la micrometeorologia e la dispersione degli inquinanti ... - ARPA Lazio
la micrometeorologia e la dispersione degli inquinanti ... - ARPA Lazio la micrometeorologia e la dispersione degli inquinanti ... - ARPA Lazio
LA MICROMETEOROLOGIA E LA CAPACITA’ DISPERDENTE DELL’ATMOSFERA tutte le formule utili per realizzare le rotazioni indicate e per determinare i vari termini della matrice di varianza-covarianza. Il metodo ECM si fonda completamente sulla possibilità di determinare il valor medio di una variabile meteorologica. A tal proposito è importante ricordare che l’ipotesi base su cui si fonda il metodo ECM è che una variabile φ possa essere considerata come la sovrapposizione di: • un valor medio φ che, almeno in teoria, non dovrebbe variare nel tempo, • una fluttuazione turbolenta φ’variabile ad ogni istante. L’ipotesi principale che si fa attorno alle fluttuazioni φ’è che siano delle realizzazioni di un processo stocastico stazionario a media nulla. Ciò implica che ad ogni istante t la fluttuazione sarà differente, però i parametri principali che ne descrivono la statistica (per esempio i momenti di vario ordine) dovranno mantenersi costanti nel tempo. Questo non avviene nella realtà e ciò che si può vedere è che col tempo il valor medio delle variabili meteorologiche può variare, anche se lentamente. Un esempio tipico è la temperatura dell’aria che varia durante il giorno a seconda della disponibilità di radiazione solare. Un’altra cosa evidente è che la statistica del processo stocastico varia lentamente nel tempo: durante le 24 ore del giorno normalmente si passa da situazioni convettive, caratterizzate da varianze molto elevate, a situazioni stabili notturne in cui le varianze assumono valori molto inferiori. Ciò che si nota, quindi, è una lenta evoluzione temporale che però può diventare molto più rapida in particolari situazioni meteorologiche (passaggi di fronti, instabilità a mesoscala, ecc.). In pratica, l’applicazione del metodo ECM si fonda sull’ipotesi che l’evoluzione temporale media di una variabile meteorologica sia sempre molto lenta e che sia sempre possibile definire un tempo T in cui il fenomeno si possa definire praticamente stazionario. Apparentemente, in un periodo T piccolo, il fenomeno considerato dovrebbe essere meno irregolare e quindi più stazionario, tuttavia se T è esageratamente piccolo la stima della varianza di una generica variabile potrebbe essere molto differente da quella vera. Se si riprendono in considerazione le osservazioni fatte al punto 2.1.3.6, la scelta naturale per il periodo di mediazione risulta essere definita dallo spectral-gap individuabile nello spettro della velocità del vento al suolo. Come già si è dimostrato, da queste considerazioni si può affermare che T dovrà stare nell’intervallo 15÷60 minuti. Ciò porta, però, come conseguenza una variazione più o meno accentuata del valor medio delle variabili meteorologiche (trend). Quindi l’impiego diretto delle (2.13a) e (2.135) può produrre stime della varianza e delle covarianze abbastanza distanti dalla realtà (Panofsky e Dutton, 1984). Per questo è necessario individuare dei metodi per eliminare i trend dalle variabili. Oltre al metodo proposto da McMillen (1988) basato sull’impiego di un filtro numerico RC passa-basso, molto spesso è impiegato il metodo della regressione lineare alla base del quale c’è l’ipotesi che qualunque tipo di evoluzione lenta di un segnale meteorologico nel periodo di mediazione T possa essere approssimata da un andamento lineare. Pertanto, se si considera una variabile x i , misurata agli istanti t i = i ∆t,è facile definire la retta di regressione come: 181
LA MICROMETEOROLOGIA E LA CAPACITA’ DISPERDENTE DELL’ATMOSFERA e x si calcola con la (2.134a). Quando si usa questo metodo di detrending, la fluttuazione di x i al tempo t i è x’ i = x i -x i ed è semplice verificare che il suo valore medio in T è nullo. Per una trattazione dettagliata del metodo ECM si rimanda a Sozzi e al. (2002). In sintesi, i differenti parametri caratteristici della turbolenza del SL sono caratterizzati come segue. La velocità di frizione. Rimandando alla Letteratura scientifica per ulteriori dettagli (Weber, 1999), si ha che: Quindi per stimare u* è necessario conoscere le covarianze tra le componenti orizzontali e la componente verticale del vento. Il flusso turbolento di calore sensibile. La sua definizione è la seguente: La lunghezza di Monin-Obukhov La lunghezza di Monin-Obukhov L é definita come (Stull, 1988 e Garratt, 1992): in cui θ v è la temperatura potenziale virtuale media nel SL, k è la costante di von Karman e g è l’accelerazione di gravità. Equivalente alla (12.19a) è la definizione seguente di L: La temperatura di scala. Associato al flusso verticale di calore c’è anche un parametro di scala definito nella forma seguente: 182 Altri parametri importanti che definiscono il livello della turbolenza nel SL sono le varianze delle tre componenti del vento e delle variabili scalari come la temperatura potenziale virtuale e l’umidità. Infine, un parametro fondamentale nella descrizione della turbolenza del SL è la dissipazione di energia cinetica turbolenta ε. Con il metodo ECM non è possibile stimare direttamente questa grandezza e quindi si può avere solo una sua stima indiretta mediante l’impiego delle relative Relazioni della Teoria della Similarità. 2.9.2.2 Metodo del Bilancio Energetico Superficiale Il punto di partenza di questa classe di metodi, per lo meno per le stime relative
- Page 131 and 132: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 133 and 134: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 135 and 136: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 137 and 138: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 139 and 140: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 141 and 142: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 143 and 144: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 145 and 146: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 147 and 148: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 149 and 150: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 151 and 152: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 153 and 154: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 155 and 156: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 157 and 158: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 159 and 160: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 161 and 162: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 163 and 164: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 165 and 166: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 167 and 168: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 169 and 170: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 171 and 172: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 173 and 174: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 175 and 176: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 177 and 178: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 179 and 180: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 181: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 185 and 186: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 187 and 188: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 189 and 190: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 191 and 192: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 193 and 194: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 195 and 196: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 197 and 198: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 199 and 200: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 201 and 202: LA MICROMETEOROLOGIA E LA CAPACITA
- Page 203 and 204: BIANCA
- Page 205 and 206: TEORIA DI BASE DELLA DISPERSIONE DE
- Page 207 and 208: TEORIA DI BASE DELLA DISPERSIONE DE
- Page 209 and 210: TEORIA DI BASE DELLA DISPERSIONE DE
- Page 211 and 212: TEORIA DI BASE DELLA DISPERSIONE DE
- Page 213 and 214: TEORIA DI BASE DELLA DISPERSIONE DE
- Page 215 and 216: TEORIA DI BASE DELLA DISPERSIONE DE
- Page 217 and 218: TEORIA DI BASE DELLA DISPERSIONE DE
- Page 219 and 220: TEORIA DI BASE DELLA DISPERSIONE DE
- Page 221 and 222: TEORIA DI BASE DELLA DISPERSIONE DE
- Page 223 and 224: TEORIA DI BASE DELLA DISPERSIONE DE
- Page 225 and 226: TEORIA DI BASE DELLA DISPERSIONE DE
- Page 227 and 228: MODELLI DI TIPO STAZIONARIO 226 omo
- Page 229 and 230: MODELLI DI TIPO STAZIONARIO il camm
- Page 231 and 232: MODELLI DI TIPO STAZIONARIO f z è
LA MICROMETEOROLOGIA E LA CAPACITA’ DISPERDENTE DELL’ATMOSFERA<br />
tutte le formule utili per realizzare le rotazioni indicate e per determinare i vari<br />
termini del<strong>la</strong> matrice di varianza-covarianza.<br />
Il metodo ECM si fonda completamente sul<strong>la</strong> possibilità di determinare il valor<br />
medio di una variabile meteorologica. A tal proposito è importante ricordare che<br />
l’ipotesi base su cui si fonda il metodo ECM è che una variabile φ possa essere considerata<br />
come <strong>la</strong> sovrapposizione di:<br />
• un valor medio φ che, almeno in teoria, non dovrebbe variare nel tempo,<br />
• una fluttuazione turbolenta φ’variabile ad ogni istante. L’ipotesi principale che si<br />
fa attorno alle fluttuazioni φ’è che siano delle realizzazioni di un processo stocastico<br />
stazionario a media nul<strong>la</strong>. Ciò implica che ad ogni istante t <strong>la</strong> fluttuazione sarà<br />
differente, però i parametri principali che ne descrivono <strong>la</strong> statistica (per esempio<br />
i momenti di vario ordine) dovranno mantenersi costanti nel tempo.<br />
Questo non avviene nel<strong>la</strong> realtà e ciò che si può vedere è che col tempo il valor<br />
medio delle variabili meteorologiche può variare, anche se lentamente. Un esempio<br />
tipico è <strong>la</strong> temperatura dell’aria che varia durante il giorno a seconda del<strong>la</strong> disponibilità<br />
di radiazione so<strong>la</strong>re. Un’altra cosa evidente è che <strong>la</strong> statistica del processo<br />
stocastico varia lentamente nel tempo: durante le 24 ore del giorno normalmente<br />
si passa da situazioni convettive, caratterizzate da varianze molto elevate,<br />
a situazioni stabili notturne in cui le varianze assumono valori molto inferiori.<br />
Ciò che si nota, quindi, è una lenta evoluzione temporale che però può diventare<br />
molto più rapida in partico<strong>la</strong>ri situazioni meteorologiche (passaggi di fronti,<br />
instabilità a mesosca<strong>la</strong>, ecc.). In pratica, l’applicazione del metodo ECM si fonda<br />
sull’ipotesi che l’evoluzione temporale media di una variabile meteorologica sia sempre<br />
molto lenta e che sia sempre possibile definire un tempo T in cui il fenomeno si possa definire<br />
praticamente stazionario.<br />
Apparentemente, in un periodo T piccolo, il fenomeno considerato dovrebbe essere<br />
meno irrego<strong>la</strong>re e quindi più stazionario, tuttavia se T è esageratamente piccolo<br />
<strong>la</strong> stima del<strong>la</strong> varianza di una generica variabile potrebbe essere molto differente<br />
da quel<strong>la</strong> vera. Se si riprendono in considerazione le osservazioni fatte al punto<br />
2.1.3.6, <strong>la</strong> scelta naturale per il periodo di mediazione risulta essere definita dallo<br />
spectral-gap individuabile nello spettro del<strong>la</strong> velocità del vento al suolo. Come già si<br />
è dimostrato, da queste considerazioni si può affermare che T dovrà stare nell’intervallo<br />
15÷60 minuti. Ciò porta, però, come conseguenza una variazione più o<br />
meno accentuata del valor medio delle variabili meteorologiche (trend). Quindi<br />
l’impiego diretto delle (2.13a) e (2.135) può produrre stime del<strong>la</strong> varianza e delle<br />
covarianze abbastanza distanti dal<strong>la</strong> realtà (Panofsky e Dutton, 1984). Per questo è<br />
necessario individuare dei metodi per eliminare i trend dalle variabili. Oltre al<br />
metodo proposto da McMillen (1988) basato sull’impiego di un filtro numerico RC<br />
passa-basso, molto spesso è impiegato il metodo del<strong>la</strong> regressione lineare al<strong>la</strong> base<br />
del quale c’è l’ipotesi che qualunque tipo di evoluzione lenta di un segnale meteorologico<br />
nel periodo di mediazione T possa essere approssimata da un andamento lineare.<br />
Pertanto, se si considera una variabile x i , misurata agli istanti t i = i ∆t,è facile definire<br />
<strong>la</strong> retta di regressione come:<br />
181