Roberto Sozzi (ARPA Lazio) Teodoro Georgiadis (CNR-IBIMET ...
Roberto Sozzi (ARPA Lazio) Teodoro Georgiadis (CNR-IBIMET ... Roberto Sozzi (ARPA Lazio) Teodoro Georgiadis (CNR-IBIMET ...
10.STIMA DEI PARAMETRI DELLA TURBOLENZA ATMOSFERICA—————————————————————⎯⎯⎯⎯⎯⎯⎯⎯————————più elevata che può essere rilevata in base al Teorema del Campionamento sarà 5Hz. Quindi, se f =1/∆t è la frequenza di campionamento, la massima frequenza rilevabile sarà f N = f/2, che prende ilnome di frequenza di Nyquist. Tuttavia, il segnale originario inevitabilmente contiene anche leinformazioni relative alle armoniche a frequenza superiore a f N . Questa informazione non va perduta,ma al contrario l’energia di queste armoniche viene ripartita nelle armoniche a frequenza inferiore,contaminando profondamente lo spettro del segnale. Questo fenomeno è noto come aliasing. Maggioridettagli si possono trovare in Kaimal e Finnigan (1994) e Stull (1988).Se l’uscita del sensore è solo digitale (come per esempio è il caso quando si impiega l’anemometrosonico), l’unico rimedio possibile per minimizzare gli effetti dell’aliasing è:• acquisire con la massima frequenza possibile il segnale,• sostituire alla sequenza originaria di misure (acquisite ad una frequenza elevatissima) una nuovasequenza di numeri costituiti dal valor medio di M campioni consecutivi. Questa nuova sequenzaavrà una frequenza pari a f/M e in essa il fenomeno dell’aliasing sarà tanto minor quanto maggioresarà M.Se l’uscita del segnale è analogica (come per esempio capita con una termoresistenza o un sensore arisposta rapida per la misura dell’umidità), è possibile ridurre il fenomeno dell’aliasing impiegando unfiltro analogico di tipo passa-basso (con una frequenza di taglio circa pari a f N ) tra l’uscita del sensoree l’ingresso del convertitore Analogico/Digitale.SpikesGli spikes sono valori isolati del segnale che sono estremamente lontani dalla evoluzione normale delsegnale stesso. Essi possono dipendere da molte ragioni come, per esempio, il rumore elettronicoindotto nei sistemi di acquisizione dati o indotto direttamente dall’elettronica presente entro il medesimosensore e anche dalle gocce di pioggia che perturbano i sensori (questo fenomeno è molto frequente nelcaso dell’anemometro sonico). Per localizzare ed eliminare gli spikes, che possono alterareconsiderevolmente la stima delle variabili realizzata col metodo ECM, è possibile utilizzare alcuni metodipresentati in Letteratura, come per esempio quello riportato in Vickers e Mahart (1997) che si presentanella forma seguente:• consideriamo un segnale digitale di N dati acquisiti ogni ∆t secondi. Il periodo di mediazione siaquindi T=N⋅∆t. Consideriamo anche una finestra temporale L, in cui L
10.STIMA DEI PARAMETRI DELLA TURBOLENZA ATMOSFERICA—————————————————————⎯⎯⎯⎯⎯⎯⎯⎯————————Individuazione delle situazioni fortemente non stazionarieCi sono situazioni che sono ben lungi dall’essere stazionarie o quasi stazionarie ed è importante per lomeno riconoscerle dall’analisi dei dati raccolti. In Letteratura non sono molti i lavori di ricerca dedicati aquesto tema ed i metodi proposti sono sempre abbastanza soggettivi e di non semplice applicazione. InGiostra e Strafella (1995), Vickers e Mahrt (1997) e Foken e Wichura (1996) è possibile analizzarealcuni dei metodi proposti. Va comunque rilevato che, alla fine, tutti questi metodi fanno riferimento invarie forme al Test di Stazionarietà di Bendat e Piersol (1986).Come esempio, è interessante presentare sinteticamente il semplice test proposto in Foken e Wichura(1996). Consideriamo una serie di due variabili, per esempio la componente w del vento e latemperatura potenziale virtuale θ v in un periodo di mediazione T. Con la (10.23) è semplice stimare lacovarianza w 'θ ' . Se si divide T in M parti uguali, ognuna con N/M misure, è sempre possibile con lav(10.23), stimare le M covarianze w 'θ' v kproprie di ciascun intervallo k = 1,M. A questo punto sicalcoli:M1w'θ ' v ≡ ∑ w'θ ' v k[10.72]M − 1k=1Se tra w 'θ 've w 'θ 'vesiste una differenza di più del 30%, la situazione che si sta analizzando non èstazionaria. Questo test è esageratamente restrittivo ed è meglio farlo dopo un detrending lineare deisegnali originari.10.2.1.10 Metodologia per la utilizzazione pratica del metodo Eddy-CovarianceSupponiamo di utilizzare veramente il metodo ECM per stimare i parametri caratteristici dellaturbolenza del SL. In questo caso è necessario poter disporre di un insieme di apparati che loconsentano. Supponiamo inoltre di assemblare una stazione con:• un igrometro a risposta rapida di tipo open path al kripton che misura l’umidità assoluta dell’aria he invia, con un’uscita analogica, il segnale elettrico direttamente all’anemometro sonico;• un anemometro sonico che, mediante una uscita digitale, fornisce con frequenza di campionamentof (per esempio 20Hz) sia i dati delle tre componenti del vento (u,v,w) che la temperatura T s e laumidità assoluta (che non ha misurato direttamente, ma ha acquisito dall’igrometro e hasincronizzato con le proprie misure);• un computer che, mediante una porta seriale, prende tutti i dati prodotti dal sistema sonico e liimmagazzina in files orari.Quando si mette a punto la stazione, è importante scegliere correttamente la quota di misura. Al punto10.2.1.2 sono stati presentati gli elementi importanti per verificare che la quota di misura stia sopra unIBL che eventualmente si sia sviluppato sopravvento alla stazione. Inoltre, dato che in questa ipoteticastazione si trova anche un sensore come l’igrometro che misura in un punto differente dal volume dimisura dell’anemometro sonico, è importante verificare il rispetto della (10.46) che stima il limitesuperiore della distanza tra i differenti punti di misura. Se risultasse impossibile rispettare talelimitazione, sarà necessario, una volta ottenuta la stima del flusso turbolento di calore latente, effettuarela sua correzione con le tecniche spettrali presentate al punto 10.2.1.6. A questo punto sarà veramente————————————————————————————————————————- 444 -
- Page 405 and 406: 9 - TECNICHE PER L’OSSERVAZIONE D
- Page 407 and 408: 9 - TECNICHE PER L’OSSERVAZIONE D
- Page 409 and 410: 9 - TECNICHE PER L’OSSERVAZIONE D
- Page 411 and 412: 9 - TECNICHE PER L’OSSERVAZIONE D
- Page 413 and 414: 9 - TECNICHE PER L’OSSERVAZIONE D
- Page 415 and 416: 9 - TECNICHE PER L’OSSERVAZIONE D
- Page 417 and 418: 9 - TECNICHE PER L’OSSERVAZIONE D
- Page 419 and 420: 9 - TECNICHE PER L’OSSERVAZIONE D
- Page 421 and 422: 9 - TECNICHE PER L’OSSERVAZIONE D
- Page 423 and 424: 9 - TECNICHE PER L’OSSERVAZIONE D
- Page 425 and 426: 9 - TECNICHE PER L’OSSERVAZIONE D
- Page 427 and 428: 9 - TECNICHE PER L’OSSERVAZIONE D
- Page 429 and 430: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 431 and 432: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 433 and 434: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 435 and 436: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 437 and 438: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 439 and 440: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 441 and 442: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 443 and 444: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 445 and 446: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 447 and 448: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 449 and 450: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 451 and 452: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 453 and 454: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 455: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 459 and 460: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 461 and 462: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 463 and 464: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 465 and 466: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 467 and 468: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 469 and 470: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 471 and 472: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 473 and 474: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 475 and 476: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 477 and 478: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 479 and 480: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 481 and 482: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 483 and 484: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 485 and 486: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 487 and 488: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 489 and 490: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 491 and 492: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 493 and 494: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 495 and 496: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 497 and 498: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 499 and 500: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 501 and 502: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 503 and 504: 10.STIMA DEI PARAMETRI DELLA TURBOL
- Page 505 and 506: 10.STIMA DEI PARAMETRI DELLA TURBOL
10.STIMA DEI PARAMETRI DELLA TURBOLENZA ATMOSFERICA—————————————————————⎯⎯⎯⎯⎯⎯⎯⎯————————più elevata che può essere rilevata in base al Teorema del Campionamento sarà 5Hz. Quindi, se f =1/∆t è la frequenza di campionamento, la massima frequenza rilevabile sarà f N = f/2, che prende ilnome di frequenza di Nyquist. Tuttavia, il segnale originario inevitabilmente contiene anche leinformazioni relative alle armoniche a frequenza superiore a f N . Questa informazione non va perduta,ma al contrario l’energia di queste armoniche viene ripartita nelle armoniche a frequenza inferiore,contaminando profondamente lo spettro del segnale. Questo fenomeno è noto come aliasing. Maggioridettagli si possono trovare in Kaimal e Finnigan (1994) e Stull (1988).Se l’uscita del sensore è solo digitale (come per esempio è il caso quando si impiega l’anemometrosonico), l’unico rimedio possibile per minimizzare gli effetti dell’aliasing è:• acquisire con la massima frequenza possibile il segnale,• sostituire alla sequenza originaria di misure (acquisite ad una frequenza elevatissima) una nuovasequenza di numeri costituiti dal valor medio di M campioni consecutivi. Questa nuova sequenzaavrà una frequenza pari a f/M e in essa il fenomeno dell’aliasing sarà tanto minor quanto maggioresarà M.Se l’uscita del segnale è analogica (come per esempio capita con una termoresistenza o un sensore arisposta rapida per la misura dell’umidità), è possibile ridurre il fenomeno dell’aliasing impiegando unfiltro analogico di tipo passa-basso (con una frequenza di taglio circa pari a f N ) tra l’uscita del sensoree l’ingresso del convertitore Analogico/Digitale.SpikesGli spikes sono valori isolati del segnale che sono estremamente lontani dalla evoluzione normale delsegnale stesso. Essi possono dipendere da molte ragioni come, per esempio, il rumore elettronicoindotto nei sistemi di acquisizione dati o indotto direttamente dall’elettronica presente entro il medesimosensore e anche dalle gocce di pioggia che perturbano i sensori (questo fenomeno è molto frequente nelcaso dell’anemometro sonico). Per localizzare ed eliminare gli spikes, che possono alterareconsiderevolmente la stima delle variabili realizzata col metodo ECM, è possibile utilizzare alcuni metodipresentati in Letteratura, come per esempio quello riportato in Vickers e Mahart (1997) che si presentanella forma seguente:• consideriamo un segnale digitale di N dati acquisiti ogni ∆t secondi. Il periodo di mediazione siaquindi T=N⋅∆t. Consideriamo anche una finestra temporale L, in cui L
Change language