Turb Disp

I STITUTO DI S CIENZE DELL’ATMOSFERA
E DEL C LIMA
U NIVERSITÁ DEL P IEMONTE O RIENTALE
Turbolenza e Dispersione
Enrico Ferrero Luca Mortarini
27 maggio 2014
Indice
1 Introduzione 1
1.1 Proprietà generali della turbolenza . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Fenomenologia della turbolenza.
Turbolenza e simmetrie. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1 Rottura e ricostituzione delle simmetrie.
Il passaggio dal moto laminare alla fully deveoped turbulence. . . . . . . . 3
1.2.2 La natura dei flussi turbolenti . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Perché utilizzare un approccio statistico per la turbolenza? . . . . . . . . . . . . . 11
1.4 Categorie di flussi turbolenti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.5 Processi casuali - Random processes . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.6 Campi Casuali - Random Fields . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.6.1 Statistiche ad un punto . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.6.2 PDF congiunta a N -punti e N -tempi . . . . . . . . . . . . . . . . . . . . . 20
1.6.3 Stazionarietà e omogeneità . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.6.4 Turbolenza isotropa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.7 Correlazione a due-punti e Spettro . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2 Scale della turbolenza 24

2.1 La cascata inerziale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2 Turbolenza Isotropa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3 Le ipotesi di Kolmogorov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4 Lo spettro di energia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.5 Definizione delle ipotesi di Kolmogorov . . . . . . . . . . . . . . . . . . . . . . . 29
2.6 Funzioni di Struttura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
i
INDICE INDICE
2.6.1 Esercizio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.7 Correlazione a due punti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.7.1 Funzioni di autocorrelazione . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.7.2 Scale integrali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.8 Equazione di Karman-Howart . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.9 La legge dei 45 di Kolmogorov . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.10 Intermittenza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3 Descrizione Lagrangiana
della turbolenza 48
3.1 Definizione delle variabili . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.2 Teoria di Taylor della dispersione turbolenta (1921) . . . . . . . . . . . . . . . . . 49
3.3 Esercizio: Estensione al caso di una coppia di particelle . . . . . . . . . . . . . . . 53
3.4 Caratteristiche statistiche del moto di una particella fluida . . . . . . . . . . . . . . 54
3.5 Caratteristiche statistiche di una coppie di particelle . . . . . . . . . . . . . . . . . 56
3.6 Statistica delle fluttuazioni della concentrazione . . . . . . . . . . . . . . . . . . . 60
3.7 PDF di Richardson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.7.1 1 dimensional case . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4 Modelli Lagrangiani
a una particella 67
4.1 Momenti della concentrazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.2 Teoria dei modelli Lagrangiani a particelle . . . . . . . . . . . . . . . . . . . . . . 68
4.3 Determinazione di a e b . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.4 Turbolenza Gaussiana omogenea . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.5 Turbolenza Gaussiana inomogenea . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.6 Condizioni al contorno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.7 Esercizio: l’equazione di Langevin e la funzione di autocorrelazione temporale . . 74
4.8 PDF bi-Gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.9 PDF di Gram-Charlier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5 Modelli Lagrangiani a due particelle 80

5.1 Diffusione molecolare nei modelli a due particelle . . . . . . . . . . . . . . . . . . 80
ii
INDICE INDICE
5.2 Sviluppo di un modello stocastico a due particelle

(Thomson 1990) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.2.1 Sistema di riferimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.2.2 Determinazione di b . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.2.3 Determinazione di a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.2.4 Matrice di covarianza delle velocità. . . . . . . . . . . . . . . . . . . . . . 83
5.2.5 Semplificazione della matrice di covarianza V. . . . . . . . . . . . . . . . 84
5.2.6 Calcolo esplicito del coefficiente a. . . . . . . . . . . . . . . . . . . . . . 85
5.2.7 Discussione delle soluzioni . . . . . . . . . . . . . . . . . . . . . . . . . . 85
5.3 Andamenti asintotici e
Momenti del campo di Concentrazione . . . . . . . . . . . . . . . . . . . . . . . . 86
6 Modello Fluctuating Plume 96

6.1 Fluctuanting plume model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.2 Partizione dell’energia cinetica turbolenta . . . . . . . . . . . . . . . . . . . . . . 100
6.3 La PDF del Baricentro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
6.4 Modello Lagrangiano per le traiettorie del baricentro . . . . . . . . . . . . . . . . 102
6.4.1 Moments Approach (Franzese 2003) . . . . . . . . . . . . . . . . . . . . . 103
6.5 Concentrazioni Medie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6.6 Fluttuazioni di Concentrazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
6.7 An intermittent Approach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
7 Modelli Euleriani 110

7.1 Definizione del Problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
7.1.1 Direct Numerical Simulations . . . . . . . . . . . . . . . . . . . . . . . . 111
7.1.2 Large Eddy Simulations . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
7.2 Ensemble Average Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
7.2.1 Reynolds stresses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
7.2.2 L’equazione scalare per la concentrazione . . . . . . . . . . . . . . . . . . 115
7.3 Il problema della chiusura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
7.4 Modello K o Zero-Equation model . . . . . . . . . . . . . . . . . . . . . . . . . . 116
7.5 mixing length . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
7.5.1 Semplici flussi di shear . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
7.5.2 Viscosità turbolenta uniforme . . . . . . . . . . . . . . . . . . . . . . . . 120
iii
INDICE INDICE
7.5.3 Il modello di mixing-length . . . . . . . . . . . . . . . . . . . . . . . . . . 120

7.6 Modelli basati sull’equazione per l’energia cinetica turbolenta . . . . . . . . . . . 121
7.6.1 L’equazione per il trasporto della TKE . . . . . . . . . . . . . . . . . . . . 124
7.7 Il modello k − . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
7.7.1 L’equazione per il trasporto di . . . . . . . . . . . . . . . . . . . . . . . 127
7.8 Modello Gaussiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
7.8.1 La sorgente puntiforme nello strato limite atmosferico . . . . . . . . . . . 128
7.8.2 Parametrizzazioni delle σ di dispersione . . . . . . . . . . . . . . . . . . . 131
7.8.3 Parametrizzazioni della turbolenza . . . . . . . . . . . . . . . . . . . . . . 133
7.8.4 Effetto degli edifici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
7.8.5 Terreno complesso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
8 Large-eddy simulation 134

8.1 Filtraggio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
8.1.1 Filtraggio in una dimensione . . . . . . . . . . . . . . . . . . . . . . . . . 136
8.2 Rappresentazione spettrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
8.3 Lo spettro di energia filtrato . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
8.4 Il tensore di deformazione filtrato . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
8.5 Equazioni di conservazioni filtrate . . . . . . . . . . . . . . . . . . . . . . . . . . 142
8.5.1 La conservazione del momento . . . . . . . . . . . . . . . . . . . . . . . 142
8.5.2 Conservazione dell’energia . . . . . . . . . . . . . . . . . . . . . . . . . . 143
8.6 Il modello di Smagorinsky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
8.6.1 Comportamento nel subrange inerziale . . . . . . . . . . . . . . . . . . . 144
8.6.2 Il filtro di Smagorinsky . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
9 Teoria della Similarità 146

9.1 Teorema Π o Teorema di Vaschy–Buckingham . . . . . . . . . . . . . . . . . . . 147
9.2 Sui sistemi fisicamente simili; descrizione dell’utilizzo delle equazioni dimensio-
nali.
(Bukingham, 1914) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
9.2.1 La forma più generale delle equazioni fisiche . . . . . . . . . . . . . . . . 148
9.2.2 Introduzione delle condizioni dimensionali . . . . . . . . . . . . . . . . . 149
9.2.3 La forma generale a cui ogni sistema fisico è riducibile . . . . . . . . . . . 152
9.2.4 Note sull’utilizzo di questo risultato . . . . . . . . . . . . . . . . . . . . . 153
iv
INDICE INDICE
9.2.5 Sistemi fisicamente simili . . . . . . . . . . . . . . . . . . . . . . . . . . 154

9.2.6 Un esempio di similarità dinamica . . . . . . . . . . . . . . . . . . . . . . 156
9.3 Il profilo logaritmico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
9.4 Teoria della Similarità di Monin–Obukhov (1954) . . . . . . . . . . . . . . . . . . 157
Bibliografia 160
v
Elenco delle figure
1.1 Uniform flow past a cylinder Re=0.16 (Van Dyke, 1982). . . . . . . . . . . . . . . 3

1.2 Flow past a cylinder Re=1.54 (Van Dyke, 1982). Rottura della simmetria sinistra–
destra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Flow past a cylinder Re=9.6 (a) and Re=13.1 (b) and Re=26 (c) (Van Dyke, 1982).
Per Re > 5 il flusso inizia a separarsi, non si osservano rotture di simmetrie ma si
assiste ad un cambiamento della topologia e alla formazione di piccoli vortici. . . . 5
1.4 Flow past a cylinder Re=28.4 (a) and Re=41.0 (b) (Van Dyke, 1982). Per Re >
40 si crea una biforcazione che rende il flusso periodico nel tempo, si rompe
l’invarianza temporale continua e rimane una invarianza temporale discreta . . . . 6
1.5 Kàrman vortex street behind a circular cylinder Re=140 (Van Dyke, 1982). Conti-
nua a valere la simmetria alto–basso. . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.6 Kàrman vortex street behind a circular cylinder Re=105 (Van Dyke, 1982). . . . . . 7
1.7 Wake behind two identical cylinders at Re=240 (Frisch, 1995). Turbolenza lagran-
giana. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.8 Wake behind two identical cylinders at Re=1800 (Frisch, 1995). . . . . . . . . . . 8
1.9 Homogeneous turbulence behind a grid (Frisch, 1995). . . . . . . . . . . . . . . . 8
1.10 Turbulent water jet Re = 2300 (Van Dyke, 1982). Si noti il moto dei vortici a tutte
le scale. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.11 Serie temporale della componente assiale della velocità, U1 (t) al centro di un jet
turbolento (Pope, 2000). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.12 Velocità assialemedia normalizzata in funzione della coordinata laterale in un jet
turbolento. Re = 95500(Pope, 2000). . . . . . . . . . . . . . . . . . . . . . . . . 11
1.13 Componente verticale della velocità del vento misurata da un anemometro sonico
a 20 Hz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
vi
ELENCO DELLE FIGURE ELENCO DELLE FIGURE
1.14 Componente verticale della velocità del vento misurata da un anemometro sonico
a 20 Hz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.15 Funzioni densità di probabilità delle valocità del vento mostrate nelle figure 1.13 e
1.14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.16 Serie temporali di cinque processi stazionari. La PDF a un tempo è una Gaussiana
stazionaria per tutti. (a) Misura di una velocità turbolenta. (b) Misura di una
velocità turbolenta con frequenza superiore di (a). (c) Un processo Gaussiano con
lo stesso spettro di (a). (d) Un processo di Uhlenbeck Ornstein con lo stesso tempo
di scala di (a). (e)Un processo di salto con lo stesso spettro di (d). (Pope, 2000) . . 15
1.17 Funzioni di autocorrelazione per i processi causali della figura 1.16. Come mostra
l’ingrandimento i processi (a) e (c) hanno una funzione di autocorrelazione piatta
nell’origine. (Pope, 2000) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.18 Spettri di frequenza per i processi causali della figura 1.16 (Pope, 2000). . . . . . . 18
1.19 Serie temporali di Ü (t) per i i processi causali (a) e (c) della figura 1.16 (Pope, 2000). 19
1.20 Condotto per la generazione di un flusso di canale (Pope, 2000). . . . . . . . . . . 21
2.1 Proprietà di un campo vettoriale isotropo. . . . . . . . . . . . . . . . . . . . . . . 25

2.2 Le scale dei vortici di dimensione l (in scala logaritmica) per elevati numeri di
Reynolds (Pope, 2000). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3 Un diagramma schematico della cascata delle energie per elevati numeri di Rey-
nolds (Pope, 2000). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.4 Schema che mostra la dipendenza dei punti x e x + r . . . . . . . . . . . . . . . . 31
2.5 Schema delle velocità coinvolte nelle funzioni di struttura longitudinale e trasver-
sale per r = e1 r (Pope, 2000). . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.6 Funzioni di struttura del secondo ordine misurate da Saddoughi e Veeravalli (1994)
in uno strato limite turbolento a numeri di Reynolds elevati. Le linee orizzonta-
li rappresentano le previsioni delle ipotesi di Kolmogorov nel subrange inerzia-
le.(Pope, 2000). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.7 Sistema di riferimento M x01 , x02 x03 associato ai punti M e M’ . . . . . . . . . . . . 36
2.8 Le funzioni di correlazione f (r, t) e g(r, t) . . . . . . . . . . . . . . . . . . . . . . 37
2.9 Moto Browniano e suoi due ingrandimenti che mostrano la sua self-similarità
(Frisch, 1995). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.10 Un esempio di funzione intermittente: la scala del diavolo (Frisch, 1995). . . . . . 44
vii
2.11 Un segnale stazionario (Frisch, 1995). . . . . . . . . . . . . . . . . . . . . . . . . 45

2.12 Lo stesso segnale della figura 2.11 a cui è stata tolta una frazione 1 − γ del tempo
(Frisch, 1995). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.13 Velocità di un jet turbolento (Frisch, 1995). . . . . . . . . . . . . . . . . . . . . . 45
2.14 Stesso segnale della figura 2.13 filtrato con un filtro passa-alto. Si nota la struttura
intermittente del segnale (Frisch, 1995). . . . . . . . . . . . . . . . . . . . . . . . 46
2.15 Funzioni di struttura di ordine 2,3 e 6 normalizzate da opportune leggi di potenza
(Frisch, 1995). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.16 Esponente p per funzioni di struttura di ordine p in funzione di p (Frisch, 1995). . . 47
3.1 Schematizzazione dell’evoluzione di un plume. . . . . . . . . . . . . . . . . . . . 53

3.2 Struttura della funzione Γ00 426830AC(z)C(z + r)Γ00 526930B, dove r è la separa-
zione fra le particelle. La linea continua rappresenta la funzione per uno scalare
passivo con κ = 0, mentre la linea puntinata rappresenta l’appiattimento dovuto al
processo di media che simula i processi di diffusione. La freccia indica il limite
esterno, mentre il limite interno è stato posto uguale a 1 (Durbin, 1980). . . . . . . 62
4.1 Traiettorie generate da un modello Stocastico Lagrangiano a Particella Singola in

uno strato limite convettivo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.1 σ∆(S ) ( TtL ). La linea blu tratteggiata rappresenta l’andamento teorico 31 C0 t3 , la
linea rossa è l’output del modello. Sono evidenti due andamenti (l’andamento
balistico non è stato graficato): prima di t0 /TL la curva teorica e quella calcolata
dal modello coincidono, dopo t0 /TL il modello conserva un andamento tipo gt3 ,
∆2
ma differisce dall’andamento teorico. t0 = ( 0 )1/3 è il tempo scala che determina
l’inizio del subrange quasi-asintotico, ovvero quel subrange in cui le particelle si
sono dimenticate della separazione iniziale e sicomportano come se fossero partite
dalla stessa posizione. La maggiore correlazione rispetto all’andamento teorico è
dovuta alla funzione di correlazione lagrangiana delle accelerazioni. Si noti che un
modello che non tenga conto della correlazione fra le particelle non è in grado di
verificare l’esistenza di t0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
viii
5.2 Ingrandimento della figura 5.1. La linea viola a tratto e punto rappresenta un fit
del tipo gt3 delle uscite del modello. In questo modo è possibile determinare
la costante di Richardson g. Nei modelli a due particelle questo valore dipende
dal valore scelto per la costante C0 (che è l’unica costante empirica che viene
utilizzata), ovvero g = g(C0 ). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
5.3 σΣ(S ) ( TtL ). La linea blu rappresenta l’andamento teorico 31 C0 t3 , la linea rossa
rappresnta l’output del modello, mentre la linea viola è l’andamento che la devia-
zione standard della posizione del baricentro avrebbe se si comportasse in modo
simmetrico rispetto alla posizione della separazione. In questo caso non si verifica
la presenza di t0 . Il diverso comportamento di separazione e baricentro è causato
dal fatto che i modelli Lagrangiani a due particelle, pur verificando la well-mixed
condition, non soddisfano la condizione di riduzione a particella singola. Il com-
portamento della particella singola non viene esattamente descritto dai modelli alla
Thomson (1990). Questo fatto è più un limite teorico che uno pratico, infatti se si
guardano i risultati per l’andamento della concentrazione media (che dipendono
dalla PDF di singola particella) si vede che sono più che soddisfacenti. . . . . . . . 89
5.4 Skewness di due componenti di ∆. In presenza di t0 una delle due componenti
presenta alti valori di asimmetria (linea rossa). Guardando la 5.31 e la 5.32 si
vede che nel modello a due particelle non è possibile considerare il moto di due
particelle che all’istante iniziale occupano la stessa posizione. Per motivi numerici
è necessario fissare una separazione iniziale piccola a piacere da cui dipende t0 .
Tuttavia non è necessario che le particelle siano separate su tutte e tre gli assi, ma è
sufficiente che lo siano su un solo asse in modo che |∆| = 6 0. Durante l’evoluzione
del modello, solo le componenti che inizialmente non sono coincidenti presentano
skewness. Questo fatto, coerente con la teoria di Kolmogorov sull’isotropia locale,
può essere spiegato considerando che la presenza di ∆0 è l’unico elemento che
rompe la simmetria del problema che, diversamente, sarebbe totalmente isotropo. . 90
5.5 Eccesso di curtosi (il valore gaussiano è zero) di una componente di ∆. Il ragiona-
mento fatto per la skewness non vale nel caso dell’eccesso di curtosi, infatti tutte le
componenti sviluppano un quarto momento non gaussiano. Si noti che la statistica
del baricentro e quella delle singole particelle sono gaussiane per qualsiasi valore
di t. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
ix
5.6 PDF delle componenti della separazione nei casi 1D, 2D, 3D per t ≈ t0 . Si noti
come tutte le versioni del modello a due particelle producano nel subrange quasi-
asintotico PDF non gaussiana, ma maggiormente piccata e con code più alte della
curva normale. In particolare il modello 1D mostra una PDF del tutto simile alla
9∆−3/2
PDF proposta da Richardson: P (∆, t) = 4√9 π (αt)−3/2 e− 4αt . . . . . . . . . . . . 92
5.7 Andamento temporale della concentrazione media all’interno della sorgente per
diverse ampiezze di una sorgente area (piano infinito). Supponendo una PDF gaus-
siana per la singola particella la 5.33 si può scrivere come: Γ00 426830AC(x, t)Γ00 526930B =
(x−y)2
− 2
1
R
√
2πσ (s|t)
e 1 (s|t) S(y)dy in cui S(y) rappresenta una sorgente area gaussiana
2σ
1
2
− y2
S(y) = √ 1 e 2σ0 e σ1 (s|t) è l’andamento di Taylor per la deviazione stan-
2πσ0
dard della velocità di una particella dispersa in un flusso turbolento. Il modello
riproduce perfettamente gli andamenti teorici. . . . . . . . . . . . . . . . . . . . . 93
5.8 Andamento di Γ00 426830AC 2 (x, t)Γ00 526930B alla sorgente per il modello 1D, 2D
e 3D e per una funzione area. Supponendo che la PDF della posizione del baricen-
tro sia gaussiana la 5.34 si√ può scrivere come: Γ00 426830AC 2 (x, t)Γ00 526930B =
(x 2−Σ)2
− 2
1
R
P (∆, s|t) √2πσ (s|t) e 2σΣ (s|t) S(y1 )S(y2 )dy1 dy2 in cui la forma della PDF di ∆
Σ
non è nota. Le curve colorate rappresentano gli andamenti teorici (nei tre casi)
supponendo una PDF di Richardson, mentre la curva nera rappresenta l’ipotesi
gaussiana. Come si vede i modelli producono fluttuazioni di concentrazioni mag-
giori del caso gaussiano, in particolare, il modello 1D soddisfa l’ipotesi di PDF di
Richardson. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
6.1 Descrizione schematica dei processi di diffusione relativa e moto medio del pen-
nacchio. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.2 Esempio di un campo di concentrazione media calcolato con un modello fluctua-
ting plume per uno strato limite convettivo. In questa simulazione la PDF relativa
della concentrazione è stata considerata Gaussian . . . . . . . . . . . . . . . . . . 106
6.3 Esempio di un campo di fluttuazione di concentrazione media calcolato con un
modello fluctuating plume per uno strato limite convettivo. In questa simulazione
la PDF relativa della concentrazione è stata considerata Gaussiana . . . . . . . . . 108
x
6.4 Descrizione schematica di una sezione laterale di un plume che si sta disperdendo:
a) molto sopra il terreno, b) vicino al terreno e c) quando interagisce col suolo e
viene riflesso (Gailis et al., 2007). . . . . . . . . . . . . . . . . . . . . . . . . . . 109
7.1 Profilo di νt /E 2 ottenuto tramite una simulazione DNS per un flusso in canale
con Re = 13750 (Pope, 2000). . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
7.2 Sezione del modello Gaussiano. Questa figura mostra la differenza fra la soluzione
istantanea dell’equazione di avvezione e diffusione e la media temporale delle sue
soluzioni come calcolata dal modello Gaussiano. . . . . . . . . . . . . . . . . . . 128
7.3 Soluzioni del modello Gaussiano: si nota chiaramente la differenza fra l’altez-
za della ciminiera e la altezza di emissione, inoltre si vede come nel modello
Gaussiano la concentrazione massima rimanga sempre all’altezza dell’emissione. . 129
8.1 Rappresentazione schematica della cascata delle energie a grandi numeri di Reynolds.135
8.2 Esempio di campo di velocità filtrato e residuo. In alto U (x) (in grassetto) e U (x);
in basso u0 (x) e u0 (x) (in grassetto) (Pope, 2000). . . . . . . . . . . . . . . . . . . 136
8.3 Funzioni filtro G(r).Filtro box, linea tratteggiata, filtro Gaussiano, linea continua,
filtro sharp, linea tratto punto (Pope, 2000). . . . . . . . . . . . . . . . . . . . . . 138
8.4 Fattori di attenuazione, Ĝ(κ)2 . Filtro box, linea tratteggiata, filtro Gaussiano, linea
continua, filtro sharp, linea tratto punto (Pope, 2000). . . . . . . . . . . . . . . . . 140
8.5 La linea continua mostra uno spettro unidimensionale di energia, E11 (κ), mentre
la linea tratteggiata mostra lo spettro filtrato, E 11 (κ), utilizzando un filtro Gaussia-
no.(Pope, 2000). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
xi
Capitolo 1
Introduzione
You can’t emulate a natural system because natural systems don’t have designers, and therefo-
re weren’t built to conform to any particular mathematical model. Modeling natural systems is
much more difficult—indeed, so difficult that we use a different word, “simulation” to describe
the process. Creating a simulation of a natural system inherently means making judgment calls
about which aspects of a physical system are the most important. And because there’s no under-
lying blueprint, these guesses are never perfect: it will always be necessary to leave out some
details that affect the behavior of the overall system, which means that simulations are never more
than approximately right. Weather simulations, for example, are never going to be able to predict
precisely where each raindrop will fall, they only predict general large-scale trends, and only for
a limited period of time. This is different than an emulator, which (if implemented well) can be
expected to behave exactly like the system it is emulating, for as long as you care to run it.(Lee,
2011)
The swirling motion of fluids that occurs irregularly in space and time is called turbulence. Ho-
wever, this randomness, apparent from a casual observation, is not without some order. Turbulent
flows are as abundant in nature as life itself, and are pervasive in technology. They are a paradigm
for spatially extended nonlinear dissipative systems in which many length scales are excited si-
multaneously and coupled strongly. The phenomenon has been studied extensively in engineering
and in diverse fields such as astrophysics, oceanography, and meteorology.(Sreenivasan, 1999)
1.1 Proprietà generali della turbolenza

La turbolenza è uno stato irregolare del moto di un fluido governato da leggi dinamiche note, che
non sono, tuttavia, semplicemente risolubili. Note fin dal 1822 le equazioni di Navier-Stokes:
∂t v + v · ∇v = −∇p + ν∇2 v (1.1)
1
1.2. Fenomenologia della turbolenza.
Turbolenza e simmetrie. Capitolo 1. Introduzione
insieme all’equazione di continuità (qui scritta per fluidi incompressibili):
∇·v=0 (1.2)
e con opportune condizioni iniziali e al contorno contengono tutte le informazioni possibili sulla
turbolenza. Tuttavia non siamo ancora in grado di estrarre questa informazione.
Nella conclusione del capitolo sulla meccanica dei fluidi, Feynman (1964) commentò che spesso
le persone, per un ingiustificato timore della fisica, dicono che non si può scrivere una equazione
per la vita. In realtà noi possediamo già l’equazione della meccanica quantistica:
i ∂ψ
Hψ = − (1.3)
~ ∂t
Abbiamo infatti osservato come la complessità delle cose possa facilmente e drammaticamente
allontanarsi dalla semplicità delle equazioni che le descrivono. Allo stesso modo le equazioni
di Navier-Stokes, probabilmente, contengono tutta la turbolenza, ma sarebbe ingenuo provare ad
indovinarne le conseguenze senza osservare i fatti sperimentali, perché questi fenomeni sono vari
almeno quanto lo sono quelli biologici.
Le difficoltà connesse alla turbolenza non derivano dalla determinazione di leggi fisiche, il proble-
ma è di descrizione.
Il moto turbolento è un moto disordinato nel tempo e nello spazio che ha le caratteristiche di me-
scolare un fluido e di dissipare energia cinetica. La prima mischia il calore o le sostanze disciolte
nel fluido, senza turbolenza queste sostanze verrebbero trasportate lungo le linee di flusso del moto
e molto lentamente diffuse dal trasporto molecolare, grazie alla turbolenza queste si disperdono ve-
locemente. La dissipazione di energia è dovuta alla presenza di piccoli vortici con elevati gradienti
di velocità sui quali agisce la viscosità. Bisogna pensare alla turbolenza come ad un fenomeno che
comprende un insieme continuo di scale che coinvolgono un ampio spettro di lunghezze d’onda.
L’energia del processo è contenuta nei vortici di dimensioni maggiori, che generano vortici di di-
mensioni via via minori attraverso processi non lineari. Le dimensioni dei vortici diminuiscono
sino a quando i vortici minori vengono dissipati dalla viscosità. Questa riduzione di scala è nota
come la cascata dell’energia di Richardson.
L’energia viene prodotta dal moto medio, piccole perturbazioni estraggono l’energia dal flusso me-
dio e generano irregolari fluttuazioni turbolente, che riescono a rimanere in vita e a propagarsi nel
moto estraendo altra energia. Non esite ancora una descrizione dettagliata e precisa della produ-
zione e del trasporto della turbolenza.
1.2 Fenomenologia della turbolenza.

Turbolenza e simmetrie.
Un buon modo per iniziare ad entrare in contatto con la turbolenza è studiarne la fenomenologia.
2
Figura 1.1: Uniform flow past a cylinder Re=0.16 (Van Dyke, 1982).
1.2.1 Rottura e ricostituzione delle simmetrie.

Il passaggio dal moto laminare alla fully deveoped turbulence.
Per prima cosa può essere dato uno sguardo a come la turbolenza spezza e ricrea le simmetrie. Lo
studio della simmetria è necessario per comprendere i fenomeni di transizione e la fully developed
turbulence. Rimandiamo gli aspetti teorici del problema e focalizziamo la nostra attenzione sui
dati sperimentali. Tenendo in mente il principio di similarità, come unico parametro quantitativo
teniamo il numero di Reynolds Re:
LV
Re = (1.4)
ν
che esprime il rapporto fra i termini inerziali e i termini dissipativi nell’equazione di Navier-Stokes.
L e V sono le scale caratteristiche della lunghezza e della velocità del moto e ν è la viscosità
cinematica. In un fluido incompressibile (come quelli che prenderemo in considerazione), data la
geometria delle pareti, ovvero assegnate le condizioni al contorno, il numero di Reynolds è l’unico
parametro a governare il flusso (principio di similarità per fluidi incompressibili). Si osservi quello
che accade aumentando via via il numero di Reynolds in un flusso generato dall’interazione di un
flusso con un ostacolo a sezione cilindrica. Il flusso che si osserva in figura 1.1 è un flusso che
scorre da sinistra verso destra (asse x) con velocità costante e Re = 0.16. L’ostacolo è un cilindro
di diametro L con l’asse disposto lungo la direzione z. Per Re così bassi il flusso soddisfa le
seguenti simmetrie:
• sinistra - destra (inversione asse x)
• alto - basso (inversione asse y)
• traslazioni temporali (invarianza rispetto a t)
3
Figura 1.2: Flow past a cylinder Re=1.54 (Van Dyke, 1982). Rottura della simmetria sinistra–destra
• traslazioni spaziali parallele all’asse del cilindro (invarianza rispetto a z)
A parte la prima queste simmetrie sono consistenti con le equazioni di Navier-Stokes e con le
condizioni al contorno. Essendo più specifici, le simmetrie soddisfatte dal flusso sono: sinistra
destra,
(x, y, z) −→ (−x, y, z) (u, v, w) −→ (u, −v, −w)
alto-basso
(x, y, z) −→ (x, −y, z) (u, v, w) −→ (u, −v, w)
Sostituendo nell’equazione di Navier-Stokes si può verificare semplicemente che questa non è sod-
disfatta per l’inversione dell’asse x, per poterla verificare bisogna eliminare il termine non lineare
(l’accelerazione convettiva), ottenendo l’equazione di Stokes. In realtà anche il flusso descritto
nella figura 1.1 viola la simmetria sinistra-destra e questo significa che si sente ancora l’effetto
dei termini non lineari anche per numeri di Reynolds così bassi. La figura 1.2 mostra lo stesso
flusso ma per Re = 1.54. Si può notare una marcata rottura della simmetria sinistra-destra. Per
numeri di Reynolds maggiori si nota che, nonostante nessuna simmetria venga spezzata, cambia
la topologia del flusso. In figura 1.3 si può infatti vedere la formazione di piccoli vortici dietro
l’ostacolo. La prima rottura reale di simmetria avviene a Re = 40, quando l’invarianza temporale
continua diventa una invarianza temporale discreta e quando il flusso diventa periodico nel tempo
(biforcazione di Andronov-Hopf). Il flusso nelle immediate vicinanze del punto di biforcazione si
vede nella figura 1.4.
Al crescere del numero di Reynolds (figure 1.5 e 1.6) la separazione dei vortici diventa evidente
e porta alla formazione delle strade di Von Kàrman. Fino ad ora la simmetria alto-basso non è
4
Figura 1.3: Flow past a cylinder Re=9.6 (a) and Re=13.1 (b) and Re=26 (c) (Van Dyke, 1982).
Per Re > 5 il flusso inizia a separarsi, non si osservano rotture di simmetrie ma si assiste ad un
cambiamento della topologia e alla formazione di piccoli vortici.
5
Figura 1.4: Flow past a cylinder Re=28.4 (a) and Re=41.0 (b) (Van Dyke, 1982). Per Re > 40
si crea una biforcazione che rende il flusso periodico nel tempo, si rompe l’invarianza temporale
continua e rimane una invarianza temporale discreta
Figura 1.5: Kàrman vortex street behind a circular cylinder Re=140 (Van Dyke, 1982). Continua a
valere la simmetria alto–basso.
6
Figura 1.6: Kàrman vortex street behind a circular cylinder Re=105 (Van Dyke, 1982).
Figura 1.7: Wake behind two identical cylinders at Re=240 (Frisch, 1995). Turbolenza lagrangiana.
ancora stata spezzata, infatti dopo mezzo periodo i vortici superiori saranno l’esatta immagine di
quelli inferiori.
La rottura dell’invariata rispetto a z non si riesce a visualizzare sperimentalmente perché è difficile
creare un ostacolo infinitamente esteso, tuttavia esistono delle simulazioni numeriche che indicano
che si rompe spontaneamente tra Re = 40 e Re = 75 (una simmetria si rompe spontaneamente
quando la rottura è consistente con le equazioni del moto ma non è presente fra le sue soluzioni).
Quando il numero di Reynolds raggiunge il valore di 240 (figura 1.7, nella figura il flusso tur-
bolento è generato dall’interazione con due cilindri, ma questo non cambia le simmetrie di base)
si manifesta il caos Lagrangiano, ovvero un movimento fortemente irregolare. In questo caso il
flusso è caotico nella sua dipendenza temporale. A Re = 1800 (figura 1.8) le strade di Von Kàrman
si riducono a soli due vortici prima di diventare una scia turbolenta quasi-uniforme.
Se invece che due ostacoli si utilizzasse una griglia di ostacoli (figura 1.9), mantenendo il numero
di Reynolds molto elevato, si osserverebbe la turbolenza omogenea ed isotropa, ovvero lo stato
più idealizzato di turbolenza. Per Re = 2300 si può iniziare facilmente ad osservare la presenza
dei vortici turbolenti a tutte le scale e questo suggerisce che potrebbe essere presenza una qualche
legge statistica di invariata di scala (figura 1.10). Riassumendo, possiamo dire che all’aumentare
del numero di Reynolds, le varie simmetrie permesse dall’equazioni di Navier-Stokes e dalle con-
dizioni al contorno) si spezzano via via. Tuttavia sembra che ad altissimi numeri di Reynolds ci
7
Figura 1.8: Wake behind two identical cylinders at Re=1800 (Frisch, 1995).
Figura 1.9: Homogeneous turbulence behind a grid (Frisch, 1995).
Figura 1.10: Turbulent water jet Re = 2300 (Van Dyke, 1982). Si noti il moto dei vortici a tutte le
scale.
8
sia la tendenza a ripristinare queste simmetrie, almeno in senso statistico. La turbolenza a numeri
di Reynolds elevati viene definita fully developed turbulence. Chiaramente, affinché le simmetrie
siano preservate è necessario il flusso non sia vincolato da nessuna forzante esterna come forti
shear a larga scala.
1.2.2 La natura dei flussi turbolenti

Nel jet turbolento della figura 1.10 si possono notare due caratteristiche comuni a tutti i flussi
turbolenti:
• il flusso è irregolare e impredicibile
• si possono osservare moti turbolenti di varie scale, da scale di dimensioni comparabili a

quelle del pennacchio fino alle scale più piccole consentite dalla risoluzione.
Questo implica che una caratteristica essenziale dei flussi turbolenti sia il variare significativo e
irregolare nello spazio e nel tempo del capo del campo di velocità. Quindi, in generale, definiamo
il campo di velocità come U(x, t).
Le figure 1.11,1.13,1.14 mostrano differenti serie temporali di campi di velocità turbolente. La
prima immagine si riferisce alla componente assiale (streamwise) della velocità di un jet turbolento
misurata al centro del jet, mentre la linea continua mostra il suo valore medio hU1 i. U1 (t) mostra
grandi fluttuazioni che sono dell’ordine del 25% di hU1 i, inoltre nella serie temporale sono presenti
molte scale temporali. Quello che deve essere messo in evidenza è che U1 e hU1 i sono in un certo
senso stabili, ovvero U1 non varia eccessivamente, ovvero non spende lunghi periodi di tempo
lontano dal valore medio. La figure 1.12 mostra il profilo della velocità media hU1 i lungo la
coordinata perpendicolare alla direzione di propagazione del flusso (coordinata streamwise). A
differenza di U1 , hU1 i ha un profilo liscio senza fluttuazioni e strutture fini, questo profilo è del tutto
simile a quello di un flusso laminare. In natura (specialmente nelle applicazioni ingegneristiche)
vi è una chiara predominanza di flussi turbolenti. Flussi turbolenti si trovano negli oleodotti, nei
compressori nelle pompe, sono flussi turbolenti quelli che si generano intorno alle autovetture, alle
navi e agli aerei, il mixing del carburante nei motori e le reazioni chimiche sono resi possibili dalla
turbolenza.
Un altro aspetto fondamentale e caratterizzante della turbolenza è la sua capacità di mescolare il
fluido in maniera molto più efficiente di quanto accade per i flussi laminari. Tornando agli esempi
della sezione precedente 1.2.1, inserendo un colorante in un flusso (l’esperimento originale è di
Osborne Reynolds, 1883), per numeri di Reynolds bassi il colorante mostra che la velocità del
flusso è costante nel tempo e che le linee di flusso sono parallele all’asse del condotto. In questo
caso il colorante forma una lunga striscia che lentamente aumenta di diametro con l’aumentare
della distanza. In presenza di turbolenza, invece, il processo di mixing è molto rapido e dopo poco
tempo il colorante è totalmente mescolato.
La turbolenza non è solo estremamente efficace nel mescolare le sostanze, ma è anche efficace nel
9
Figura 1.11: Serie temporale della componente assiale della velocità, U1 (t) al centro di un jet
turbolento (Pope, 2000).
mescolamento del momento. Infatti sulle ali degli aerei e lungo le chiglie delle barche gli stress
di taglio (shear) e quindi le forze di drag sono molto maggiori di quanto non sarebbero nel caso
di flussi laminari. Nello stesso modo si comportano il trasferimento di massa, calore e momento
nell’interfaccia fra liquido e gas. E’ proprio per la caratteristica di mischiare efficacemente massa,
calore e momento che diventa fondamentale lo studio della turbolenza.
E’ complesso studiare la turbolenza nel suo insieme, solitamente si preferiscono separare le
piccole dalle grandi scale. Si vedrà in seguito che per elevati numeri di Reynolds le scale della
turbolenza si separano. Le grandi scale, influenzate largamente dalla geometria del flusso e dalle
condizioni al contorno, sono responsabili del trasporto e del mixing, mentre il comportamento
delle piccole scale è determinato solo dal tasso con cui ricevono energia dalle grandi scale e dalla
viscosità, quindi le piccole scale sono indipendenti dalla geometria del flusso e hanno un carattere
universale.
Per elevate numeri di Reynolds è utile descrivere i processi turbolenti utilizzando un approccio
statistico, ovvero descrivere il flusso non in termini della velocità U(x, t), ma in termini dei suoi
momenti statistici, per esempio la sua velocità media hU(x, t)i.
10
1.3. Perché utilizzare un approccio statistico per la turbolenza? Capitolo 1. Introduzione
Figura 1.12: Velocità assialemedia normalizzata in funzione della coordinata laterale in un jet
turbolento. Re = 95500(Pope, 2000).
1.3 Perché utilizzare un approccio statistico per la turbolenza?

Osservando le figure 1.13 e 1.14 abbiamo già sottolineato che il segnale appare altamente disor-
ganizzato, che presenta strutture appartenenti a molte scale e che appare irriproducibile nel suo
insieme anche se alcune sue proprietà sembrano poter essere riprodotte. Queste proprietà possono
essere riassunte nell’istogramma 1.15 della velocità. I due istogrammi sono statisticamente identi-
ci. Nonostante la struttura fine del segnale sembra essere impredicibile, le sue proprietà statistiche
sono riproducibili.
Cosa significa asserire che il campo di velocità U(x, t) è casuale?
Per comprendere il significato del termine casuale si consideri un esperimento che possa essere
ripetuto sotto lo stesso insieme di condizioni al contorno C e si consideri un evento A, tale che
A ≡ U < 5ms−1 , dove U è una specifica componente della velocità ad una posizione specifica di
tempo e spazio. Se l’evento A si verifica, allora A è certo, se A non si verifica, allora è impossibi-
le, ma se può sia verificarsi che non verificarsi, allora l’evento A è casuale. Dire che l’evento A è
casuale non significa affermare che la turbolenza sia un fenomeno casuale, ma semplicemente che
U è una variabile casuale, ovvero che non assume un valore unico ogni volta che l’esperimento
viene ripetuto sotto le stesse condizioni. C.
Ora bisogna capire come si spieghi la natura casuale dei flussi turbolenza, considerando la natura
deterministica della meccanica classica descritta nelle equazioni di Navier-Stokes.
11
1.3. Perché utilizzare un approccio statistico per la turbolenza? Capitolo 1. Introduzione
Figura 1.13: Componente verticale della velocità del vento misurata da un anemometro sonico a
20 Hz.
Figura 1.14: Componente verticale della velocità del vento misurata da un anemometro sonico a
20 Hz.
12
1.4. Categorie di flussi turbolenti Capitolo 1. Introduzione
Figura 1.15: Funzioni densità di probabilità delle valocità del vento mostrate nelle figure 1.13 e
1.14
Due sono le osservazioni da fare:
• in ogni flusso turbolento ci sono inevitabilmente perturbazioni delle condizioni iniziali, nelle
condizioni al contorno e nelle proprietà materiali del liquido (impurità).
• i campi turbolenti hanno un’acuta sensibilità a queste perturbazioni.
Ovviamente la presenza delle sole perturbazioni non basta da sola a giustificare il carattere delle
equazioni di Navier-Stokes. Queste per bassi numeri di Reynolds (e condizioni al contorno stabili)
hanno soluzioni stabili, invece per alti numeri di Reynolds hanno soluzioni turbolente e caotiche.
1.4 Categorie di flussi turbolenti

Un flusso turbolento è, almeno in generale, un flusso non stazionario, anisotropo e non omogeneo,
tuttavia è talvolta possibile ricondurne le proprietà a categorie meno difficili da considerare.
La distinzione più grande si può fare fra flussi non omogenei e flussi omogenei. L’omogeneità spa-
ziale si ha quando la statistica non è funzione della posizione nel campo. Quindi le proprietà della
turbolenza omogenea non sono influenzate dalla posizione dell’origine del sistema di coordinate,
ovviamente questo implica che il sistema non abbia confini e sia illimitato spazialmente, tuttavia
in laboratorio è possibile ricondursi una omogenità approssimata.
L’omogeneità nel tempo si definisce stazionarietà, ovvero un flusso si dice stazionario se la sua
statistica è indipendente dal posizionamento dall’origine dei tempio o ancora se la funzione di
autocorrelazione temporale della velocità dipende esclusivamente dalla separazione temporale (è
solo funzione di (∆t) e non di (t, ∆t)).
13
1.5. Processi casuali - Random processes Capitolo 1. Introduzione
L’dealizzazione successiva all’omogeneità è l’isotropia: un flusso è isotropo quando non esiste

nessuna direzione preferenziale. Per avere un’idea di cosa questo significhi basta immaginare di
trascinare una griglia in ogni direzione all’interno di una grossa tanica di acqua.
Molti dei ragionamenti svolti in seguito faranno riferimento a turbolenza stazionaria, omogenea ed
isotropa.
1.5 Processi casuali - Random processes

Come esempio di variabile casuale consideriamo una componente della velocità U ad un certo
istante in un certo punto dello spazio in un esperimento ripetibile di turbolenza. La velocità casuale
U sarà caratterizzata completamente dalla sua PDF, f (V ). Se ora consideriamo la stessa velocità
ma come funzione del tempo, U (t), questa variabile casuale si definisce processo casuale. Le
figure 1.13 e 1.14 possono essere considerate come due diverse realizzazioni dello stesso processo
casuale. Vediamo come possiamo caratterizzare un processo casuale. Ad ogni istante t la variabile
random U (t) è caratterizzata dalla sua funzione cumulata di probabilità (CDF) ad un tempo:
F (V, t) ≡ P {U (t) < V } (1.7)
o equivalentemente dalla sua PDF ad un tempo

∂F (V, t)
f (V ; t) ≡ (1.8)
∂V
Tuttavia nessuna di queste funzioni contiene informazioni su U (t) a due o più tempi successivi. la
figura 1.16 mostra la serie temporale di cinque diversi processi stocastici, tutti hanno la stessa PDF.
Chiaramente essi hanno comportamenti radicalmente differenti (sia qualitativamente che quantita-
tivamente), eppure questo non si vede dalla PDF.
La CDF congiunta a N -tempi del processo U (t) può essere definita come:
FN (V1 , t1 ; V2 , t2 ; ...; VN , tN ) ≡ P {U (t1 ) < V1 , U (t2 ) < V2 , ..., U (tN ) < VN } (1.9)
e fN (V1 , t1 ; V2 , t2 ; ...; VN , tN ) è la PDF congiunta a N -tempi. Per poter descrivere completamente

un processo casuale abbiamo bisogno di conoscere la PDF congiunta a N -tempi per tutti gli istanti
di tempo, che, in generale, è una impresa impossibile.
Una semplificazione notevole si ha se il processo è stazionario, come accade per molti flussi turbo-
lenti. Un processo è statisticamente stazionario se tutte le statistiche sono invarianti per traslazioni
temporali, ovvero
fN (V1 , t1 + T ; V2 , t2 + T ; ...; VN , tN + T ) = fN (V1 , t1 ; V2 , t2 ; ...; VN , tN ) (1.10)
Dopo un certo tempo t, un flusso turbolento può diventare statisticamente stazionario, ovvero le
sue statistiche diventeranno indipendenti dal tempo, nonostante la sua velocità U (t) vari col tempo.
14
Figura 1.16: Serie temporali di cinque processi stazionari. La PDF a un tempo è una Gaussiana
stazionaria per tutti. (a) Misura di una velocità turbolenta. (b) Misura di una velocità turbolenta
con frequenza superiore di (a). (c) Un processo Gaussiano con lo stesso spettro di (a). (d) Un
processo di Uhlenbeck Ornstein con lo stesso tempo di scala di (a). (e)Un processo di salto con lo
stesso spettro di (d). (Pope, 2000)
15
Per un processo statisticamente stazionario, la più semplice statistica multi-temporale è l’autoco-

varianza:
R(s) = hu(t)u(t + s)i (1.11)
o, nella sua forma normalizzata, la funzione di autocorrelazione:
hu(t)u(t + s)i
ρ(s) = (1.12)
hu(t)2 i
in cui u(t) ≡ U (t)−hU i è la fluttuazione del campo di velocità (si noti che la stazionarietà in senso
debole assicura che la media, la varianza, l’autocovarianza e l’autocorrelazione siano indipendenti
da t). La funzione di autocorrelazione rappresenta il coefficiente di correlazione del processo al
tempo t e al tempo t + s e soddisfa le seguenti proprietà:
ρ(0) = 1 (1.13)
|ρ(s)| ≤ 1 (1.14)
inoltre la funzione di autocorrelazione è una funzione pari(per verificarlo basta sostituire nella
definizione t0 = t + s):
ρ(s) = ρ(−s) (1.15)
Se U (t) è periodica di periodo T , allora anche la sua funzione di autocorrelazione è periodica di
periodo T , tuttavia per i processi turbolenti ci aspettiamo funzioni decrescenti del passo temporale
s. Solitamente ρ(s) decresce sufficientemente rapidamente che l’integrale:
Z ∞
τ≡ ρ(s)ds (1.16)
0
converge e τ rappresenta il tempo scala del processo. La figura 1.17 mostra la funzione di auto-
correlazione per i cinque processi che vengono descritti nella figura 1.16. Si noti che il processo
ad alta frequenza (b) ha una funzione di autocorrelazione più stretta (e quindi ha un tempo scala
τ inferiore). Per costruzione (a) e (c) hanno la stessa funzione di autocorrelazione, così come i
processi (d) e (e) che hanno ρ(s) = e−|s|/τ e lo stesso tempo scala di (a). Quindi, a parte (b), tutti i
processi hanno lo stesso tempo scala.
La funzione di autocovarianza e il doppio dello spettro di frequenza E(ω) formano un coppia di
trasformate di Fourier:
1 ∞ 2 ∞
Z Z
−iωs
E(ω) ≡ R(s)e ds = R(s) cos(ωs)ds (1.17)
π −∞ π 0
e Z ∞ Z ∞
1 iωs
R(S) ≡ E(ω)e dω = E(ω) cos(ωs)dω (1.18)
2 −∞ 0
16
17
Figura 1.17: Funzioni di autocorrelazione per i processi causali della figura 1.16. Come mostra
l’ingrandimento i processi (a) e (c) hanno una funzione di autocorrelazione piatta nell’origine.
(Pope, 2000)
Figura 1.18: Spettri di frequenza per i processi causali della figura 1.16 (Pope, 2000).
E’ chiaro che le due funzioni contengono lo stesso tipo di informazioni solo in forme differenti.
E(ω) così come R(s) è una funzione pari e reale.
La proprietà fondamentale dello spettro di frequenza è che per ωa < ωb l’integrale
Z ωb
E(ω)dω (1.19)
ωa
rappresenta il contributo alla varianza hu(t)2 i di tutte le armoniche tali che ωa < ω < ωb . La
varianza è invece: Z ∞
2
R(0) = hu(t) i = E(ω)dω (1.20)
0
Un’ulteriore semplice connessione fra lo spettro e la funzione di autocorrelazione è che il tempo
di correlazione può essere scritto (sostituendo ω = 0 nell’equazione 1.17) come:
πE(0)
τ= (1.21)
2hu(t)2 i
La figura 1.18 mostra gli spettri dei processi stazionari descritti in precedenza. Il processo ad alta
frequenza, avendo un valore di tempo scala inferiore rispetto al processo (a), presenta un valore
minore nell’origine (Eq. 1.21), ma il suo spettro si estende a frequenze maggiori.
Nella pratica la funzione di autocorrelazione (o lo spettro) è l’unica quantità che viene usata per ca-
ratterizzare le proprietà di un processo casuale multi-tempo. Tuttavia, bisogna tenere a mente che
la PDF a un tempo e la funzione di autocorrelazione forniscono solo informazioni parziali. Questo
si vede chiaramente nella figura 1.16 osservando i processi (d) ed (e) che pur essendo qualitativa-
mente abbastanza diversi hanno la stessa PDF Gaussiana e la stessa funzione di autocorrelazione.
18
Figura 1.19: Serie temporali di Ü (t) per i i processi causali (a) e (c) della figura 1.16 (Pope, 2000).
Se un processo è Gaussiano allora la sua PDF a N -tempi è normale congiunta. Questa distri-
buzione può essere completamente descritta dai suoi valori medi hU (tn )i e dalle sue covarianze
hu(tn )u(tm )i. Se il processo è ance stazionario possiamo anche scrivere:
hu(tn )u(tm )i = R(tn − tm ) = hu(t)2 iρ(tn − tm ) (1.22)
Alternativamente un processo Gaussiano statisticamente stazionario può essere completamente ca-

ratterizzato dalla sua media hU (t)i, dalla sua varianza hu(t)2 i e dalla sua funzione di autocorrela-
zione ρ(s) (o dal suo spettro).
Sempre facendo riferimento alla figura 1.16, il processo (c) e il processo (a) hanno lo stesso spet-
tro, per distinguerli è necessario guardare la derivata seconda del campo di velocità: Ü (t) ≡
d2 U (t)/dt2 (figura 1.19). Per il processo Gaussiano (c) Ü (t) ≡ d2 U (t)/dt2 è ancora Gaussiano e
ha curtosi pari a 3, mentre per il processo (a) Ü (t) ≡ d2 U (t)/dt2 non è Gaussiano è la sua curtosi
è 11.
I processi casuali generati dalla turbolenza, come il processo (a), sono differenziabili, ovvero
esiste sempre il limite:
dU (t) U (t + ∆t) − U (t)
= lim (1.23)
dt ∆t→0 ∆t
In questo caso il limite e la media commutano e quindi
dU (t) dhU (t)i

h i = lim (1.24)
dt ∆t→0 dt
19
1.6. Campi Casuali - Random Fields Capitolo 1. Introduzione
I processi sintetici (i processi (d) e (e)), invece, non hanno bisogno di essere differenziabili (non
esiste il limite 1.23). Lo spettro di questi processi decade come E(ω) ∼ ω −2 alle alte frequenze e,
di conseguenza, la loro funzione di autocorrelazione ρ(s) = e−|s|/τ non è differenziabile nell’ori-
gine.
Il processo di Uhlenbeck-Ornstein (d) è un classico esempio di processo diffusivo (moto brownia-
no).
1.6 Campi Casuali - Random Fields

Le definizioni precedenti possono essere utilizzate per descrivere i campi causali (al tempo abbia-
mo aggiunto anche le tre dimensioni spaziali).
1.6.1 Statistiche ad un punto

La CDF ad un punto e ad un tempo per la velocità si definisce come:
F (V, x, t) = P {Ui (x, t) < Vi , i = 1, 2, 3} (1.25)
e la sua PDF è:
∂ 3 F (V, x, t)
f (V; x, t) = (1.26)
∂V1 ∂V2 ∂V3
In ogni punto e in ogni istante la PDF ci dà informazioni sul campo di velocità in quel punto, ma
non ci dà nessuna informazione per altri istanti o posizioni.
Definiamo ancora le fluttuazioni di velocità come:
u(x, t) = U(x, t) − hU(x, t)i (1.27)
La covarianza ad un punto e a un tempo della velocità è definita come hui (x, t)uj (x, t)i, queste
quantità sono comunemente chiamate gli stress di Reynolds.
1.6.2 PDF congiunta a N -punti e N -tempi

fN (V(1) , x(1) , t(1) , V(2) , x(2) , t(2) ; ...; V(N ) , x(N ) , t(N ) ) (1.28)
Rappresenta la PDF congiunta di U(x, t) negli N punti spazio temporali {(x(n) , t(n )), n = 1, 2, ..., N }
(e V(i) rappresentano i possibili valori di U nello spazio delle probabilità),
20
1.6. Campi Casuali - Random Fields Capitolo 1. Introduzione
Figura 1.20: Condotto per la generazione di un flusso di canale (Pope, 2000).
1.6.3 Stazionarietà e omogeneità

Il campo casuale U(x, t) è statisticamente stazionario se tutte le sue statistiche sono invarianti tem-
poralmente. Questo significa che fN non cambia se a (x(n) , t(n) ) si sostituisce (x(n) , t(n) + T ) per
tutti gli N punti.
Similmente il campo si dice statisticamente omogeneo se tutte le sue statistiche sono invarianti
spazialmente, ovvero se fN non cambia se a (x(n) , t(n) ) viene sostituito (x(n) + X, t(n) ) per tutti gli
N punti. Se il campo di velocità U(x, t) è omogeneo allora la sua media hUi è uniforme e con
un’apposita scelta di sistema di riferimento può essere considerata nulla.
La definizione di turbolenza omogenea è meno restrittiva. In turbolenza omogenea è la fluttuazio-
ne della velocità u(x, t) ad essere statisticamente omogenea. Questo implica che i gradienti del
campo medio di velocità, ∂hUi i/∂xj , possano essere non nulli, è sufficiente che siano uniformi.
La turbolenza omogenea è la classe più semplice di turbolenza.
In maniera del tutto simile i flussi turbolenti possono essere bi-dimensionali e mono-dimensionali.
Nella figura 1.20 si vede un condotto un cui si crea un flusso di canale. Per grandi aspect ratio,
ovvero per b/h 1, e molto distante dalle pareti laterali (|x3 |/b 1), la statistica del flusso varia
molto poco con la direzione trasversale x3 . Accettando una piccola approssimazione, il campo di
velocità U(x, t) è statisticamente bidimensionale. Molto lontano dall’origine del canale x1 /h 1
il flusso diventa statisticamente ben sviluppato (well developed). A quel punto il campo di velo-
cità è statisticamente mono-dimensionale, il flutto è infatti anche indipendente dalla direzione x1 .
Anche se un campo è statisticamente omogeneo, tutte le tre componenti di U(x, t) variano in tutte
e tre le coordinate e nel tempo, sono le loro statistiche che sono indipendenti da alcune direzioni.
21
1.7. Correlazione a due-punti e Spettro Capitolo 1. Introduzione
1.6.4 Turbolenza isotropa

Un campo statisticamente omogeneo U(x, t) è, per definizione, invariate per traslazioni spaziali.
Se il campo è anche invariate per rotazione e riflessione del sistema di coordinate allora il campo
è statisticamente isotropo. Il concetto di isotropia è centrale per la turbolenza. In termini della
funzione densità probabilità (PDF) a N-punti, un campo è isotropo se fN non cambia sostituendo
U(x(n) , t(n) ) con U(x(n) , t(n) ), dove U e x rappresentano la velocità e la posizione in un qualsiasi
sistema di riferimento ottenuto attraverso una rotazione e una riflessione del sistema di coordinate.
1.7 Correlazione a due-punti e Spettro

La struttura più semplice che contiene qualche informazione sulla struttura spaziale di un campo
casuale è l’autocovarianza a due punti e un tempo:
Rij (r, x, t) ≡ hui (x, t)uj (x + r, t)i (1.29)
che viene comunemente chiamata correlazione a due punti. Da questa funzione è possibile estrarre
varie lunghezze di scala come per esempio:
Z ∞
1
L11 (x, t) ≡ R11 (e1 r, x, t)dr (1.30)
R11(0, x, t) 0
dove e1 è il versore della coordinata x1 .
In turbolenza omogenea la correlazione a due punti assume semplicemente la forma Rij (r, t),
essendo indipendente da x, e l’informazione che contiene può essere espressa anche sotto forma di
spettro dei numeri d’onda (wavenumber spectrum). Una armonica spaziale di Fourier:
eiκ·x = cos(κ · x) + i sin(κ · x) (1.31)
è una funzione che varia nella direzione del numero d’onda κ con lunghezza d’onda l = 2π/κ
e che è costante su tutti i piani normali a κ. Lo spettro tensoriale della velocità Φij (κ, t) è la
trasformata di Fourier della correlazione a due punti:
Z Z ∞Z
1
Φij (κ, t) = e−iκ·r Rij (r, t)dr (1.32)
(2π)3 −∞
e la sua antitrasformata è
Z Z ∞ Z
Rij (r, t) = eiκ·r Φij (κ, t)dκ (1.33)
−∞
Scegliendo r = 0 un questa equazione si ottiene:

Z Z ∞ Z
Rij (0, t) = hui uj i = Φij (κ, t)dκ (1.34)
−∞
22
1.7. Correlazione a due-punti e Spettro Capitolo 1. Introduzione
e quindi si vede che Φij (κ, t) rappresenta il contributo delle armoniche della velocità con numero
d’onda κ alla covarianza hui uj i.
La correlazione a due punti e lo spettro contengono due informazioni direzionali differenti: la
dipendenza di Rij (r, t) da r e quella di Φij (κ, t) da κ danno informazione sulla dipendenza dire-
zionale della correlazione, mentre le componenti Rij e Φij danno informazioni sulle direzioni delle
velocità.
Una funzione molto utile è la funzione di spettro energetico:
Z Z ∞Z
1
E(κ, t) = Φii (κ, t)δ(|κ| − κ)dκ (1.35)
−∞ 2
che può essere interpretato come lo spettro Φij (κ, t) a cui è stata tolta tutta l’informazione direzio-
nale. Integrando l’equazione 1.35 su tutti i numeri d’onda scalari κ si ottiene:
Z ∞
1 1
E(κ, t)dκ = Rii (0, t) = hui ui i (1.36)
0 2 2
che mostra come E(κ, t) rappresenti il contributo all’energia cinetica turbolenta hui ui i di tutte le
armoniche con numero d’onda |κ| nel range κ ≤ |κ| ≤ κ + dκ.
23
Capitolo 2
Scale della turbolenza
2.1 La cascata inerziale

Per descrivere il concetto (pedagogico) di cascata inerziale si consideri un fluido confinato in una
vasca idrodinamica cilindrica e un agitatore a pale, il cui diametro è comparabile al diametro della
vasca, immerso nel fluido. Ci si può ragionevolmente aspettare che il moto del fluido sia determi-
nato dalla viscosità cinematica del fluido ν, dalla velocità di rotazione V e dal diametro delle pale
V . Si può anche pensare che la densità ρ del fluido abbia un ruolo, ma essendo questa costante per
il fluido, può essere eliminata dalle equazioni tramite una semplice normalizzazione. Ponendoci
in una zona lontana dalle pale dell’agitatore e dalle pareti della vasca possiamo considerare che
la dinamica dipenda esclusivamente dal numero di Reynolds Re ≡ LV /ν , ovvero dai parametri
precedentemente indicati. Abbiamo visto che quando Re è grande il moto è determinato da effetti
non lineari. Questi producono moti di scale via via inferiori fino a che nel flusso non compare una
vera e propria gerarchia di scale. Nel suo stato stazionario la turbolenza può essere considerata
come l’insieme di tutti questi i moti a scala diversa. La generazione di scale inferiori avviene via
via più velocemente mano a mano che la scala si riduce, per questo il processo è fenomenologica-
mente simile ad una cascata. Al fondo della cascata c’è la viscosità che agisce ad una scala η in
cui i gradienti del campo sono elevatissmi (il flusso di energia è unidirezionale solo in media, in
qualche istante di tempo l’energia può fluire anche dalle piccole alle grandi scale). Tenendo fissa
la scala spaziale del problema L, si può aumentare la distanza fra L e η aumentando il numero di
Reynolds, ottenendo delle scale intermedie (il subrange inerziale) in cui le proprietà della turbo-
lenza sono universali perché si è distanti sia dalla scala L in cui si produce l’energia, sia dalla scala
η in cui viene dissipata. In questo intervallo di scale ci si aspetta, quindi, che la turbolenza abbia
proprietà universali che siano indipendenti sia da come riceve che da come dissipa energia.
Con un certo livello di imprecisione ci si può figurare la cascata di energia come un fenomeno
analogo al flusso di acqua attraverso un condotto il cui raggio decresce da L fino a η. L’acqua deve
uscire dal condotto allo stesso tasso con cui è entrata per conservare la portata. In maniera simile
24
2.2. Turbolenza Isotropa Capitolo 2. Scale della turbolenza
Figura 2.1: Proprietà di un campo vettoriale isotropo.
il trasferimento di energia alle piccole scale avviene più velocemente che alle grandi scale.
I moti turbolenti solitamente vengono associati all’immagine di vortice (eddy). La definizione
di vortice turbolento non è precisa, il vortice è un moto turbolento localizzato in una regione di
dimensione l che è moderatamente coerente in questa regione. In questa regione possono anche
trovarsi vortici di dimensioni minori. Secondo Richardson (1926) i vortici di grandi dimensioni
sono instabili e si rompono trasferendo energia ai vortici di dimensioni minori, questi si compor-
tano allo stesso modo e trasferiscono energia a vortici ancora più piccoli. La cascata delle energie
continua fino a quando il numero di Reynolds Re(l) ≡ u(l)l/ν è sufficientemente piccolo che il
moto del vortice è stabile e la viscosità dissipa l’energia cinetica. Il tasso di dissipazione dell’ener-
gia cinetica turbolenta è determinato dal primo processo della sequenza, ovvero dal trasferimento
di energia dai vortici maggiori. Se i vortici di dimensioni maggiori hanno lunghezza di scala l0 e
velocità di scala u0 , allora questi vortici hanno energie dell’ordine di u20 e tempi scala dell’ordine
di τ0 = l0 /u0 , quindi il rateo di trasferimento scala come u20 /τ0 = u30 /l0 . Quindi scala con
u20 /τ0 = u30 /l0 ed è indipendente da ν (solamente per numeri di Reynolds molto elevati).
2.2 Turbolenza Isotropa

Un campo u(x, t) è statisticamente omogeneo se è statisticamente invariante per traslazione. Se il
campo è anche invariante per rotazioni e riflessioni del sistema di riferimento, allora si definisce
statisticamente isotropo.
Consideriamo il campo vettoriale u(x, t) = (u1 (x, t), u2 (x, t), u3 (x, t)), e definiamone la condi-
zione di isotropia:
25
2.3. Le ipotesi di Kolmogorov Capitolo 2. Scale della turbolenza
un campo vettoriale random u(x,t) si definisce isotropo se le funzioni densità di probabilità delle
sue componenti rimangono invariate se sottoposte a rotazioni, riflessioni e traslazioni accompa-
gnate da rotazioni riflessioni simultanee e/o del sistema di riferimento nel quale le componenti del
campo sono definite. Quindi, in riferimento alla figura 1, la densità di probabilità bidimensiona-
le di u1 (x1 , t) e di u2 (x2 , t) deve coincidere con quella dei valori di u’1 (x’1 , t) e u’2 (x’2 , t) dove
u’1 (x’1 , t) è la proiezione del vettore u(x’1 , t) sull’asse Ox01 . Supponiamo ora che u(x) sia un
campo vettoriale random e isotropo.
Se il campo è anche omogeneo il suo valor medio u(x, t) = U è un vettore costante e siccome
il campo è isotropo e non può venire alterato da rotazioni è il vettore nullo. Il valor medio di un
campo random e isotropo è zero.
2.3 Le ipotesi di Kolmogorov

Nella descrizione di Richardson rimangono ancora aperte molte domande fondamentali:
Qual è la dimensione dei vortici più piccoli che dissipano energia? Al decrescere di l u(l) e
τ (l) aumentano o diminuiscono o rimangono gli stessi?
La risposta a queste domande si trova in un articolo di Kolmogorov (1941b), che spiega come
entrambe le scale di velocità e di tempo si riducano al ridursi della dimensione dei vortici.
La prima ipotesi riguarda l’isotropia delle piccole scale. Le grandi scale sono anisotrope perché
influenzate dalle condizioni al contorno, tuttavia secondo Kolmogorov la bias dimensionale delle
grandi scale si perde nel processo caotico di riduzione verso le piccole scale quindi:
Ipotesi di Kolmogorov sull’isotropia locale. Per numeri di Reynolds sufficientemente grandi i
moti turbolenti alle piccole scale (l l0 ) sono statisticamente isotropi.
Quindi il termine locale si riferisce alle piccole scale. Definiamo una lunghezza di scala lEI (lEI ∼
1
l ) che separa i grandi vortici anisotropi (l > lEI ) dai piccoli vortici isotropi (l < lEI ). Nell’idea
6 0
di Kolmogorov nel passaggio di energia alle scale inferiori non solo viene persa l’informazione
direzionale dei grandi vortici, ma anche la loro geometria che è determinata dal flusso medio e
dalle condizioni al contorno. Di conseguenza, le statistiche dei moti a piccola scala sono universali,
perché simili in tutti i flussi ad elevati numeri di Reynolds.
Nella cascata di energia i due processi dominanti sono il trasferimento di energia e la dissipazione
viscosa. Quindi i due parametri da cui potrebbe dipendere l’universalità statistica sono la viscosità
cinematica ν e il rateo di trasferimento di energia dalle grandi alle piccole scale (TEI ). Come si
vedrà la dissipazione è determinata da TEI e ∼ TEI .
Queste due supposizion possono essere riassunte nella:
prima ipotesi di similarità di Kolmogorov. In ogni flusso turbolento avente numero di Reynolds
elevato, le statistiche dei moti a piccola scala (l < lEI ) hanno una formula universale determinata
unicamente da ν e .
26
L’intervallo l < lEI si definisce intervallo universale di equilibrio. In esso i tempi scala sono
piccoli paragonati con i tempi scala l0 /u0 affinché i piccoli vortici possano adattarsi velocemente
e mantenere un equilibrio dinamico con il rateo di trasferimento di energia imposto dalle grandi
scale. Date ν e , a meno di costanti moltiplicative, possono essere prodotte delle uniche scale di
lunghezza, velocità e tempo:
3 1/4
ν
η≡ (2.1)

uη ≡ (ν)1/4 (2.2)
ν 1/2
τη ≡ (2.3)

Da queste scale si possono ricavare due identità che indicano chiaramente che le scale di Kolmogo-
rov sono quelle caratteristiche dei vortici dissipativi. La prima è costituita dal numero di Reynolds
che si ottiene dalle scale di Kolmogorov, ovvero ηuη /ν = 1, che è consistente con l’affermare che
la cascata di Richardson si ferma alle piccole scale. La seconda riguarda il tasso di dissipazione:
2
uη ν
=ν = (2.4)
η τη2
che mostra che la quantità uηη = τ1η è un buon indicatore per la scala dei gradienti di velocità dei
vortici dissipativi.
Per capire le conseguenze e l’utilità di queste ipotesi si consideri un punto x0 in un flusso turbolento
con numero di Reynolds elevato al tempo t0 . Definiamo coordinate adimensionali normalizzate
con le microscale di Kolmogorov:
x − x0

y ≡ η


(2.5)
U(x, t0 ) − U(x0 − t0 )
 w(y) ≡


uη
Non è possibile formare un parametro adimensionale utilizzando solo e ν; quindi la forma uni-
versale delle statistiche del campo w(y) normalizzato non può dipendere da queste due quantità,
questo implica che, in accordo con le ipotesi di Kolmogorov, il campo w(y) normalizzato su scale
non troppo grandi (|y| < lEI /η), sia statisticamente isotropo e statisticamente identico in tutti i
punti (x0 , t0 ) per tutti i moti turbolenti ad elevati numeri di Reynolds. Alle piccole scale, ad elevati
numeri di Reynolds, tutti i campi turbolenti sono statisticamente simili; ovvero sono statisticamen-
te identici quando vengono scalati sulle scale di Kolmogorov 2.5.
I rapporti tra le scale maggiori e le scale minori possono essere facilmente calcolati usando la
27
Figura 2.2: Le scale dei vortici di dimensione l (in scala logaritmica) per elevati numeri di Reynolds
(Pope, 2000).
definizione delle scale di Kolmogorov (Eq. 2.3)1 e tenendo presente che ∼ u30 /l0 :
η/l0 ∼ Re−3/4
uη /u0 ∼ Re−1/4 (2.6)
−1/2
τ /τ0 ∼ Re
Evidentemente, per numeri di Reynolds molto elevati, le scale di velocità e i tempi scala dei piccoli
vortici sono estremamente minori di quelli dei vortici maggiori, questa può essere considerata una
misura del numero di scale coinvolte nei processi turbolenti.
Inevitabilmente, al crescere di Re il rapporto η/l0 decresce, quindi a numeri di Reynolds molto
elevati ci sarà un certo numero di scale l che saranno molto minori della scala l0 ma molto maggiori
di η. In questo range di scale, l0 l η, i vortici avranno dimensioni maggiori dei vortici
dissipativi e quindi il loro moto non sarà influenzato dalla viscosità. Da qui si può dedurre la:
Seconda ipotesi di similarità di Kolmogorov. In ogni flusso turbolento ad elevati numeri di
Reynolds, le statistiche dei moti di scala l nel range l0 l η hanno una forma universale che è
determinata unicamente da indipendentemente da ν.
E’ conveniente introdurre una lunghezza di scala lDI (lDI = 60η) per poter definire l’intervallo
interessato dalla seconda ipotesi di Kolmogorov come lDI < l < lEI . Questa lunghezza di scala
divide l’intervallo di equilibrio in due sottointervalli: il range dissipativo e il range inerziale.
Le lunghezze di scala, le velocità di scala e i tempi scala non possono essere formati solamente
da . Comunque, dato un vortice di dimensione l nel subrange inerziale, si possono formare scale
di velocità e tempi scala utilizzando e l:
u(l) = (l)1/3 = uη (l/η)1/3 ∼ u0 (l/l0 )1/3 (2.7)

1/4 1/4
ν 3/4 l0

1η ν3 1
l0 = l0 = 3/4 = ...
u0
28
2.4. Lo spettro di energia Capitolo 2. Scale della turbolenza
τ (l) = (l2 /)1/3 = τη (l/η)2/3 ∼ τ0 (l/l0 )2/3 (2.8)

Che mostrano che al decrescere della scala l decrescono anche i tempi scala e le scale della velocità.
Nella descrizione della cascata dell’energia, ha fondamentale importanza il tasso di energia, T (l),
con cui questa viene trasferita da una scala all’altra. Se il processo di trasferimento è dovuto solo
a vortici di dimensione paragonabile a l, allora T (l) è dell’ordine di u(l)2 /τ (l). L’identità
u(l)2 /τ (l) = (2.9)
suggerisce che T (l) sia indipendente da l nel subrange inerziale e che sia uguale ad :
TEI ≡ T (lEI ) = T (l) = TDI ≡ T (lDI ) = lEI > l > lDI (2.10)
Il tasso di trasferimento di energia dalle grandi scale TEI determina il tasso di trasferimento di
energia attraverso il subrange inerziale T (l), ovvero determina il tasso a cui l’energia esce dal
subrange inerziale e entra in quello dissipativo TDI e quindi determina il tasso di dissipazione
(2.3).
2.4 Lo spettro di energia

Rimane da capire come l’energia turbolenta si distribuisca tra i vortici delle diverse scale. Per
semplicità consideriamo turbolenza omogenea per qui è possibile definire la funzione spettro di
energia E(κ) (Eq. 1.35). L’energia compresa tra i numeri d’onda κa e κb è
Z κb
k(κa ,κb ) = E(κ)dκ (2.11)
κa
Dalla prima ipotesi di similarità di Kolmogorov segue che nell’intervallo di equilibrio (κ > κEI ≡
2π/lEI ) lo spettro è una funzione universale di e ν, mentre dalla seconda discende che nel
subrange inerziale, κEI < κ < κDI lo spettro ha forma
E(κ)1 = C2/3 κ−5/3 (2.12)
Nonostante lo spettro di Kolmogorov − 35 si applichi solamente al subrange inerziale è consistente

con la nozione che l’energia sia contenuta nelle grandi scale e venga dissipata alle piccole scale.
2.5 Definizione delle ipotesi di Kolmogorov

Definiamo in modo più preciso le ipotesi di Kolmogorov (1941a). Kolmogorov le scrisse per una
ditribuzione di probabilità a N punti nello spazio quadridimensionale (x, t), mentre per i nostri
1
E(κ) ∼ u(l)2 l = (l)2/3 l = ...
29
2.5. Definizione delle ipotesi di Kolmogorov Capitolo 2. Scale della turbolenza
Figura 2.3: Un diagramma schematico della cascata delle energie per elevati numeri di Reynolds
(Pope, 2000).
scopi è sufficiente definirle nello spazio fisico (x) ad un tempo fissato t. Si considerei un dominio
G all’interno del flusso turbolento e siano x(0) , x(1) ,...,x(n) , un insieme di punti contenuti in G.
Definiamo un nuovo sistema di coordinate e le differenze delle velocità come:
y = x − x(0) (2.13)
v(y) = U (x, t) − U (x(0) , t) (2.14)

e sia fN la PDF congiunta di v negli N punti y(0) , y(1) ,...,y(n) .
Definizione di omogeneità locale. La turbolenza è localmente omogenea nel dominio G, se per
ogni N fissato e yn (n=1,...,N) la PDF congiunta fN è indipendente da x(0) e da U (x(0) , t).
Definizione di isotropia locale. La turbolenza è localmente isotropa nel dominio G, se è localmen-
te omogenea e inoltre la PDF fN è invariante per rotazioni e riflessioni del sistema di coordinate.
Ipotesi di isotropia locale. In ogni flusso turbolento in cui il numero di Reynolds è sufficiente-
mente grande la turbolenza è, in buona approssimazione, localmente isotropa se il dominio G è
sufficientemente piccolo (ovvero se ∀n |yn | L) e non è vicino ai confini del flusso o a suoi punti
singolari.
La prima ipotesi di similarità. In turbolenza localmente isotropa, la PDF fN è unicamente deter-
minata dalla viscosità ν e dalla dissipazione dell’energia cinetica turbolenta .
La seconda ipotesi di similarità. Se i moduli dei vettori ym e delle loro differenze ym − yn
(m 6= n) sono grandi rispetto alla scala η di Kolmogorov, allora la PDF fN è unicamente determi-
nata dalla dissipazione dell’energia cinetica turbolenta e non dipende dalla viscosità.
Si noti che le ipotesi si riferiscono alle differenze di velocità. L’uso del nuovo sistema di coordinate
ci consente di applicare queste ipotesi ad ogni flusso turbolento.
30
2.6. Funzioni di Struttura Capitolo 2. Scale della turbolenza
Figura 2.4: Schema che mostra la dipendenza dei punti x e x + r

dai punti x(n) e y(n) .
2.6 Funzioni di Struttura

Per studiare il moto nel subrange inerziale è necessario definire le funzioni di struttura, ovvero i
momenti delle differenze di velocità su una scala r. Consideriamo la statistica delle differenze di
velocità al tempo t fra i punti x e x+r:
∆r u = U(x + r, t) − U(x, t) (2.15)
Definiamo la funzione di struttura spaziale del secondo ordine come la covarianza delle diffe-
renze di velocità fra i due punti x + r e x:
Dij (r, x, t) = h∆r ui ∆r uj i (2.16)
Per r sufficientemente piccoli le PDF di ∆r u possono essere considerate omogenee, isotrope e
stazionarie, inoltre per turbolenza localmente isotropa h∆r ui = 0 e il tensore dei secondi momenti
di ∆r u può essere espresso in tutto il quasi-equilibrium range (r L) grazie a due funzioni
scalari: la funzione di struttura longitudinale, DLL (r), e la funzione di struttura laterale, DN N (r):
DLL (r) − DN N (r)
Dij (r, t) = ri rj + DN N (r)δij (2.17)
r2
Possiamo verificare l’applicabilità delle ipotesi di Kolmogorov e calcolare la 2.17 esprimendo la
funzione di struttura in funzione di y (2.13) e v(y) (2.14):
Dij (y(2) − y(1) , x(0) + y(1) , t) = h[vi (y(2) ) − vi (y(1) )][vj (y(2) ) − vj (y(1) )]i (2.18)
31
Figura 2.5: Schema delle velocità coinvolte nelle funzioni di struttura longitudinale e trasversale
per r = e1 r (Pope, 2000).
Si assuma che anche le altre condizioni di applicabilità delle ipotesi di Kolmogorov (per esempio
grandi numeri di Reynolds) siano soddisfatte.
La prima conseguenza dell’ipotesi sulla locale isotropia è che (per r L) Dij è indipendente da
x(0) , ovvero non dipende dal suo secondo argomento. Si ha che Dij = Dij (r, t), ovvero la funzione
di struttura dipende da r, ma non da y(1) e y(2) . E quindi Dij è una funzione isotropa di r.
Gli unici tensori del secondo ordine che possono essere formati dal vettore r sono δij e ri rj . E
quindi Dij può solo assumere la forma 2.17.
Le due funzioni di struttura longitudinale e laterale (sono funzioni scalari) si possono definire
come:
DLL (r) = (∆r uL )2 (2.19)

DN N (r) = (∆r uN )2 (2.20)
Se il sistema di coordinate è scelto in modo tale che r sia nella direzione x1 , ovvero r = e1 r allora
si ha che (2.5):
D11 = DLL
D22 = D33 = DN N (2.21)
Dij = 0 i 6= j
In turbolenza omogenea con hUi = 0 una conseguenza dell’equazione di continuità è che (si veda
il paragrafo 2.6.1):
∂
Dij (r, t) = 0 (2.22)
∂ri
32
In questo caso ciò è verificato per la locale omogeneità e quindi mettendo insieme la 2.17 e la 2.22
si ottiene:
r dDLL (r)
DN N (r) = DLL (r) + . (2.23)
2 dr
In turbolenza localmente isotropa Dij (r, t) può essere determinata dalla sola funziona scalare
DLL (r, t). Per la prima ipotesi di similarità Kolmogorov per |r| L Dij può essere unicamente
determinato da e ν. La quantità (r)2/3 ha le dimensioni di una velocità al quadrato è può quindi
essere usata per rendere Dij adimensionale. Con r, e ν si può formare un solo gruppo adimen-
sionale: r1/4 /ν 3/4 = r/η. Per la prima ipotesi di similarità deve esistere una funzione universale
e adimensionale D̂LL (r/η) tale che:
DLL (r, t) = (r)2/3 D̂LL (r/η) (2.24)
Per la seconda ipotesi di similarità, per valori grandi del rapporto r/η, DLL deve essere indipen-
dente da ν. In questo caso non esiste nessun gruppo adimensionale che possa essere formato da
e r e quindi DLL deve avere la forma:
DLL (r, t) = C2 (r)2/3 (2.25)
in cui C2 è una costante universale. La relazione 2.25 implica che al crescere del rapporto r/η
D̂LL (r/η) tenda asintoticamente a C2 . Sostituendo la 2.25 nella 2.23 si ottiene:
4 4
DN N (r, t) = DLL (r, t) = C2 (r)2/3 (2.26)
3 3
e la 2.17 diventa:
2/3 4 1 ri rj
Dij (r, t) = C2 (r) δij − (2.27)
3 3 r2
Nel subrange inerziale, η r L, le ipotesi di Kolmogorov sono sufficienti a determinare la
funzione di struttura del secondo ordine in funzione di r, e C2 .
2.6.1 Esercizio
Verifica della formula 2.23.
Consideriamo l’equazione 2.17:
DLL (r) − DN N (r)
Dij (r, t) = ri rj + DN N (r)δij (2.28)
r2
e differenziamola per avere:

∂Dij rj ∂DLL
= 2 r + 2(DLL − DN N ) (2.29)
∂ri r ∂r
33
Figura 2.6: Funzioni di struttura del secondo ordine misurate da Saddoughi e Veeravalli (1994)
in uno strato limite turbolento a numeri di Reynolds elevati. Le linee orizzontali rappresentano le
previsioni delle ipotesi di Kolmogorov nel subrange inerziale.(Pope, 2000).
34
A questo punto è sufficiente mostrare che, in turbolenza omogenea con hUi = 0, vale la seguente
relazione:
∂Dij
=0 (2.30)
∂ri
come conseguenza dell’equazione di continuità. E’ facile mostrare che
Dij = 2Rij (0) − Rij (r) − Rji (r) (2.31)
sostituendo x0 = x + r all’interno della definizione di funzione di autocorrelazione si vede che 2.39
Rij (r, x, t) = Rij (−r, x0 , t), o, per turbolenza omogenea, che Rij (r, t) = Rij (−r, t), quindi
Dij = 2Rij (0) − Rij (r) − Rij (−r) (2.32)
Quindi per dimostrare che
∂Dij ∂
= (2Rij (0) − Rij (r) − Rij (−r)) = 0 (2.33)
∂ri ∂ri
ci basta dimostrare che
∂Rij
=0 (2.34)
∂ri
Consideriamo un campo a divergenza nulla, ∇ · u = 0.
∂ ∂
Rij (x, r, t) = hui (x, t)uj (x + r, t)i =
∂rj ∂ri
∂uj (x + r, t) ∂(x + r)k
= hui (x, t) i=
∂(x + r)k ∂xj (2.35)
∂uj (x + r, t)
= hui (x, t) δjk i =
∂(x + r)k
= hui (x, t)(∇ · u)x+r i = 0
e siccome il campo è anche statisticamente omogeneo
∂
Rij (r, t) = 0 (2.36)
∂rj
Se poi consideriamo che Rij (r, x, t) = Rji (−r, x0 , t), allora
∂ ∂
Rij (r, t) = Rji (−r, t) (2.37)
∂ri ∂ri
ovvero che
∂Rij ∂Rij
= =0 (2.38)
∂ri ∂rj
q.e.d.
35
2.7. Correlazione a due punti Capitolo 2. Scale della turbolenza
Figura 2.7: Sistema di riferimento M x01 , x02 x03 associato ai punti M e M’
2.7 Correlazione a due punti

Le ipotesi di Kolmogorov e tutte le deduzioni che ne abbiamo tratto non hanno nessuna relazione
con le equazioni di Navier-Stokes e, nonostante la cascata di energia sia un fenomeno di primaria
importanza, il preciso meccanismo in con cui il trasferimento avviene non è stato ancora identifi-
cato o quantificato. E’ quindi logico tentare di estrarre dalle equazioni di Navier-Stokes qualche
informazione sulla cascata delle energie di Richardson. Per poterlo fare è necessario studiare la
correlazione a due punti.
2.7.1 Funzioni di autocorrelazione

Consideriamo un campo turbolento omogeneo e isotropo, con velocità media nulla, fluttuazione
u0 (t) e tasso di dissipazione (t). Per l’omogeneità la correlazione a due punti è indipendente da x:
Rij (r, t) = hui (x, t)ui (x+r, t)i (2.39)
e nell’origine vale:
Rij (0, t) = hui uj i = u02 δij (2.40)

Non essendoci né produzione né dissipazione possiamo scrivere un’equazione semplificata per
l’evoluzione dell’energia cinetica turbolenta k(t) = 23 u0 (t)2 :
dk
= − (2.41)
dt
36
Figura 2.8: Le funzioni di correlazione f (r, t) e g(r, t)
In analogia con quanto affermato per la funzione di struttura Dij (Equazione 2.17) l’isotropia
consente di esprimere Rij in funzione di due funzioni scalari, f (r, t) e g(r, t):
ri rj
Rij (r, t) = u02 g(r, t)δij + [f (r, t) − g(r, t]) 2 (2.42)
r
Per studiare le proprietà della funzione di autocorrelazione Ri j (tensore di covarianza) è conve-
niente operare una trasformazione di coordinate e passare al sistema M x01 x02 x03 (figura 2.7) in cui
il primo asse giace lungo la direzione di r e gli altri due sono a questa perpendicolari, in questo
0
sistema r = e1 r. Chiamiamo le componenti del tensore nel nuovo sistema di riferimento Rij .
0 0 0
Ruotando di π attorno all’asse M x1 si invertono le direzioni degli assi M x2 e M x3 e quindi:
0 0
R12 (r, t) = −R12 (r, t) = 0 (2.43)
0 0 0
R13 (r, t) = R21 (r, t) = R31 (r) = 0 (2.44)
Inoltre ruotando intorno all’asse M x01 possiamo trasformare il secondo asse nel terzo e quindi
operare una riflessione rispetto al piano M x01 x03 in modo che:
0 0
R22 (r, t) = R33 (r, t) (2.45)
0 0
R23 (r, t) = R32 (r, t) = 0 (2.46)
0
la funzione Rij (r, t) è simmetrica e ha solo tre componenti diverse da zero (di cui due uguali):
0
R11 (r, t)/u02 = f (r, t) = hu1 (x + e1 r, t)u1 (x, t)i (2.47)
0
R22 (r, t)/u02 = g(r, t) = hu2 (x + e1 r, t)u2 (x, t)i (2.48)
0 0
R22 (r, t) = R33 (r) (2.49)
Le funzioni f (r, t) e g(r, t) sono le funzioni di autocorrelazione longitudinale e laterale. Quando

r = 0 queste funzioni sono uguali:
1
f (0, t) = g(0, t) = hu1 (x, t)2 i (2.50)
3
37
Se ora si aggiunge l’ipotesi che il campo u(x) è solenoidale, ovvero che ∇ · u = 0, si ottiene che:
r ∂
g(r, t) = f (r, t) + f (r, t) (2.51)
2 ∂r
In caso di campo solenoidale omogeneo e isotropo Ri j(r, t) è nota se è nota la sola funzio-
ne scalare f (r, t). In letteratura non è presente una forma analitica per f (r, t), ma si ricorre a
parametrizzazioni la più nota delle quali è dovuta a Durbin (1980):
13
r2

f (r) = 1 − (2.52)
r2 + L 2
dove L è una lunghezza caratteristica del problema.
2.7.2 Scale integrali

Dalle funzioni di autocorrelazione spaziale è possibile ricavare due lunghezze di scala:
Z ∞
L11 (t) = f (r, t)dr (2.53)
0
Z ∞
L22 (t) = g(r, t)dr (2.54)
0
rispettivamente la lunghezza di scala longitudinale e laterale della turbolenza. La scala integrale
L11 (t) è semplicemente l’area sotto la curva f (r, t) ed è caratteristica dei vortici maggiori.
In turbolenza isotropa la lunghezza di scala laterale è la metà della lunghezza di scala longitudinale
1
.
Applicando l’ipotesi dovuta a Taylor e nota come frozen turbulence che assume che i vortici tur-
bolenti cambino impercettibilmente mentre sono spostati dal vento medio hui, ovvero che r =
huiτ :
f (r) = R(τ ) (2.55)
con R(τ ) funzione di autocorrelazione temporale (per turbolenza stazionaria, vista la sola dipen-
denza da τ ).
La funzione di autocorrelazione temporale ci dà informazioni sulla struttura temporale dei vortici
turbolenti, in particolare: Z ∞
R(τ )dτ = T (2.56)
0
T è il tempo di scala dei vortici turbolenti aventi funzione di autocorrelazione R(τ ).

1 ∂
1

g(r, t) = 2 f (r, t) + ∂r [rf (r, t)] = ...
38
2.8. Equazione di Karman-Howart Capitolo 2. Scale della turbolenza
2.8 Equazione di Karman-Howart

Nel 1938 Von Karman e Howart riuscirono ad ottenere un’equazione per l’evoluzione di f (r, t).
Per ricavarla iniziamo a derivare la funzione di autocovarianza rispetto al tempo:
∂ ∂
Rij (r, t) = hui (x + r, t)uj (x, t)i =
∂t ∂t (2.57)
∂ ∂
= hui (x + r, t) uj (x, t)i + huj (x, t) ui (x + r, t)i
∂t ∂t
Per eliminare le derivate temporali che compaiono nella parte destra possiamo utilizzare l’equazio-
ne di Navier-Stokes. Scriviamo quest’ultima per la j-esima componente della velocità nel punto
x:
∂uj ∂uk uj 1 ∂p ∂ 2 uj
=− − +ν (2.58)
∂t ∂xk ρ ∂xj ∂xk ∂xk
e quindi per la i-esima componente della velocità nel punto x + r = x0 :
∂u0i ∂u0 u0 1 ∂p ∂ 2 u0i

= − i0k − + ν (2.59)
∂t ∂xk ρ ∂x0i ∂x0k ∂x0k
Ora moltiplichiamo la prima per u0i e la seconda per uj , quindi le sommiamo membro a membro e
ne calcoliamo la media.
∂uj ∂u0 ∂uk uj ∂u0 u0 1 ∂p ∂p ∂ 2 uj ∂ 2 u0
hu0i + uj i i = −hu0i + uj i 0 k i − hu0i + uj 0 i + νhu0i + uj 0 i 0 i
∂t ∂t ∂xk ∂xk ρ ∂xj ∂xi ∂xk ∂xk ∂xk ∂xk
(2.60)
A questo punto possiamo fare commutare gli operatori di media con le derivate e tenere anche
conto dell’incompressibilità ( ∂u
∂xi
i
= 0)
∂huj u0i i ∂huj uk u0i i ∂huj u0i u0k i 1 ∂hpu0i i ∂hpu0j i ∂ huj u0i i ∂ 2 hui u0j i
2
=− + − + +ν +
∂t ∂xk ∂x0k ρ ∂xj ∂x0i ∂xk ∂xk ∂x0k ∂x0k
(2.61)
In turbolenza omogenea tutti i momenti e tutte le funzioni a due punti dipendono esclusivamente
da r = x0 − x, quindi anche le derivate parziali ∂x∂ k e ∂x∂ 0 si riducono a − ∂r∂k e ∂r∂k .
k
∂ 2 Rji (r, t)

∂Rji (r, t) ∂ 1 ∂Rpi (r, t) ∂Rpj (r, t)
= [Sjk,i (r, t) − Sj,ik (r, t)] + − + 2ν (2.62)
∂t ∂rk ρ ∂rj ∂ri ∂rk ∂rk
Questa equazione dinamica lega i secondi e i terzi momenti in turbolenza omogenea. Sjki rappre-
senta la tripa covarianza a due punti:
Sjk,i ≡ huj (x, t)uk (x, t)ui (x + r, t)i (2.63)
39
4
2.9. La legge dei 5
di Kolmogorov Capitolo 2. Scale della turbolenza
Aggiungiamo una ipotesi e consideriamo turbolenza isotropa. I termini che contengono la pres-
sione si annullano perché il gradiente di pressione è nullo in turbolenza isotropa. Per simmetria
Si,jk (r, t) è uguale a Sjk,i (−r, t). Inoltre Rij (r, t) può essere espressa in funzione della sola fun-
zione f (r, t). Analogamente a quanto accade per la funzione di autocorrelazione, in turbolenza
isotropa anche Sjk,i può venire espresso tramite la correlazione longitudinale:
k̄(r, t) = S11,1 (e1 r, t)/u03 = hu1 (x, t)2 u1 (x + r, t)i/u03 (2.64)
k̄(r, t) è una funzione dispari di r e l’equazione di continuità implica che la k̄ 0 (0, t) = 0, quindi la
sua espansione in serie di Taylor nell’origine è:
k̄(r, t) = k̄ 000 r3 /3! + k̄ v r5 /5! + ... (2.65)
A questo punto è sufficiente sostituire le espressioni che legano Rij (r, t) a f (r, t) e Sjk,i (r, t) a
k̄(r, t) nell’equazione 2.62 e uguagliare i termini con δij e ri rj per ottenere due equazioni scalari
equivalenti che possono essere scritte come:
u03 ∂ 4 2νu02 ∂

∂ 02 4 ∂f
(u f ) − 4 (r k̄) = r (2.66)
∂t r ∂r r4 ∂r ∂r
che è l’equazione di Karman-Howart che riveste un ruolo fondamentale nella turbolenza isotropa.
Possiamo fare le seguenti affermazioni:
• l’equazione di Karman-Howart e l’equazione 2.62 presentano lo stesso problema di chiusura

delle equazioni di Navier-Stokes. Ovvero l’equazione per la correlazione al secondo ordine
f (r, t) presenta la correlazione al terzo ordine k̄(r, t).
• il termine k̄(r, t) rappresenta i processi inerziali, mentre ν rappresenta i processi viscosi
• Nella visone di Richardson-Kolmogorov della cascata di energia, il trasferimento di energia

verso le scale minori è compiuto dal termine k̄ nell’equazione di Karman-Howart.
• se il campo u(x, t) fosse Gaussiano, il termine k̄(r, t), come tutti i terzi momenti, sarebbe
nullo. Dunque la cascata di energia dipende dalla non-Gaussianità del campo di velocità.
2.9 La legge dei 45 di Kolmogorov

In turbolenza isotropa l’equazione di Karman-Howart 2.66 può essere riscritta in funzione della
funzione di struttura del secondo DLL (r, t) e del terzo ordine DLLL (r, t):
DLLL (r, t) = h[u1 (x + e1 r, t) − u1 (x, t)]3 i (2.67)
40
4
2.9. La legge dei 5
di Kolmogorov Capitolo 2. Scale della turbolenza
To do that we need to rewrite the two structure functions in terms of the correlation functions:
DLL (r, t) = h[u1 (x + e1 r, t) − u1 (x, t)]2 i =
= h[u1 (x + e1 r, t)]2 i − 2hu1 (x + e1 r, t)u1 (x, t)i + h[u1 (x, t)]2 i = (2.68)
0 2 0 2
= 2u (t) − 2f (r, t)u (t)
e
DLLL (r, t) = h[u1 (x + e1 r, t) − u1 (x, t)]3 i =
= h[u1 (x + e1 r, t)]3 i − 3h[u1 (x + e1 r, t)]2 u1 (x, t)i+
(2.69)
+ 3hu1 (x + e1 r, t)[u1 (x, t)]2 i − h[u1 (x, t)]3 i =
= 6u0 (t)3 k̄(r, t)
Sostituendo queste due relazioni nell’equazione 2.66 e tenendo presente l’equazione per l’energia
cinetica turbolenta:
dk d 3 0 2
= u (t) = − (2.70)
dt dt 2
E’ semplice ottenere l’equazione:

∂ 1 ∂ 4 2ν ∂ 4 ∂DLL 4
DLL + 4 (r DLLL ) = 4 r − (2.71)
∂t 3r ∂r r ∂r ∂r 3
L’equazione 2.71 può essere integrata per ottenere:
3 r 4∂
Z
∂DLL 4
s DLL (s, t)ds = 6ν − D LLL − r (2.72)
r4 0 ∂t ∂r 5
l’equazione di Kolmogorov (1941a).
Kolmogorov ipotizzò che per la locale isotropia il termine instabile a sinistra fosse zero e, poiché
nel subrange inerziale le statistiche non dipendono da ν ottenne che:
4
DLLL (r, t) = − r (2.73)
5
Questo è un risultato fondamentale perché lega una statistica del campo turbolento a quantità fisi-
che senza ricorrere a costanti universali ignote.
Kolmogorov andò oltre, considerando la skewness della funzione di struttura come costante:
DLLL (r, t)
S0 ≡ = const (2.74)
DLL (r, t)3 /2
Da questa ipotesi segue immediatamente che:
2/3
4
DLL (r, t) = − 0 (r)(2/3) (2.75)
5S
Che è lo stesso risultato (equazione 2.25) che si può derivare dalle ipotesi di Kolmogorov. Nel
subrange inerziale l’equazione 2.75 e la sua derivazione dimostrano la coerenza fra le equazioni di
Navier-Stokes e le ipotesi di Kolmogorov.
41
2.10. Intermittenza Capitolo 2. Scale della turbolenza
2.10 Intermittenza
Un’ipotesi fondamentale della teoria di Kolmogorov è l’auto-similarità del campo di velocità nel-
l’intervallo inerziale. I processi auto-similari sono processi che si comportano nello stesso modo
quando sono osservati a diversi livelli di ingrandimento o a diverse scale in una dimensione (lun-
ghezza o tempo). Il significato di auto-similarità per un processo stocastico è illustrato nella figura
2.9 in cui un moto Browniano viene paragonato a suoi due successivi ingrandimenti. Si noti che le
proprietà statistiche sono indipendenti dalla posizione della finestra di ingrandimento.
42
Figura 2.9: Moto Browniano e suoi due ingrandimenti che mostrano la sua self-similarità (Frisch,
1995).
43
Figura 2.10: Un esempio di funzione intermittente: la scala del diavolo (Frisch, 1995).
44
Figura 2.11: Un segnale stazionario (Frisch, 1995).
Figura 2.12: Lo stesso segnale della figura 2.11 a cui è stata tolta una frazione 1 − γ del tempo
(Frisch, 1995).
Figura 2.13: Velocità di un jet turbolento (Frisch, 1995).
45
Figura 2.14: Stesso segnale della figura 2.13 filtrato con un filtro passa-alto. Si nota la struttura
intermittente del segnale (Frisch, 1995).
Figura 2.15: Funzioni di struttura di ordine 2,3 e 6 normalizzate da opportune leggi di potenza
(Frisch, 1995).
46
Figura 2.16: Esponente p per funzioni di struttura di ordine p in funzione di p (Frisch, 1995).
47
Capitolo 3
Descrizione Lagrangiana
della turbolenza
3.1 Definizione delle variabili

Nella descrizione Euleriana il moto di un fluido incompressibile è caratterizzato al tempo t dal
campo di velocità u(X, t), ovvero dai valori del vettore velocità in tutti i punti dello spazio X =
(X1 , X2 , X3 ). In linea di principio è possibile determinare i valori delle variabili Euleriane u(X, t)
a ogni tempo t > t0 , nota la condizione iniziale u(X, t0 ) = u0 (X). Tuttavia non è convenien-
te utilizzare le variabili Euleriane per descrivere fenomeni come il trasporto turbolento o per la
deformazione di superfici materiali in un flusso turbolento. Per questi fenomeni è quasi naturale
utilizzare una descrizione Lagrangiana.
L’approccio Lagrangiano consiste nel seguire il moto di particelle fluide fissate da un certo tempo
iniziale t0 . Con particella fluida si intende un volume di fluido le cui dimensioni lineari sono molto
maggiori delle distanze medie tra le molecole. In altre parole una particella fluida è un punto del
volume del fluido che si muove all’interno di esso secondo le equazioni della meccanica dei fluidi.
La descrizione Lagrangiana è legata ad elementi fluidi individuali la cui somma produce il flusso
totale.
In un sistema Lagrangiano per un fluido incompressibile bisogna determinare la funzione X =
(x, t) che per ogni tempo dà le coordinate X di tutte le possibili particelle fluide identificate dai va-
lori del parametro x. Le equazioni fluidodinamiche permettono di determinare i valori di X = (x, t)
per ogni t > t0 in termini dei valori iniziali delle velocità V(X, t) = ∂X(x,t)
∂t
delle particelle fluide,
ovvero:
∂X(x, t)
V(X, t0 ) = (3.1)
∂t t=t0
48
Capitolo 3. Descrizione Lagrangiana
3.2. Teoria di Taylor della dispersione turbolenta (1921) della turbolenza
La relazione fra le variabili Euleriane e Lagrangiane è data dall’espressione:
∂X(x, t)
= u [X(x, t), t] (3.2)
∂t
Nel seguito useremo come parametri Lagrangiani delle particelle fluide, x, i valori iniziali delle
coordinate spaziali X al tempo t = t0 :
x = X(x, t0 ) (3.3)
In questo caso la funzione di due variabili X(x, t) descrive una famiglia di traiettorie di particelle
fluide che al tempo t = t0 occupano tutti i possibili punti x del volume occupato dal fluido. La de-
scrizione Lagrangiana consiste, quindi, nell’assegnare una famiglia di traiettorie che differiscono
l’una dell’altra per il valore di x e in cui t rappresenta il parametro.
3.2 Teoria di Taylor della dispersione turbolenta (1921)

Nel (1921) Sir Geoffrey Ingram Taylor dimostrò come, in condizioni molto idealizzate (un flus-
so turbolento di caratteristiche omogenee nello spazio e stazionarie nel tempo), il moto di tante
particelle indipendenti l’una dall’altra non sia direttamente predicibile, ma si possano determinare
esattamente alcune proprietà statistiche dell’insieme: qualcosa di simile ai grani di polline, dun-
que.
Consideriamo una sorgente che emetta un inquinante, in atmosfera o in mare. Poniamo che sia di
piccole dimensioni, e che emetta in modo continuo. Immaginiamo di essere lontani da bordi solidi
(terreno, fondo marino, costruzioni ecc.). Immaginiamo anche di essere in condizioni stazionarie.
Immaginiamo che l’inquinante sia un tracciante perfetto del moto del fluido, quindi che non sia
più pesante del fluido (tipo particella solida), nè più leggero (tipo goccia di petrolio in mare, o
gas caldo in atmosfera), e che non reagisca chimicamente con altri componenti, sparendo dalla
circolazione e dando luogo ad altri prodotti. Quindi parliamo di particelle di tracciante pensando
a questa idealizzazione, come se avessimo identificato una molecola, o una piccola nuvoletta di
molecole, che per quanto ci riguarda rimane inalterata per tutto il tempo che vogliamo considerare,
e si muove proprio come il fluido.
Si immagini una di queste particelle che a un certo istante esce dalla sorgente. All’inizio si muove
nella direzione della sua velocità iniziale (che sarà, ovviamente, casuale). Poichè nel tempo la
velocità è un po’ legata al suo valore precedente, per qualche istante la particella si muoverà con
un moto simile, ovvero con una velocità e una direzione prossime a quelle iniziali. In questa fase,
la dimensione di una nube di particelle (indipendenti nella nostra idealizzazione) cresce in modo
direttamente proporzionale al tempo (è diverso dal moto browniano; poichè le velocità del flusso
turbolento sono correlate nel tempo, mentre gli urti delle molecole sul grano di polline non lo so-
no). Passato un certo tempo, le velocità si scorrelano e la nuvola di particelle cresce di dimensioni
49
più lentamente (come si vedrà con la radice quadrata del tempo): la turbolenza si comporta come
un fenomeno diffusivo. E’ intuitivo che si possa stimare l’intervallo di tempo medio in cui la velo-
cità diventa scorrelata dal valore iniziale: questo tempo viene usato come misura della vita media
delle strutture turbolente.
Di questa descrizione fenomenologica Taylor (1921) diede una precisa rappresentazione matema-
tica.
Si consideri una sorgente puntiforme che emette particelle in maniera continua all’interno di un
flusso turbolento stazionario ed omogeneo con velocità media nulla.
In un sistema di riferimento lagrangiano in cui l’origine degli assi coincide con la sorgente, la
posizione della particella al tempo t, X(0, t) = X(t), si ottiene integrando dt X = u(t), ovvero
(considerando per semplicità una sola dimensione):
Z t
X(t) = u(t0 )dt0 (3.4)
0
Per una data funzione u(t) questa rappresenta una traiettoria random e un insieme di velocità {u}
genera un insieme di traiettorie {X} ognuna che ha come condizione iniziale X = 0.
Ad ogni istante le traiettorie delle particelle costituiscono un insieme di posizioni casuali, {X (i) (t)},
a cui è associata una distribuzione di probabilità (probability density function, PDF). Supponiamo
che la PDF di X evolva secondo l’equazione di diffusione:
∂t P (x, t) = αT ∂x2 P (x, t) (3.5)
50
dove αt è la diffusività del vortice (eddy diffusivity).
Non essendoci vento medio e essendo X un vettore casuale hXi = 0 e il primo momento statistico
di interesse è hX 2 i che rappresenta, dunque, la varianza delle traiettorie al tempo t. Le parentesi
hi hanno il significato di media di insieme, rappresentano una media su tutte le realizzazioni (le
traiettorie) del sistema.R
∞
hX 2 i è per definizione −∞ P (x)x2 dx, quindi il suo tasso di crescita si può calcolare dall’equazio-
ne 3.5 moltiplicando entrambi i lati per x2 e integrando.
Z ∞ Z ∞
2
∂t x P (x, t)dx = αT x2 ∂x2 P (x, t)dx (3.6)
−∞ −∞
La parte destra deve essere integrata per parti ricordando che P (x) → 0 per x → ±∞. Ovvero:
dhX 2 i
= 2αT (3.7)
dt
Quindi la diffusività è la metà del rateo quadro medio di dispersione di un insieme di traiettorie
fluide che partono da una origine comune (sorgente puntiforme).
Procedendo oltre possiamo scrivere:
Z t0 Z t0
dhX 2 i dX 0 0
= 2hX i = 2hu(t)X(t)i = 2hu(t) u(t )dt i = 2 hu(t)u(t0 )idt0 (3.8)
dt dt 0 0
E’ ora possibile definire la funzione di autocorrelazione temporale lagrangiana come:

hu(t)u(t + τ )i
r(τ ) = (3.9)
hu2 i
in cui hu2 i non dipende da t essendo il processo stazionario per ipotesi. Quindi:
Z t
dhX 2 i 2
= 2hu i r(τ )dτ (3.10)
dt 0
che integrata fornisce la variazione col tempo della posizione della particella:
Z t Z t0
2 2
hX i = 2hu i dt0 r(τ )dτ (3.11)
0 0
Integrando per parti si ottiene:

" Z #
Z t Z t0 t0 Z t
0
dt r(τ )dτ = t0 r(τ )dτ − t0 r(t0 )dt0 =
0 0 0 0
(3.12)
Z t Z t Z t
0 0 0 τ
=t r(τ )dτ − t r(t )dt = t 1− r(τ )dτ
0 0 0 t
51
e infine: Z t
2 2 τ
hX (t)i = 2hu it 1− r(τ )dτ (3.13)
0 t
La forma scelta dalla funzione di autocorrelazione temporale determina l’evoluzione temporale
della dispersione quadratica media della posizione delle particelle. Tuttavia, anche senza fare
nessuna assunzione sulla funzione di autocorrelazione, possiamo calcolare gli andamenti asintotici
dell’equazione 3.13. Per t → ∞ si ha:
hX 2 i ∼
= 2hu2 iTL t t TL (3.14)
in cui TL rapprsenta il tempo di scala lagrangiano ovvero:
Z ∞
TL = r(τ )dτ (3.15)
0
Quindi per tempi grandi si ha che:
hX 2 i ∼
p p p
= hu2 i 2TL t t TL (3.16)
Invece per tempi piccoli, ovvero per istanti vicini all’emissione dalla sorgente, la funzione di
autocorrelazione tende a 1 e integrando si ha:
hX 2 i ∼
= 2hu2 it2 t TL (3.17)
e
hX 2 i ∼
p p
= hu2 it t TL (3.18)
Per tempi piccoli lo spostamento quadratico medio delle particelle dalla sorgente è lineare col tem-
po, mentre per tempi lunghi varia come t1/2 . Questo comportamento è tipico dei processi stocastici
di Random Walk. Per tempi brevi le particelle risentono della loro correlazione temporale, mentre
per tempi lunghi dal rilascio si dimenticano del loro comportamento iniziale. Il limite t TL
viene detto limite di Markov.
Infatti tutto il ragionamento fino a qui svolto ha una ipotesi aggiuntiva, ovvero che il processo sto-
castico che stiamo considerando sia formalmente un processo markoviano.
Partendo dall’equazione (3.8) e considerando che per un processo markoviano la funzione di
autocorrelazione temporale può essere scritta come e−t/TL si ha:
Z t Z t
dhX 2 i 2 2
e−τ /TL dτ = 2hu2 iTL 1 − e−t/TL

= 2hu i r(τ )dτ = 2hu i (3.19)
dt 0 0
quindi la varianza di X diventa semplicemente:

2 2 2 t −t/TL
hX i = 2hu iTL −1+e (3.20)
TL
52
3.3. Esercizio: Estensione al caso di una coppia di particelle della turbolenza
Figura 3.1: Schematizzazione dell’evoluzione di un plume.
3.3 Esercizio: Estensione al caso di una coppia di particelle

Si provi ora a scrivere la varianza della posizione della separazione e del baricentro di una coppia
di particelle che si muovono simultaneamente. Il sistema di riferimento in questo caso è:
X1 − X2

∆ = √


2
(3.21)
X 1 + X2
Σ= √


2
√
Dove h∆i e hΣi sono variabili random e il fattore 2 è stato aggiunto per semplificare alcuni
calcoli.
La varianza (h∆i, hΣi = 0)di queste nuove variabili può venire scritta come:
X1 − X2 X1 − X 2
h∆2 i =h √ √ i = hX12 i − hX1 X2 i
2 2
(3.22)
X 1 + X 2 X 1 + X
hΣ2 i =h √ √ 2 i = hX12 i + hX1 X2 i
2 2
L’ultimo termine di queste relazioni hX1 X2 i esprime la correlazione che esiste fra le due parti-
celle, ovvero l’influenza di una sull’altra. Per calcolare questo termine diventa necessario definire
53
3.4. Caratteristiche statistiche del moto di una particella fluida della turbolenza
la funzione di correlazione lagrangiana delle velocità della coppia di particelle, questa funzione,
anche in condizioni di turbolenza stazionaria, non dipende solo dalla differenza τ dei tempi, ma
anche dalla storia precedente del sistema:
hu1 (t)u2 (t − τ )i
r2L (t, τ ) = (3.23)
hu2 i
E questa può essere espressa (Lee and Stone, 1983) come:
r2L (t, τ ) = rE (∆0 , 0)e−t/TL e−(t−τ )/TL (3.24)
dove rE (∆, 0) non è altro che la funzione di correlazione spazio-temporale delle velocità.
rE (∆, s) = e−|∆|/LE e−s/TL (3.25)
e s è il tempo intercorso fra il rilascio della prima particella e il rilascio della seconda. Conside-
riamo il caso in cui le particelle vengano rilasciate contemporanemente e tali che la loro distanza
iniziale sia nulla, rE (∆0 , 0) = 1, allora la funzione di correlazione lagrangiana diventa:
r2L (t, τ ) = e−t/TL e−(t−τ )/TL (3.26)
E’ importante notare che far dipendere r2L (t, τ ) solo da rE (∆0 , 0) e non da rE (∆(t), 0) rappresenta
una forte approssimazione.
In analogia con quanto scritto per l’emissione di una singola particella possiamo scrivere:
Z t Z t0
2
hX1 X2 i = 2hu i dt0 r2L (t0 , τ )dτ (3.27)
0 0
e sostituendo la forma esplicita della funzione r2L (t, τ ):

2
hX1 X2 i = 2hu2 iTL2 1 − e−t/TL (3.28)
Le varianze della separazione e del baricentro diventano quindi:

2
h∆2 i =hX 2 i − hu2 iTL2 1 − e−t/TL
2 (3.29)
hΣ2 i =hX 2 i + hu2 iTL2 1 − e−t/TL
3.4 Caratteristiche statistiche del moto di una particella fluida

Un metodo generale, la cui derivazione è dovuta a Kolmogorov (1941a), per ottenere le caratteri-
stiche statistiche del moto di una particella fluida consiste nel passare da un sistema di riferimento
inerziale fisso S0 a un sistema di riferimento inerziale in moto S , la cui velocità è data da u(x, t0 )
54
3.4. Caratteristiche statistiche del moto di una particella fluida della turbolenza
(differente per ogni particella) e la cui origine al tempo t = t0 si trova nel punto x. Le coordinate
Y(S) e le velocità V(S) nel nuovo sistema sono legate alle coordinate x e alle velocità u nel sistema
originale S0 dalle semplici relazioni:
Y(S) = X − x − u(x, t0 )τ (3.30)

V(S) = u − u(x, t0 ) (3.31)
in cui τ = t − t0 .
Nel sistema S non dobbiamo preoccuparci di effetti macroscopici dovuti (per esempio) al vento
medio o a fattori di grande scala ma prendiamo in considerazione solo i fenomeni a piccola scala
dovuti alla turbolenza e in cui possiamo sempre fare l’ipotesi che il campo sia (localmente) iso-
tropo. Le proprietà a piccola scala della turbolenza vengono studiate attraverso il moto relativo
della particella fluida in piccole regioni spaziali e durante piccoli intervalli temporali. Non sono,
inoltre, correlate al moto assoluto del volume del fluido che è determinato principalmente dalle
perturbazioni a grande scala.
Una particella fluida che è locallizzata nel punto x al tempo t0 si trova al punto Y(S) (τ ) =
X(x, t) − x − u(x, t0 )τ al tempo t0 + τ e ha una velocità V(S) (τ ) = V(x, t0 + τ ) − u(x, t0 ) = ∆τ V.
Nel sistema S possiamo, almeno localmente, supporre che il campo sia isotropo e quindi la stati-
stica di ∆τ V deve obbedire alle ipotesi di similarità di Kolmogorov (1941a). Questo implica che
il moto della particella fluida abbia una forma universale governata dai parametri e ν (ovviamen-
te per tempi τ T0 , con T0 sufficientemente grande, e per Re > Recritico ). Possiamo quindi
scrivere:
hV (S) l (τ )V (S) j (τ )i = D(L) (τ )δij (3.32)
τ
e considerando che Y(S) (τ ) = 0 V(S) (τ )dτ
R
Z τZ τ Z τ
(S) (S)
(S) (S)
hY l (τ )Y j (τ )i = hVl (τ1 )Vj (τ2 )idτ1 dτ2 = δij τ 0 DL (τ 0 )dτ 0 (3.33)
0 0 0
DL (τ ) è la funzione di struttura Lagrangiana. Secondo le ipotesi di Kolmogorov e ricordando che:

3 1/4
ν
η=
vη = (ν)1/4 (3.34)
ν 1/2
τη =

la 3.32 si può esprimere come:
τ
DL (τ ) = vη 2 β( ) τ T0 (3.35)
τη
55
3.5. Caratteristiche statistiche di una coppie di particelle della turbolenza
Nel subrange inerziale, τη τ T0 , la 3.32 diventa2 :
DL (τ ) = C0 τ τη τ T0 (3.36)
dove C0 è una costante universale. Nel subrange inerziale la funzione di struttura Lagrangiana delle
velocità è lineare in τ . Si nota immediatamente che la 3.36 è analoga alla (10) in cui il coefficiente
di diffusione D è stato sostituito da , quindi parte del moto di una particella fluida in un campo
turbolento localmente isotropo può essere considerato come un moto Browniano nello spazio delle
velocità.
Sostituendo la 3.36 nella 3.33 otteniamo
1
hY (S) l (τ )Y (S) j (τ )i = C0 τ 3 δlj (3.37)
3
3.5 Caratteristiche statistiche di una coppie di particelle

Ma cosa capita se consideriamo due particelle che escono assieme dalla sorgente?
A causa del fatto che la turbolenza ha una struttura, non si muoveranno indipendentemente l’una
dall’altra, almeno per un po’ di tempo (finchè sono abbastanza vicine, all’interno dello stesso
vortice). Questo è il problema idealizzato che dobbiamo affrontare quando, per fare un esempio, si
verifica un rilascio molto breve di un inquinante. Ora le particelle si muovono assieme per un po’ di
tempo, poi vengono coinvolte in moti a scala sempre più grande. Attenzione, qui si introduce una
nuova idea: in un flusso turbolento non c’è una sola struttura, con un tempo di vita e dimensione
definiti, ma un gran numero di strutture, dalle più piccole alle più grandi (quelle che possiamo
percepire osservando il moto dell’acqua in un torrente, come faceva Leonardo, o considerando
le immagini delle nubi viste da un satellite, come facciamo guardando le previsioni del tempo in
televisione), e quindi il processo di dispersione per una coppia di particelle (per un insieme di tante
coppie di particelle) è un po’ diverso, almeno finchè le particelle sono abbastanza vicine, di quanto
accade per particelle indipendenti.
L’idea di base per descrivere questa dispersione accelerata (la distanza tra due particelle, mediata
su un gran numero di coppie, cresce come la radice quadrata del cubo del tempo, cioè un po’ più
velocemente che per la dispersione alla Taylor) è dovuta a Lewis Fry Richardson, che la pubblicò
nel 1927, partendo da osservazioni sul moto dei palloni in atmosfera: man mano che la distanza tra
due palloni, rilasciati contemporaneamente e prossimi l’uno all’altro, cresce, strutture turbolente
sempre più grandi e più energetiche agiscono e li separano sempre più (fino a che la correlazione
non svanisce, ossia la distanza tra i palloni è maggiore delle strutture più grandi). In attesa di una
descrizione matematica del fatto che in un flusso turbolento esiste una molteplicità di strutture,
Richardson espresse la sua intuizione parodiando una poesiola da I viaggi di Gulliver:
√ n
2
vη 2 β( ττη ) ' cost ντ n ( ν ) 2 , affinchè la 3.35 non dipenda da ν, n deve necessariamente essere uguale a 1.
56
Big whirls have little whirls
that feed on their velocity,
and little whirls have lesser whirls
and so on to viscosity
in the molecular sense
Richardson fu stimolato nel suo lavoro dalle vicende politiche e sociali del tempo, ed ebbe il merito
di dichiararlo esplicitamente: Il punto della questione è che il più grande stimolo verso le scoperte
scientifiche è costituito dalle loro applicazioni pratiche. Egli è anche noto agli addetti ai lavori per
avere inventato le previsioni numeriche del tempo, quarant’anni prima dell’utilizzo dei calcolatori.
Si considerio le distribuzioni di probablità delle coordinate X1 = X1 (t) e X2 = X2 (t) di una coppia

di particelle fluide provenienti da x1 e da x2 al tempo t0 al tempo t > t0 . Prendiamo t0 come origine
temporale (τ = t − t0 ) e al posto delle coordinate X consideriamo i vettori Y(τ ) = X1 (t0 + τ ) − x1
e l(τ ) = X2 (t0 + τ ) − X1 (t0 + τ ). La funzione densità di probabilità p(Y, l) dei vettori casuali Y
e l dipende dai parametri x1 , l0 = l(0), τ e t0 ; quindi è p(Y, l|x1 , l0 , τ, t0 ). Nel caso di turbolenza
omogenea la dipendenza da x1 scompare, mentre nel caso di turbolenza stazionaria non c’è dipen-
denza da t0 . Si noti che integrando p(Y, l) su tutti i possibili valori di l si deve ottenere la funzione
densità di probabilità di particella singola.
Siamo ora interessati allo studio delle proprietà di :
Z
p(l) = p(l|x1 , l0 , τ, t0 ) = p(l, Y|x1 , l0 , τ, t0 )dY (3.38)
Questa PDF è stata introdotta per la prima volta da Richardson (Richardson, 1926) nel 1926. Ana-
lizziamo le proprietà della (3.38) per diversi tempi τ . Per tempi molto lunghi si può supporre che
le particelle siano sufficientemente distanti affinchè le loro velocità siano diventate indipendenti.
p(l, Y|x1 , l0 , τ, t0 ) = p(Y|x1 , τ, t0 )p(Y + l − l0 |x1 + l0 , τ, t0 ) (3.39)

Z
p(l|x1 , l0 , τ, t0 ) = p(Y|x1 , τ, t0 )p(Y + l − l0 |x1 + l0 , τ, t0 )dY (3.40)
Per tempi lunghi la PDF della separazione relativa fra le particelle è univocamente determinata
dalle PDF delle singole particelle.
Se |l0 | L, dove L è la scala della turbolenza esterna, la (3.39) e la (3.40) possono essere usate per
qualsivoglia valore di τ . D’altra parte, se questa condizione non è soddisfatta le particelle possono
considerarsi qindipendenti solo con τ tale che l(τ ) L o equivalentemente (metodo usato nella
pratica) che l2 (τ ) L. Siccome la distanza media fra le particelle, in assenza di confini, cresce
col tempo, è sempre possibile trovare un tempo τ0 (che dipende da l0 e dai vortici a grande scala)
che verifichi tali condizioni.
Si supponga ora che |l0 | L. Poichè l(τ ) è una funzione continua del tempo, si può sempre
57
trovare un tempo τ1 < τ0 per cui l(τ ) L. Vortici dell’ordine di L per τ < τ1 o maggiori
traporteranno la coppia di particelle senza influenzare la loro separazione relativa. Il moto della
coppia viene influenzato solamente da disturbi turbolenti con scale molto minori di L per cui sono
valide le ipotesi di Kolmogorov (ovviamente se Re è sufficientemente grande). Quindi per τ < τ1
la PDF p(l|x1 , l0 , τ, t0 ) non dipenderà direttamente da x1 e da t0 (la struttura locale della turbolenza
è omogenea e stazionaria), ma sarà una funzione di l e l0 , dipendente da τ e dai parametri ν e .
Inoltre, siccome Y(τ ) della prima particella è determinata dai vortici a grande scala del range di
energia, per Re > Recritico e per τ < τ1 i vettori stocastici Y(τ ) e l(τ ) saranno statisticamente
indipendenti:
p(Y, l|x1 , l0 , τ, t0 ) = p(Y|x1 , l0 , τ, t0 )p(l|l0 , τ ) (3.41)
A questo punto è conveniente definire un vettore ∆l = l(τ )) − l0 da usare al posto di l(τ ). Per
τ < τ1 si ha:
−3 (1) ∆l ∆l · l0 l0 τ
p1 (∆l|(l), τ ) = η Φ , , , (3.42)
η η2 η τη
La (3.42) può essere semplificata considerando che è sempre possibile trovare un tempo τ2 < τ1
in cui le particelle si muovano in modo praticamente rettilineo con velocità iniziali u(x1 , , t0 ) e
u(x1 + l0 , t0 ). Per τ < τ2 ∆l = ∆l0 u · τ , dove ∆l0 u è la distanza fra le velocità Euleriane:

−3 ∆l −3 −3 (2) ∆l ∆l · l0 l0
p1 (∆l|l0 , τ ) = τ P ( |l0 ) = τ vη Φ , , (3.43)
τ τ vη τ ν η
e
−3 (2) U U · l0 l0
P (U|l0 ) = vη Φ , , (3.44)
vη vη η η
rappresenta la PDF per le differenze spaziali fra le velocit’a Euleriane, ∆l0 u = U.
Per τ < τ2 Φ(1) si esprime in funzione di Φ(2) , la cui PDF si determina facilmente dai dati. Tuttavia
è importante notare che il limite per piccoli τ ha significati diversi nei due casi, infatti Y(t) e ∆l(τ )
hanno differenti tempi scala. Se τ < τ2 e inoltre l0 η P (U|l0 ) non deve dipendere da ν per
soddisfare la seconda ipotesi di Kolmogorov e quindi la (3.43) si semplifica ulteriormente:

3 −1 (3) ∆l ∆l · l0 4 1/3
p1 (∆l|l0 , τ ) = (l0 τ ) Φ , (l0 ) (3.45)
τ (l0 )1/3 τ
La (3.43) può essere semplificata anche con delle ipotesi meno forti, ovvero chiedendo che l0 cada
nel subrange inerziale, η l L, e che τ < τ1 . Sotto queste condizioni la viscosità molecolare
è trascurabile e la (3.42) diventa:

3 −3/2 (3.2) ∆l ∆l · l0 l0
p1 (∆l|l0 , τ ) = (τ ) Φ , , (3.46)
(τ )1/2 τ 3 (τ 3 )1/2
La (3.45) è un caso particolare della (3.46). Si noti che anche quando l0 . η l’influenza della
viscosità sulla PDF di ∆l si farà sentire solo per un breve periodo di tempo. Infatti, trascorso un
58
certo intervallo temporale, la separazione fra le particelle diventerà sensibilmente maggiore di η e
il loro moto relativo sarà influenzato solo da vortici del subrange inerziale. Quindi la (3.46) è da
considerarsi valida anche quando τ > τl0 , se τl0 è il tempo che ci impiega la separazione fra le
particelle ad avere dimensioni contenute nel subrange inerziale.
Si può ora generalilzzare l’analisi della dipendenza della PDF di ∆l da l0 per mostrare che piccoli
valori della separazione iniziale non influenzano l’evoluzione della separazione relativa già dopo
pochi intervalli di tempo. Questo appare evidente ricordando la (3.40) in cui per τ > τ0 l0 entra
nella PDF di l(τ ) solo nella forma di ∆l. La richiesta che τ > τ0 non è strettamente necessaria; è
qsoddisfatta la disuguaglianza: l(τ )
anche possibile scegliere un valore τ3 per cui sia sicuramente
l0 (per esempio τ3 può essere determinato chiedendo che l2 (τ3 ) l0 ). Possiamo supporre che
trascorso l’intervallo di tempo τ3 le particelle dimentichino la loro separazione relativa iniziale e
si comportino come se fossero partite a t0 dallo stesso punto. Ovviamente τ3 dipende da l0 e se l0
non è troppo grande è ragionevole supporre che τ3 < τ0 , ovvero la dipendenza di l0 nella PDF di
∆l scompare prima che il moto della coppia di particella sia scorrelato. L’esistenza dell’intervallo
τ3 < τ < τ0 fu ipotizzata per la prima volta dal Batchelor (1950) che definì il moto delle particelle
in questo range temporale come moto quasi-asintotico.
Siamo interessati al caso in cui la separazione relativa iniziale sia talmente piccola rispetto a L
che il moto quasi-asintotico avvenga prima che la probabilità che ∆l esca dal subrange inerziale
diventi apprezazbile, ovvero siamo interessati a quelli che Batchelor definiva i tempi intermedi per
differenziarli da quelli brevi, τ < τ2 , e da quelli lunghi, τ > τ0 , ovvero a τ3 < τ < τ1 .
Per τ3 < τ < τ1 la (3.42) deve perdere la dipendenza da l0 e diventa:

−3 (5) ∆l τ
p1 (∆l|l0 , τ ) = p1 (∆l|τ ) = η Φ , (3.47)
η τη
Se, in aggiunta alla condizione τ3 < τ < τ1 , si chiede che l0 η o, equivalentemente, che
τ > τ (l0 ) la densità p1 (∆l|τ ) diventa indipendente da ν e quindi la precedente formula diventa:

3 −3/2 (6) ∆l
p1 (∆l|τ ) = (τ ) Φ (3.48)
(τ 3 )1/2
Le formule che abbiamo appena ricavato per le PDF di un vettore casuale ∆l possono facilmente
essere usate per ottenere i momenti dei vettori casuali ∆l e l = l0 + ∆l. Qui siamo interessati
al tensore della dispersione relativa: Dij (r) = li (τ )lj (τ ) e alla distanza quadratica media fra le
(r)
particelle, l2 (τ ) = Dii (τ ).
Per tempi molto lunghi τ > τ0 il moto delle due particelle diventa indipendente e dunque quello
che ci aspettiamo è un andamento simile a quello ricavato da Taylor per la particella singola. Infatti
in questo caso, considerando che l(τ ) = l0 + Y2 (τ ) − Y1 (τ ), possiamo scrivere (per turbolenza
omogenea):
(r)
Dij (τ ) = l0i l0j + Y1i (τ )Y1j (τ ) + Y2i (τ )Y2j (τ ) ≈ 2u0i 2 Ti δij τ (3.49)

l2 (τ ) = l02 + + Y21 (τ ) + Y22 (τ ) ≈ 2 u01 2 T1 + u02 2 T2 + u03 2 T3 τ (3.50)
59
3.6. Statistica delle fluttuazioni della concentrazione della turbolenza
Per tempi piccoli, τ < τ2 , e per l0 L, ricordando che ∆l ≈ ∆l0 uτ , si ha che:
(r)
Dij (τ ) = l0i l0j + Dij (l0 )τ 2 (3.51)
l2 (τ ) = l02 + [DLL (l0 ) + 2DN N (l0 )] τ 2 (3.52)
Nel subrange inerziale per τ3 < τ < τ1 e per l0 η o per τ > τ (l0 ) si ha che:
(r) 1
Dij (τ ) = gτ 3 δij (3.53)
3
l2 (τ ) = gτ 3 (3.54)
dove g è una costante universale detta costante di Richardson. Notiamo che la (3.54) è equivalente
all’equazione:
dl2
= 3gτ 2 (3.55)
dτ
e, eplicitando τ in funzione di l2 , si ottiene:
dl2
= g1 −1/3 (l2 )2/3 , (3.56)
dτ
che regola l’evoluzione temporale della separazione relativa in funzione della separazione stessa.
Si noti ancora che l’evoluzione della separazione relativa fra due particelle dipende da scale com-
parabili con se stessa o minori, ma non maggiori, queste ultime, infatti, traportano la coppia senza
alterarne la posizione reciproca. La 3.56 assicura che se la separazione relativa inerziale si trova
nel subrange inerziale (per piccola che sia) la distanza delle particelle aumenta durante l’evoluzio-
ne del sistema.
Nel subrange dissipativo, per l0 η o per τ τη si ha che:
γt
l2 = l20 e tη (3.57)
in cui γ è un parametro adimensionale. La 3.57 mostra che il tempo necessario affinchè la se-
2
parazione relativa esca dal subrange dissipativo e entri in quello inerziale è τ = τη ln ηl2 e
0
questo diventa infinito nel limite lη0 → 0. Quindi se due particelle soddisfano questo limite
non raggiungeranno mai una distanza tale che la loro separazione relativa giaccia nel subrange
inerziale.
3.6 Statistica delle fluttuazioni della concentrazione

Si considerino pacchetti di inquinante passivo rilasciati in un flusso turbolento. In assenza di dif-
fusione molecolare i pacchetti conservano la loro concentrazione. Quindi la concentrazione media
60
di inquinante osservata in ogni punto del flusso può essere calcolata sommando le concentrazioni
assegnate ad ogni particella alla sorgente moltiplicate per la probabilità che la particella raggiunga
il punto di osservazione:
Z Z ∞
hC(z, t)i = P1 (z, t|z 0 , t0 ) S (z 0 , t0 ) dz 0 dt0 , (3.58)
−∞
in cui si è usata per semplicità la formulazione unidimensionale e S (z 0 , t0 ) è la distribuzione alla

sorgente, ossia la funzione che associa ad ogni particella una concentrazione a seconda della posi-
zione iniziale (x0 , t0 ).
Per la covarianza della concentrazione si ottiene una espressione analoga:
Z Z Z ∞Z ∞
hC(z1 , t1 )C(z2 , t2 )i = P2 (z1 , z2 , t, t|z10 , z20 , t01 , t02 )
−∞ −∞ (3.59)
0 0 0 0 0 0 0 0
S(z1 , t1 )S(z2 , t2 )dz1 dz2 dt1 dt2
dove P2 è la PDF della posizione della coppia di particelle e si è posto t1 = t2 = t.

Affinchè la 3.58 e la 3.59 siano statisticamente coerenti è necessario che siano soddisfatte le
seguenti condizioni:
Z Z ∞
0 0
P1 (z1 , t|z1 , t1 ) = P2 (z1 , z2 , t|z10 , z20 , t01 , t02 )dz20 dt02 (3.60)
−∞
Z Z ∞
P1 (z, t|z 0 , t0 )dz 0 dt0 = 1 (3.61)
−∞
La 3.60 mi assicura che, integrando la PDF condizionata della coppia di particelle su tutti i valori
posibili della posizione della seconda particella, ottengo la PDF della posizione della prima parti-
cella.
Siccome siamo interessati (per quanto visto nel capitolo precedente) a separare i contributi iner-
ziali da quelli viscosi, consideriamo due regioni dinamiche differenti: una regione interna le cui
lunghezze sono dell’ordine della scala di Kolmogorov η e una regione esterna in cui le scale sono
dell’ordine della scala integrale L.
Se la separazione ∆ = |z1 − z2 | è maggiore di η, allora P2 è determinata principalmente dalla
dinamica della regione esterna, ovvero dai vortici di scala L o maggiori. Per definire la concen-
trazione quadratica media, hC 2 (z, t)i, è neccessario che nella 3.59 z1 , z2 → z, ma questo limite
è discontinuo. Infatti |z1 − z2 | → 0 nella regione esterna significa |z1 −z
L
2|
→ 0, in quella interna
|z1 −z2 |
significa η → 0. Come si è visto nel paragrafo precente la separazione si comporta in maniera
differente in questi due limiti ed è, dunque, ragionevole distinguerli. Per scopi applicativi è più
ragionevole definire la concentrazione quadratica media nella regione esterna, infatti in questa si
considerano, nel senso che vedremo più avanti, gli effetti dovuti alla diffusività molecolare.
Si può anche definire la concentrazione quadratica media mediando la covarianza su una regione
61
Figura 3.2: Struttura della funzione hC(z)C(z + r)i, dove r è la separazione fra le particelle. La
linea continua rappresenta la funzione per uno scalare passivo con κ = 0, mentre la linea puntinata
rappresenta l’appiattimento dovuto al processo di media che simula i processi di diffusione. La
freccia indica il limite esterno, mentre il limite interno è stato posto uguale a 1 (Durbin, 1980).
Vη = O(η) (trascuriamo la dipendenza temporale). Questa definizione stabilisce una connessione

fra la definizione teorica e quella operativa:
Z Z
2 −2
hC i ≡ Vη hC(z1 )C(z2 )idz1 dz2 =
Vη
Z Z ∞Z Z
−2
= Vη P2 (z1 , z2 |z10 , z20 )S(z10 )S(z20 )dz1 dz2 dz10 dz20 ≈ (3.62)
−∞ Vη
Z Z ∞
≈ lim P2 (z1 , z2 |z10 , z20 )S(z10 )S(z20 )dz10 dz20
−∞ |z1 −z2 |/L→0
In cui l’ultimo passaggio si basa sull’ipotesi di poter considerare il limite nella regione esterna
come buona approssimazione del processo di media nella regione interna. La varianza può essere
definita come: Z Z ∞
2
hC i = P2 (z|z10 , z20 )S(z10 )S(z20 )dz10 dz20 (3.63)
−∞
Descriviamo brevemente le ipotesi che si sono utilizzate per disegnare la figura (3.2), queste sono,
infatti, le stesse ipotesi su cui si basa il ragionamento. La linea continua rappresenta la struttura
della funzione di covarianza della concentrazione di uno scalare in assenza di diffusione molecola-
re, κ → 0. Il valore e la pendenza del picco nell’origine, ossia nel limite di particelle coincidenti,
crescerebbero indefinitamente per la creazione, da parte della turbolenza, di strutture sempre mino-
ri (per la cascata di Richardson). Questo farebbe diminuire costantemente le scale della turbolenza
62
e, conseguentemente, crescere la correlazione fra le particelle. Ogni scalare con diffusività mole-
colare κ non presenta questo picco, altrimenti la diffusione diperderebbe le scale inferiori.
Ogni misura che medi su un volume Vη (nella realtà ogni misura è un processo che necessaria-
mente media su microscale diverse) produrrà un effetto simile alla diffusione (la linea puntinata in
figura), nonstante questo sia un processo istantaneo.
La definizione 3.62 tiene anche conto degli effetti della diffusione molecolare, nonostante si stia
studiando uno scalare passivo a diffusività nulla. I risultati ottenuti in questo limite per uno scalare
passivo possono essere estesi a molecole di fluido la cui diffusività molecolare ha un valore finito
diverso da zero e meglio simulano i processi reali di misura.
Riassumiamo brevemente le ipotesi considerate:
i) esiste un volume Vη tale che L Vη ;
ii) la diffusione rende hC(z)C(z + ∆)i meno piccata in ∆ = 0;
iii) il numero di Peclet (P e = UκL determina l’importanza dei termini inerziali rispetto alla diffusi-
vità molecolare) è elevato. Se questo non fosse vero non si potrebbe trascurare κ e non sarebbero
valide nè la i) nè la 3.58 e la 3.59 , inoltre hC(z)C(z + ∆i) sarebbe anche funzione di κ;
iv) il numero di Schmidt (Sc = PRee = κν ) è O(1); solo in questo caso l’ipotesi ii) viene verificata,
ovvero solo se Re e Pe hanno lo stesso ordine di grandezza e la viscosità non prevale sulla diffu-
sione. In altre parole questa ipotesi assicura che Vη sia maggiore della larghezza del picco.
Se si ignorassero totalmente gli effetti della diffusone molecolare (o, equivalentemente, si consi-
derasse la varianza di uno scalare a diffusività nulla, anzichè delle molecole a diffusività finita),
la varianza dovrebbe essere definita nel limite interno. In questo limite, ∆/η → 0, la funzione
densità di probabilità P2 può venire espressa come:
lim P2 (z1 , z2 |z10 , z20 ) = P1 (z1 |z10 )δ(z10 − z20 ), (3.64)

∆
η
→0
se le particelle sono coincidenti devono avere la stessa PDF. In questo caso si può definire la
concentrazione qudratica media come:
Z ∞
2
hC∗ i = P1 (z|z 0 )S 2 (z 0 )dz 0 (3.65)
−∞
La 3.65 evidenzia che nella nuova definizione di covarianza non sono considerati i processi di me-
scolamento turbolento, siamo nel range dissipativo in cui prevalgono κ e ν.
E’ possibile mostrare che la dispersione relativa fra le particelle riduce le fluttuazioni di concentra-
zione. Dalla disuguaglianza:
Z Z ∞
P2 (z|z10 , z20 )(S(z10 ) − S(z20 ))2 dz10 dz20 ≥ 0 (3.66)
−∞
segue infatti:
hC 2 i ≤ hC∗2 i (3.67)
63
che vale con il segno di uguale solo se S è una funzione costante.
Per stimare le fluttuazioni bisogna calcolare la varianza della concentrazione:
hc2 i ≡ hC 2 i − hCi2 (3.68)
Si considerino due particelle che abbiano al tempo t una separazione piccola ma finita. Lasciamo
le particelle evolvere fino al tempo t0 t. Essendo il tempo trascorso sufficientemente grande,
possiamo pensare che le particelle siano diventate indipendenti l’una dall’altra, ossia non risentano
della interazione reciproca. In questo caso:
0 0 0 0 0 0 0 0

 P2 (z, t|z1 , z2 , t1 , t2 ) = P1 (z, t|z1 , t1 )P1 (z, t|z2 , t2 )

hc2 i = 0 (3.69)
2
 2
hC i = hCi

La turbolenza ha eliminato le fluttuazioni (secondo la definizione 3.59 ). Se t0 fosse molto pros-

simo a t, o se il mescolamento turbolento fosse molto debole, la separazione rimarrebbe molto
piccola e le particelle non potrebbero essere considerate indipendenti, ovvero dovremmo applicare
la 3.65 . Nel caso di modelli Lagrangiani a particelle siamo interessati al solo subrange inerziale e,
quindi, vogliamo essere sicuri di poter trascurare la viscosità e la diffusività. I flussi turbolenti che
consideriamo hanno valori elevati di Re e di Pe, ma se da un lato questo ci assicura che hCi non
viene influenzato da ν e da κ, se non nelle estreme vicinanze della sorgente, dall’altro non ci dà
le stesse garanzie per le fluttuazioni. Consideriamo il moto di una coppia di particelle in un flusso
i cui numeri di Reynolds e di Peclet sono elevati; se sono sufficientemente distanti la diffusione
molecolare e trascurabile rispetto alla turbolenza, le particelle si comportano come se fossero total-
mente indipendenti, inoltre, siccome la viscosità interviene solo alle piccole scale anche gli effetti
viscosi possono essere trascurati. Tuttavia, se la separazione è O(η), la diffusione molecolare (e
allo stesso modo ν) diventa preponderante sulla turbolenza (se due particelle sono coincidenti si
possono separare solo per effetti molecolari).
Per gli scopi di modellizzazione è fondamentale poter considerare le due particelle distinte sul-
la microscala di Kolmogorov η, ovvero ∆/η non deve tendere a zero. Si è visto nel paragrafo
precedente che per ∆0 η il tempo necessario alle due particellle affinchè la loro separazione
appartenga al subrange inerziale è infinito, le particelle non possono separarsi. Se la separazione
giace nel subrange dissipativo le forze molecolari e viscose le impediscono di accrescere il suo
valore, le particelle non possono allontanarsi ed essere soggette alle forze inerziali.
Nel subrange inerziale, invece, h∆2 (t)i ∝ t3 , quindi anche nel limite ∆ → 0 (∆/L → 0) e t → 0
i vortici possono disperdere le particelle.
Ci si deve chiedere quanto debba essere piccola la separazione iniziale affinchè sia lecito trascura-
re κ e ν. Siano d e td la minima distanza e il minimo intervallo di tempo per cui possano essere
trascurate diffusività e viscosità. Si deve trovare un limite in cui d e td siano arbitrariamente pic-
coli. Questo si può ottenere facendo tendere il numero di Reynolds all’infinito, tenendo costante il
64
3.7. PDF di Richardson della turbolenza
numero di Schmidt (ipotesi iv)) e quindi facendo tendere ∆ a zero rispetto alla scale integrale:
(
Re → ∞
(3.70)
Sc O(1)
o, equivalentemente, (
ν, κ → 0
(3.71)
Sc O(1)
e 
 ∆→0
∆ (3.72)
 6= 0 ∆ η
η
La 3.6 e la 3.72 ci assicurano di lavorare sempre all’interno del subrange inerziale, ma ci dicono
anche che la 3.59 che teneva conto della diffusività molecolare continua ad essere valida con queste
due ipotesi. Quindi, pur lavorando con scalari passivi a diffusività nulla, possiamo estendere i
risultati a molecole reali di data diffusività.
Questo ragionamento non è valido nelle immediate vicinanze della sorgente, cioè per distanze
inferiori a d e per tempi inferiori a td . In questi punti il valore di κ è importante e non può venire
trascurato.
3.7 PDF di Richardson

Partendo dalla sua legge dei 4/3 e dall’equazione parabolica della diffusione, Richardson suggerì
che l’evoluzione di p(l, τ ) potesse essere descritta dall’equazione (Richardson, 1926; Monin and
Yaglom, 1975):
∂p ∂ ∂p
= K(l) , K(l) = ϕl4/3 (3.73)
∂τ ∂lj ∂lj
dove l = |l| e ϕ è una costante dimensionale.
La soluzione di questa equazione che soddisfa la condizione iniziale p(l, 0) = δ (l) è
6
9l2/3

3 3 −9/2
p (l, τ ) = (ϕτ ) exp − (3.74)
35π 3/2 2 4ϕτ
in cui il coefficiente di normalizzazione è determinato secondo la relazione:

Z ∞
4π l2 p (l, τ ) dl = 1 (3.75)
0
65
3.7. PDF di Richardson della turbolenza
La teoria di Richardson (1926) quindi sostiene che nell’intervallo inerziale la PDF della separa-
zione non è Gaussiana. Inoltre si noti che:
Z ∞
2 1144 3 3
hl i = 4π l4 p (l, τ ) dl = ϕt (3.76)
0 81
E’ ora possibile definire la PDF di Richardson in tre dimensioni come:
P (l, τ ) = 4πl2 p (l, τ ) (3.77)
e usando l’equazione (3.76) è possibile scrivere:

3/2 " 1/3 #
l2 1287 l2

32 1287
P (l, τ ) = √ exp − (3.78)
315 π 8 hl2 i3/2 8 hl2 i
3.7.1 1 dimensional case

Nel caso unidimensionale possiamo scrivere la PDF di Richardson per il vettore separazione l
come:
9l2/3

−3/2
p (l, τ ) = A (ϕτ ) exp − (3.79)
4ϕτ
in cui l non rappresenta il modulo del vettore separazione, ma il vettore in sè (o una delle sue
componenti cartesiane nel caso tridimensionale).
Considerando che: Z ∞ √
4 π
p(l, τ )dl = A (3.80)
−∞ 9
nel caso unidimensionale p(l, τ ) diventa:
9l2/3

9 −3/2
p (l, τ ) = √ (ϕτ ) exp − (3.81)
4 π 4ϕτ
e la RMS (Route Mean Square, lo scarto quadratico medio), o equivalentemente la deviazione

standard della separazione, è:
sZ r
∞
p 280 3 3
hl2 i = l2 p(l, τ )dl = ϕt (3.82)
−∞ 243
66
Capitolo 4
Modelli Lagrangiani
a una particella
4.1 Momenti della concentrazione

Consideriamo turbolenza stazionaria, omogenea ed isotropa.
Il campo di concentrazione media è dato da:
Z t Z ∞
hC(x, t)i = P1 (y, s|x, t)S(y, s)dyds (4.1)
−∞ −∞
dove P1 (y, s|x, t) rappresenta la probabilità che una particella che al tempo t è in x provenga da y
al tempo s, S(y, s) è la distribuzione alla sorgente e hi definisce una media di insieme.
La covarianza delle concentrazione è data da:
Z t1 Z t2 Z ∞ Z ∞
hC1 (x, t1 )C2 (x, t2 )i = P2 (y1 , y2 , s1 , s2 |x1 , x2 , t1 , t2 )
−∞ −∞ −∞ −∞ (4.2)
S(y1 , s1 )S(y2 , s2 )dy1 dy2 ds1 ds2 ,
dove P2 (y1 , y2 , s1 , s2 |x1 , x2 , t1 , t2 ) rappresenta la probabilità che due particelle che, rispettivamen-
te, a t1 e t2 si trovano in x1 e x2 provengano da y1 e y2 ai tempi s1 e s2 . P1 e P2 sono PDF
(probability density function) per la diffusione inversa, ovvero descrivono la dispersione passata di
particelle che attraversano punti scelti. La PDF diretta e quella inversa sono differenti, infatti, se
per il caso della concentrazione media questa differenza è solo concettuale, per la covarianza essa
è reale anche nel caso idealizzato di turbolenza stazionaria, omogenea e isotropa:
P2 (y1 , y2 , s1 , s2 |x1 , x2 , t1 , t2 ) 6= P2 (x1 , x2 , t1 , t2 |y1 , y2 , s1 , s2 ) (4.3)
siccome la dispersione relativa dipende dalla separazione iniziale fra le particelle. Inoltre mentre
P1 si può considerare gaussiana, in letteratura non c’è accordo sulla forma di P2 , la cui forma viene
67
Capitolo 4. Modelli Lagrangiani
4.2. Teoria dei modelli Lagrangiani a particelle a una particella
(a) 10 traiettorie singole. La figura mo- (b) 200 particelle. Anche con un numero co-
stra le traiettorie di dieci traiettorie singole. sì esiguo di traiettorie si vede come sia pos-
Ognuna di queste traiettorie rappresenta una sibile ricostruire il plume e come, a partire
soluzione dell’equazione di Langevin. da una sorgente quasi puntiforme, le parti-
celle si disperdano velocemente in tutto il
dominio.
Figura 4.1: Traiettorie generate da un modello Stocastico Lagrangiano a Particella Singola in uno
strato limite convettivo.
calcolata attravero l’utilizzo di modelli numerici (DNS, modelli a due particelle...).
4.2 Teoria dei modelli Lagrangiani a particelle

I modelli stocastici lagrangiani si fondano su due ipotesi fondamentali:
• Si considera il flusso turbolento come un elemento di un insieme statistico di flussi simili

che soddisfano le medesime condizioni al contorno. Cioè si passa dallo studio di un singolo
flusso turbolento allo studio di un insieme di flussi.
• L’equazione che regola l’evoluzione della velocità di una particella fluida è assimilabile ad
un processo markoviano.
Lasciamo per un attimo in sospeso la giustificazione di quest’ultima assunzione. Per la prima ipo-
tesi è possibile studiare l’evoluzione di un tracciante passivo simulando numericamente un gran
numero di traiettorie di piccoli campioni (costituiti da 1, 2, ..., n particelle) scelti casualmente
e successivamente calcolarne la statistica, senza risolvere le equazioni del moto. Il numero di
particelle che rilasciamo contemporaneamente nella simulazione ci fornisce l’ordine dei momenti
statistici che possiamo calcolare. Nel caso di modelli a particella singola si può calcolare solo la
concentrazione media, nel caso di modelli a due particelle media e varianza. In questo capitolo
68
dedichiamo la nostra attenzione al caso di modelli lagrangiani a una particella. Se il numero di
Reynolds è sufficientemente elevato (non è un’ipotesi restrittiva, infatti in atmosfera Re è dell’or-
dine di 107 ) gli effetti della diffusione molecolare sulla concentrazione media sono molto piccoli,
quindi la diffusione può essere trascurata e si può assumere che le particelle di tracciante si muo-
vano alla stessa velocità delle molecole del fluido, come se fossero a tutti gli effetti elementi fluidi
di data diffusività. Questo limite ci assicura di trovarci sempre all’interno del subrange inerziale e
di poter trascurare gli effetti dovuti alla viscosità e alla diffusività; nel subrange inerziale le mole-
cole di fluido a diffusività finita e le singole particelle, aventi κ nulla, evolvono secondo le stesse
equazioni. L’ipotesi Re → ∞ assicura di poter simulare correttamente le molecole di fluido con
uno scalare passivo solo nel caso di particella singola, già nel caso di una coppia di particelle il
problema si complica per le possibili interazioni fra le particelle stesse. Le particelle si muovono
indipendentemente le une dalle altre. Torniamo ora alla seconda ipotesi: in flussi in cui il numero
di Reynolds è molto grande la correlazione fra le accelerazioni in due istanti diversi è piccola se
l’intervallo temporale che le separa è molto maggiore della microscala temporale di Kolmogorov
τη . Se τη ∆t TL , dove TL è il tempo scala integrale della turbolenza, gli incrementi delle
velocità si possono considerare indipendenti. Quindi, se l’incremento temporale giace nel subran-
ge inerziale, possiamo considerare gli incrementi della velocità della particella come un processo
di Markov. Ovviamente le due velocità non saranno mai completamente indipendenti, altrimenti
la varianza crescerebbe indefinitamente. L’ipotesi di markovianità è valida solamente nel subrange
inerziale, quindi i modelli lagrangiani a particelle non possono descrivere il moto di un tracciante
passivo per tempi paragonabili alla scala di Kolmogorov τη . Come si è visto i processi di Mar-
kov possono essere trattati in due maniere equivalenti: o con equazioni differenziali stocastiche
(equazioni di Langevin) o con un’equazione differenziale nello spazio delle fasi (equazione di
Fokker-Planck).
Consideriamo un flusso in cui il vento medio sia nullo, hUi = 0, quindi u’ = u, il campo della
velocità è determinato solo dalla turbolenza. Seguendo Thomson (1987) scriviamo l’equazione per
la velocità di una particella fluida come:
dui = ai (u, x, t) dt + bij (u, x, t) dWj (t) (4.4)
e per la posizione:
dxi = ui dt (4.5)
Nella (4.4) ai (u, x, t) è il coefficiente di drift che rappresenta il termine deterministico, bij (u, x, t)
rappresenta il coefficiente di diffusione e dWj (t) è un termine fluttuante casuale. La quantità W(t)
è un processo di Wiener la cui distribuzione è gaussiana (Thomson, 1987) con valor medio nullo e
varianza dt; in più di una dimensione dWi (t) e dWj (s) sono statisticamente indipendenti per i 6= j
e s = t o per i = j e s 6= t:
hdWi (t)i =0
(4.6)
hdWi (t)dWj (s)i =δij δ(t − s)dt
69
in cui δij è il Kronecker e δ(t) è la funzione delta di Dirac.
Come si è ripetutamente detto la (4.4) è un’equazione differenziale stocastica, la cui soluzione è,
sotto certe condizioni, casuale: ogni soluzione dell’equazione di Langevin, sostituita nella (4.5), ci
dà una traiettoria casuale. Un campione di traiettorie si può calcolare numericamente sostituendo
gli incrementi infinitesimi du, x e dt con incrementi finiti ∆u, ∆x e ∆t.
Equivalentemente possiamo descrivere il processo markoviano con l’equazione di Fokker-Planck
per la PDF delle velocità lagrangiane PL (u, x, t; v, y, s):
∂PL ∂ ∂ ∂2
+ (ui PL ) = − (ai PL ) + (Bij PL ) (4.7)
∂t ∂xi ∂ui ∂ui ∂uj
dove Bij = 12 bik bkj e la PL descrive la statistica lagrangiana.

Notiamo che se consideriamo la media d’insieme di PL (u, x, t; v, y, s) su una distribuzione eule-
riana di stati iniziali otteniamo:
Z
PE (u, x, t) = PL (u, x, t; u0 , x0 , s) PE (u0 , x0 , s) du0 dx0 ds (4.8)
Siccome l’equazione di Fokker-Planck (4.7) è lineare in PL , essa è soddisfatta anche dalla PDF
euleriana, quindi:
∂PE ∂ ∂ ∂2
+ (ui PE ) = − (ai PE ) + (Bij PE ) (4.9)
che da un punto di vista pratico è di più semplice utilizzo, in quanto la PDF euleriana delle velocità
turbolente è più facilmente misurabile. Vogliamo che la (4.9) soddisfi le seguenti condizioni:
• well-mixed condition: se le particelle sono uniformemente distribuite all’istante iniziale, lo

rimangono evolvendo nel tempo. Cioè a dire che la PDF del tracciante dopo un certo tempo,
raggiunta una condizione stazionaria, ha gli stessi momenti della PDF dell’aria;
• le soluzioni della (4.9) devono essere compatibili con le equazioni euleriane (in cui si sono
trascurate le diffusività molecolari della concentrazione, C, e della densità, ρ):
∂C ~
+ ∇ · (uE C) = 0
∂t
∂ρ ~
+ ∇ · (uE ρ) = 0 (4.10)
∂t
∂uE
~ · uE = DuE

+ uE · ∇
∂t Dt
70
4.3. Determinazione di a e b a una particella
• la diffusione diretta e quella inversa devono essere equivalenti. Con diffusione inversa in-
tendiamo il processo di diffusione in cui si è invertito l’asse temporale, ovvero la diffusione
dal rivelatore alla sorgente. Questa condizione è rilevante se consideriamo che i modelli
lagrangiani sono strettamente legati alla simulazione numerica: se si è interessati alla con-
centrazione media in un dato punto è inutile simulare traiettorie che non cadranno in quella
regione, è molto più semplice simulare, indietro nel tempo, le traiettorie delle particelle da
quel punto alla sorgente, in questo modo si considerano, quasi esclusivamente, particelle
utili alla statistica del punto desiderato.
Si può dimostrare che se la prima condizione è soddisfatta, allora lo sono anche le altre due (Thom-
son, 1987). Ovvero la well-mixed condition è la condizione fondamentale affinchè un modello
lagrangiano a particelle descriva correttamente la realtà fisica. Imporre la well-mixed condition
significa richiedere che la PDF del tracciante passivo sia in ogni punto uguale, ovvero abbia gli
stessi momenti della PDF dell’aria. Se PE (u, x, t) è quella dell’aria possiamo considerarla come
nota (o equivalentemente ricavarla separatamente) e utilizzarla per determinare i coefficienti a e b
dell’equazione di Langevin (4.4).
4.3 Determinazione di a e b
Consideriamo il caso di turbolenza stazionaria, PE (u, x, t) ≡ PE (u, x). Integrando la (4.9)
otteniamo:
∂Bij PE
ai P E = + φi (u, x) (4.11)
∂ui
dove φi (u, x) soddisfa l’equazione:
∂φi (u, x) ∂PE ∂ui PE
=− − (4.12)
∂ui ∂t ∂xi
o equivalentemente: Z ui
 φi (u, x) = − ∂

ui PE (u, x) du
∂xi −∞ (4.13)
φi → 0 per |ui | → 0

La scelta della PDF è fondamentale, infatti il coefficiente di drift a dipende esplicitamente da que-
sta. Per determinare l’espressione per b bisogna ricordare la definizione della funzione di struttura
delle velocità lagrangiane:
DL (∆t) = h[u (t + ∆t) − u(t)]2 i = h(∆u)2 i (4.14)
e il suo valore all’interno del subrange inerziale (equazione 3.36):
DL (∆t) = C0 ∆t per τη ∆t TL (4.15)
71
4.4. Turbolenza Gaussiana omogenea a una particella
dove per ipotesi τη → 0.
Elevando al quadrato l’equazione di Langevin e applicando l’ultima relazione, tenendo presente le
condizioni (4.6), è possibile trovare un’espressione per b:
DL (dt) = h(∆u)2 i = b2 hdW 2 (t)i = b2 dt = C0 dt (4.16)
in cui si sono considerati solo i termini dell’ordine di dt. Quindi possiamo scrivere:
p
b(x) = C0 (x) (4.17)
in cui si è fatta l’ulteriore semplificazione di far dipendere b esclusivamente dalla posizione, trala-
sciando la dipendenza dalla velocità (Thomson, 1987). Si noti che scrivendo l’equazione di Fokker-
Planck nella forma (4.9) deve essere 2b2 = B. Dopo aver determinato il valore del coefficiente di
diffusione possiamo riscrivere la (4.4) e la (4.11) come:
p
dui = ai (u, x) dt + C0 (x)dWi (t) (4.18)
C0 (x) ∂PE (u, x) φi (u, x)

ai (u, x) = + (4.19)
2PE (u, x) ∂ui PE (u, x)
Dunque una volta scelta una forma per la funzione densità di probabilità euleriana e calcolate le
φi (u, x) a è univocamente determinato. Tuttavia Thomson ha dimostrato che il vettore φi (u, x) ha
valore unico solo nel caso unidimensionale, diversamente sommandogli un qualsiasi vettore a di-
vergenza nulla l’equazione (4.19) rimane soddisfatta. La non unicità delle soluzioni è un problema
ancora irrisolto per i modelli lagrangiani.
4.4 Turbolenza Gaussiana omogenea

Consideriamo turbolenza stazionaria, omogenea e isotropa.
L’equazione di Langevin (4.18) in condizioni omogenee ed isotrope è:
p
dui = ai (u, x)dt + C0 dWi (t) (4.20)
in cui a è:
C0 ∂PE (u, x) φi
ai (u, x) = + (4.21)
2PE (u, x) ∂ui PE (u, x)
Scegliamo per PE (u, x) una forma gaussiana:
1 1 −1
PE (u, x) = p e 2 (ui Cij uj ) (4.22)
2π 3 detCu
72
4.5. Turbolenza Gaussiana inomogenea a una particella
dove Cu è la matrice di covarianza delle velocità. In condizioni isotrope Cu è diagonale e (Cu )i =

hu2ii i = σi2 , in consizioni isotrope ed omogenee CU è diagonale e (Cu )ii = hu2i i = σ 2 . Quindi
1 u2
PE = √ e− 2σ2 (4.23)
2πσ 2
Sostituendo la (4.23) nella (4.21) si ottiene:
C0
ai = − ui + φi (4.24)
2σ 2
in generale l’espressione di a non è unica, ma in condizioni omogenee e isotrope l’unica scelta
2σ 2
corretta per φ è φi = 0. Considerando la (4.20) e la relazione TL = C 0
, che lega il tempo lagran-
giano alla dispersione della energia cinetica turbolenta (Hinze, 1975), l’equazione di Langevin per
un modello a una particella in turbolenza gaussiana diventa:
1 p
dui = − ui dt + C0 dWi (t) (4.25)
TL
Bisogna notare che l’omogeneità e l’isotropia, insieme alla conoscenza della PDF euleriana del-
le velocittà hanno permesso di determinare univocamente a. E’ quindi possibile calcolare la
concentrazione media e studiare la dispersione. Tuttavia è questo un caso particolare, l’unico
tridimensionale in cui si possa trovare un unico valore per φ.
4.5 Turbolenza Gaussiana inomogenea

L’assunzione che in turbolenza omogenea si possa considerare Gaussiana la PDF della velocità
può anche essere fatta in caso di turbolenza non omogenea, per esempio nel caso di PBL neutrale.
L’unica diferenza dall’equazione 4.22 è la dipendenza della dissipazione dell’energia cinetica tur-
bolenta (e quindi di σu e di TL ) da x.
Nel caso inomogeneo, la PDF euleriana delle velocità dipende dalle coordinate spaziali attraverso
la σ (che solitamente è solo funzione di z, σ = σ(z)). Dunque il vettore φ non è nullo come nel
caso omogeneo, ma bisogna risolvere la 4.13:
Z u Z u 2
∂ ∂ u − u
φi (u, x) = − uPE (u, z) du = − √ e 2σ2 (z) du =
∂z −∞ ∂z −∞ 2πσ(z)
(4.26)
u2 + σ 2 (z) ∂σ(z)
2

∂ σ(z) − 2σu2 (z)
= √ e = PE (u, z)
∂z 2π σ(z) ∂z
In condizioni inomogenee l’equazione di Langevin si scrive quindi come:
u2i ∂σu2i

ui 1 p
dui = − dt + 1+ 2 dt + C0 i dWi (t) (4.27)
TLi 2 σui ∂xi
73
4.6. Condizioni al contorno a una particella
La non-omogeneità spaziale produce un termine quadratico nelle velocità del tipo:
1 u2i ∂σu2i
dt (4.28)
2 σu2i ∂xi
Questo termine che compare naturalmente applicando la well-mixed condition serve a bilancia-
re l’annullamento della σu ai confini del dominio e la conseguente esplosione della sua derivata
prima. Durante l’implementazione numerica del modello è necessario porre grande attenzione al
comportamento di questo termine vicino al suolo e al top dello strato limite.
4.6 Condizioni al contorno

Un problema rilevante dei modelli Lagrangiani è quello delle condizioni al contorno, ovvero il
comportamento dei modelli in prossimità di una parete o di un ostacolo. Considereremo solo il
caso di condizione al contorno al suolo, z = 0. La condizione più semplice è la riflessione perfetta:
quando la particella all’istante t ha una coordinata verticale negativa, essa viene fatta rimbalzare
elasticamente, ovvero: (
wr = |wi |
(4.29)
z = |z|
La perfect reflection è esatta solo in caso di PDF Gaussiana.
Quando l’asimmetria della funzione densità di probablità non può essere ignorata (turbolenza
convettiva, canopy, etc...), per calcolare la velocità verticale riflessa, nota la velocità verticale
incidente, è necessario risolvere il segeunte integrale (Thomson and Montgomery, 1994):
Z ∞ Z wi
wP (z, w)dw + wP (z, w)dw = 0 (4.30)
wr −∞
Ovviamente questo integrale ha due soluzioni per wr , ma solo una con il segno corretto.
4.7 Esercizio: l’equazione di Langevin e la funzione di autocor-

relazione temporale
Si vuole calcolare la funzione di autocorrelazione temporale dell’equazione di Langevin che de-
scrive l’evoluzione temporale delle velocità di una singola particella in condizioni di turbolenza
gaussiana, omogenea e isotropa in una dimensione.
Possiamo scrivere l’equazione (4.25) come:
s
1 2σ 2
du = − udt + dW (t) (4.31)
TL TL
74
4.7. Esercizio: l’equazione di Langevin e la funzione di autocorrelazione temporalea una particella
che ci dice che la velocità all’istante t + dt è:
r
dt 2dt
u(t + dt) = 1 − u(t) + σ ξ(t) (4.32)
TL TL
o equivalenemente:
u(t + dt) = ru(t) + sξ(t) (4.33)
dove ξ(t) è un processo di rumore bianco con valor medio nullo e varianza 1.
Quello che vogliamo calcolare è la funzione di autocorrelazione temporale:
hu(t + τ )u(t)i
R(τ ) = (4.34)
hu2 i
Moltiplicando entrambi i membri della (4.33) per u(t) e mediando si ottiene:
hu(t + dt)u(t)i = rhu(t)2 i = rhu2 i (4.35)
Invece, se si moltiplica la (4.33) per u(t − τ ) e si media si ottiene:

dt
hu(t + dt)u(t − τ )i = 1 − hu(t)u(t − τ )i (4.36)
TL
Si noti che se si fosse moltiplicato per u(t + τ ) il risultato sarebbe stato differente, infatti u(t − τ ) è
scorrelato dalla futura variabile random ξ(t) e, quindi, hξ(t)u(t − τ )i = 0, mentre hξ(t)u(t + τ )i = 6
0. Ora ricordando che in un processo stazionario hu(t)u(t0 )i = hu2 iR (|t − t0 |) la (4.36) diventa:

dt
R(dt + τ ) = 1 − R(τ ) (4.37)
TL
che per dt → 0 non è altro che l’equazione differenziale:
dR(τ ) R(τ )
=− (4.38)
dτ TL
Integrando questa equazione con la condizione iniziale R(0) = 1 troviamo la funzione di autocor-
relazione temporale per il processo random:
|τ |
−T
R(τ ) = e L (4.39)
Ovvero si è ritrovato il decadimento esponenziale che si era usato nel calcolo della formula della
dispersione di Taylor.
75
4.8. PDF bi-Gaussiana a una particella
4.8 PDF bi-Gaussiana
La distribuzione bi-Gaussiana è ottenuta a partire da una combinazione lineare, nella variabile
w, di due distribuzioni Gaussiane associate ai flussi d’aria ascendenti (updrafts) e discendenti
(downdrafts) rispettivamente:
P (w, z) = APA (wA , σA ) + BPB (wB , σB ) (4.40)
Queste due distribuzioni Gaussiane sono caratterizzate dall’avere un valore medio non nullo che
rappresenta il valore medio delle velocità negli updrafts (wA ) e nei downdrafts (wB ) rispettivamen-
te, e caratterizzate da particolari e, in generale, diversi valori di varianza (σA , σB ). I coefficienti
A e B tengono conto del fatto che i downdrafts hanno in genere estensione spaziale orizzontale
maggiore degli updrafts mentre in generale quest’ultimi hanno velocità medie superiori rispetto ai
primi.
Si noti che la distribuzione bi-Gaussiana può essere pensata semplicemente come un’artificio ma-
tematico per poter introdurre valori dei momenti superiori al secondo, senza alcuna analogia con
le strutture del PBL convettivo. La corrispondenza fisica con la distribuzione reale è assicurata
unicamente dalla coincidenza dei valori assunti da tali momenti.
Possiamo scrivere questa PDF quindi come:
A w−wA 2 B w−wB 2

− 12 − 12
P (w, z) = √ e σ A +√ e σB
(4.41)
2πσA 2πσB
e ottenere la seguente espressione per φ:
2
w2 − wwA

σA ∂A ∂σA ∂wA
φ =APA + σA + +w +
A ∂z ∂z σA ∂z

1 ∂(AwA ) w − wa
1 − erf +
2 ∂z 2σA
2
w2 − wwB

σB ∂B ∂σB ∂wB (4.42)
BPB + σB + +w +
B ∂z ∂z σB ∂z

1 ∂(BwB ) w − wB
1 − erf
2 ∂z 2σB
in cui erf (z) è l’usuale error function, definita come:

Z z
2 2
erf (z) = √ e−s ds (4.43)
π 0
Determinare φ equivale dunque a determinare i 6 parametri A, B, wA , wB , σA , σB in modo tale
che P (w, z) soddisfi il sistema di n equazioni:
Z ∞ Z ∞
n
A w PA (w, z)dw + B wn PB (w, z)dw = hwn i (4.44)
−∞ −∞
76
4.9. PDF di Gram-Charlier a una particella
dove gli hwn i sono i momenti misurati delle PDF atmosferiche. In particolare per i primi quattro
momenti si ottengono le seguenti relazioni:


 A+B =1

 AwA + BwB = 0



2
A(wA + σA2 ) + B(wB2
+ σB2 ) = hw2 i (4.45)
3 2 3 2 3

 A(wA + 3wA σA ) + B(wB + 3wB σB ) = hw i



4 2 2
σA + 3σA4 + B wB 4 2 2
σB + 3σB4 = hw4 i

A wA + 6wA + 6wB

Risolvendo questo sistema si determinano i valori di A, B, wA , wB , σA , σB , noti ovviamente i

quattro momenti della PDF del tracciante.
Come si può vedere il sistema è formato da 5 equazioni in cui compaiono 6 incognite. Per essere
risolto univocamente occorre fissare una condizione supplementare che ci permetta di legare una
delle incognite alle altre o ad una parte delle altre. E’ da notare che la conoscenza del quinto
momento della distribuzione permetterebbe di ottenere una soluzione esatta senza dover ricorrere
a nessuna condizione supplementare. Nella realtà, però, non esistono stime attendibili e quindi
parametrizzazioni per il quinto momento, e, effettivamente, anche il quarto momento è spesso inu-
tilizzato in quanto non si sono ancora trovate parametrizzazioni veramente attendibili per questa
quantità. Per ovviare a questi problemi sono stati proposti diversi schemi di chiusura del sistema
tra i quali riportiamo il seguente, valido nel caso in cui si conoscano o si utilizzino solo i primi tre
momenti.
Luhar and Britter (1989), utilizzando solo le prime 4 equazioni del sistema, proposero come
condizioni di chiusura le seguenti relazioni:
σA = |wA | σB = |wB | (4.46)
ottenendo:  p
 hw3 i + hw3 i3 + 8hw2 i3

 wB =



 4hw2 i
hw3 i


wA = 2 − wB

hw i (4.47)
wB




 A=



 wB − wA
B =1−A

4.9 PDF di Gram-Charlier

Nel sezione precedente si sono mostrati alcuni metodi per chiudere il termine φ nella ipotesi di
PDF bi-Gaussiana.
77
Tutti questi metodi sono basati sull’idea che i termini A e B dell’equazione 4.41 sono legati alla
frazione di area occupata da updraft e downdraft, wA e wB sono legati alle loro velocità e σA
e σB rappresentano le fluttuazioni verticali turbolente. Tuttavia queste PDF non sono altro che
approssimazioni matematiche e non è necessario che i parametri del modello siano direttamente
collegati a quantità fisiche. In tutti i casi solo i momenti della PDF sono misurati sperimentalmente.
Per ovviare a questo problema si scrive la PDF come:
∞
X
P (x) = Cj Hj (x)α(x) (4.48)
j=0
dove α(x) è la funzione Gaussiana standardizzata per le velocità verticali:

1 x2
α(x) = √ e− 2 (4.49)
2π
e Hj (x) è il polinomio di Hermite di grado j.
Per determinare il valore dei coefficienti Cj è necessario moltiplicare la 4.48 per un qualsiasi
polinomio Hr (x) e integrarla fra meno infinito e più infinito tenendo presente le condizioni di
ortogonalità dei polinomi di Hermite:
1 +∞
Z
Cr = P (x)Hr (x)dx (4.50)
r! −∞
Sostituendo gli espliciti valori di Hr (x) e considerando i momenti centrati della distribuzione
otteniamo che i coefficienti Cr sono definiti come:


 C0 = 1




 C1 = 0
 C = 1 (µ − 1)



2 2
2 (4.51)
 1
C3 = µ3





 6
 C4 = 1 (µ4 − 6µ2 + 3)



24
dove con µr si sono indicati i vari momenti della distribuzione. Otteniamo infine che la PDF nella
forma standardizzata (poiché nella forma standardizzata µ2 = 1, C2 = 0) è uguale a:
P (x) =α(x) [C0 H0 + C1 H1 + C2 H2 + C3 H3 + C4 H4 + ...] =

=α(x) [C0 H0 + C3 H3 + C4 H4 + ...] =
(4.52)
1 1
=α(x) 1 + µ3 H3 (x) + (µ4 − 3) H4 (x) + ...
6 24
78
dove con la standardizzazione si è sostituito a x il valore √xµ2 da cui derivano C0 = 1 e C1 = C2 =
0. Avendo a che fare con una variabile centrata e ridotta, µ3 e µ4 rappresentano la skewness e la
curtosi della distribuzione.
Questa particolare espressione della PDF è chiamata espansione in serie di Gram Charlier tipo
A. In particolare possiamo riscrivere la 4.52 per la componente verticale della velocità del vento
considerando solo momenti fino al terzo ordine:
1 x2
P (x, z) = √ e− 2 (1 + C3 H3 (x)) (4.53)
2π
w
dove x = σw
e
H3 = x3 − 3x
µ3 1 hw3 i (4.54)
C3 = =
6 6 σw3
Ora sostituendo la PDF 4.53 nell’equazione (4.13) per φ e ricordando che indicando con Dr
dr
l’operatore derivata ennesima (Dr = dx r ) si ha che
(−D)r α(x) = Hr (x)α(x) (4.55)

Si ottiene per φ l’espressione:
1 ∂σw − x2
e 2 1 + x2 − 2C3 x3 + C3 x5

φ= √ (4.56)
2π ∂z
A questo punto otteniamo, per la funzione a(x, z) dell’equazione di Langevin, la relazione (si
ricordi che x è la velocità verticale centrata e ridotta):
T1 ∂σw (z)
TLw (z)
+ ∂z
T2
a(x, z) = σw (z) (4.57)
T3
dove TLw (z) rappresenta il profilo verticale del tempo Lagrangiano per le velocità verticali e con
 2 4
 T1 = −3C3 − x + 6C3 x − C3 x

T2 = 1 + x2 − 2C3 x3 + C3 x5 (4.58)
3

T3 = 1 − 3C3 x + C3 x

in accordo con quanto proposto da Anfossi et al. (1997).

Il vantaggio di questo metodo risiede nel non postulare una forma per la PDF Euleriana del trac-
ciante passivo, ma nel costruirne una ad hoc che abbia esattamente gli stessi momenti della tur-
bolenza misurati. Infatti, in linea di principio, lo sviluppo in serie 4.48 può essere troncato a
qualunque ordine. L’unico limite è la conoscenza a priori degli alti momenti della turbolenza che
non sempre sono semplici da misurare con precisione.
79
Capitolo 5
Modelli Lagrangiani a due particelle
5.1 Diffusione molecolare nei modelli a due particelle

La formulazione dei modelli stocastici è complicata dalla diffusione molecolare. Nella derivazione
del modello a particella singola abbiamo visto che nei flussi come quelli atmosferici in cui il
numero di Reynolds e quello di Peclet sono sufficientemente elevati la diffusione si può trascurare.
Si è mostrato che studiare l’evoluzione del sistema per tempi contenuti nel subrange inerziale
assicura di poter trascurare la diffusione molecolare nella determinazione della PDF Lagrangiana
e quindi della concentrazione media.
La situazione per la coppia di particelle è più complicata. Consideriamo il moto di due particelle in
un flusso in cui si assume che Re, P e → ∞. Se la separazione ∆ è grande rispetto alla microscala
di Kolmogorov, η, la diffusione molecolare è trascurabile rispetto agli effetti della turbolenza come
accadeva nel caso di particella singola. A grandi distanze di separazione anche la viscosità, ν,
è trascurabile in quanto interviene solo su scale molto piccole. Quando invece le particelle sono
vicine le loro velocità sono prossime: la diffusione ha un ruolo fondamentale nella loro dispersione.
A piccole separazioni non si può nemmeno trascurare la viscosità. Quindi il limite di grandi numeri
di Reynolds non è più sufficiente. Seguendo quanto mostrato in precedenza, dobbiamo chiedere
che: (
ν, κ → 0
(5.1)
Sc O(1)
e 
 ∆→0
∆ (5.2)
 6= 0 ∆ η
η
Il primo limite assicura che sia Re che Pe tendano ad infinito (assicurando, quindi, di poter consi-
derare le velocità come processo markoviano), mentre il secondo assicura che le particelle possano
avvicinarsi indefinitamente senza che tuttavia la separazione entri mai nel subrange dissipativo,
80
5.2. Sviluppo di un modello stocastico a due particelle
(Thomson 1990) Capitolo 5. Modelli Lagrangiani a due particelle
estendendo il subrange inerziale a scale arbitrariamente piccole.
5.2 Sviluppo di un modello stocastico a due particelle

(Thomson 1990)
Le equazioni che le velocità della coppia di particelle devono soddisfare sono le stesse che deve
soddisfare la velocità della particella singola:
dui = ai (u, x, t)dt + bij (u, x, t)dWj (t) equazione di Langevin (5.3)
∂PE ∂ui PE ∂ai PE ∂Bij2 PE
+ =− + equazione di Fokker-Planck (5.4)
ma è differente la funzione densità di probabilità che si deve sostituire. Anche nel caso di turbo-
lenza omogenea ed isotropa la statistica Euleriana dipende dalla distanza fra le particelle, ovvero
PE (u, x) diventa, per la coppia di particelle, PE (u, ∆) . Bisogna sostituire (e scegliere) una PDF
che dipenda esplicitamente dalla separazione fra le paricelle e ripetere gli stessi ragionamenti fatti
nel caso di particella singola.
5.2.1 Sistema di riferimento

Dovendo studiare il moto di una coppia di particelle è utile porsi in un sistema di riferimento sei-
dimensionale in cui x = (x(1) , x(2) ) (l’apice indica la paricella a cui ci si riferisce). In questo
sistema xi (t) si riferisce alla prima particella per i=1,2,3 e alla seconda per i=4,5,6. Analogamente
si definisce u = (u(1) , u(2) ). Per semplificare i conti successivi è utile cambiare il sistema di
riferimento con la trasformazione:

(1)
∆ = x √
 − x(2)

2

(5.5)
 x + x(2)
(1)
Σ=

 √
2
Da qui in poi useremo la convenzione: x = √ (∆, Σ) e u = (u∆ , uΣ ). Le due nuove variabili
sono evidentemente legate (a parte un fattore 2) alla separazione e al baricentro della coppia di
particelle e, nel seguito, verranno identificate con questi nomi anche se impropri.
5.2.2 Determinazione di b
Per i flussi in cui il numero di Reynolds è elevato la funzione di autocorrelazione delle accelera-
zione è diversa da zero solo per intervalli spaziali e temporali estremamente brevi. Questo ci dice
81
che l’accelerazione di una particella è solo debolmente correlata con quella di ogni altra particella.
Nonostante ciò le accelerazioni non possono essere del tutto scorrelate diversamente la varianza
crescerebbe indefinitamente. Nell’equazione di Langevin si hanno due termini di accelerazione:
dW
ai e bij dt j . E’ ragionevole pensare che la parte di accelerazione che è scorrelata temporalmente
dW
fra un istante e il successivo, ovvero bij dt j , sia anche scorrelata dalla posizione e dalla velocità di
un’altra particella. Quindi la parte stocastica dell’equazione di Langevin non differirà da quella di
particella singola: p
bij = C0 , (5.6)
valida per turbolenza stazionaria.
5.2.3 Determinazione di a
Dalla teoria dei modelli Lagrangiani è noto che il coefficiente a si ricava dall’equazione:
Bij PE
ai P E = + φi (u, x) i = 1, 2, ..., 6 (5.7)
∂uj
dove Z ui
 φi (∆, u) = − ∂

ui PE (∆, u)du
∂xi −∞ (5.8)
φi → 0 per |ui | → 0

φi non è unico, infatti sommando un qualsiasi vettore a divergenza nulla le 5.8 continuano ad essere
soddisfatte. Ricordando che Bij = 21 bik bkj si può sostituire la 5.6 nella 5.7 ottenendo per a:
1 C0 ∂PE (∆, u) φi (∆, u)

ai (∆, u) = + (5.9)
2 PE (∆, u) ∂ui PE (∆, u)
La 5.8 e la 5.9 mostrano che per dare una forma esplicita ad a bisogna trovare una forma espli-
cita per la PDF Euleriana delle velocità. In realtà noi stiamo lavorando in un sistema di coordi-
nate Lagrangiano e nella 5.9 dovremmo utilizzare PL (u, x, t|u0 , x0 , t0 ), tuttavia possiamo anche
considerare una media di insieme di PL su una distribuzione Euleriana di stati iniziali, ovvero:
Z
PE (u, x, t) = PL (u, x, t|u0 , x0 , t0 )PE (u0 , x0 , t0 )d3 u0 d3 x0 (5.10)
e siccome la Fokker-Planck è lineare nella PDF viene anche soddisfatta dalla funzione di densità
di probabilità Euleriana del tracciante. PE può essere considerata come una proprietà intrinseca
della turbolenza che definisce a attraverso la 5.9.
Per determinare la PDF Euleriana del tracciante è necessario applicare la well-mixed condition
(Thomson, 1987), ovvero bisogna imporre che se le particelle sono distribuite uniformemente al-
l’istante iniziale lo rimangano evolvendo nel tempo, bisogna imporre che, raggiunta una condizione
82
stazionaria, la PDF del tracciante e quella dell’aria in cui è disperso abbiano gli stessi momenti.
Questa condizione assicura che la turbolenza mescoli effettivamente lo scalare passivo con il fluido
in cui è immerso.
Per semplicità postuliamo per la PDF euleriana del fluido una forma gaussiana (Thomson, 1990):
1 1 −1
PE (u, x) = e− 2 ui Vij uj
, i, j = 1, 2..., 6 (5.11)
(2π)3 detV
in cui Vij = hui uj i è il tensore di covarianza delle velocità. Essendo il vettore u a media nulla,
assegnare la 5.10 significa assegnare una forma esplicita al tensore V.
Sostituendo la 5.11 nell’equazione per a otteniamo:
σ 2 −1
ai = − Vij uj + γijk uj uk + Γi , (5.12)
TL
dove
φi = Γi + γijk uj uk (5.13)
in cui
1 ∂Vil
γijk = Vjl−1 (5.14)
2 ∂xk
e Γ è un vettore a divergenza nulla che rappresenta la non unicità delle soluzioni, per semplicità
poniamo Γi = 0 ∀i. Nello scrivere le equazioni 5.12 e 5.13 abbiamo fatto l’ipotesi di turbolenza
stazionaria e di fluido incompressibile.
5.2.4 Matrice di covarianza delle velocità.

Scriviamo la matrice euleriana di covarianza delle velocità delle due particelle per turbolenza
stazionaria, omogenea ed isotropa:
!
(1) (1) (1) (2)
hui0 uj 0 i hui0 uj 00 i
V = hui uj i = (2) (1) (2) (2) (5.15)
hui00 uj 0 i hui00 uj 00 i
con i,j=1,2,..6 e i’,i”,j’,j”=1,2,3 e:
(1) (1) (2) (2)
hui0 uj 0 i = hui0 uj 0 i = σ 2 δi0 j 0 (5.16)
(1) (2) (2) (1)
hui0 uj 0 i = hui0 uj 0 i = σ 2 Bi0 j 0 (∆) (5.17)
dove σ è la deviazione standard del campo di velocità turbolento e Bi0 j 0 (∆) è il tensore euleriano
di correlazione:
 
f (∆)−g(∆) 2 f (∆)−g(∆) f (∆)−g(∆)
2 ∆x + g(∆) 2 ∆x ∆y 2 ∆x ∆z
 ∆ ∆ ∆
B =  f (∆)−g(∆) ∆ ∆ f (∆)−g(∆) 2
∆ + g(∆) f (∆)−g(∆)
∆y ∆z  (5.18)

∆ 2 x y ∆ 2 y ∆2
f (∆)−g(∆) f (∆)−g(∆) f (∆)−g(∆) 2
∆2
∆x ∆z ∆2
∆y ∆z ∆2
∆z + g(∆)
83
Si noti che la matrice V può essere scritta nella forma:

α β
V = (5.19)
β α
in cui è evidente che le particelle possono essere scambiate senza che V ne sia modificata, ovvero
che l’etichettare una particella come particella 1 e una come particella 2 è totalmente arbitrario e
non inficia la fisica del processo. Questo principio di simmetria deve essere valido non solo per
la matrice di correlazione, ma più in generale per l’intero modello e in particolare per a che deve
soddisfare la condizione:
a(1) (u(1) , u(2) , ∆) = a(2) (u(2) , u(1) , −∆) (5.20)
5.2.5 Semplificazione della matrice di covarianza V.

La matrice V può essere sostituita nella 5.12 per ottenere una forma esplicita del termine a della
equazione di Langevin, tuttavia è meglio scrivere la 5.15 in un sistema di riferimento in cui si
riduca il numero di termini da considerare.
Consideriamo il sistema di riferimento 5.15, in questo sistema gli elementi del tensore di correla-
zione si scrivono:

(1) (2) (1) (2)
ui −ui uj −uj
hu∆i u∆j i = √
2
√
2
= σ 2 [δij − Bij (∆)] (5.21)

(1) (2) (1) (2)
ui +ui uj +uj
huΣi uΣj i = √
2
√
2
= σ 2 [δij + Bij (∆)] (5.22)
hu∆i uΣj i = 0 (5.23)
Dunque nel sistema di riferimento ruotato (∆, Σ) è possibile scrivere la matrice di covarianza
come:  
1 − B11 B12 B13 0 0 0
 B21
 1 − B22 B23 0 0 0  
 B31 B32 1 − B33 0 0 0 
V =   (5.24)
 0 0 0 1 + B 11 B 12 B 13


 0 0 0 B21 1 + B22 B23 
0 0 0 B31 B32 1 + B33
e si riduce ad una matrice diagonale a blocchi della forma

α 0
V = (5.25)
0 β
che semplifica notevolmente i nostri calcoli riducendo il numero di termini non banali in a.
84
5.2.6 Calcolo esplicito del coefficiente a.
Le dimensioni delle soluzioni tridimensionali del modello a due particelle rendono impossibile lo
scriverle esplicitamente. E’, tuttavia, possibile scriverne la versione unidimensionale.
In una dimensione la matrice V diventa:

2 1 − f (∆) 0
V =σ (5.26)
0 1 + f (∆)
e quindi:  
1 1 ∂f (∆)
− 0
 2 1−f (∆) ∂∆
!
1 −1 ∂V1l
γ∆ V
2 jl ∂xk 0 0

γ= = = (5.27)

1 −1 ∂V2l
γΣ V 0 0
 
2 jl ∂xk 
1 1 ∂f (∆)
2 1+f (∆) ∂∆
0
Una volta determinato γ, φ diventa (ricordando che si è scelto Γi = 0):
u2
!
− 21 1−f∆(∆) ∂f∂∆
(∆)

φ∆ γ∆jk uj uk
φ= = = 1 u∆ uΣ ∂f (∆)
(5.28)
φΣ γΣjk uj uk
2 1+f (∆) ∂∆
Per risolvere la 5.12 non resta che scrivere esplicitamente la PDF Euleriana,
u2 2

∆ + uΣ
1 − 1
2σ 2 1−f ∆ 1+f ∆
PE = √ p e (5.29)
2πσ 1 − f 2 (∆)
e sostituirla nell’equazione per a:
u2
!
C0
− 2σ2 (1−f u − 12 1−f∆(∆) ∂f∂∆
(∆)) ∆
(∆)
C0 u∆ uΣ ∂f (∆)
(5.30)
− 2σ2 (1+f u + 21 1+f
(∆)) Σ (∆) ∂∆
5.2.7 Discussione delle soluzioni

Scriviamo le equazoni di Langevin per il problema di coppia di particelle in turbolenza omogenea,
2σ 2
stazionaria e isotropa considerando la relazione TL = C0
:
1 1 u2∆ ∂f (∆) p
du∆ = − u∆ dt − dt + C0 dW∆ (5.31)
TL (1 − f (∆)) 2 1 − f (∆) ∂∆
1 1 u∆ uΣ ∂f (∆) p
duΣ = − uΣ dt + dt + C0 dWΣ (5.32)
TL (1 + f (∆)) 2 1 + f (∆) ∂∆
Caratteristiche delle soluzioni:
- La 5.31 e la 5.32 differiscono dall’equazione di particella singola per turbolenza gaussiana per la
85
5.3. Andamenti asintotici e
Momenti del campo di Concentrazione Capitolo 5. Modelli Lagrangiani a due particelle
presenza dei termini quadratici della velocità;
- l’equazione per la velocità della separazione è indipendente dall’equazione del baricentro, mentre
l’equazione del baricentro dipende da u∆ ;
- il coefficiente del termine lineare differisce per le due equazioni, indicando che separazione e
baricentro hanno dei tempi scala differenti definiti dalla funzione di correlazione delle velocità;
- Per ∆ → ∞ le due equazioni sono uguali e sono uguali all’equazione di Langevin per particella
singola;
- dW∆ e dWΣ sono gli incrementi di due differenti processi di Wiener.
5.3 Andamenti asintotici e

Momenti del campo di Concentrazione
Vediamo ora come riuscire a calcolare il campo di conentrazione a partire dalle PDF della po-
sizione delle singole particelle, della separazione e del baricentro. Le concentrazioni medie e le
fluttuazioni di concentrazione si possono calcolare analiticamente conoscendo la PDF P1 (x, t|y, s)
della singola particella e la PDF P2 (x1 , x2 , t1 , t2 |y1 , y2 , s1 , s2 ) per la coppia di particelle.
Come sappiamo il campo di concentrazione medio e dato da:
Z t Z ∞
hC(x, t)i = P1 (x, t|y, s)S(y, s)dyds (5.33)
−∞ −∞
in cui S(y, s) è il termine sorgente e y1 , y2 sono le condizioni iniziali delle due particelle e x1 , x2
sono le loro posizioni finali. P1 (y, s|x, t) rappresenta la probabilità che una particella che al tempo
t si trova nella posizione x fosse in yal tempo s.
La covarianza della concentrazione può invece essere scritta come:
Z t1 Z t2 Z ∞ Z ∞
hC1 (x1 , t1 )C2 (x2 , t2 )i = P2 (x1 , x2 , t1 , t2 |y1 , y2 , s1 , s2 )
−∞ −∞ −∞ −∞ (5.34)
S(y1 , s1 )S(y2 , s2 )dy1 dy2 ds1 ds2 ,
essendo P2 (x1 , x2 , t1 , t2 |y1 , y2 , s1 , s2 ) la probabilità che due particelle che sono in x1 e x2 ai tempi
t1 e t2 fossero nelle posizioni y1 e y2 ai tempi s1 e s2 . Per semplicità consideriamo una sorgente
Gaussiana discreta: 2
1 − y2
S(y) = √ e 2σ0 (5.35)
2πσ0
dove σ0 è la deviazione standard alla sorgente.
Siccome sappiamo che le PDF delle particelle singole e del baricentro sono Guassiane per qualsiasi
tempo, è utile utilizzare le approssimazioni introdotte per la prima volta da (Sawford, 1983):
(x−y) 2
1 − 2
P1 (x, t|y, s) = √ e 2σ1 (t|s) (5.36)
2πσ1 (t|s)
86
Figura 5.1: σ∆(S ) ( TtL ). La linea blu tratteggiata rappresenta l’andamento teorico 13 C0 t3 , la linea
rossa è l’output del modello. Sono evidenti due andamenti (l’andamento balistico non è stato
graficato): prima di t0 /TL la curva teorica e quella calcolata dal modello coincidono, dopo t0 /TL
∆2
il modello conserva un andamento tipo gt3 , ma differisce dall’andamento teorico. t0 = ( 0 )1/3
è il tempo scala che determina l’inizio del subrange quasi-asintotico, ovvero quel subrange in
cui le particelle si sono dimenticate della separazione iniziale e sicomportano come se fossero
partite dalla stessa posizione. La maggiore correlazione rispetto all’andamento teorico è dovuta
alla funzione di correlazione lagrangiana delle accelerazioni. Si noti che un modello che non tenga
conto della correlazione fra le particelle non è in grado di verificare l’esistenza di t0 .
87
Figura 5.2: Ingrandimento della figura 5.1. La linea viola a tratto e punto rappresenta un fit del tipo
gt3 delle uscite del modello. In questo modo è possibile determinare la costante di Richardson
g. Nei modelli a due particelle questo valore dipende dal valore scelto per la costante C0 (che è
l’unica costante empirica che viene utilizzata), ovvero g = g(C0 ).
88
Figura 5.3: σΣ(S ) ( TtL ). La linea blu rappresenta l’andamento teorico 13 C0 t3 , la linea rossa rap-
presnta l’output del modello, mentre la linea viola è l’andamento che la deviazione standard della
posizione del baricentro avrebbe se si comportasse in modo simmetrico rispetto alla posizione
della separazione. In questo caso non si verifica la presenza di t0 . Il diverso comportamento di
separazione e baricentro è causato dal fatto che i modelli Lagrangiani a due particelle, pur verifi-
cando la well-mixed condition, non soddisfano la condizione di riduzione a particella singola. Il
comportamento della particella singola non viene esattamente descritto dai modelli alla Thomson
(1990). Questo fatto è più un limite teorico che uno pratico, infatti se si guardano i risultati per
l’andamento della concentrazione media (che dipendono dalla PDF di singola particella) si vede
che sono più che soddisfacenti.
89
Figura 5.4: Skewness di due componenti di ∆. In presenza di t0 una delle due componenti presenta
alti valori di asimmetria (linea rossa). Guardando la 5.31 e la 5.32 si vede che nel modello a due
particelle non è possibile considerare il moto di due particelle che all’istante iniziale occupano
la stessa posizione. Per motivi numerici è necessario fissare una separazione iniziale piccola a
piacere da cui dipende t0 . Tuttavia non è necessario che le particelle siano separate su tutte e tre gli
assi, ma è sufficiente che lo siano su un solo asse in modo che |∆| 6= 0. Durante l’evoluzione del
modello, solo le componenti che inizialmente non sono coincidenti presentano skewness. Questo
fatto, coerente con la teoria di Kolmogorov sull’isotropia locale, può essere spiegato considerando
che la presenza di ∆0 è l’unico elemento che rompe la simmetria del problema che, diversamente,
sarebbe totalmente isotropo.
90
Figura 5.5: Eccesso di curtosi (il valore gaussiano è zero) di una componente di ∆. Il ragiona-
mento fatto per la skewness non vale nel caso dell’eccesso di curtosi, infatti tutte le componenti
sviluppano un quarto momento non gaussiano. Si noti che la statistica del baricentro e quella delle
singole particelle sono gaussiane per qualsiasi valore di t.
91
Figura 5.6: PDF delle componenti della separazione nei casi 1D, 2D, 3D per t ≈ t0 . Si noti
come tutte le versioni del modello a due particelle producano nel subrange quasi-asintotico PDF
non gaussiana, ma maggiormente piccata e con code più alte della curva normale. In particolare
il modello 1D mostra una PDF del tutto simile alla PDF proposta da Richardson: P (∆, t) =
9∆−3/2
9
√
4 π
(αt)−3/2 e− 4αt .
92
Figura 5.7: Andamento temporale della concentrazione media all’interno della sorgente per diver-
se ampiezze di una sorgente area (piano infinito). Supponendo una PDF gaussiana per la singola
(x−y)2
− 2
1
R
particella la 5.33 si può scrivere come: hC(x, t)i = √
2πσ (s|t)
e 2σ1 (s|t)
S(y)dy in cui S(y) rap-
1
y2
− 2
1 2σ0
presenta una sorgente area gaussiana S(y) = √2πσ e e σ1 (s|t) è l’andamento di Taylor per
0
la deviazione standard della velocità di una particella dispersa in un flusso turbolento. Il modello
riproduce perfettamente gli andamenti teorici.
93
Figura 5.8: Andamento di hC 2 (x, t)i alla sorgente per il modello 1D, 2D e 3D e per una funzione
area. Supponendo che la PDF della posizione√del baricentro sia gaussiana la 5.34 si può scrivere
(x 2−Σ)2
− 2
1
2
R
come: hC (x, t)i = P (∆, s|t) √2πσ (s|t) e 2σΣ (s|t) S(y1 )S(y2 )dy1 dy2 in cui la forma della PDF di
Σ
∆ non è nota. Le curve colorate rappresentano gli andamenti teorici (nei tre casi) supponendo una
PDF di Richardson, mentre la curva nera rappresenta l’ipotesi gaussiana. Come si vede i modelli
producono fluttuazioni di concentrazioni maggiori del caso gaussiano, in particolare, il modello
1D soddisfa l’ipotesi di PDF di Richardson.
94
e √ 2
(x 2−Σ)
1 − 2
P2 (x, x, t, t|y1 , y2 , s, s) = P (∆, t|s) √ e 2σΣ (t|s) (5.37)
2πσΣ (t|s)
dove σ1 è la deviazione standard della posizione della singola particella, σΣ è la deviazione standard
del baricentro e P (∆, t|s) è la PDF della separazione. E’ importante notare che non è stata fatta
nessuna ipotesi sulla forma di P (∆, t|s). Sostituendo l’equazione (5.36) nell’equazione (5.33) e,
integrando su tutti i valori iniziali possibili, otteniamo la seguente espressione per il campo medio
di concentrazione (Thomson, 1990):
2
1 − x
2 (s|t)+σ 2 )
hC(x, t)i = p e 2(σ1 0 (5.38)
2π(σ12 (s|t) + σ02 )
che mostra che per calcolare il campo medio di concentrazione è necessario conoscere esclusiva-
mente σ1 . Considerando che il comportamento di σ1 nel subrange inerziale è noto (Taylor, 1921;
Thomson, 1990):
2 2 − t−s t−s
σ1 (t|s) = 2σ TL e TL
−1+ (5.39)
TL
l’equazione (5.38) può essere considerata come l’andamento teorico per hC(x, t)i. Analogamente,
integrando le equazioni (5.34) con P2 della forma (5.37), otteniamo hC 2 (x, t)i.
Per tempi lunghi, t TL , quando le particelle sono ormai scorrelate fra loro, la PDF della separa-
zione è Gaussiana, mentre per tempi appartenenti all’intervallo inerziali, η t TL la PDF della
separazione segue l’andamento alla Richardson. Quindi, assumendo che la forma corretta del-
la PDF della separazione sia quello proposto da Richardson (1926), si può risolvere l’equazione
(5.34), sostituendo la (3.81) anziché la PDF Gaussiana:
2
− 2 x 2
σ (t)+σ0
hC 2 (x, t)i = A(ϕ, σ0 , t) 3e Σ
√7 (5.40)
26 25/6 π 2 2 (t)+σ 2 )
t ϕ(σΣ 0
dove:
√ 1 1 2 27σ 2
A(ϕ, σ0 , t) = 48 2πϕ2 1 F2 ( ; , ; − 3 0 3 )+
3
2 3 3 32t ϕ
√ 2/3 7 2 5 2 4 27σ02 3 3
+ 112 3tϕσ0 Γ(− )Γ( )1 F2 ( ; , ; − t ϕ )+ (5.41)
3 3 6 3 3 32
√ 4/3 7 7 4 5 27σ 2
+ 243 πσ0 Γ( )1 F2 ( ; , ; − 3 0 3 ),
6 6 3 3 32t ϕ
Γ(x) è la funzione Gamma di Eulero e 1 F2 (a1 ; b1 , b2 ; x) è una funzione ipergeometrica generaliz-
zata.
Nella figura (5.6) si vedono gli andamenti delle PDF della posizione della separazione per il mo-
dello a due particelle nel caso unidimensionale, bidimensionale e tridimensionale confrontati con
i due andmenti analitici presenti in letteratura.
95
Capitolo 6
Modello Fluctuating Plume
I modelli a due particelle sono probabilmente uno degli approcci più appropriati ed intuitivi per lo
studio della dispersione relativa, come è stato dimostrato nel capitolo precedente, questi modelli
possono valutare le fluttuazioni della concentrazione di un tracciante passivo, ma purtroppo la loro
complessità li rende applicabili solo in condizioni idealizzate (turbolenza omogenea, stazionaria
ed isotropa) per comprendere le proprietà della turbolenza di base. Un’estensione di questi modelli
a condizioni inomogenee non è ancora stata tentata per la mancanza di informazioni sul tensore di
correlazione Euleriano a due punti (V ).
Un metodo analitico semplice ed efficace per predire non solo le fluttuazioni di concentrazione ma
tutti i momenti della PDF della concentrazione è il modello Gaussiano a fluctuating plume Gifford
(1959).
L’idea di base è che la dispersione assoluta possa essere divisa in due parti indipendenti: la parte
fluttuante e la parte di diffusione relativa; in questo approccio le fluttuazioni di concentrazione so-
no prodotte unicamente dai movimenti della media di insieme del plume (istantaneo). Il modello
di Gifford (1959) predice correttamente il campo di concentrazione vicino alla sorgente dove le
fluttuazioni sono dovute principalmente ai movimenti del plume, ma ignora gli effetti delle fluttua-
zioni interne di concentrazione che sono responsbili della statistica delle concentrazioni lontano
dall’emissione. Le flluttuazioni di concentrazione all’interno del plume furono introdotte nel mo-
dello di Gifford (1959) da Yee and Wilson (2000), che le descrissero in temini di funzione Gamma
di Eulero. Comunque sia Gifford (1959) che Yee and Wilson (2000) fecero l’ipotesi di turbolenza
omogenea e assunsero che la PDF del baricentro fosse Gaussiana in ogni direzione. Un migliora-
mento sostanziale nella rappresentazione del campo turbolento è stato fatto da Luhar et al. (2000) e
da Franzese (2003) che hanno proposto di utilizzare un modello stocastico Lagrangiano per calco-
lare la PDF della posizione verticale del baricentro. Il modello stocastico Lagrangiano è in grado
di considerare le inomogeneità verticali del campo tubolento considerando una PDF delle velocità
verticali asimmetrica che determina una distribuzione delle posizioni del baricentro non-Gaussiana
e una PDF della concentrazione lontana dalla sorgente più coerente con quella reale.
96
6.1. Fluctuanting plume model Capitolo 6. Modello Fluctuating Plume
6.1 Fluctuanting plume model

Nell’approccio fluctuating plume la traiettoria del baricentro del plume viene descritta da un’equa-
zione stocastica Lagrangiana in un sistema si coordinate fisso relativamente alla sorgente, mentre
la PDF della concentrazione viene valutata in un sistema di coordinate la cui origine è situtata sul
baricentro del plume. In altre parole la dispersione assoluta viene divisa in due componenti: il
moto fluttuante del plume istantaneo e la diffusione relativa della nuvola di particelle attorno al
plume.
Figura 6.1: Descrizione schematica dei processi di diffusione relativa e moto medio del
pennacchio.
Z ∞
n
hc (x, y, z)i = cn p(c; x, y, z)dc (6.1)
0
dove c è la concentrazione istantanea, p(c; x, y, z) è la PDF della concentrazione in un sistema di

coordinate fisso, x è la distanza nella direzione del vento dalla sorgente, y è la direzione normale
al vento medio e z è la coordinata verticale; considerando solo due dimensioni (x, z) (ovvero si
97
considera la turbolenza su y come omogenea), l’equazione (6.1) diventa:

Z ∞
n
hc (x, z)i = cn p(c; x, z)dc (6.2)
0
Il modello fluctuating plume è basato sulla seguente ipotesi per la PDF della concentrazione Gifford
(1959): Z
p(c; x, z) = pcr (c|x, z, zm )pm (x, zm )dzm (6.3)
in cui pm (x, zm ) è la PDF della posizione zm del baricentro del plume ad una distanza x dalla
sorgente e pcr (c|x, z, zm ) è la PDF della concentrazione relativa a zm , quindi pcr (c|x, z, zm ) è la
PDF della concentrazione in un sistema di riferimento che si muove con il baricentro della nuvola
condizionata alla sua distanza dalla sorgente.
E’ possibile definire hcnr (x, z, zm )i,ovvero la statistica della concentrazione in x relativa a (zm ),
come: Z ∞
n
hcr (x, z, zm )i = cn pcr (c|x, z, zm )dc (6.4)
0
quindi sostituendo l’equazione (6.3, 6.4) nell’equazione (6.2) otteniamo:
Z
hc (x, z)i = hcnr ipm (x, zm )dzm
n
(6.5)
L’equazione (6.5) mostra che la statistica della concentrazione assoluta hcn (x, z)i può essere cal-
colata come la media in x della concentrazione relativa hcnr i sulla posizione verticale del centroide
(zm ). L’equazione (6.5) riassume le ipotesi del fluctuating plume dichiarando che il campo di con-
centrazione può essere calcolato attraverso due tipi di contributi: il moto tortuoso del baricentro
pm (x, zm ), che deve essere simulato, e la statistica della concentrazione relativa hcnr i che deve es-
sere parametrizzata.
Come detto la PDF della posizione verticale del centroide viene calcolata attraverso equazioni
Lagrangiane stocastiche. Ogni soluzione di queste equazione è una possibile traiettoria della po-
sizione media della nuvola e la media su un insieme di realizzazioni rappresenta la distribuzione
verticale del baricentro. lungo x.
Mentre il moto delle particelle fluide è governato da tutto lo spettro delle energie, il moto del
baricentro è dovuto solamente alla parte di spettro le cui lunghezze d’onda sono maggiori della
grandezza caratteristica del plume Detto diversamente, solo i vortici la cui scala è maggiore della
dimensione caratteristica del plume contribuiscono al moto flessuoso del baricentro; mentre i vor-
tici minori muovono le particelle all’interno della nuvola rimescolandoole ma non danno nessun
contributo al movimento del baricentro. Vicino alla sorgente il comportamento della singola par-
ticella e quello del baricentro suono piuttosto simili, la larghezza del plume è piccola e quindi è
spazzato da tutti i vortici turbolenti; invece, lontano dalla sorgente, la PDF della singola particella
ci si aspetta essere uniforme su tutto l’altezza del PBL, invece il moto del plume diminuisce e la
98
posizione del baricentro si stabilizza a metà del dominio verticale mentre la componente dovuta
alla diffusione relativa cresce.
Quindi il moto della nuvola del tracciante passivo è determinato solamente dagli eddies la cui
lunghezza di scala è maggiore della sezione istantanea del plume mentre la parte rimanente dello
spettro di energia viene utilizzato per il mxing interno ed è responsabile per le fluttuazioni di con-
centrazione all’interno del plume.
Quindi la componente verticale della energia cinetica turbolenta può essere scritta come:
σw2 = σm
2
+ σr2 (6.6)
2
dove σm è la porzione di energia che interessa il centroide della nuvola e σr2 è l’energia che muove
le particelle all’interno della nuvola. Per poter scrivere l’equazione di Langevin per il baricentro
2
dobbiamo poter esprimere σm .
Per turbolenza omogenea e isotropa l’analisi di similarità nel subrange inerziale permette di scri-
vere le seguenti relazioni scalate:
σw2 ∝ (H)2/3 σr2 ∝ (d)2/3 (6.7)
in cui H rappresenta la lunghezza di scala verticale (l’altezza del PBL) e d la larghezza caratte-
ristica del plume. Risulta chiaro che sia σw2 che σr2 sono interessate nello stesso modo dalle ino-
mogeneità del campo turbolent. Ad una prima approssimazione dipendono dalla stessa funzione
dell’altezza: σw2 = (H)2/3 f (z), σr2 = (d)2/3 f (z), dove f è una funzione adimensionale. Que-
sta considerazione, insieme con l’usuale parametrizzazione usata per rappresentare σw2 nel CBL ci
permette di scrivere (cfr. per esempio Ferrero and Mortarini (2005)):
" 2
13 #
2 d
σm = σw2 1 − (6.8)
d + H2
2
L’equazione (6.8) mette in relazione l’energia del baricentro fluttuante con l’energia turbolenta to-
tale. Tenendo presente che d = d(t), la dimensione della nuvola è funzione del tempo, la parentesi
quadra dell’equazione (6.8) può essere considerata come un filtro passa-basso dipendente dal tem-
po. Vicino alla sorgente, dove d ∼ 0, σw2 e σm 2
sono simili, ovvero tutte le energie che prendono
parte alla dispersione sono utilizzate per muovere il baricentro; più lontano, dove il nucleo del plu-
2
me si sta allargando, σm diventa via via più piccola e quindi tende a diventare nulla quando poche
lunghezze d’onda sono preposte al movimento del baricentro.
Franzese (2003) usa un filtro differente per l’energia cinetica turbolenta:
" 23 #
2 d
σm = σw2 1 − (6.9)
H
Per poter praticamente applicare il filtraggio alle equazioni stocastiche è necessario parametrizzare
la dimensione istantanea del plume d. d è legata alla componente verticale del vettore separazione
99
6.2. Partizione dell’energia cinetica turbolenta Capitolo 6. Modello Fluctuating Plume
di ogni coppia di particelle all’interno del plume. Inoltre assumiamo che la turbolenza che governa
il processo di diffusione all’interno della nuvola possa essere considerato come localmente omoge-

Lingua

Turb Disp

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Turb Disp

Caricato da

Copyright:

I STITUTO DI S CIENZE DELL’ATMOSFERA

Enrico Ferrero Luca Mortarini

2 Scale della turbolenza 24

5 Modelli Lagrangiani a due particelle 80

5.2 Sviluppo di un modello stocastico a due particelle

6 Modello Fluctuating Plume 96

7 Modelli Euleriani 110

7.5.3 Il modello di mixing-length . . . . . . . . . . . . . . . . . . . . . . . . . . 120

8 Large-eddy simulation 134

9 Teoria della Similarità 146

9.2.5 Sistemi fisicamente simili . . . . . . . . . . . . . . . . . . . . . . . . . . 154

1.1 Uniform flow past a cylinder Re=0.16 (Van Dyke, 1982). . . . . . . . . . . . . . . 3

2.1 Proprietà di un campo vettoriale isotropo. . . . . . . . . . . . . . . . . . . . . . . 25

2.11 Un segnale stazionario (Frisch, 1995). . . . . . . . . . . . . . . . . . . . . . . . . 45

3.1 Schematizzazione dell’evoluzione di un plume. . . . . . . . . . . . . . . . . . . . 53

4.1 Traiettorie generate da un modello Stocastico Lagrangiano a Particella Singola in

1.1 Proprietà generali della turbolenza

∂t v + v · ∇v = −∇p + ν∇2 v (1.1)

1.2 Fenomenologia della turbolenza.

1.2.1 Rottura e ricostituzione delle simmetrie.

• sinistra - destra (inversione asse x)

• alto - basso (inversione asse y)

• traslazioni temporali (invarianza rispetto a t)

• traslazioni spaziali parallele all’asse del cilindro (invarianza rispetto a z)

Figura 1.9: Homogeneous turbulence behind a grid (Frisch, 1995).

1.2.2 La natura dei flussi turbolenti

• il flusso è irregolare e impredicibile

• si possono osservare moti turbolenti di varie scale, da scale di dimensioni comparabili a

1.3 Perché utilizzare un approccio statistico per la turbolenza?

Due sono le osservazioni da fare:

• i campi turbolenti hanno un’acuta sensibilità a queste perturbazioni.

1.4 Categorie di flussi turbolenti

L’dealizzazione successiva all’omogeneità è l’isotropia: un flusso è isotropo quando non esiste

1.5 Processi casuali - Random processes

F (V, t) ≡ P {U (t) < V } (1.7)

o equivalentemente dalla sua PDF ad un tempo

e fN (V1 , t1 ; V2 , t2 ; ...; VN , tN ) è la PDF congiunta a N -tempi. Per poter descrivere completamente

fN (V1 , t1 + T ; V2 , t2 + T ; ...; VN , tN + T ) = fN (V1 , t1 ; V2 , t2 ; ...; VN , tN ) (1.10)

Per un processo statisticamente stazionario, la più semplice statistica multi-temporale è l’autoco-

hu(tn )u(tm )i = R(tn − tm ) = hu(t)2 iρ(tn − tm ) (1.22)

Alternativamente un processo Gaussiano statisticamente stazionario può essere completamente ca-

dU (t) dhU (t)i

1.6 Campi Casuali - Random Fields

1.6.1 Statistiche ad un punto

F (V, x, t) = P {Ui (x, t) < Vi , i = 1, 2, 3} (1.25)

u(x, t) = U(x, t) − hU(x, t)i (1.27)

1.6.2 PDF congiunta a N -punti e N -tempi

Figura 1.20: Condotto per la generazione di un flusso di canale (Pope, 2000).

1.6.3 Stazionarietà e omogeneità

1.6.4 Turbolenza isotropa

1.7 Correlazione a due-punti e Spettro

Scegliendo r = 0 un questa equazione si ottiene:

Scale della turbolenza

2.1 La cascata inerziale

Figura 2.1: Proprietà di un campo vettoriale isotropo.

2.2 Turbolenza Isotropa

2.3 Le ipotesi di Kolmogorov

u(l) = (l)1/3 = uη (l/η)1/3 ∼ u0 (l/l0 )1/3 (2.7)

τ (l) = (l2 /)1/3 = τη (l/η)2/3 ∼ τ0 (l/l0 )2/3 (2.8)

u(l)2 /τ (l) =  (2.9)

2.4 Lo spettro di energia

E(κ)1 = C2/3 κ−5/3 (2.12)

Nonostante lo spettro di Kolmogorov − 35 si applichi solamente al subrange inerziale è consistente

2.5 Definizione delle ipotesi di Kolmogorov

v(y) = U (x, t) − U (x(0) , t) (2.14)

u(l) = (l)1/3 = uη (l/η)1/3 ∼ u0 (l/l0 )1/3 (2.7)

τ (l) = (l2 /)1/3 = τη (l/η)2/3 ∼ τ0 (l/l0 )2/3 (2.8)

u(l)2 /τ (l) = (2.9)

E(κ)1 = C2/3 κ−5/3 (2.12)

DLL (r, t) = (r)2/3 D̂LL (r/η) (2.24)

DLL (r, t) = C2 (r)2/3 (2.25)

DL (∆t) = C0 ∆t per τη ∆t TL (4.15)

DL (dt) = h(∆u)2 i = b2 hdW 2 (t)i = b2 dt = C0 dt (4.16)