loading page

Monitoraggio delle emissioni odorigene in un piccolo impianto di depurazione attraverso un approccio senso-strumentale      
  • Federica Russo
Federica Russo

Corresponding Author:[email protected]

Author Profile

Abstract

Le molestie olfattive indotte da impianti di trattamento di acque reflue costituiscono un vero e proprio problema ambientale. In particolare, le emissioni odorigene derivanti dall’esercizio di impianti in zone turistiche sono considerate la principale causa di disturbo notato dalla popolazione esposta. La valutazione dell’impatto indotto può essere effettuata attraverso la misurazione degli odori, utilizzando un metodo analitico, sensoriale o misto. Il sensoriale, legato al “sensore umano” è causa di notevole incertezza. L'analitico-strumentale è in grado di identificare e quantificare solo la concentrazione dei composti chimici singoli o multipli ma non l'odore complessivo di una miscela. Pertanto, integrando entrambi i metodi, nel presente articolo si vuole mostrare l’applicazione di una procedura di tipo senso-strumentale (GC/MS con porta ODP). I risultati ottenuti in uno SWWTP hanno dimostrato l’applicabilità di tale procedura nel monitoraggio delle emissioni odorigene ed hanno permesso l’identificazione di 39 sostanze diverse di cui quasi la metà responsabili di disturbi olfattivi.    
22 Jun 2021Submitted to Tecnologie per l'ambiente
28 Jun 2021Editor invited a reviewer
28 Jun 2021Editor invited a reviewer
28 Jun 2021Editor invited a reviewer
09 Jul 2021Review Report #2 received
12 Jul 2021Review Report #3 received
12 Nov 2021Published in Tecnologie per l'ambiente
L'articolo è ben scritto e strutturato, si consiglia una lettura approfondita per la correzione di eventuali errori di battitura.Sostituire le citazioni datate con quelle di seguito elencate più recenti: Oliva, G., Zarra, T., Pittoni, G., Senatore, V., Galang, M. G., Castellani, M., Belgiorno, V., & Naddeo, V. (2021). Next-generation of instrumental odour monitoring system (IOMS) for the gaseous emissions control in complex industrial plants. Chemosphere. https://doi.org/10.1016/j.chemosphere.2021.129768Oliva, G., Zarra, T., Massimo, R., Senatore, V., Buonerba, A., Belgiorno, V., & Naddeo, V. (2021). Optimization of Classification Prediction
L'articolo risulta redatto in ottimo modo, non vi sono revisioni maggiori da effettuare, se non una maggiore ricerca di references più appropriate per dare un valore aggiunto alla tesi