مروری بر اهمیت استفاده از جلبک ها به عنوان بیواندیکاتورزیستی برای سنجش آلودگی های زیست محیطی( فلزات سنگین سرب و کادمیوم)
محل انتشار: دهمین کنگره پیشگامان پیشرفت
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 510
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
KPIP10_294
تاریخ نمایه سازی: 6 اردیبهشت 1396
چکیده مقاله:
توسعه ی روزافزون صنعت اگر چه، دارای مزایای بیشماری است، ولی متاسفانه مشکلات خاصی همچون آلودگی محیط زیست را نیز به دنبال دارد. آلودگی اکوسیستم های آبی به فلزات سنگین یکی از مهم ترین مباحثی است که در سال های اخیر به آن توجه ویژه ای شده است. به دلیل این که، این اکوسیستم ها به طور طبیعی دریافت کننده ی نهایی فلزات سنگین هستند.امروزه آلودگی محیطهای آبی از چالش های مهم انسان با طبیعت است و منابع آبی از حساس ترین اکوسیستم ها به شمارمی روند. با توجه به گسترش روز افزون میزان آلاینده های فلزات سنگین در محیط های آبی و اثرات منفی آن ها بر زنجیره های غذایی و سلامت انسان ها ، لزوم شناسایی بیواندیکاتوری که بتواند به موقع شرایط نامساعد محیطی را هشدار دهد، جهت پایش مداوم تاثیر فلزات سنگین بر موجودات زنده ، بسیار ضروری است. در این راستا استفاده از موجودات دریایی بخصوص جلبک ها به عنوان بیواندیکاتورهای برای سنجش فلزات سنگین در اکوسیستم های آبی، یک امر متداول است. جلبک ها به دلیل این که در ابتدای زنجیره های غذایی آبی قرار گرفته اند بر غلظت عناصر شیمیایی در سطوح غذایی بالاتر تاثیرگذارند ، هم چنین مستقیما از فاکتورهای شیمیایی و محیطی تاثیر می پذیرند، از این رو بیواندیکاتورهای خوبی از تغییرات محیطی هستند و واکنش های بالایی از خود نشان می دهند. هدف از این مقاله مروری بر استفاده از جلبک ها به عنوان بیواندیکاتورهای زیستی برای سنجش آلودگی های زیست محیطی و عوامل موثر در جذب فلزات سنگین توسط جلبک ها می باشد.
کلیدواژه ها:
نویسندگان
هادی تحسینی
دانشجوی کارشناسی ارشد مهندسی محیط زیست دانشکده منابع طبیعی دانشگاه کردستان سنندج ایران.
فردین کریمی
دانشجوی کارشناسی ارشد مهندسی محیط زیست دانشکده منابع طبیعی دانشگاه کردستان سنندج ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :