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
MODELLO LAGRANGIANO A PARTICELLE quindi il suo movimento sarà in parte deterministico (il trasporto dovuto ai moti medi del PBL e rappresentato da u,v,w) ed in parte stocastico (rappresentato da u p ,v p ,w p e dovuto all’azione della turbolenza del PBL sul moto della particella). Lo spostamento della particella lungo la traiettoria tra l’istante t e l’istante t+dt sarà, dunque, pari a: secondo cui la traiettoria di una particella è in parte determinabile deterministicamente (secondo le leggi della cinematica) ed in parte è di natura puramente stocastica. Come descrivere la natura stocastica del movimento della particella Nei prossimi paragrafi si studierà proprio ciò e, per semplificare la trattazione, inizialmente si limita l’attenzione alla sola fluttuazione verticale w p ’ della velocità della particella. 7.2 LA TEORIA DI UN PROCESSO STOCASTICO MARKOVIANO MONODIMENSIONALE Per cercare di dominare la complessa realtà fin qui delineata, concentriamoci per il momento su una situazione relativamente semplice costituita da una particella che si trova in un fluido ipotetico in cui la turbolenza agisce solamente lungo la verticale.In questo caso la particella oscillerà stocasticamente lungo la verticale con velocità (stocastica) w. Lo studio che condurremo ai punti successivi si avvarrà della bellissima (e chiarissima!) esposizione fatta da Gillespie (1992). 7.2.1 Il processo markoviano Se si considera un sistema fisico caratterizzato da una variabile che evolve nel tempo, la funzione che specifica il valore di tale variabile (cioè la sua realizzazione) ad ogni istante di interesse prende il nome di processo. Nel caso che stiamo considerando: • il sistema fisico è la particella considerata, posta entro questo fluido ideale, • la variabile caratteristica è la velocità verticale w, • il processo è la funzione matematica (per il momento ignota) Σ, che ad ogni istante t > T 0 ci fornisce il valore w, cioè: Un processo si dice stocastico, se le sue realizzazioni non sono prevedibili con certezza; più precisamente, un processo si dice stocastico se la conoscenza dei suoi valori fino al tempo t (incluso) ci consente di predire solo in termini probabilistici il corrispondente valore a t+dt. Quanto conosciamo sulla natura imprevedibile della velocità verticale della particella ci porta a formulare l’ipotesi che essa sia effettivamente un processo stocastico. Dalla definizione data di processo stocastico, può nascere la legittima domanda: quanto il passato di un processo stocastico può influenzarne il futuro Ovviamente non esiste una risposta generale e convincente al quesito, anche se, nell’ottica della ricerca della massima semplicità, si può sicuramente cercare di individuare il processo stocastico più semplice in assoluto, cioè quel processo il cui futuro è determinato solo dal presente ed è indipendente dal passato. Un processo di questo tipo è un proces- 329
MODELLO LAGRANGIANO A PARTICELLE so senza memoria e prende il nome di processo Markoviano, dal nome del matematico russo Markov cui si deve lo studio sistematico e rigoroso di tale tipo di processo stocastico. Il processo Σ che stiamo considerando (cioè la velocità verticale della particella) è Markoviano Per rispondere a questa domanda, è opportuno considerare due istanti successivi t 1 e t 2 = t 1 + ∆t. La Micrometeorologia ci assicura che l’accelerazione di una particella in un fluido turbolento al tempo t 2 risulta correlata con l’accelerazione a t 1 solo se l’intervallo ∆t tra i due istanti temporali è inferiore al tempo di scala caratteristico di Kolmogorov t µ definito come (Monin e Yaglom,1971b): in cui v è la viscosità cinematica dell’aria e ε è il tasso di dissipazione dell’energia cinetica turbolenta. Nel PBL t µ è dell’ordine di 10 -1 ÷10 -2 s. Se consideriamo intervalli temporali ∆t maggiori di t µ , le accelerazioni a t 1 e t 2 non sono tra loro correlate e ciò è sufficiente per garantirci che il processo Σ può essere considerato a tutti gli effetti un processo Markoviano. Per questo, quando si applicherà la teoria che andiamo sviluppando, sarà necessario considerare scale temporali superiori a t µ . Ogni processo stocastico produce valori stocastici (realizzazioni di un processo stocastico) e quindi ad esso è associabile una funzione di densità di probabilità (pdf). Nel caso specifico, al processo Σ è associata una pdf P Σ (w), tale che P Σ (w). dw è la probabilità che il processo Σ produca un valore di velocità verticale della particella compreso nell’intervallo w e w+dw. La pdf avrà le consuete proprietà: • P Σ (w) definisce completamente il processo stocastico Σ; • vale la condizione di normalizzazione: • la probabilità che il processo Σ produca un valore entro un intervallo [a,b] è pari a: • il valore medio dei valori prodotti dal processo Σ è pari a: • il momento di ordine n-esimo è definito dalla relazione seguente: Nel caso in cui n = 2, otteniamo facilmente la definizione di varianza: e di deviazione standard: 330 7.2.2 L’equazione di Langevin Consideriamo con più attenzione il processo stocastico Σ.Al tempo iniziale t 0 ,il valore assunto sarà w 0 = Σ(t 0 ) e sia noto il valore w = Σ(t) assunto al tempo t.
- Page 279 and 280: MODELLI DI TIPO STAZIONARIO cioè l
- Page 281 and 282: MODELLI DI TIPO STAZIONARIO che pu
- Page 283 and 284: MODELLI DI TIPO STAZIONARIO Fi.4.20
- Page 285 and 286: MODELLI DI TIPO STAZIONARIO data pw
- Page 287 and 288: MODELLI DI TIPO STAZIONARIO Quella
- Page 289 and 290: MODELLI DI TIPO STAZIONARIO mentre
- Page 291 and 292: MODELLI DI TIPO STAZIONARIO corrent
- Page 293 and 294: MODELLI DI TIPO STAZIONARIO valori,
- Page 295 and 296: MODELLI DI TIPO STAZIONARIO zione e
- Page 297 and 298: MODELLI DI TIPO STAZIONARIO mine pr
- Page 299 and 300: MODELLI DI TIPO STAZIONARIO vettive
- Page 301 and 302: MODELLO EULERIANO zioni del primo o
- Page 303 and 304: MODELLO EULERIANO 5.1.3 La concentr
- Page 305 and 306: MODELLO EULERIANO • ha la forma d
- Page 307 and 308: MODELLO EULERIANO dove Q i,j,k è l
- Page 309 and 310: MODELLO EULERIANO 5.2.5 Considerazi
- Page 311 and 312: ianca
- Page 313 and 314: MODELLI DI DISPERSIONE DI TIPO PUFF
- Page 315 and 316: MODELLI DI DISPERSIONE DI TIPO PUFF
- Page 317 and 318: MODELLI DI DISPERSIONE DI TIPO PUFF
- Page 319 and 320: MODELLI DI DISPERSIONE DI TIPO PUFF
- Page 321 and 322: MODELLI DI DISPERSIONE DI TIPO PUFF
- Page 323 and 324: MODELLI DI DISPERSIONE DI TIPO PUFF
- Page 325 and 326: MODELLI DI DISPERSIONE DI TIPO PUFF
- Page 327 and 328: BIANCA
- Page 329: MODELLO LAGRANGIANO A PARTICELLE og
- Page 333 and 334: MODELLO LAGRANGIANO A PARTICELLE ci
- Page 335 and 336: MODELLO LAGRANGIANO A PARTICELLE ma
- Page 337 and 338: MODELLO LAGRANGIANO A PARTICELLE ne
- Page 339 and 340: MODELLO LAGRANGIANO A PARTICELLE Wi
- Page 341 and 342: MODELLO LAGRANGIANO A PARTICELLE
- Page 343 and 344: MODELLO LAGRANGIANO A PARTICELLE
- Page 345 and 346: MODELLO LAGRANGIANO A PARTICELLE ve
- Page 347 and 348: MODELLO LAGRANGIANO A PARTICELLE 7.
- Page 349 and 350: MODELLO LAGRANGIANO A PARTICELLE te
- Page 351 and 352: MODELLO LAGRANGIANO A PARTICELLE se
- Page 353 and 354: MODELLO LAGRANGIANO A PARTICELLE Qu
- Page 355 and 356: MODELLO LAGRANGIANO A PARTICELLE 7.
- Page 357 and 358: MODELLO LAGRANGIANO A PARTICELLE 35
- Page 359 and 360: MODELLO LAGRANGIANO A PARTICELLE Ne
- Page 361 and 362: BIANCA
- Page 363 and 364: DEPOSIZIONE SECCA ED UMIDA E PROCES
- Page 365 and 366: DEPOSIZIONE SECCA ED UMIDA E PROCES
- Page 367 and 368: DEPOSIZIONE SECCA ED UMIDA E PROCES
- Page 369 and 370: DEPOSIZIONE SECCA ED UMIDA E PROCES
- Page 371 and 372: DEPOSIZIONE SECCA ED UMIDA E PROCES
- Page 373 and 374: DEPOSIZIONE SECCA ED UMIDA E PROCES
- Page 375 and 376: DEPOSIZIONE SECCA ED UMIDA E PROCES
- Page 377 and 378: DEPOSIZIONE SECCA ED UMIDA E PROCES
- Page 379 and 380: DEPOSIZIONE SECCA ED UMIDA E PROCES
MODELLO LAGRANGIANO A PARTICELLE<br />
so senza memoria e prende il nome di processo Markoviano, dal nome del matematico<br />
russo Markov cui si deve lo studio sistematico e rigoroso di tale tipo di processo<br />
stocastico. Il processo Σ che stiamo considerando (cioè <strong>la</strong> velocità verticale<br />
del<strong>la</strong> particel<strong>la</strong>) è Markoviano Per rispondere a questa domanda, è opportuno<br />
considerare due istanti successivi t 1 e t 2 = t 1 + ∆t. La Micrometeorologia ci<br />
assicura che l’accelerazione di una particel<strong>la</strong> in un fluido turbolento al tempo t 2<br />
risulta corre<strong>la</strong>ta con l’accelerazione a t 1 solo se l’intervallo ∆t tra i due istanti<br />
temporali è inferiore al tempo di sca<strong>la</strong> caratteristico di Kolmogorov t µ definito come<br />
(Monin e Yaglom,1971b):<br />
in cui v è <strong>la</strong> viscosità cinematica dell’aria e ε è il tasso di dissipazione dell’energia<br />
cinetica turbolenta. Nel PBL t µ è dell’ordine di 10 -1 ÷10 -2 s. Se consideriamo<br />
intervalli temporali ∆t maggiori di t µ , le accelerazioni a t 1 e t 2 non sono tra loro<br />
corre<strong>la</strong>te e ciò è sufficiente per garantirci che il processo Σ può essere considerato<br />
a tutti gli effetti un processo Markoviano. Per questo, quando si applicherà<br />
<strong>la</strong> teoria che andiamo sviluppando, sarà necessario considerare scale temporali<br />
superiori a t µ .<br />
Ogni processo stocastico produce valori stocastici (realizzazioni di un processo stocastico)<br />
e quindi ad esso è associabile una funzione di densità di probabilità (pdf). Nel<br />
caso specifico, al processo Σ è associata una pdf P Σ (w), tale che P Σ (w). dw è <strong>la</strong> probabilità<br />
che il processo Σ produca un valore di velocità verticale del<strong>la</strong> particel<strong>la</strong><br />
compreso nell’intervallo w e w+dw. La pdf avrà le consuete proprietà:<br />
• P Σ (w) definisce completamente il processo stocastico Σ;<br />
• vale <strong>la</strong> condizione di normalizzazione:<br />
• <strong>la</strong> probabilità che il processo Σ produca un valore entro un intervallo [a,b] è pari a:<br />
• il valore medio dei valori prodotti dal processo Σ è pari a:<br />
• il momento di ordine n-esimo è definito dal<strong>la</strong> re<strong>la</strong>zione seguente:<br />
Nel caso in cui n = 2, otteniamo facilmente <strong>la</strong> definizione di varianza:<br />
e di deviazione standard:<br />
330<br />
7.2.2 L’equazione di Langevin<br />
Consideriamo con più attenzione il processo stocastico Σ.Al tempo iniziale t 0 ,il<br />
valore assunto sarà w 0 = Σ(t 0 ) e sia noto il valore w = Σ(t) assunto al tempo t.