکترونیک تصویب کرده و چارچوب ها ی یکپارچه مدیریت پسماند ها ی الکترونیک ر ا بر ای افزایش سرعت جمع اوری، بازیافت و بازیابی این پسماند ها و حداقل سازی دور ریزی توسعه دهند. از همه مهم تر این که، نقش مصرف کنندگان در چرخه حیات پسماند ها ی الکترونیک اهمیت زیادی دارد و از این روی درک مناسب رفتار بازیافت پسماند ها ی الکترونیک توسط مصرف کننده ها و عوامل موثر بر قصد آن ها بر ای مشارکت در رفتار سبز لازم است. از این نظر، چندین محقق به بررسی نیات و رفتار مصرف کنندگان در خصوص بازیافت با استفاده از ابعاد مختلف تئوری رفتار برنامه ریزی شده پرداخته اند(8-11). در این مقاله هدف ما درک عوامل موثر بر قصد مصرف کننده بر ای مشارکت در سیستم جمع اوری پسماند ها ی الکترونیک به طور رسمی است. به این ترتیب، ما از TBP یا تئوری رفتار برنامه ریزی شده بر ای توسعه چارچوب نظری بر ای بررسی شیوه تاثیر گذاری عوامل موثر بر نیات و قصد مشارکت در جمع اوری پسماند ها ی الکترونیک استفاده می کنیم. به علاوه، ما چارچوب ر ا بر ای بررسی اثر ات محرک ها ی اقتصادی و زیر ساخت ها بر روی روابط بین عوامل موثر و قصد جمع اوری پسماند ها ی الکترونیک توسعه می دهیم.
گام ها ی اتخاذ شده بر ای انجام این مطالعه شامل مرور منابع موجود در خصوص وضعیت پسماند ها ی الکترونیک در نیجریه در بخش 2 ار ایه شده است. بخش 3 چارچوب نظری این مطالعه ر ا ار ایه می کند. در بخش 4، روش تشریح می شود که شامل فر ایند توسعه پرسش نامه، روش ها ی جمع اوری داده ها و توزیع نمونه گیری است. بخش 5 شامل تحلیل داده ها و نتایج است. بخش 6 به بحث در خصوص نتایج و اهمیت آن پرداخته و بخش 7 در بر گیرنده نتیجه گیری است.

بخشی از مقاله انگلیسی:

1. Introduction

The rapid technological changes and advancement in the electronics industry have led to the rapid rise of new and advanced products, which stimulates a constant consumption turnover and the disposal of old equipment, and this has tremendously increased the waste stream of obsolete electronic equipment globally [1]. According to the United Nations investigations, around 20 to 50 million tons of e-waste are generated on a global scale, an amount rising three times faster than the entire municipal solid waste stream thereby becoming one of the fastest rising waste streams around the world, and global generation is projected to rise by 16–28% annually [2,3]. Most developing countries, and especially Nigeria, face a rapidly increasing quantity of e-waste, both from domestic generation and import of obsolete or used electrical and electronic equipment (UEEE). It was reported that approximately 1.1 M tons of electrical and electronic equipment (EEE) become obsolete each year in Nigeria of which 75% is stored in homes, government institutions, industries and private offices, due to the uncertainty of how to handle or dispose of such items [4]. Most developing countries lack a functional structure for the sorting, storage, collection, and disposal of waste or the proper implementation of hazardous waste-related legislation [5]. In Nigeria, there is no formal collection system and practically no capacity for material recovery processes for e-waste. Thus, the processes of managing the huge e-waste stream is not clearly spelled out and practiced, as a result of which these items are recycled using crude methods and unwanted components become discarded in local dumps or surface water bodies [6,7]. Major factors influencing this trend are the low level of public awareness on e-waste toxicity and lack of legislation aimed at providing a collection or recovery system in the country. The rudimentary recycling of e-waste has caused considerable harm to the health of scavengers, workers with no personal protective equipment, and the surrounding environment. An adequate management system for formal e-waste recycling can drive the development of local economies and the reduction of poverty. Today, as production, recovery, recycling and reuse of electronic products becomes an issue of concern among environmentalists and concerned stakeholders, it is becoming more imperative for governments to enact e-waste specific legislation and develop integrated e-waste management frameworks to increase the rate of collection, reuse, recycling and recovery of such wastes, to minimize disposal. More importantly, the role of consumers is key in the life-cycle of EEE, thus, a proper understanding of the consumers’ e-waste disposal behavior and factors which will influence consumers’ intentions to engage in green behavior is needed. In this light, several researchers have investigated consumers’ intentions and behaviors towards recycling using the theoretical lens of the theory of planned behavior (TPB) [8–11]. In this paper, we seek to comprehend the factors that will influence consumers’ intentions to participate in a formal e-waste collection system. Thus, we utilize the TPB to develop a theoretical framework to examine how influencing factors lead to formal collection participation intentions. In addition, we extend the framework to examine the moderation effect of infrastructure and economic incentives on the relationship between the influencing factors and intention. The steps taken to conduct this study include a review of existing literature on the e-waste situation in Nigeria presented in Section 2. Section 3 presents the theoretical framework of this study. In Section 4, the methodology is elucidated, which includes the questionnaire development process, data collection methods and sampling distribution. Section 5 presents the data analysis and results. Section 6 presents the discussion of results and its implications, and Section 7 presents the conclusions.

مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

فهرست مقاله:

چکیده
مقدمه
توصیف منطقه مورد مطالعه
مواد و روش ها
طرح نمونه برداری
آنالیز شیمیایی
کنترل کیفیت
طبقه بندی ترکیبات MO
طبقه بندی کاربری ارضی
نتایج و بحث
تشخیص ترکیبات MO
فراوانی و شدت تشخیص MO با استفاده از نمونه گیر غیر فعال
تحلیل MO ها بر اساس استفاده
کاربری ارضی مربوط به ترکیبات MO
نتیجه گیری

بخشی از ترجمه فارسی مقاله:

 مقدمه
ترکیبات میکروارگانیک به عنوان یک عامل مهم در آلودگی محیط زیست قلمداد می شوند( ویلی و همکاران 2011). تحقیقات گذشته به تشخیص الاینده های کلاسیکدر آب برای مثال افت کش ها، نیترات ها و PCB ها تخصیص داده شده اند، در حالی که امروزه هدف اصلی مطالعه حضور MO ها در اب زیر زمینی، تعیین حضور هورمون ها، افت کش ها، محصولات مراقبت بهداشتی و سایر مواد شیمیایی صنعتی و خانوار است. تعیین حضور ترکیبات MO در اب زیر زمینی( استوارت وهمکاران 2012، لپورت و همکاران 2015، پیتراچ و همکاران2016)، توسعه نمونه برداری و روشهای تحلیلی یکی از اهداف تحقیقات فعلی است.
آب آشامیدنی از بخوان های تحت تاثیر فشار های کشاورزی و شهری پمپاژ می شود. این منجر به افزایش علاقه به تحقیقات برای تعیین، انتقال و تجزیه الاینده های الی انسانی در محیط زیست شده است به خصوص در جایی که در آن ها آب زیر زمینی منبع مهم آب زیر زمینی است. وجود MO ها در محیط ابی منجر به افزایش تقاضا برای ابزار های پایش حساس و مطمئن شده است( ویلی و همکاران 2011). قوانین مربوط به کیفیت اب اشامیدنی در اتحادیه اروپا مستلزم بهینه سازی روش های تحلیلی برای الاینده های الی برای بدست اوردن نتایح دقیق در سطوح PPT است. در اب زیر زمینی، بیشتر الاینده ها در غلظت های پایین تر از LOQ قرار دارند. پیشرفت ارزیابی کیفیت اب نیازمند فناوری های نمونه گیری برای تایید برنامه های پایش است.
بخشی از فرایند اطمینان از آب زیر زمینی خوب، سیستم پایش موثر است. یکی از چالش های مربوطه، بهبود پایش اب زیر زمینی است. یک مانع در خصوص MO، این است که آن ها در محیط به صورت ترکیبات در غلظت PPB ( قسمت در هر میلیارد) میباشد. نمونه برداری نقطه ای برای جمع اوری نمونه های اب استفاده می شود. این روش تغییرات زمانی در غلظت ناشی از نوسانات درجریان، بارش و یا ورودی های مختلف را در نظر نمی گیرد. دیگر عیب روش های پایش کلاسیک، حجم پایین اب مورد استفاده برای تحلیل است که منجر به استانه تشخیص نسبتا بالا می شود. نمونه گیری غیر فعال ، ابزاری مفید برای طیف وسیعی از الاینده های مختلف در محیط های ابی است( ویلی و همکاران 2011، سیتپاتی و همکاران 2008). در مقایسه با روش های نمونه گیری کلاسیک، هزینه تحلیل نمونه گیر غیر فعال به دلیل نمونه های نسبتا ساده پایین تر است.
اخیرا، مطالعات متعدد در سراسر دنیا به بررسی توسعه و استفاده از نمونه گیر های یکپارچه مواد شیمیایی برای فیلتر MO در اب زیر زمینی و نیز سیستم های ابی مختلف پرداخته اند. دستگاه های پلی اتیلینی برای ارزیابی ترکیبات الی اب گریز در محیط های ابی استفاده می شوند. دستگاه های غشای نیمه تراوا برای پایش هیدروکربن های اروماتیک پلی سایکلیک در ستون های ابی استفاده شده است.
برای نوع متفاوت نمونه گیری جاذب با قطبیت متفاوت بسته به هدف نمونه گیر استفاده می شود.اصل انتخاب مشابه با اصل استخراج فاز جامد یا فنون میکرو استخراج است. با این حال، بیشتر جاذب ها از ماده الی یا جاذب های غیر الی اصلاح شده به سختی قادر به تولید ترکیبات پلاستی سایزر هستند.کربن فعال یک جاذب گسترده است که از طریق حرارت دهی در محیط پاک پاک سازی می شود. این مقاله، از یک ابزار نمونه گیری غیر فعال مقرون به صرفه و ساده با کربن فعال یکپارچه برای تست امکان تعیین حضور ترکیبات میکروارگانیک در اب زیر زمینی و شناسایی منابع بالقوه الودگی و نیز تغییرات فصلی الودگی استفاده می کند. مزیت نمونه گیر غیر فعال، پوشش دوره نمونه گیری طولانی با تلفیق غلظت الاینده به مرور زمان بوده و هزینه های تحلیلی در دوره پایش به طور قابل توجهی کاهش می یابند.

2-توصیف منطقه مورد مطالعه
ماریبور دومین شهر بزرگ اسلونی بوده و در شمال شرقی اینکشور واقع شده است. این شهر در ساحل رودخانه دراوا قرار دارد و دارای دبی 300 متر مکعب بر ثانیه است. منطقه مورد مطالعه ، 18 کیلومتر مربع را پوشش می دهد. آبخوان وربانسکی، در نزدیکی شهر ماریبور قرار گرفته است و مهم ترین منبع اب نوشیدنی برای ماریبور می باشد. تقریبا 68 درصد تامین اب اشامیدنی از ابخوان استحراج شد.
ابخوان از رسوبات دانه درشت رودخانه دراوا با ضخامت 20 تا 40 متر تشکیل شده و به صورت یک ابخوان با تراوایی خوب با سفره اب زیر زمینی ازاد محسوب می شود. سفره اب زیر زمینی در عمق متوسط 25 تا 37متر زیر سطح قرار داشته و ضخامت ابخوان اشباع 13 متر است. بر اساس مطالعات قبلی، هدایت هیدرولیکی ابخوان بین 5 × 10−3 and 2 × 10−2 براورد می شود. ابخوان از رودخانه دراوا از نفوذ ناشی از بارش و رودهای کوچک از تپه های اطراف تغذیه شدند. این منطقه دارای اقلیم قاره ای اسلوونی مرکزی با دمای سالانه بین 8 و 10 درجه است. بارش سالانه بین 800 و 100میلی متر است.

بخشی از مقاله انگلیسی:

1. Introduction

Micro-organic (MO) compounds have been recognized as an important factor in environmental pollution (Wille et al., 2011). Research in the past has been dedicated to the detection of classical pollutants in water, e.g. pesticides, nitrates and PCBs, while today the aim of studying the presence of MOs in groundwater is also to determine the presence of hormones, pharmaceuticals, personal care products and other household and industrial chemicals (emerging contaminants). Determining the presence of MO compounds in groundwater (Stuart et al., 2012; Lapworth et al., 2015; Pitarch et al., 2016), development of sampling (Verreydt et al., 2010; Allinson et al., 2015; Křesinová et al., 2016; Mirasole et al., 2016) and analytical methods (Locatelli et al., 2016) have become the focus of present research. Drinking water is often pumped from the aquifers that are subject to the influence of urban and agricultural pressures. This fact has led to increased interest in research on the determination, fate, transport and degradation processes of anthropogenic organic pollutants in the environment, particularly where groundwater is the most important source of drinking water. The presence of MOs in aquatic environment has given rise to an increased demand for sensitive and reliable monitoring tools (Wille et al., 2011; Vrana et al., 2005). Strict legislation concerning drinking water quality in the EU requires the optimization of analytical methods for organic pollutants in order to gain accurate and precise results at ppt levels. In the groundwater, most pollutants are usually present in concentrations below the limit of quantification (LOQ), and several of them also below the limit of detection (LOD) at ppt and sub-ppt levels. Developments in assessing water quality also require the appropriate accompanying sampling technologies to support the monitoring programs. Part of the process of ensuring good groundwater is an effective monitoring system. One of the associated challenges is how to improve the monitoring of groundwater quality. One obstacle in connection with MOs is that they are present in the environment as mixtures at sub-ppb concentrations, and at variable times and locations. Spot sampling is usually used to collect water samples, with which contamination at a given time and place can be determined. However, this method may not take full consideration of the temporal variations in the concentrations due to fluctuations in flow, precipitation, or episodic inputs (e.g., combined sewer overflows or sewage lagoon release) (Kreuger, 1998; Carlson et al., 2013). Another disadvantage of classical monitoring methods is the small volume of water typically used for analysis, resulting in relatively high detection limits (Gunold et al., 2008). In tracking the above objectives the concept of monitoring is very important, where the first preliminary qualitative methods are used to assess the situation, and are later supported by precise and accurate quantitative analytical methods. Passive sampling has been proven to be a useful monitoring tool for a range of different contaminants in aquatic environments (Wille et al., 2011; Seethapathy et al., 2008; Vermeirssen et al., 2009; Nyoni et al., 2011; Ahrens et al., 2015), which allows for continuous monitoring over an extended period of time and to determine time-weighted average (TWA) water concentrations of MOs (Alvarez et al., 2004; Vrana et al., 2014). It is based on the situ deployment of devices/sorbents capable of accumulating contaminants freely dissolved in the water (Ahrens et al., 2015). Compared to classical sampling methods, the cost of analysing the passive sampler is lower, due to relatively simple sample treatments, limited matrix interferences, and considerably lower detection limits (Vrana et al., 2005). Recently, numerous studies all over the world have described the development and use of Polar Organic Chemical Integrative Samplers (POCIS) to screen MOs in groundwater (Soulier et al., 2016; Metcalfe et al., 2011; Berho et al., 2013) as well as in various aquatic systems (Tapie et al., 2011; Ibrahim et al., 2013). Polyethylene devices (PEDs) are used for assessing hydrophobic organic compounds (HOCs) in aquatic environments (Adams et al., 2007). Also semipermeable membrane devices (SPMDs) have been used to monitor polycyclic aromatic hydrocarbons (PAHs) in water columns (Amdany et al., 2014; Bourgeault and Gourlay-Francé, 2013), and PAHs and/or polychlorinated biphenyls (PCBs) in aqueous systems (Schäfer et al., 2010; Prokeš et al., 2012; Monteyne et al., 2013; Uher et al., 2016), all of which indicate a promising tool for determining organic toxicants. One of the most common passive samplers used to adsorb organic contaminants from water and air is activated carbon, which has been known for decades (Rivera et al., 1987; Kadokami et al., 1990; Hale et al., 2009; Yu et al., 2009; Verreydt et al., 2010), but recently we have seen a lack of studies where it has been used for monitoring MOs in aquatic systems. For passive sampling different type of sorbent with different polarity depending from the purpose of sampler are used. Principle of choice is very similar to those at solid-phase extraction or micro-extraction techniques. However, most of sorbents from organic material (e.g. different modified styrene-divinylbenzene copolymer type) or modified inorganic sorbents (e.g. modified alumina type) are very hard to prepare free of interfering compounds (e.g. plasticizers). Active carbon is broad range adsorbent, which could be easily cleaned by a heating in clean environment. After heating, deactivation of the surface could be done by a water steam. Therefore active carbon as a sorbent has been chosen in our study for general identification of MOs in groundwater. The aim of the present article is as follows: (1) determine the presence of MO contaminants in groundwater by means of passive sampling; (2) test the applicability of the passive sampling method in monitoring groundwater quality; (3) investigate those hydrogeological conditions that have an influence on the emergence of contaminants in groundwater; (4) identify the source of MOs for every sampling site.

2. Site description

Maribor is the second largest city in Slovenia, and is located in the northeast of the country. It is situated on the banks of the Drava River, which has a mean discharge of 300 m3 /s. Our study area (Fig. 1) covers 18 km2 . The Vrbanski plateau aquifer is situated under the city of Maribor, and is the most important drinking water resource for Maribor and its surrounding municipalities. Approximately 68% of the region’s drinking water supply is drawn from the aquifer (Juren et al., 1996). The aquifer is formed from old coarse gravel deposits of the Drava River some 20 to 40 m thick, and can be classified as an intergranular aquifer of good permeability with an unconfined groundwater table, and as highly vulnerable to contamination derived from the surface. The groundwater table is found at an average depth of 25 to 37 m below the surface, the thickness of the saturated aquifer is 13 m in the deepest sections. Based on previous studies, the hydraulic conductivity of the aquifer is estimated at between 5 × 10−3 and 2 × 10−2 m/s. The aquifer is recharged from the Drava River (20%), from precipitation infiltration, and from small streams from the surrounding hills (Mali et al., 1996). General direction of groundwater flow is from west to east (Fig. 1), determined based on previous isotopic studies (Mali et al., 1995, 2003). The Maribor area has a moderate continental climate typical of central Slovenia, with an average annual temperature of between 8 and 10 °C and a typical continental precipitation regime. The average yearly precipitation is between 800 and 1000 mm (SEA, 2013). In the past, industry, which has constituted the main source of economic activity of Maribor, left traces in the environment, thus the industrial areas could be contaminated with various pollutants. The urban area is very diverse and has a relatively good regulated sewage system, though in some places presents a problem due to old or leaking sewers or lack thereof in the outlying settlements. The city’s outskirts are covered by forest and farmland with intensive agriculture, which also represents a potential source of groundwater pollution.

پیش بینی رتبه جامعه – توزیع فراوانی تحت شرایط آب و هوایی فعلی و آینده

Predicting community rank‐abundance distributions under current and future climates

Understanding influences of environmental change on biodiversity requires consideration of more than just species richness. Here we present a novel framework for understanding possible changes in species’ abundance structures within communities under climate change. We demonstrate this using comprehensive survey and environmental data from 1748 woody plant communities across southeast Queensland, Australia, to model rank-abundance distributions (RADs) under current and future climates. Under current conditions, the models predicted RADs consistent with the region’s dominant vegetation types. We demonstrate that under a business as usual climate scenario, total abundance and richness may decline in subtropical rainforest and shrubby heath, and increase in dry sclerophyll forests. Despite these opposing trends, we predicted evenness in the distribution of abundances between species to increase in all vegetation types. By assessing the information rich, multidimensional RAD, we show that climate-driven changes to community abundance structures will likely vary depending on the current composition and environmental context.

1 Introduction

Understanding the drivers of diversity remains a key challenge in ecology, and is becoming increasingly important as organisms respond to rapid climate change (Parmesan et al. 1999, Walther et al. 2005). Almost all projections of diversity, both spatial and temporal, have focused on species richness derived from species occurrence data. For example, spatial models of richness across broad geographic extents have been developed for birds (Davies et al. 2007, Rahbek et al. 2007, Distler et al. 2015), reptiles (Lewin et al. 2016, Rodrigues et al. 2017), invertebrates (Lobo et al. 2002, Overton et al. 2009) and plants (Steinmann et al. 2009, Cramer and Verboom 2017, Fricker et al. 2015), with projections also made under future climates (Currie 2001, Thuiller et al. 2005). However, it has been suggested that richness alone is a poor proxy for diversity (Hurlbert 1971) as it fails to describe the abundance patterns that define ecological communities (Stirling and Wilsey 2001, Wilsey et al. 2005). Models of species richness rarely acknowledge that richness is intrinsically linked to, and constrained by, overall community abundance – there cannot be more species than the total number of individuals. While this is unlikely to be an issue in models using large grain sizes, it is relevant to data collected at plot scales (e.g. sub-hectare forest plots) where abundances of some species can be low, and adding or removing a relatively small number of individuals may greatly increase the chance of altering richness (Dornelas et al. 2011). Focusing on richness alone also fails to consider one of the universal laws of ecology: that virtually all communities contain many uncommon and few common species (Tokeshi 1993, McGill et al. 2007). A number of indices (i.e. Simpson’s and Shannon’s diversity) have been developed to compare community structure among sites, however these are known to oversimplify communitylevel abundance patterns and it has been recommended that full community-level abundance patterns are used when comparing across sites (see Matthews and Whittaker 2015, and references therein). Understanding the relative abundances of species (e.g. community evenness) provides additional useful information relating to important ecological processes, such as competition (Whittaker 1965, Rajaniemi 2011). However, due to influences from important environmental variables (e.g. fire, drought, storms) – sometimes with complicated interactions – species abundances can be difficult to predict accurately. A continued focus on richness alone may mask important changes to species abundance distributions under future climates. For example, even if richness remains relatively constant, the abundance of many species might nevertheless shift dramatically, with consequences for longer-term population persistence (Ehrlén and Morris 2015). The rank-abundance distribution (RAD), where all species in a community are ranked from most to least abundant, provides a more holistic representation of communities than richness alone (Whittaker 1965). Rank abundance distributions can be used to describe any community where the abundance of each species is recorded and can be summarised using three simple components: 1) the total number of individuals within a community (abundance), 2) the total number of species in the community (richness) and 3) the allocation of individuals among species (evenness). These three RAD components can be modelled sequentially as functions of environmental covariates (Foster and Dunstan 2010) allowing for spatial predictions that respect their inherent conditionality. The concept of the RAD has featured prominently in the literature since the 1940s (Fisher et al. 1943, Preston 1948), and a steady-state non-linear distribution of abundances within a community is a fundamental assumption of neutral theory (Hubbell 2001). There has been some concerted effort to examine the form of these distributions in more detail across large regions and environmental gradients (Dunstan and Foster 2011, Arellano et al. 2017), however their consideration in biogeography is lacking and there have been specific calls for greater consideration of RADs in largescale analyses (Matthews et al. 2017). Despite the enormous potential of abundance distributions to reveal new insights about the drivers of multiple community attributes, and for predicting and interpreting community responses to environmental change (Fig. 1), RADs have not yet been spatially projected across any terrestrial system, nor have temporal changes in RADs been predicted under future climates. In this study, we use an extensive woody plant community dataset from southeast Queensland, Australia, to project the three RAD components – abundance, richness and evenness – under current and future climates at a fine spatial resolution across this large and diverse region (vegetation ranging from subtropical rainforest to sclerophyll woodlands and shrublands). Given the region’s climate is expected to become warmer and drier in the future (Dowdy et al. 2015), our overall hypothesis is that substantial changes in RADs will be predicted under future climates, but that the nature of these changes will vary with environmental context. Specifically, in response to climate change we expect areas currently dominated by open sclerophyll forests and woodlands to experience ‘woody thickening’ (Bowman et al. 2001, Russell-Smith et al. 2004, Macinnis-Ng et al. 2011), resulting in increased overall abundance and richness (e.g. Fig. 1a).

مبتدی (مناسب برای درک مفهوم کلی مطلب)

WEC ها هنوز در حال ظهور تکنولوژی هایی هستند بنابراین مطالعات محدودی روی LCA از WEC ها وجود دارد. Soerensen et al. (2006) مطالعه ای از LCA را روی WEC انجام داده اند و اژدهای امواج – Wave Dragon نامیده شده که نشان می دهد این نوع از وسایل 20 مرتبه انرژی بیشتری را نسبت به انرژی استفاده شده برای آن در طول سلسله مراحلش تولید می نماید. Dahlsten (2009) به اجرای LCA از WEC پرداخته و ادعا کرده که اغلب برخوردات مربوط به مواد استفاده شده به علاوه نصب و تعمیر و نگهداری بوده است و عدم به کارگیری نمی تواند نادیده گرفته شود. Thomson et al. (2011) مشخص نموده است که Pelamis WEC مقدار 24 تا 30 گرم کربن دی اکسید به ازای هر کیلووات ساعت منتشر نموده و EPBT برابر 21 تا 25 ماه به عنوان نتیجه ای از یک بررسی LCA بوده است. Collins (2014) از LCA برای ارزیابی ظرفیت های زیست محیطی مبدل انرژی موجی Oyster و توربین جزرومدی SeaGen به صورت کامل استفاده نموده است. مطالعات اشاره شده ادعا نموده اند که این وسایل دارای اثرات زیست‌محیطی مشابه با توربین های بزرگ بوده که برحسب دوره برگشت CO2 و انرژی شرح داده شده است.
در این بررسی، یکپارچه سازی تولید انرژی باد و موج در وسیله ای منفرد برحسب قابلیت تحمل زیست محیطی تحقیق شده است. برای ترکیب مبدل های انرژی باد و موج در یک سکوی شناور منفرد به طرحی ابتکاری و نوعی از ساختار نیاز داریم که دارای فضای کافی برای بدنه ساختمان و ژنراتورهای اضافی مبدل های انرژی موجی باشد. این ساختار نوین ممکن است دارای نیازمندی های ماده ای اضافی در مقایسه با دیگر انواع توربین های بادی دور از ساحل متحرک باشد که این سوال را ایجاد می نماید، آیا این نوع جدید از ساختار انرژی اضافی کافی برای تنظیم تفاوت ها در طراحی را تولید می نماید و آیا واقعا ً افزایشی در ظرفیت های زیست محیطی در مقایسه با دیگر مفاهیم شناور وجود دارد؟
در این زمینه، هدف از این بررسی برای پاسخ به سوالات اشاره شده در بالا توسط تحقیقات عمیق از سکوی دور از ساحل چندمنظوره ابداعی، طراحی شده برای شرایط موقعیت دور از ساحل Cantabrian اقیانوس اطلس، بوده است. ارزیابی سکو از طریق حساسیت LCA و همچنین تحلیل طرح ها بینشی را بر برخورد نسبت های بازیافت تخمینی و موقعیت زمینی انرژی روی اثرات زیست‌محیطی این ساختار ابداعی در مراحل طراحی اولیه خواهد داد.

2. مواد و روش ها
ارزیابی چرخه عمر (LCA) به عنوان روشی برای تعیین اثرات زیست محیطی یک محصول یا یک دستورالعمل در طول مدت عمرش از ابتدا تا انتها می باشد. LCA با ارزیابی اثرات زیست ‌محیطی (EIA) و ارزیابی خطر (RA) توسط ماهیت تطبیقی محصولاتش تفاوت دارد و ممکن است که برای بهبود محصول یا مقایسه محصول یا دستورالعمل ها استفاده شود. نتایج مقداری تولید شده توسط بررسی های LCA ممکن است که در طول فرآیندهای تصمیم گیری استفاده شود. با استفاده از LCA در طول فرآیندهای طراحی، اثرات زیست‌محیطی نیز در نظر گرفته شده و این نتایج در منافع زیست محیطی، انتقال مشکلات اضافی به خاطر کاهش انتشار در یک فرآیند و افزایش در دیگری با ملاحظه تمامی مراحل از استخراج مواد تا دفع پسماند ممانعت شده است.
ارزیابی سلسله مراحل شامل چهار مرحله اصلی بوده که در مدیریت زیست محیطی ایزو 14040 – ارزیابی سلسله مراحل – قواعد و چارچوب ها شرح داده شده است. در مرحله تعریف اهداف و دامنه رسیدگی، روش کار، واحد اصلی، ظرفیت های سیستم و سطح ریز اقلام تعیین شده است. مرحله فهرست گیری از مدت عمر اجناس (LCI) از تعیین ورودی ها و خروجی ها در تمامی مراحل با توجه به ظرفیت های سیستم و روش های تخصیص یافته در مرحله اول و در مرحله ارزیابی برخورد مدت عمر (LCIA) تشکیل شده است. نتایج فهرست گیری از مدت عمر اجناس به دسته بندی های برخورد زیست محیطی مربوطه تبدیل شده است (Baumann and Tillman, 2004). EDIP, CML 2001, TRACI etc به عنوان روش هایی متداول بوده که برای تبدیل انتشار امواج به دسته بندی های برخوردی استفاده شده است. تفسیر نتایج به عنوان آخرین مرحله بوده است. پس از LCIA، ممکن است فازی سنجشی وجود داشته باشد که اختیاری است.
نرم افزارهای متعدد فروشی و رایگان در دسترس می باشد برای اینکه در طول مدلسازی از ابتدا تا انتهای محصول/ دستورالعمل استفاده شود که عموما ً پایگاه اطلاعاتی رایگان یا فروشی استفاده شده و شامل ورودی و خروجی های فرآیندهای تولید می باشد. SimaPro, GaBi و Open LCA به عنوان نمونه هایی از نرم افزارهای استفاده شده مخصوصاً برای LCA، و ساختن اقتصادی و PE به عنوان نمونه هایی از پایگاه داده عمومی LCI بوده اند.
هدف از این مطالعه برای تعیین برخوردهای زیست محیطی مدت عمر سکوی دور از ساحل چندمنظوره شناور (MUP) بوده است. سکوی دور از ساحل بررسی شده توسط دانشگاه Cantabria (UC) طراحی شده که شامل یک توربین بادی NREL 5 MW و سه ستون آب نوسانی 1150 کیلوواتی از نوع WEC (شکل 1) نصب شده روی سه سیلندر در هر راس سکو می باشد (Armesto et al., 2016; Zanuttigh et al., 2016). ارتفاع چرخ هر توربین بادی برابر 90 متر و قطر روتور برابر 63 متر بوده است. LCA برای یک زمین MUP شامل 77 عدد MUP متحرک، کابل های ولتاژ متوسط و ولتاژ قوی و یک ایستگاه فرعی دور از ساحل اجرا شده است. در طراحی اصلی زمین MUP همچنین یک ایستگاه فرعی نزدیک ساحل وجود دارد که در بررسی LCA در نظر گرفته نشده است. موقعیت پیشنهادی زمین MUP در محل دور از ساحل Cantabrian به نام Virgen del mar که 13-3 کیلومتر دورتر از ساحل واقع شده است. زمین MUP برای تولید 110 گیگاوات ساعت انرژی به ازای هر سال توسط OWC و 777.25 گیگاوات ساعت به ازای هر سال توسط توربین های بادی تخمین زده شده است (Armesto et al., 2016; Zanuttigh et al., 2016) و طول عمر زمین MUP تا 25 سالگی برنامه ریزی شده که نتایج 22 سالگی برابر 181.29 گیگاوات ساعت انرژی تولیدشده توسط زمین انرژی بوده است. مشخصات زمین MUP در جدول 1 فهرست شده است.
واحد اصلی مورد بررسی دارای 1 کیلووات ساعت برق می باشد. نرم افزار GaBi برای ورود اطلاعات و ارزیابی مدت عمر محصول استفاده شده است. عقیده عمومی و کاربرد نرم افزار LCA عبارت است از اینکه اهمیت نمی دهد که آیا کارورزهای LCA از یک نرم افزار LCA استفاده می کنند یا از نرم افزار دیگری. با این وجود، برخورد انتخاب نرم افزار LCA به عنوان موضوعی مورد توجه از مطالعات اخیر بوده است. مقایسه نتایج LCA از دو نرم افزار LCA متداول استفاده شده برای چهار ماده اصلی با استفاده از داده های ورودی تشخیصی، پایگاه داده و روش شناسایی ارزیابی برخورد منجر شده است به اینکه انتخاب نرم افزار روی نتایجی موثر بوده است که امکان دارد با هدایت اشتباه تصمیم گیرندگان به پایان برسد. این مورد با فقدان سازگاری موجودیت و کمیت عوامل توصیفی ایستگاه های فرعی بین دو نرم افزار توضیح داده شده است (Speck et al., 2015) که به نتایجی مشابه رسیده اند. Herrmann and Moltesen (2015) به نتایجی مشابه رسیده اند. انتخاب نرم افزار به عنوان پارامتری موثر روی نتایج LCA توسط تحلیل 100 واحد انتخابی به طور تصادفی با استفاده از SimaPro و GaBi انجام شده است. به خاطر بودجه مالی و اهمیت زمانی، تصمیم به استفاده از یک نرم افزار به تنهایی برای این بررسی گرفته شده است که منجر به استفاده از GaBi گردیده که یکی از دو نرم افزار LCA استفاده شده به طور گسترده می باشد.
روش شناسی ارزیابی برخورد زیست محیطی همچنین به عنوان عاملی تعیین کننده برای بررسی LCA می باشد. روش های CML و Eco-indicator 99 به عنوان متداول ترین روش های استفاده شده برای مطالعات LCA توربین های بادی بوده که مقایسه ای از نتایج با مطالعات صریح قبلی را ایجاد می نماید. این دو روش به خاطر خاتمه با نتایج فرعی تر سودمند بوده اند (Martínez et al., 2015). در نتیجه روش CML 2001 (Guin_ee et al., 2002) برای توصیف نتایج انتخاب شده است. در روش CML 2001، نتایج برحسب دسته بندی های برخوردی زیر نمایش داده شده اند: کاهش مواد بی جان، اسیدی سازی، انباشتگی خوراک آبی، مسمومیت آبزیان آب شیرین، گرم شدن جهانی (100 سال GWP)، پساب انسانی، نازک شدن لایه اوزون، ایجاد فتوشیمیایی اوزون، مسمومیت اکوسیستم زمینی و مسمومیت اکوسیستم دریایی. با توجه به Pettersen and Hertwich (2008) و Weinzettel et al. (2009) ، CML 2001 نتایجی غیردقیق را برحسب دسته بندی برخورد مسمومیت اکوسیستم دریایی تولید می نماید. در نتیجه، این دسته بندی برخورد در فرآیند توصیف و تفسیر نتایج مستثنی شده است.
LCA اجرا شده a) تولید و فرآوری، ترابری و نصب (MTI) ، b) بهره برداری و تعمیر نگهداری ، و c) مراحل جمع آوری را پوشش می دهد. قسمت های تولید شده در اولین مرحله توسط کامیون ها به ساحل و توسط لنج ها به موقعیت زمین MUP انتقال داده شده، نصب آنها در موقعیت زمین MUP دور از ساحل رخ داده و عملیات اجرایی و تعمیر و نگهداری به مدت 25 سال ادامه می یابد و نهایتا ً زمین های MUP جمع آوری می شوند.