تأثير تركيز الكلوروفيل على إنتاج ألياف أكريليك نانوية بتقنية الغزل الكهربائي
DOI:
https://doi.org/10.21123/bsj.2024.10367الكلمات المفتاحية:
العراق، بيانات شهرية، الهطول، التحليل المكاني، الزمانيالملخص
تستكشف هذه الدراسة خصائص الألياف النانوية المغزولة كهربائيًا من بولي ميثيل ميثاكريلات (PMMA) الممزوجة بالكلوروفيل، والتي من الممكن تطبيقها في تصنيع الخلايا الكهروضوئية. تمت إضافة تراكيز مختلفة من الكلوروفيل (0، 0.05، 0.1، 0.15، 0.2، و0.25 بالوزن%) إلى محاليل الغزل الكهربائي لـ PMMA والأسيتون. بعد عملية الغزل الكهربائي وتبخر الأسيتون، احتوت الألياف على تراكيز الكلوروفيل (0، 0.31، 0.63، 0.94، 1.25، و1.56 بالوزن%). تم توصيف الالياف المنتجة بخصائص الريولوجيا، وتحول فورييه بالأشعة تحت الحمراء، والمجهر الإلكتروني الماسح، والتحليل الطيفي للأشعة فوق البنفسجية. أظهرت النتائج أن الكلوروفيل زاد من لزوجة المحلول وقلل من قطر الألياف النانوية بنسبة وزنية تصل إلى 0.8%. تم الحصول على الألياف النانوية الأكثر اتساقًا بنسبة وزنية تبلغ 0.31% من الكلوروفيل، بمتوسط قطر 11.66 ± 7.3 نانومتر. أدت تركيزات الكلوروفيل الأعلى إلى ألياف نانوية أكبر وأكثر انتظامًا وزيادة فجوة النطاق. أنتجت تراكيز الكلوروفيل التي تزيد عن 1% بالوزن أليافًا غير مرغوب فيها ذات خرز. حددت الدراسة النطاق الأمثل لتركيز الكلوروفيل في ألياف PMMA النانوية (0-0.8 بالوزن%) ودرست تأثير الكلوروفيل على اللزوجة والقطر وفجوة النطاق ومورفولوجيا الألياف النانوية. توفر الدراسة معلومات مفيدة للباحثين والمطورين الذين يرغبون في استخدام ألياف PMMA/الكلوروفيل النانوية لأغراض مختلفة.
Received 11/09/2023
Revised 02/02/2024
Accepted 04/02/2024
Published Online First 20/09/2024
المراجع
Abed Qf. Climate change in the temperature and rain of Iraq. J Coll Basic Educ Educ Hum Sci. 2019; 45: 339-367.
AM Abdul Ja bbar, AK Abdulkareem. Predicted the Cumulative Annual Rainfall in Iraq using SDSM Modal. MJS. 2021; 32(2): 11-17. https://doi.org/10.23851/mjs.v32i2.977
Mutar AG, Khtan A, George LE. Synoptic Characteristics of Torrential Rains in Southwest and Southeast Iraq: A Case Study. MJS. 2021; 32 (3): 1-7. https://doi.org/10.23851/mjs.v32i3.957
Kaur Sukhpal, Rakshit Madhuchanda. Seasonal and Periodic Autoregressive Time Series Models Used for Forecasting Analysis of Rainfall Data. Int J Adv Eng Technol. 2020; 10 (1): 230-242.
Alsalhy,Sarmad&Hameed, Jasim. Verification of the amount of Annual rainfall using satellite images and GIS analysis in Iraq. MJPAS P. 2024.
Issa shatha, Kadhum J. Dynamical Analysis of Severe Rain Events over Iraq. MJS. 2019; 30 (1): 15-22. https://doi.org/10.23851/mjs.v30i1.586
Shaghati YA. Study of Some Patterns for Severe Rainfalls Over Iraq. MJS. 2024; 31(4): 9-14. https://doi.org/10.23851/mjs.v31i4.878
Hussien SA, Mustafa BY, Medhat FK. Trend Analysis of Annual and Monthly Rainfall in Erbil City, Kurdistan Region, Iraq. Polytechnic j. 2019; 9 (2): 30-6. https://doi.org/10.25156/ptj.v9n2y2019.pp30-36
Ahmed G, Al-Manmi D. Trend detection of average annual rainfall and temperature in Sulaymaniyah governorate, Iraq. Anbar J Agric Sci. 2021; 19 (2): 221-233. https://doi.org/10.32649/ajas.2021.175995
Al-Budeiri AL. Trends in temperature and rain change in Iraq and its future projections. Anbar J Agric Sci. 2021; 3(137): 443-72. https://doi.org/10.31973/aj.v3i137.1129
Hajani E, Shajee K, Kaleel F, Abdulhaq H. et al. Characteristics of changes in rainfall data in the Kurdistan Region, Iraq. Arab J Geosci. 2022; 15(509): 509. https://doi.org/10.1007/s12517-022-09809-6
Hajani Evan, Klari Zahraa. Trends analysis in rainfall data series in Duhok city, Kurdistan region, Iraq. Model Earth Syst Environ. 2022; 8: 1-14. http://dx.doi.org/10.1007/s40808-022-01354-1
Eptehaal M Deagan, Monim H Al-Jiboori. The Relationship of CLWC and Rainfall to the Synoptic Cases of Two Case Studies Over Iraq. IOP Conf Ser. Earth Environ Sci. 2023; 1262 (8): 082038. https://doi.org/10.1088/1755-1315/1262/8/082038
Laheab A Al-Maliki1, Sohaib K Al-Mamoori, Nadhir Al-Ansari, Khaled El-Tawel and Fadi G. Comair. Climate change impact on water resources of Iraq (a review of literature). IOP Conf Ser.: Earth Environ Sci. 2022; 1120. https://doi.org/10.1088/1755-1315/1120/1/012025
Al-Ansari, Nadhir. Topography and Climate of Iraq. Journal of Earth Sciences and Geotechnical Engineering. 2021; 11. 1-13. 10.47260/jesge/1121.
Abdaki, Mohammed & Al-iraqi, Ahmed & Faisal, Raid. Predicting long-term climate changes in Iraq. IOP Conference Series: Earth and Environmental Science. 2021 779. 012053. 10.1088/1755-1315/779/1/012053.
Al-Bayati RM, Adeeb HQ, Al-Salihi AM, Al-Timimi YK. The relationship between the concentration of carbon dioxide and wind using GIS. AIP Conf Proc. 2020; 2290: 050042. https://doi.org/10.1063/5.0027402
Hassan AS and Kadhum JH .Analysis the Intensity of CO2 Emissions from Fossil Fuel Combustion in Iraq. 2021; MJS;32:47-50. https://doi.org/10.23851/mjs.v32i2.982
Adeeb HQ, Al-Timimi YK. GIS techniques for mapping of wind speed over Iraq. Iraqi J Agric. Sci. 2019; 50 (6): 1621-1629. https://doi.org/10.36103/ijas.v50i6.852
Asraa Khtan, Iqbal Khalaf Al-ATABI. Analyzing and prediction of rainfall trends over Baghdad city. PREPRINT (Version 1). Res Sq. 2021; https://doi.org/10.21203/rs.3.rs-1023267/v1
Mutasher WG, Aljuboori AF. New and Existing Approaches Reviewing of Big Data Analysis with Hadoop Tools. Baghdad Sci J. 2022; 19(4): 0887. https://doi.org/10.21123/bsj.2022.19.4.0887
Yatish HR, Swamy SR. Recent trends in time series forecasting–A Survey. Int Res J Eng Tech. 2020; 07(04): 5623- 5628.
Kumar NR. Analysis of test for significance of Pearson’s correlation coefficient. Int J Mod Eng Res. 2021; 10 (46).
Huang F, Xiong H, Chen S, Lv Zhitao, Huang J, Chang Zh et al. Slope stability prediction based on a long short-term memory neural network: comparisons with convolutional neural networks, support vector machines and random forest models. Int J Coal Sci Technol. 2023; 10 (18). https://doi.org/10.1007/s40789-023-00579-4
Mohsen A-ZA, Al-Jiboori MH, Al-Timimi YK. Investigating the Aerodynamic Surface Roughness Length over Baghdad City Utilizing Remote Sensing and GIS Techniques. Baghdad Sci J. 2021; 18(2): 1048. https://doi.org/10.21123/bsj.2021.18.2(Suppl.).1048
Rahardja D. Statistical Time-Series Forecast via Microsoft Excel (Forecast.ets) Built-In Function. J Res Appl Math. 2021; 7(11): 69-73.
Hajani E, Sarma G. Generation of rainfall data series by using the Markov Chain model in three selected sites in the Kurdistan Region, Iraq. The Journal of the University of Duhok. 2023; 2(5). https://doi.org/10.1007/s43503-023-00014-2
Monim H Al-Jiboori, MJ Abu Al-Shaeer, Ahmed S Hassan. Statistical Forecast of Daily Maximum Air Temperature in Arid Areas at Summer time. J Math Fundam Sci. 2020; 52(3). https://doi.org/10.5614/j.math.fund.sci.2020.52.3.8
Aqeel Gh Mutar et al. The Impact of ENSO on the Precipitation in Iraq Regions. IOP Conf Ser.: Earth Environ Sci. 2023; 1223. https://doi.org/10.1088/1755-1315/1223/1/012007
Zarei AR, Eslamian S. Trend assessment of precipitation and drought index (SPI) using parametric and non-parametric trend analysis methods (case study: arid regions of southern Iran). Int J Hydrol Sci Technol. 2017; 7(1): 12-38. https://doi.org/10.1504/IJHST.2017.080957
التنزيلات
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2024 Sara Ali Muter, Monim H. Al-Jiboori, Yaseen K. Al-Timimi
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.