بررسي آزمايشگاهي نقش كربنات كلسيم در حذف، انتقال و انتشار كادميم

Experimentalstudyofcalciumcarbonateroleinremoval, advectionanddispersionofcadmium

در اين تحقيق اثر كربنات كلسيم موجود در محيط‌هاي طبيعي در حذف، انتقال و انتشار كادميم به كمك آزمايش‌هاي رآكتوري بررسي شده است. نتايج نشان داد كه در غلظت ppm330 كربنات كلسيم، 2/99% از كادميم با غلظت اوليه ppm5/1 حذف خواهد شد. بنابراين با توجه به قدرت زياد كربنات كلسيم در جذب كادميم و با توجه به حضور كربنات كلسيم در آبها و خاك‌ها، مي‌توان نتيجه گرفت كربنات كلسيم مي‌تواند نقش مهمي در خودپالايي محيط زيست ايفا كند و بايد در مدلسازي انتقال و انتشار آلودگي فلزات سنگين در نظر گرفته شود. با افزايش شوري در محدوده شرايط طبيعي، ابتدا ميزان جذب به شدت كاهش مي‌يابد سپس در شوري µS/cm 2500 شدت اين كاهش كم مي‌شود و در نهايت ميزان جذب مي‌تواند تا 50 درصد كاهش يابد. بررسي ايزوترم‌هاي لانگمير و فروندليچ نشان داد كه بر اساس داده‌هاي اين تحقيق، ايزوترم حاكم بر جذب كادميم به كربنات كلسيم ايزوترم فروندليچ است.

In this research the effect of calcium carbonate, existing in natural environments, on removal, advection and dispersion of cadmium using batch reactor experiments, is studied. The results showed that 99.2% of Cadmium with initial concentration of 1.5 ppm will removed by CaCo3 with concentration of 330 ppm. Regarding to high ability of CaCo3 in cadmium sorption and the existence of CaCo3 in soils and waters, one can conclude that CaCo3 has a great influence on self-purification natural environments and it must be considered in heavy metal transport transformation modeling. Firstly, by increasing salinity in the range of natural condition, sorption will decreased very fast but after the salinity of 2500 ?S/cm the amount of this reduction will be decrease. At last the amount of sorption could be decreased by 50%.Investigation of Langmuir and Freundlich isotherms showed that the governing isotherm for cadmium sorption to CaCo3 on the basis of current data is Freundlich. Furthermore comparing the linear and nonlinear methods in estimating Freundlich parameters show that the nonlinear sum of square of errors 0.3 of linear method. So it is better to use nonlinear method in estimation of parameters.