Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
E DEL C LIMA
U NIVERSITÁ DEL P IEMONTE O RIENTALE
Turbolenza e Dispersione
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
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
ii
INDICE INDICE
iii
INDICE INDICE
iv
INDICE INDICE
Bibliografia 160
v
Elenco delle figure
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
vii
ELENCO DELLE FIGURE ELENCO DELLE FIGURE
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
ELENCO DELLE FIGURE ELENCO DELLE FIGURE
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
ELENCO DELLE FIGURE ELENCO DELLE FIGURE
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
ELENCO DELLE FIGURE ELENCO DELLE FIGURE
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
1.2. 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.
2
1.2. Fenomenologia della turbolenza.
Turbolenza e simmetrie. Capitolo 1. Introduzione
Figura 1.1: Uniform flow past a cylinder Re=0.16 (Van Dyke, 1982).
3
1.2. Fenomenologia della turbolenza.
Turbolenza e simmetrie. Capitolo 1. Introduzione
Figura 1.2: Flow past a cylinder Re=1.54 (Van Dyke, 1982). Rottura della simmetria sinistra–destra
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
1.2. Fenomenologia della turbolenza.
Turbolenza e simmetrie. Capitolo 1. Introduzione
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
1.2. Fenomenologia della turbolenza.
Turbolenza e simmetrie. Capitolo 1. Introduzione
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
1.2. Fenomenologia della turbolenza.
Turbolenza e simmetrie. Capitolo 1. Introduzione
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
1.2. Fenomenologia della turbolenza.
Turbolenza e simmetrie. Capitolo 1. Introduzione
Figura 1.8: Wake behind two identical cylinders at Re=1800 (Frisch, 1995).
Figura 1.10: Turbulent water jet Re = 2300 (Van Dyke, 1982). Si noti il moto dei vortici a tutte le
scale.
8
1.2. Fenomenologia della turbolenza.
Turbolenza e simmetrie. Capitolo 1. Introduzione
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.
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
1.2. Fenomenologia della turbolenza.
Turbolenza e simmetrie. Capitolo 1. Introduzione
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).
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
• in ogni flusso turbolento ci sono inevitabilmente perturbazioni delle condizioni iniziali, nelle
condizioni al contorno e nelle proprietà materiali del liquido (impurità).
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.
13
1.5. Processi casuali - Random processes Capitolo 1. Introduzione
FN (V1 , t1 ; V2 , t2 ; ...; VN , tN ) ≡ P {U (t1 ) < V1 , U (t2 ) < V2 , ..., U (tN ) < VN } (1.9)
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
1.5. Processi casuali - Random processes Capitolo 1. Introduzione
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
1.5. Processi casuali - Random processes Capitolo 1. Introduzione
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
1.5. Processi casuali - Random processes Capitolo 1. Introduzione
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)
1.5. Processi casuali - Random processes Capitolo 1. Introduzione
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
1.5. Processi casuali - Random processes Capitolo 1. Introduzione
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:
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).
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:
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.
20
1.6. Campi Casuali - Random Fields Capitolo 1. Introduzione
21
1.7. Correlazione a due-punti e Spettro Capitolo 1. Introduzione
e la sua antitrasformata è
Z Z ∞ Z
Rij (r, t) = eiκ·r Φij (κ, t)dκ (1.33)
−∞
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
24
2.2. Turbolenza Isotropa Capitolo 2. Scale della turbolenza
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).
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.
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
2.3. Le ipotesi di Kolmogorov Capitolo 2. Scale della turbolenza
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
2.3. Le ipotesi di Kolmogorov Capitolo 2. Scale della turbolenza
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:
28
2.4. Lo spettro di energia Capitolo 2. Scale della turbolenza
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).
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
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)
30
2.6. Funzioni di Struttura Capitolo 2. Scale della turbolenza
31
2.6. Funzioni di Struttura Capitolo 2. Scale della turbolenza
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:
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
2.6. Funzioni di Struttura Capitolo 2. Scale della turbolenza
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:
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:
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
2.6. Funzioni di Struttura Capitolo 2. Scale della turbolenza
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
2.6. Funzioni di Struttura Capitolo 2. Scale della turbolenza
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
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)
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
38
2.8. Equazione di Karman-Howart Capitolo 2. Scale della turbolenza
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:
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) 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:
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:
• 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.
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
2.10. Intermittenza Capitolo 2. Scale della turbolenza
Figura 2.9: Moto Browniano e suoi due ingrandimenti che mostrano la sua self-similarità (Frisch,
1995).
43
2.10. Intermittenza Capitolo 2. Scale della turbolenza
Figura 2.10: Un esempio di funzione intermittente: la scala del diavolo (Frisch, 1995).
44
2.10. Intermittenza Capitolo 2. Scale della turbolenza
Figura 2.12: Lo stesso segnale della figura 2.11 a cui è stata tolta una frazione 1 − γ del tempo
(Frisch, 1995).
45
2.10. Intermittenza Capitolo 2. Scale della turbolenza
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
2.10. Intermittenza Capitolo 2. Scale della turbolenza
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
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.
49
Capitolo 3. Descrizione Lagrangiana
3.2. Teoria di Taylor della dispersione turbolenta (1921) della turbolenza
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:
50
Capitolo 3. Descrizione Lagrangiana
3.2. Teoria di Taylor della dispersione turbolenta (1921) della turbolenza
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
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
51
Capitolo 3. Descrizione Lagrangiana
3.2. Teoria di Taylor della dispersione turbolenta (1921) della turbolenza
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
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
52
Capitolo 3. Descrizione Lagrangiana
3.3. Esercizio: Estensione al caso di una coppia di particelle della turbolenza
53
Capitolo 3. Descrizione Lagrangiana
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:
dove rE (∆, 0) non è altro che la funzione di correlazione spazio-temporale delle velocità.
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:
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
54
Capitolo 3. Descrizione Lagrangiana
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:
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
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
Capitolo 3. Descrizione Lagrangiana
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
56
Capitolo 3. Descrizione Lagrangiana
3.5. Caratteristiche statistiche di una coppie di particelle della turbolenza
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.
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.
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
Capitolo 3. Descrizione Lagrangiana
3.5. Caratteristiche statistiche di una coppie di particelle della turbolenza
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
Capitolo 3. Descrizione Lagrangiana
3.5. Caratteristiche statistiche di una coppie di particelle della turbolenza
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
Capitolo 3. Descrizione Lagrangiana
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.
60
Capitolo 3. Descrizione Lagrangiana
3.6. Statistica delle fluttuazioni della concentrazione della turbolenza
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)
−∞
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
Capitolo 3. Descrizione Lagrangiana
3.6. Statistica delle fluttuazioni della concentrazione della turbolenza
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).
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
Capitolo 3. Descrizione Lagrangiana
3.6. Statistica delle fluttuazioni della concentrazione della turbolenza
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:
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
Capitolo 3. Descrizione Lagrangiana
3.6. Statistica delle fluttuazioni della concentrazione della turbolenza
che vale con il segno di uguale solo se S è una funzione costante.
Per stimare le fluttuazioni bisogna calcolare la varianza della concentrazione:
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
64
Capitolo 3. Descrizione Lagrangiana
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.
65
Capitolo 3. Descrizione Lagrangiana
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:
9l2/3
9 −3/2
p (l, τ ) = √ (ϕτ ) exp − (3.81)
4 π 4ϕτ
66
Capitolo 4
Modelli Lagrangiani
a una particella
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.
• 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
Capitolo 4. Modelli Lagrangiani
4.2. Teoria dei modelli Lagrangiani a particelle a una particella
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:
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
Capitolo 4. Modelli Lagrangiani
4.2. Teoria dei modelli Lagrangiani a particelle a una particella
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
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)
∂t ∂xi ∂ui ∂ui ∂uj
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:
• 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
Capitolo 4. Modelli Lagrangiani
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:
71
Capitolo 4. Modelli Lagrangiani
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:
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)
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
Capitolo 4. Modelli Lagrangiani
4.5. Turbolenza Gaussiana inomogenea a una particella
73
Capitolo 4. Modelli Lagrangiani
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.
Ovviamente questo integrale ha due soluzioni per wr , ma solo una con il segno corretto.
74
Capitolo 4. Modelli Lagrangiani
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
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
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
Capitolo 4. Modelli Lagrangiani
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
76
Capitolo 4. Modelli Lagrangiani
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
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
77
Capitolo 4. Modelli Lagrangiani
4.9. PDF di Gram-Charlier a una particella
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
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:
78
Capitolo 4. Modelli Lagrangiani
4.9. PDF di Gram-Charlier a una particella
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
79
Capitolo 5
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.
5.2.2 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
5.2. Sviluppo di un modello stocastico a due particelle
(Thomson 1990) Capitolo 5. Modelli Lagrangiani a due particelle
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:
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
5.2. Sviluppo di un modello stocastico a due particelle
(Thomson 1990) Capitolo 5. Modelli Lagrangiani a due particelle
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.
83
5.2. Sviluppo di un modello stocastico a due particelle
(Thomson 1990) Capitolo 5. Modelli Lagrangiani a due particelle
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:
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. Sviluppo di un modello stocastico a due particelle
(Thomson 1990) Capitolo 5. Modelli Lagrangiani a due particelle
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 (∆) ∂∆
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.
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
5.3. Andamenti asintotici e
Momenti del campo di Concentrazione Capitolo 5. Modelli Lagrangiani a due particelle
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
5.3. Andamenti asintotici e
Momenti del campo di Concentrazione Capitolo 5. Modelli Lagrangiani a due particelle
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
5.3. Andamenti asintotici e
Momenti del campo di Concentrazione Capitolo 5. Modelli Lagrangiani a due particelle
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
5.3. Andamenti asintotici e
Momenti del campo di Concentrazione Capitolo 5. Modelli Lagrangiani a due particelle
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
5.3. Andamenti asintotici e
Momenti del campo di Concentrazione Capitolo 5. Modelli Lagrangiani a due particelle
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
5.3. Andamenti asintotici e
Momenti del campo di Concentrazione Capitolo 5. Modelli Lagrangiani a due particelle
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
5.3. Andamenti asintotici e
Momenti del campo di Concentrazione Capitolo 5. Modelli Lagrangiani a due particelle
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
5.3. Andamenti asintotici e
Momenti del campo di Concentrazione Capitolo 5. Modelli Lagrangiani a due particelle
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
5.3. Andamenti asintotici e
Momenti del campo di Concentrazione Capitolo 5. Modelli Lagrangiani a due particelle
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
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
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
97
6.1. Fluctuanting plume model Capitolo 6. Modello Fluctuating Plume
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
6.1. Fluctuanting plume model Capitolo 6. Modello Fluctuating Plume
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:
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-
neo. Quindi è possibile usare la teoria della dispersione relativa all’interno del subrange inerziale
per scrivere d. Si considera hd2 i ∝ hr2 i, in cui
rappresenta la massa media per unità di lunghezza alla distanza x. Possiamo riscrivere questa
equazione ricordando la relazione che lega i momenti nell’equazione 6.5 per n = 1:
Z
1
Σij = (x(i) (i) (i)
m + xr − hxm i − hxr i)
(i)
M0 (6.14)
(x(j)
m + x (j)
r − hx (j)
m i − hx (j)
r i)hc r (x, y ,
r rz )ip m (x, y ,
m mz )dym dzm dy r dzr
100
6.3. La PDF del Baricentro Capitolo 6. Modello Fluctuating Plume
101
6.4. Modello Lagrangiano per le traiettorie del baricentro Capitolo 6. Modello Fluctuating Plume
102
6.4. Modello Lagrangiano per le traiettorie del baricentro Capitolo 6. Modello Fluctuating Plume
Quindi non si fa nessuna ipotesi sulla forma della PDF Euleriana. La scelta di una forma quadratica
di a è dovuta ad alcune evidenze sperimentali, nonchè alla considerazione che la forma quadratica
è quella che si otterrebbe nel caso di PDF Gaussiana. Questo approccio consente di poter utilizzare
tutti i momenti turbolenti misurati, hwm i, avendo allo stesso tempo una espressione molto semplice
per il termine di accelerazione.
αm , βm e γm si determinano moltiplicando l’equazione di Fokker-Planck (6.27) per potenze di wm
e integrando su w:
Z Z Z
m ∂P m+1 ∂PE (w, z) ∂ [a(w, z)PE (w, z)]
w dw + w dw = − wm dw+
∂t ∂z ∂w
Z 2 (6.29)
m C0 (z) ∂ PE (w, z)
+ w dw
2 ∂w2
Ora, considerando che: Z
∂P ∂
wm dw = hwm i (6.30)
∂t ∂t
Z
∂P ∂
wm+1 dw = hwm+1 i (6.31)
∂z ∂z
Z
∂aw P
−wm dw = mhwm−1 aw i (6.32)
∂w
C0 (z) m ∂ 2 Pw
Z
C0 (z) m−2
w 2
dw = m(m − 1) hw i (6.33)
2 ∂w 2
si ottiene una nuova equazione scritta per tutti i momenti di wm :
∂ m
hw i + αz hwm+1 i+βz hwm i + γz hwm−1 i =
∂t
(6.34)
1 ∂hwm+1 i σ2
− 2(m − 1) m hwm−2 i m = 1, ..., M
m ∂z Tm
103
6.5. Concentrazioni Medie Capitolo 6. Modello Fluctuating Plume
Avendo tre parametri incogniti è necessario dare a m tre valori, ovvero 1, 2, 3, per poter risolvere
il sistema e ottenere:
3 4
(1/3)(∂hwm i/∂t + hwm i/∂zm )
α(zm ) = 4 3 2 2 2 i2
hwm i − hwm i /hwm i − hwm
hw3 i/(2hwm 2
i) [∂hwm 3
i/∂zm − 2hwm 2
i/Tm ] + hwm2 2
i∂hwm i/∂zm
− m 4 3 2 2 2 2
hwm i − hwm i /hwm i − hwm i
2 3
(6.35)
1 ∂hwm i ∂hwm i 3 1
βm (zm ) = 2 i
+ − 2hw m iα m (zm ) −
2hwm ∂t ∂zm Tm
2
∂hwm i
γm (zm ) = − hw2 iαm (zm )
∂zm
L’equazione (6.35) descrive totalmente il termine di accelerazione am una volta data una espres-
2 3 4
sione a hwm i, hwm i e a hwm i.
" 2
31 #
2 d
hwm i = hw2 i 1 − (6.36)
d2 + H 2
" 31 #3/2
d2
3
hwm i = hw3 i 1 − (6.37)
d2 + H 2
" 31 #2
d2
4
hwm i = hw4 i 1 − (6.38)
d2 + H 2
104
6.5. Concentrazioni Medie Capitolo 6. Modello Fluctuating Plume
in cui la sommatoria indica le riflessioni delle code della PDF ai limiti del dominio. E’ evidente che
la sommatoria dovrebbe essere tra −∞ e +∞ ma per avere una buona approssimazione numerica
2
è sufficiente considerare N = 10. La deviazione standard σzr che rappresenta la dispersione
verticale relativa al baricentro può essere parametrizzata come:
j=1 n=−N
2πσ j
2 (6.43)
−
(−z−zm +2nzi −z̄j )
2σ 2
+e j
105
6.5. Concentrazioni Medie Capitolo 6. Modello Fluctuating Plume
<C(x,z)>
30
0.8 25
20
0.6
zTop
15
z
0.4
10
0.2
5
0
0.5 1.0 1.5 2.0 2.5
X [m]
Figura 6.2: Esempio di un campo 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 Gaussian
1
Szr = 3
(hz − hzii3 − hzm − hzii3 ) (6.45)
σzr
z è la posizione istantanea della singola particella del plume. Il modello non calcola le posizioni
z delle singole particelle e quindi non può calcolare direttamente Szr , ma la approssima con la
skewness della posizione verticale del baricentro zm .
106
6.6. Fluttuazioni di Concentrazione Capitolo 6. Modello Fluctuating Plume
cα−1 − βc
pcr (c |x, zm ) = e =
Γ(α)β α
λ−1 (6.46)
λλ
c λc
= e− hcr i
hcr iΓ(λ) hcr i
I parametri α e β sono quelli standard della distribuzione Gamma e la distribuzione è stata riscritta
per essere una buona distribuzione di concentrazione con hcr i = αβ, Γ(λ) è ovviamente la fun-
zione Gamma di Eulero, α = λ = 1/i2cr e icr è l’intensità delle fluttuazioni di concentrazione
(icr = σcr /hcr i). I parametri α e β (o equivalentemente i loro analoghi fisici) possono variare con
yr e zr . Una delle difficoltà di costruire un modello fluctuating plume è proprio data dalla deter-
minazione di questi parametri. Sostituendo la parametrizzazione (6.46) dentro l’equazione (6.4) è
possibile avere una relazione tra hcnr i e hcr i:
Γ(n + λ)
hcnr i = n
hcr in (6.47)
λ Γ(λ)
Ovvero, usando la relazione (6.47) e l’equazione (6.5) si possono calcolare tutti i momenti di
c(x, z): n Z H
n 1 Γ (n + λ) Q
hc (x, z)i = n pnzr (x, z, zm ) pm (x, zm ) dzm (6.48)
λ Γ (n) U 0
Si nota facilmente che per n = 1 l’equazione (6.48) si riduce alla forma (6.42) per hci, mentre per
n = 2 si ha:
2
2 Z zi
2 4 Γ(1/icr + 2) Q
hc (x, z)i = icr 2
p2zr (x, z, zm )pm (x, zm )dzm (6.49)
Γ(1/icr ) U 0
107
6.7. An intermittent Approach Capitolo 6. Modello Fluctuating Plume
!C
70
0.8 60
50
0.6
40
zTop
z
0.4 30
20
0.2
10
0
0.5 1.0 1.5 2.0 2.5
X [m]
Figura 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
fosse semplicemente Z
p(c; x, z) = pcr (c|x, z − zm )pm (x, zm )dzm (6.51)
ovvero che pcr fosse indipendente dalla posizione del baricentro del plume. Questa è una richiesta
molto forte, che tuttavia ci ha permesso notevoli semplificazioni. Gailis et al. (2007) suggeriscono
che questa ipotesi debba essere rilassata per spiegare la PDF della concentrazione relativa sulla
coordinata verticale. Osserviamo la figura 6.4.
Consideriamo una sezione sul piano y−z di un plume generato da una sorgente elevata. Se il piano
è molto vicino alla sorgente (a), il moto verticale del plume non è influenzato dal terreno, in un
istante successivo (b) il plume si trova maggiormente vicino al terreno, ma il suo nucleo è ancora
sufficientemente distante dal suolo, i confini estremi del campo di concentrazione potrebbero essere
stati riflessi dal terreno, ma hanno ancora poca influenza sulla concentrazione totale del plume.
Infine, quando il baricentro del pennacchio si trova a muoversi molto molto vicino al terreno, una
significativa porzione della nuvola verrà riflessa. Quindi la concentrazione al suolo sarà maggiore
108
6.7. An intermittent Approach Capitolo 6. Modello Fluctuating Plume
Figura 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).
di quella che ci si aspetterebbe se il plume non venisse riflesso. Questo mostra chiaramente che la
concentrazione c nel sistema di riferimento relativo (yr , xr ) dipende dalla posizione del centroide
zm , che a sua volta è fortemente influenzata dall’interazione della nuvola con il terreno.
In questi casi la PDF della concentrazione relativa deve essere riscritta come (Gailis et al., 2007):
in cui δ(·) è una Delta di Dirac e pcr è una funzione Gamma del tipo 6.46. Il secondo termine de-
scrive l’intermittenza imposta dalla presenza del terreno sulla serie temporale della concentrazione
nel sistema di riferimento relativo. Per tutti gli zr > 0, γ = 1. Per zr < 0 è necessario permettere
l’intermittenza, nonostante questa probabilità debba essere molto bassa, per bassi valori di zm . Per
determinare la funzione di intermittenza 1 − γ(x, zr ) che dà la probabilità di concentrazione nulla
è ragionevole chiedere che questa probabilità sia proporzionale alla probabilità che zm sia così
piccolo che zr sia negativo:
Z −zr
P r(zm < zr ) =1 − γ(x, zr ) = pm (x, zm )dzm =
0 (6.53)
1 1 −zr σl
= 1 + erf √ log + √ zr < 0
2 2σl hzm i 2 2
109
Capitolo 7
Modelli Euleriani
I modelli Euleriani utilizzano coordinate fisse nello spazio, determinano i valori della concentra-
zione e del campo di velocità in punti fissi, riferiti al sistema di riferimento scelto. Questo significa
definire un grigliato tridimensionale contenente N 3 punti grigla in cui ad ogni step temporale
calcolare tutte le variabili. Il numero dei punti griglia è dunque il maggior vincolo dei modelli
Euleriani.
110
7.1. Definizione del Problema Capitolo 7. Modelli Euleriani
Questa relazione stabilisce il numero di scale spaziali comprese nel subrange inerziale. Poi-
chè la turbolenza è tridimensionale si ha che il numero di punti griglia necessari per descrivere
numericamente tutte le scale del subrange inerziale è
9
N ' Re 4 (7.4)
e sapendo che nel PBL il valore del numero di Reynolds è circa 107 -108 , il numero N di punti
griglia necessari per una descrizione numerica totalmente risolta del moto turbolento è di 1018 .
Purtroppo anche i supercomputer attuali non riescono a gestire un tale numero di punti griglia e
le simulazioni numeriche durerebbero anni. Queste relazioni mettono in luce la ricchezza di scale
dinamiche coinvolte nel moto turbolento.
Come descrivere tutte le scale, che interagiscono tra loro non linearmente, è uno dei principali
scopi della costruzione dei modelli euleriani nello studio della turbolenza. I principali metodi di
studio sono tre: Direct Numerical Simulations (DNS), Large Eddy Simulations (LES), Ensemble
Average Models (EAM).
• grandi vortici (large eddies): contengono la maggior parte dell’energia,sono i principali re-
sponsabili del trasporto turbolento, sono diffusivi, anisotropi, non omogenei, ordinati, hanno
vita media lunga, dipendono dalle condizioni al contorno e quindi sono difficili da descrivere
analiticamente
111
7.2. Ensemble Average Models Capitolo 7. Modelli Euleriani
• piccoli vortici (small eddies): sono dissipativi, isotropi, omogenei, casuali, hanno carattere
universale e vita media breve, quindi sono più semplici da descrivere teoricamente.
La base concettuale dell’approccio con i LES è quella di stabilire che i large eddies, vista la loro
complessità, non possono essere modellati teoricamente, ma piuttosto simulati numericamente in
modo esplicito, mentre gli small eddies (che non possono essere risolti numericamente in modo
completo) devono essere modellizzati attraverso i cosiddetti modelli Sub Grid Scale (SGS). Mate-
maticamente, questa distinzione viene fatta introducendo una media di volume con una funzione
filtro che permette di risolvere tutte le scale maggiori di un dato valore, filtrando quelle più piccole,
per le quali si introdurrà un modello di sottogriglia opportuno. I risultati dei LES sono attendibili ed
hanno buoni riscontri sperimentali, tanto che sono spesso utilizzati come confronto per la verifica
di altri tipi di modelli e considerati affidabili quanto gli stessi dati sperimentali, nonostante le para-
metrizzazioni di sottogriglia limitino le loro prestazioni vicino al suolo dove le scale predominanti
sono quelle dei piccoli vortici.
nella somma di un valor medio (lettera maiuscola) e della fluttuazione attorno al valore medio:
ui = Ui + u0i
p = P + p0 (7.6)
c = C + c0
Le quantità medie sono definite con la procedura della media d’insieme, assumendo che i flussi
atmosferici siano membri di un insieme di realizzazioni che individualmente obbediscono alle
equazioni di Navier-Stokes.
Una conseguenza dell’equazione di continuità è che:
∇ · u = ∇ · (U + u’) = 0 (7.7)
112
7.2. Ensemble Average Models Capitolo 7. Modelli Euleriani
113
7.2. Ensemble Average Models Capitolo 7. Modelli Euleriani
generato dal campo della fluttuazione di velocità −hu0i u0j i (da qui il nome di Reynolds stress). Lo
stress (forza per unità di area) viscoso ha origine dal trasferimento di momento a livello molecolare.
Quindi gli stress di Reynolds devono avere origine dal trasferimento di momento dal campo della
fluttuazione di velocità. Il tasso di incremento di momento all’interno di un volume V dovuto al
flusso attraverso la superficie A è:
Z
dM
= ρu(−u · n)dA (7.14)
dt A
dove n è il versore normale alla superficie (ρu rappresenta il momento, mentre −u · n é la velocità
del flusso attraverso A). Se calcoliamo la media della componente i di dM dt
otteniamo:
dhMi i
Z Z
= −ρ(Ui Uj + hu0i u0j i)nj dA =
dt
Z ZA Z (7.15)
∂ 0 0
= −ρ (Ui Uj + hui uj i)dV
V ∂xj
in cui nell’ultimo passaggio si è usato il teorema della divergenza. La 7.15 mostra come a meno di
un fattore ρ gli stress di Reynolds che appaiono nelle RANS abbiano origine dal flusso di momento
dovuto alle fluttuazioni di velocità.
Gli stress di Reynolds sono gli elementi di un tensore del secondo ordine simmetrico. I ter-
mini diagonali vengono definiti stress normali, mentre gli elementi al di fuori della diagonale
si chiamano stress di shear. La metà della traccia del tensore degli stress è l’energia cinetica
turbolenta:
1
E = hui ui i (7.16)
2
ovvero l’energia cinetica media per unità di massa del campo delle fluttuazioni di velocità.
La differenza tra gli stress normali e quelli di shear è legata solo alla scelta del sistema di rife-
rimento, è, dunque, più utile fare una distinzione (che invece è intrinseca agli stress) fra la parte
isotropa e quella anisotropa. Essendo la parte isotropa uguale a 23 Eδij , la parte anisotropa risulta
essere:
2
aij = hu0i u0j i − Eδij (7.17)
3
Il tensore degli stress può quindi essere pensato come:
2
hu0i u0j i = Eδij + aij (7.18)
3
Se consideriamo la seguente equazione:
∂hu0i u0j i ∂P ∂aij ∂
ρ + = + (P + ρE) (7.19)
∂xj ∂xi ∂xj ∂xi
114
7.2. Ensemble Average Models Capitolo 7. Modelli Euleriani
vediamo che è solo la parte anisotropa degli stress di Reynolds a trasportare il momento, infatti la
parte isotropa può essere assorbita dal termine di pressione.
Una caratteristica dei flussi turbolenti è di essere rotazionali. Consideriamo un campo di velocità
random irrotazionale (∇ ~ × ~u = 0), come per esempio, in prima approssimazione, il campo di
velocità del moto ondoso. Se la vorticità è nulla, allora saranno nulle anche la vorticità media,
quella turbolenta e le componenti del tipo:
∂u0i ∂u0j
− (7.20)
∂xj ∂xi
∂u0j
0
0 ∂ui ∂ 1 0 0 ∂
hui − i= hui ui i − hu0 u0 i (7.21)
∂xj ∂xi ∂xj 2 ∂xi i j
In questo caso gli stress di Reynolds hanno lo stesso effetto dello stress isotropo kδij che può essere
assorbito dal termine di pressione. In altre parole gli stress di Reynolds che sono generati da un
campo irrazionale non hanno nessun effetto sul campo di velocità medio.
115
7.3. Il problema della chiusura Capitolo 7. Modelli Euleriani
116
7.4. Modello K o Zero-Equation model Capitolo 7. Modelli Euleriani
la cui somma è zero in virtù della equazione di continuità. Tuttavia tutti gli stress normali sono per
definizione quantità positive e la loro somma è il doppio dell’energia cinetica turbolenta E, quindi
1 02
u1 + u02 2 + u03 2
E= (7.27)
2
L’inclusione dell’ultimo termine nella 7.25 assicura dunque che la somma degli stress normali sia
uguale a 2E. Si vede allora come gli stress normali agiscano similmente alle forze di pressione e
come, poichè l’energia cinetica turbolenta, similmente alla pressione, è una quantità scalare, l’ul-
timo termine costituisca una pressione vera e propria. La 7.25 viene utilizzata al fine di eliminare
per sostituzione gli stress di Reynolds dalle equazioni 7.12, poichè l’ultimo termine può essere
assorbito dal termine di gradiente di pressione in modo che l’incognita P (pressione statica) sia
sostituita dall’incognita P/ρ + 2/3E (anche questa una pressione). In questo modo la comparsa di
E nel sistema di equazioni è tale per cui E stessa non debba essere direttamente determinata, ma
rimanga solamente da determinare la distribuzione della viscosità turbolenta.
Per quanto riguarda l’equazione 7.24, è necessario utilizzare la relazione di chiusura flusso-
gradiente (matematicamente l’ipotesi di flusso-gradiente, gradient diffusion, è analoga alla legge
di conduzione del calore di Fourier e alla legge di Fick per la diffusione molecolare). Il flusso
scalare hu0 c0 i restituisce sia la direzione che la grandezza del trasporto turbolento dello scalare
c. Secondo l’ipotesi di flusso-gradiente la direzione di questo termine è lungo il gradiente medio
dello scalare, ovvero lungo −∇C. Quindi, secondo questa ipotesi, esiste uno scalare K(x, t), la
diffusività turbolenta, tale che:
∂C
hui c0 i = −Ki = −K∇C (7.28)
∂xi
che sostituita nella 7.24 dà
∂C
+ U · ∇C = ∇(K∇C) (7.29)
∂t
In cui si è considerato stazionario il campo di concentrazione e si sono trascurati i termini viscosi.
Si noti che la precedente ipotesi 7.28 mette in relazione i termini di cross-correlazione delle flut-
tuazioni della concentrazione e della componente del vento con il gradiente, lungo la direzione
relativa a tale componente della concentrazione media, chiudendo l’equazione di avvezione diffu-
sione. Si possono avere soluzioni analitiche con Ki e u costanti (modello Gaussiano), o con Ki e
u funzioni di potenza di z e soluzioni numeriche.
• La relazione di flusso gradiente implica che il vettore che descrive il flusso scalare sia alli-
neato con il gradiente del campo scalare vero. Questo è falso anche in casi di flussi turbolenti
molto semplici.
117
7.4. Modello K o Zero-Equation model Capitolo 7. Modelli Euleriani
• Secondo l’ipotesi della viscosità turbolenta, la parte anisotropa del tensore degli stress è
allineata con il mean rate of strain tensor. Anche in questo caso questo non è vero.
• nel caso di flussi lontani da parete (free shear flows2 ) solo la componente hv 0 c0 i del flusso
scalare e la componente hu01 u03 i del tensore degli stress sono rilevanti. Dunque le assunzioni
∂C
hu03 ci = −K
∂x3
(7.30)
∂U
hu01 u03 i = −νt
∂x3
che legano una singola covarianza ad un singolo gradiente, sono quasi sempre vere e possono
essere considerate delle definizioni per K e νt . Il numero di Prandtl turbolento σT può essere
utilizzato per mettere insieme K e νt : K = νt /σt e per semplici flussi di shear σt ∼ 1.
• Per numeri di Reynolds elevati e per flussi distanti da parete, νt e K scalano con la velocità
di scala U e con la lunghezza di scala L del flusso, indipendentemente dalle proprietà di ν e
k. Di conseguenza i rapporti νt /ν e K/k aumentano linearmente con il numero di Reynolds
e quindi, sotto queste ipotesi, il trasporto molecolare è trascurabile.
• Sia K che νt possono essere scritti come il prodotto di una velocità di scala e una lunghezza
di scala, oppure possono essere scritti come il prodotto di una velocità al quadrato per un
tempo scala:
K = u2∗ T∗ (7.32)
In circostanze idealizzate K può essere fatto dipendere dalle statistiche della turbolenza,
per esempio u∗ = σu e T∗ = TL , come abbiamo visto nel caso dei modelli lagrangiani a
particelle.
2
possono essere descritti da equazioni bidimensionali, dove la turbolenza è generata dalle differenze del cam-
po medio di velocità e in cui la velocità media è diretta prevalentemente lungo x e in cui le variazioni avvengono
prevalentemente su z
118
7.5. mixing length Capitolo 7. Modelli Euleriani
νt ∝ U l m (7.33)
119
7.5. mixing length Capitolo 7. Modelli Euleriani
Che è ristretta al caso di flusso bidimensionale. Per un flusso qualsiasi può essere riscritta come
12
2 ∂Ui ∂Uj ∂Ui
νt = lm + (7.37)
∂xj ∂xi ∂xj
L’ipotesi di mixing-length quindi lega la viscosità turbolenta al gradiente della velocità media
locale e coinvolge un solo parametro da determinare: la lunghezza di rimescolamento lm . Essa
può essere specificata in molte situazioni grazie a semplici relazioni empiriche. Nel caso dello
studio del PBL si ottengono buoni risultati utilizzando la parametrizzazione proposta da Blackadar
120
7.6. Modelli basati sull’equazione per l’energia cinetica turbolenta Capitolo 7. Modelli Euleriani
(1962). Egli assume che lm sia lineare vicino alla superficie (surface layer) e sia limitata in alto da
un valore costante l∞ quindi abbia la forma:
κz
lm = (7.38)
1 + κz/l∞
121
7.6. Modelli basati sull’equazione per l’energia cinetica turbolenta Capitolo 7. Modelli Euleriani
in cui cK è una costante empirica. Questa espressione è nota come relazione di Kolmogorov-
Prandtl.
Se si considera la lunghezza di scala come la mixing length, allora si ha:
√
νt = cK Elm (7.40)
E’ evidente che per usare l’equazione 7.40 è necessario specificare i valori della funzione E(x, t).
Kolmogorov e Prandtl suggerirono di ottenere questi valori risolvendo un’equazione di trasporto
per E. Questo modello è chiamato one-equation model perché l’equazione del trasporto viene
risolta solo per una quantità turbolenta.
Riassumiamo le componenti del modello:
Avendo specificato lm e dalle soluzioni delle equazioni esatte e da quelle modellate si possono
determinare i seguenti campi: U, p, lm , E, νt e hu0i u0j i. Queste variabili sono considerate note.
Ora consideriamo l’equazione che modella il trasporto di E. L’equazione esatta è:
∂E
+ U · ∇E = −∇ · T’ + P − (7.41)
∂t
In cui il flusso T’ è
1
Ti0 = hui uj uj i + hu0 p0 i/ρ − 2νhuj sij i (7.42)
2
Nell’equazione 7.41 tutti i termini che possono essere ricavati dalle variabili note si dicono in
forma chiusa. In particolare ∂E
∂t
+ U · ∇E e P sono in forma chiusa, mentre gli altri termini ( e
∇ · T’) non sono noti e per ottenere un sistema di equazioni chiuse dobbiamo modellizzarli.
Per numeri di Reynolds molto elevati il tasso di dissipazione scala come u30 /l0 , dove u0 e l0
sono la velocità e la lunghezza di scala dei moti che contengono l’energia. E’ dunque ragionevole
modellizzare come:
CD E 3/2
= (7.43)
lm
in cui CD è una costante del modello. Se sostituiamo la 7.43 nella 7.40 eliminando lm otteniamo:
cK C D E 2
νt = (7.44)
122
7.6. Modelli basati sull’equazione per l’energia cinetica turbolenta Capitolo 7. Modelli Euleriani
O, equivalentemente,
νt
= cK C D (7.45)
E2
Per i semplici flussi di shear E, e νt = huwi/(∂U/∂z) si possono misurare e queste ipotesi
possono essere valutate direttamente. La figura 7.1 mostra che per valori di y + maggiori di 50 il
rapporto 7.45 è pressoché costante. L’unica incognita rimasta nell’equazione per l’energia cinetica
Figura 7.1: Profilo di νt /E 2 ottenuto tramite una simulazione DNS per un flusso in canale con
Re = 13750 (Pope, 2000).
123
7.6. Modelli basati sull’equazione per l’energia cinetica turbolenta Capitolo 7. Modelli Euleriani
124
7.6. Modelli basati sull’equazione per l’energia cinetica turbolenta Capitolo 7. Modelli Euleriani
moltiplichiamo per uj :
∂ 12 uj uj ∂ 21 uj uj ∂ 21 ui uj uj
+ hUi i + =
∂t ∂xi ∂xi
(7.54)
∂hUj i ∂hui uj i 1 ∂p0 uj
− ui uj + uj + νuj ∇2 uj −
∂xi ∂xi ρ ∂xj
Mediando la precedente equazione, ricordando che le fluttuazioni hanno media nulla e definendo
.
E = 12 hui ui i:
∂E ∂E ∂h 12 ui uj uj i ∂hUj i 1 ∂hp0 uj i
+ hUi i + = −hui uj i + νhuj ∇2 uj i − (7.55)
∂t ∂xi ∂xi ∂xi ρ ∂xj
hp0 uj i
∂E ∂E ∂ 1 ∂hUj i
+ hUi i + h ui uj uj i + − 2νhuj sij i = −hui uj i − (7.58)
∂t ∂xi ∂xi 2 ρ ∂xi
5 ∂ ∂uj
Si noti che se ∇ · u = 0, allora ∂xj ∂xi =0
125
7.7. Il modello k − Capitolo 7. Modelli Euleriani
7.7 Il modello k −
Il modello k − appartiene alla classe dei two-equation models, in cui le equazioni del trasporto
sono risolte per due quantità turbolente. Nel modello k − vengono risolte l’equazione per l’e-
nergia cinetica turbolenta e una equazione per la dissipazione di quest’ultima. Da k e si possono
ricavare una lunghezza di scala (L = k 3/2 /), un tempo di scala (τ = k/) e una viscosità, νt ,
(k 2 /). Dunque i two-equation models si possono dire completi e non sono necessarie assunzioni
dipendenti dal tipo di flusso come quelle per la mixing-length. Attualmente i modelli k − sono i
più diffusi modelli turbolenti (Pope, 2000) e vengono inclusi in molti software CFD commerciali.
126
7.8. Modello Gaussiano Capitolo 7. Modelli Euleriani
e il valore Cµ = 0.09 ha origine dalle osservazioni empiriche del rapporto |huvi|/k ≈ 0.3 nelle
regioni in cui P/ è vicino all’unità. La figura 7.1 può essere considerata come una misura di Cµ .
6
Esistono anche trattazioni differenti che derivano il modello k − dalle equazioni di Navier-Stokes attraverso il
gruppo di rinormalizzazione.
127
7.8. Modello Gaussiano Capitolo 7. Modelli Euleriani
Figura 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.
Il modello Gaussiano è una conseguenza diretta della equazione 7.29 in cui Ki = costante. In
128
7.8. Modello Gaussiano Capitolo 7. Modelli Euleriani
(a) (b)
Figura 7.3: Soluzioni del modello Gaussiano: si nota chiaramente la differenza fra l’altezza della
ciminiera e la altezza di emissione, inoltre si vede come nel modello Gaussiano la concentrazione
massima rimanga sempre all’altezza dell’emissione.
questo caso, la soluzione della equazione 7.29 è una curva bi–gaussiana della forma:
2 2
Q − y2 − z2
σz σz
C(x, y, z) = e , (7.66)
2πU σy σx
in cui Q è l’intensità della sorgente (massa/tempo), U è la velocità media del vento alla quota
dell’emissione e σy e σz sono le dispersioni del pennacchio perpendicolari al vento medio. Nello
scrivere l’equazione 7.66 si è assunto che la dispersione nella direzione del vento medio sia tra-
scurabile rispetto a quella laterale. Questa ipotesi non è più valida quando il vento medio ha scala
paragonabile a quella della componente lungo il vento della turbolenza, σu , ovvero in condizioni
di calma di vento.
L’effetto del terreno sulla concentrazione viene calcolato considerando una sorgente immaginaria
a z = −hs , dove hs è l’altezza della sorgente. il flusso verso l’alto di questa sorgente cancella il
flusso verso il basso della sorgente reale senza modificare il bilanciamento di massa. L’equazione
per la concentrazione diventa:
2
(z−hs )2 (z+hs )2
Q − y2 − 2 − 2
C(x, y, z) = e 2σy
e σ z +e σ z , (7.67)
2πU σy σz
Solitamente, al posto dell’altezza della sorgente, si pone l’altezza dell’emissione che viene de-
terminata tenendo conto del fenomeno del plume rise. Nell’atmosfera reale, la dispersione della
componente verticale è limitata dall’altezza dello strato limite atmosferico (ztop ). Questa condi-
zione al contorno si può introdurre nella formulazione gaussiana facendo riflettere il plume anche
alla quota dell’inversione, in cima allo strato di rimescolamento. Questo implica che l’equazione
7.67 deve essere modificata per includere infinite riflessioni al suolo e all’inversione. Quando l’in-
quinante è ben rimescolato in tutto lo strato limite l’espressione per la concentrazione si semplifica
129
7.8. Modello Gaussiano Capitolo 7. Modelli Euleriani
così: 2
Q − y 2 (7.68)
C(x, y, z) = √ e 2σy
2πU σy ztop
La formulazione gaussiana per la sorgente puntiforme può essere applicata anche anche ad una
sorgente volume, poiché questa può essere pensata come un insieme di sorgenti puntiformi e la
concentrazione associata ad essa si può calcolare sommando tutti i contributi di queste sorgenti.
E’ chiaro che nell’applicare l’equazione 7.67 bisogna scegliere un sistema di coordinate in cui le
coordinate siano allineate con la direzione del vento medio. Se (Xr , Yr ) e (Xs , Ys ) sono rispet-
tivamente le coordinate del recettore e della sorgente in un sistema di coordinate arbitrario e se
θ rappresenta l’angolo fra la direzione del vento medio e l’asse delle ascisse in questo sistema di
riferimento, allora le coordinate da usare per il modello gaussiano sono:
x = X cos θ + Y sin θ
(7.69)
y = X sin θ − Y cos θ
with
X = Xr − Xs
(7.70)
Y = Yr − Ys
A titolo di esempio si consideri la dispersione da un’autostrada, ovvero da una sorgente linea a
terra. Per semplicità allineiamo la sorgente con l’asse Y e chiamiamo q il tasso di emissione per
unità di lunghezza. La concentrazione associata ad ogni elemento dYs sarà:
2 2
qdYs − y2 − z2
σz σz
dC(Xr , Yr ) = e (7.71)
πU σy σz
in cui i pedici y, z si riferiscono ad un sistema di riferimento in cui l’asse x è allineato con il vento
medio.
La concentrazione associata ad un tratto di autostrada è quindi:
Z Y 2 2
qdYs − y2 − z2
C(Xr , Yr ) = 2 e σz σz (7.72)
Y1 πU σ y σ z
Questa espressione può essere calcolata semplicemente quando il vento soffia perpendicolarmente
all’autostrada, θ = 0◦ e si ipotizza che la sorgente linea sia infinitamente lunga (approssimazione
valida nel caso in cui il recettore sia molto vicino alla sorgente linea). Con queste ipotesi si ha:
r
2 q − 2σz22 (7.73)
C(Xr , Yr ) = e z
π U σz
in cui σz è calcolato a x = Xr . Si può ancora utilizzare questa espressione quando il vento soffia
ad angoli piccoli rispetto all’asse X, sostituendo a U U cos θ e calcolando la dispersione verticale
130
7.8. Modello Gaussiano Capitolo 7. Modelli Euleriani
σz a Xr / cos θ.
L’attendibilità del modello gaussiano dipende dalla scelta dei parametri di dispersione σy
e σz .
in cui k1,...,5 sono costanti che dipendono dalla stabilità e si ricavano dalla tabella:
classi di stabilità k1 k2 k3 k4 k5
A 0.250 927 0.189 0.1020 -1.918
B 0.202 370 0.162 0.0962 -0.101
C 0.134 283 0.134 0.0722 -0.102
D 0.079 707 0.135 0.0475 -0.465
E 0.057 1070 0.137 0.0335 -0.624
F 0.037 1170 0.134 0.0220 -0.700
Si ricorda che le classi di stabilità sono determinate considerando la velocità del vento e la radia-
zione solare incidente. La velocità del vento, solitamente misurata a 10 m, è un indicatore dalla
turbolenza prodotta dallo shear, mentre la radiazione solare incidente è un surrogato del flusso di
calore sensibile (che crea turbolenza). Quindi le classi di stabilità contengono informazioni sulla
turbolenza generata da shear e buoyancy. Le calassi A,B,C corrispondono alle condizioni instabili
(quando la buoyancy si somma allo shear, il flusso di calore sensibile è verso l’alto). La classe A
è quella per cui la dispersione è massima e quindi per cui le σ sono maggiori. Scendendo nelle
classi di stabilità le σ si riducono. La classe D corrisponde a condizioni neutre, mentre le classi E
e F sono associati a condizioni stabili.
Altre parametrizzazioni largamente utilizzate sono quelle dovute a Briggs che distinguono fra
le diverse condizioni di rugosità dei terreni: ridotta (Briggs open-country) o elevata (Briggs urban).
131
7.8. Modello Gaussiano Capitolo 7. Modelli Euleriani
Briggs open-country
Categoria di stabilità σy σz
A 0.22x(1 + 0.0001x) − 1/2 0.20x
B 0.16x(1 + 0.0001x) − 1/2 0.12x
C 0.11x(1 + 0.0001x) − 1/2 0.08x(1 + 0.0002x) − 1/2
D 0.08x(1 + 0.0001x) − 1/2 0.06x(1 + 0.0015) − 1/2
E 0.06x(1 + 0.0001x) − 1/2 0.03x(1 + 0.0003x) − 1
F 0.04x(1 + 0.0001x) − 1/2 0.016x(1 + 0.0003x) − 1
Briggs urban
Categoria di stabilità σy σz
A -B 0.32x(1 + 0.0004x) − 1/2 0.24x(1 + 0.0001x) − 1/2
C 0.22x(1 + 0.0004x) − 1/2 0.20x
D 0.16x(1 + 0.0004x) − 1/2 0.14x(1 + 0.0003x) − 1
E-F 0.11x(1 + 0.0004x) − 1/2 0.08x(1 + 0.00015x) − 1
Le curve di dispersione, tuttavia, non consentono di utilizzare le misure di turbolenza (σ della ve-
locità del vento e tempi lagrangiani) locali.
Un approccio alternativo è quindi quello di ricavare le sigma di dispersione dalla teoria della
dispersione di Taylor (capitolo 3.2):
σy = σv τ τ TLv
(7.75)
σy = σv (2τ TLv ) τ TLv
dove τ è il tempo di volo dalla sorgente e può essere calcolato utilizzando l’ipotesi di Taylor (frozen
turbulence): τ = Ux . Il problema di questo approccio è che nello strato limite planetario σv e TLv
variano sia nello spazio che nel tempo, quindi per utilizzarli nel modello gaussiano dobbiamo
mediarli sul dominio di interesse facendo l’ipotesi che sia spazialmente omogeneo. Inoltre, la
stima del tempo lagrangiano è sempre difficoltosa, quindi spesso il tempo scala viene considerato
come un parametro empirico che si deriva fittando le espressioni di dispersione del pennacchio con
le osservazioni. In questo caso le equazioni 7.75 possono essere messe insieme nella relazione:
σv τ
σy = q (7.76)
1 + 2TτLv
in cui TLv = σlv . l viene calcolata dalla lunghezza di scala dei vortici responsabili del trasporto e
la costante di proporzionalità si calcola confrontando le stime dell’equazione 7.76 con le osserva-
zioni.
132
7.8. Modello Gaussiano Capitolo 7. Modelli Euleriani
Un ultimo approccio per calcolare le σ di dispersione consiste nel utilizzare la eddy diffusivity
K:
σy2 = 2Ky t = 2Kx/U
(7.77)
σz2 = 2Kz t = 2Kx/U
133
Capitolo 8
Large-eddy simulation
Nelle simulazioni LES i moti turbolenti a scala maggiore (asimmetrici, instabili) sono rappresentati
direttamente, mentre gli effetti delle scale minori sono modellizzati. Come tempo macchina le LES
si collocano a metà fra i modelli RANS e le DNS e il loro utilizzo è motivato dalle limitazioni che
hanno entrambi questi metodi. Poiché le grandi scale sono esplicitamente risolte è ragionevole
attendersi dalle simulazioni LES un maggiore grado di accuratezza e di affidabilità rispetto alle
RANS, soprattutto in quei casi in cui non sono trascurabili le instabilità a grande scala. Nelle DNS
la maggior parte del tempo di calcolo viene spesa per calcolare le scale minori e dissipative, che
nelle LES sono trattate con modelli semplificati. Le LES sono dunque molto meno dispendiose
delle DNS.
I passi concettuali delle LES sono quattro:
• Si definisce un’operazione di filtraggio per scomporre la velocità U(x, t) nella somma della
componente filtrata (o risolta) U(x, t) e una componente residua (o di sottogriglia) u’(x, t).
Il campo della velocità filtrata U(x, t) rappresenta il moto tridimensionale a grande scala dei
vortici.
• Le equazioni del moto per l’evoluzione del campo di velocità filtrato sono derivate dalle
equazioni di Navier-Stokes. In queste equazioni è presente un termine che rappresenta il
tensore degli stress residuo (o tensore degli stress SGS) che si genera dalla componente di
sottogriglia.
• Le equazioni filtrate vengono risolte numericamente per U(x, t), che fornisce una approssi-
mazione dei moti a grande scala, in una realizzazione del flusso turbolento.
134
8.1. Filtraggio Capitolo 8. Large-eddy simulation
8.1 Filtraggio
Nelle DNS il campo di velocità U(x, t) deve essere risolto per tutte le lughezze di scala fino ad
arrivare alla microscala di Kolmogorov η. Nelle LES si applica, invece, un filtro passa-basso in
modo che la velocità filtrata risultante U(x, t) possa essere adeguatamente risolta su un grigliato
meno fine. Più specificamente il passo griglia h è proporzionale alla larghezza ∆ del filtro. Nel
caso ideale la larghezza del filtro dovrebbe essere minore di lEI (figura 8.1), la dimensione del
minore dei moti che contengono l’energia. Quindi il passo griglia dovrebbe essere il maggiore
possibile con la condizione che i moti a grande scala siano completamente risolti. Definiamo il
Figura 8.1: Rappresentazione schematica della cascata delle energie a grandi numeri di Reynolds.
filtraggio come: Z
U(x, t) = G(r, x)U(r − x, t)dr (8.1)
in cui si integra su tutto il dominio del flusso e in cui la funzione filtro G soddisfa la condizione di
normalizzazione: Z
G(r, x)dr = 1 (8.2)
Per semplicità si può considerare una funzione filtro omogenea, cioè indipendente da x. Il cam-
po residuo si definisce come u’(x, t) = U(x, t) − U(x, t) e, quindi, il campo di velocità si può
scomporre come:
U(x, t) = U(x, t) + u’(x, t) (8.3)
La 8.3 sembra molto simile alla scomposizione alla Reynolds (7.6), tuttavia è solo una similitudine
formale, infatti: U(x, t) è un campo random e il campo residuo filtrato non è zero: u’(x, t) 6= 0
(figura 8.2).
135
8.1. Filtraggio Capitolo 8. Large-eddy simulation
I filtri maggiormente usati in letteratura sono il filtro a box, il filtro gaussiano, e il filtro sharp.
Utilizzando il filtro a box U (x) è semplicemente la media di U (x0 ) sull’intervallo x − 12 ∆ < x0 <
x + 12 ∆. Il filtro Gaussiano ha media nulla e varianza σ 2 = 12
1
∆2 in modo che i secondi momenti
siano uguali a quelli del filtro a box.
Nella figura 8.2 si vede un campo di velocità U (x) e il suo corrispondente filtrato U (x) ottenuto
Figura 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).
usando un filtro Gaussiano con ∆ ≈ 0.35. E’ chiaro che U (x) segue l’andamento generale di U (x)
136
8.2. Rappresentazione spettrale Capitolo 8. Large-eddy simulation
1
Date due funzioni fa (x) e fb (x) aventi trasformate di Fourier F{fa (x)} e F{fb (x)}, è possibile definire la loro
convouzione come: Z ∞
h(x) =≡ fa (x − y)fb (y)dy (8.6)
−∞
137
8.2. Rappresentazione spettrale Capitolo 8. Large-eddy simulation
Figura 8.3: Funzioni filtro G(r).Filtro box, linea tratteggiata, filtro Gaussiano, linea continua, filtro
sharp, linea tratto punto (Pope, 2000).
Le funzioni di trasferimento per i vari filtri sono date nella Tabella 8.1. Siccome consideriamo solo
filtri reali e pari, anche le funzioni di trasferimento sono reali e pari. Nell’origine le funzioni di
trasferimento devono essere unitarie per via della condizione di normalizzazione:
Z ∞
G(r)dr = Ĝ(0) = 1 (8.10)
−∞
Nello spazio dei numeri d’onda si capisce il significato del filtro sharp: annulla tutti i modi di
π
Fourier i cui numeri d’onda |κ| sono maggiori del numero d’onda di taglio κc = ∆ , mentre non
ha nessun effetto sugli altri. Tuttavia, nonostante sia molto piccato nello spazio κ è decisamente
138
8.3. Lo spettro di energia filtrato Capitolo 8. Large-eddy simulation
non locale nello spazio fisico. L’opposto può essere detto del filtro box. Tra i filtri che abbiamo
considerato solo il filtro Gaussiano può dirsi ragionevolmente compatto sia nello spazio fisico che
nello spazio dei numeri d’onda.
1 ∞
Z
E11 (κ) = R(r)e−ikr dr (8.12)
π −∞
Il fattore di attenuazione Ĝ(κ)2 per i vari filtri è plottato in figura 8.4. Si vede come il filtro box
non attenui i modi ad alti numeri d’onda. L’effetto del filtraggio sullo spettro di energia è evidente
in figura 8.5, che mostra uno spettro unidimensionale paragonato allo spettro filtrato usando un
filtro Guassiano con ∆ = lEI = 61 L11 , dove L11 è la lunghezza di scala integrale:
Z ∞
1
L11 = 2 R(r)dr (8.14)
hu i 0
Con questo valore della larghezza del filtro, l’energia contenuta nel campo di velocità filtrato,
1
2
hu2 i, costituisce il 92% dell’energia totale 21 hu2 i (Solitamente nella trattazione tridimensionale si
utilizza un filtro con ∆ = lEI e l’energia fitrata risulta essere lo 80% dell’energia totale).
139
8.4. Il tensore di deformazione filtrato Capitolo 8. Large-eddy simulation
Figura 8.4: Fattori di attenuazione, Ĝ(κ)2 . Filtro box, linea tratteggiata, filtro Gaussiano, linea
continua, filtro sharp, linea tratto punto (Pope, 2000).
140
8.4. Il tensore di deformazione filtrato Capitolo 8. Large-eddy simulation
Figura 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 Gaussiano.(Pope, 2000).
In cui il fattore κ2 pesa l’integrale sui numeri d’onda maggiori mentre il modulo quadro della
2
funzione di trasferimento lo attenua per numeri d’onda minori di κc . Dunque il contributo a hS i
viene dato prevalentemente dai numeri d’onda intorno a κc . Se il numero d’onda di taglio κc si trova
nel subrange inerziale l’equazione 8.17 può essere approssimata con lo spettro di Kolmogorov:
Z ∞
2
hS i ≈ 2 κ2 Ĝ(κ)2 C2/3 κ−5/3 dκ = af C2/3 ∆−4/3 (8.18)
0
dove gli af sono delle costanti che dipendono dal tipo di filtro, ma sono indipendenti da ∆.
141
8.5. Equazioni di conservazioni filtrate Capitolo 8. Large-eddy simulation
Dopo aver definito queste quantità possiamo riscrivere l’equazione filtrata 8.21:
∂U j ∂Ui Uj ∂ 2U j ∂τijr 1 ∂p
+ =ν − − (8.27)
∂t ∂xi ∂xi ∂xi ∂xi ρ ∂xj
Questa equazione non è ovviamente chiusa. Per chiuderla è necessario modellizzare il termine τijr .
Nonostante la similitudine formale, le equazioni filtrate 8.27 si comportano in maniera differente
dalle equazioni di Reynolds. I campi presenti in queste equazioni (U (x, t),p(x, t) e τijr (x, t)) sono
casuali, tridimensionali e non-stazionari anche quando il flusso è stazionario ed omogeneo. Si noti
inoltre che la modellizzazione del tensore degli stress dipende dalla funzione filtro G scelta e dalla
sua larghezza ∆.
Una volta che τijr (x, t) è stato definito da un modello, le equazioni 8.19, 8.27 possono essere ri-
solte per determinare U (x, t) e p(x, t). Le soluzioni dipenderanno dalla funzione filtro e dalla sua
larghezza, anche se queste quantità non appaiono espressamente nelle equazioni, sono presenti
indirettamente attraverso il modello per τijr (x, t).
in cui:
f ≡ νS ij S ij
(8.31)
Pr ≡ −τijr S ij
143
8.6. Il modello di Smagorinsky Capitolo 8. Large-eddy simulation
144
8.6. Il modello di Smagorinsky Capitolo 8. Large-eddy simulation
2
e utilizzando la stima di hS i (8.18) ottenuta considerando uno spettro alla Kolmogorov, questa
equazione può essere risolta e possiamo ricavare la lunghezza di scala di Smagorinsky:
3
!−1/2
∆ hS i
lS = 2 (8.38)
(Caf )3/4 hS i3/2
lS
CS = ≈ 0.17 (8.39)
∆
Quindi nel subrange inerziale è vera l’ipotesi di Smagorinsky che lS scala con ∆.
Questa è l’unica funzione di trasferimento possibile per il filtro di Smagorinsky: solo con questa
funzione i filtri calcolati con la DNS e con la LES coincidono2 .
2
Si noti che questo non implica che le altre statistiche coincidano.
145
Capitolo 9
Analisi Dimensionale
e Teoria della Similarità
Dato un sistema fisico S, un modello fisico o analogico M del sistema S è un altro sistema fisico
la cui natura è tale da permettere una corrispondenza fra le proprie variabili di stato e quelle del
sistema S.
146
9.1. Teorema Π o Teorema di Vaschy–Buckingham Capitolo 9. Teoria della Similarità
147
9.2. Sui sistemi fisicamente simili; descrizione dell’utilizzo delle equazioni dimensionali.
(Bukingham, 1914) Capitolo 9. Teoria della Similarità
in fluidodinamica vengono chiamati numeri caratteristici. La conservazione dei valori numerici di
questi parametri assicura la similarità nella modellazione fisica, ovvero assicura la consistenza dei
risultati con la natura. Ricordiamo alcuni numeri caratteristici:
forze inerziali
Re = (9.5)
forze di attrito
forze inerziali
Ro = (9.6)
forza di Coriolis
forze inerziali
Fr = (9.7)
forze di galleggiamento
forza di attrito
E= (9.8)
forza di Coriolis
Inizialmente si supponga che i rapporti r rimangano invariati nel fenomeno descritto. Sotto questa
condizione la equazione 9.9 si riscrive come
F (Q1 , Q2 , . . . , Qn ) = 0 (9.10)
148
9.2. Sui sistemi fisicamente simili; descrizione dell’utilizzo delle equazioni dimensionali.
(Bukingham, 1914) Capitolo 9. Teoria della Similarità
Esempio di equazione completa
L’equazione
PV
= costante (9.11)
T
non è completa perché la costante non è adimensionale e, anche per lo stesso gas, dipende dalle
unità di misura scelte per P , V e T . Invece, l’equazione
PV
=n (9.12)
RT
è un’equazione completa, infatti n è una costante adimensionale.
(Si noti che le espressioni tipo sen(Q) o log(Q) non compaiono mai nelle equazioni fisiche.
in cui gli N sono numeri. In virtù dell’omogeneità dimensionale tutti gli esponenti a1 , . . . , an di
ciascun termine della 9.14 devono soddisfare la relazione
Inoltre se Πi è adimensionale, anche Πxi lo è e anche ogni prodotto del tipo Πx1 1 Πx2 2 . . . Πxi i . Quin-
di se Πi , Π2 , . . . , Πi rappresentano tutti i prodotti adimensionali del tipo 9.16 che soddisfano la
relazione 9.15, l’equazione 9.17 può essere riscritta come:
X
(N Πx1 1 Πx2 2 . . . Πxi i ) + 1 = 0 (9.18)
149
9.2. Sui sistemi fisicamente simili; descrizione dell’utilizzo delle equazioni dimensionali.
(Bukingham, 1914) Capitolo 9. Teoria della Similarità
e rispettare ancora la richiesta di omogeneità dimensionale.
Fino a questo punto non ci sono restrizioni sul numero di termini, sul valore dei coefficienti e
degli esponenti. La sommatoria non è, dunque, altro che una funzione sconosciuta dei parametri
indipendenti Π1 , Π2 , . . . , Πi e l’equazione 9.18 può essere riscritta come:
ψ(Π1 , Π2 , . . . , Πi ) = 0 (9.19)
Seguendo solo il principio di omogeneità orizzontale ogni equazione fisica completa della forma
9.10 è riconducibile alla forma 9.19 in cui
i=n−k (9.21)
Se [Q1 ] , [Q2 ] , . . . , [Qk ] sono le unità fondamentali, allora le equazioni 9.15 possono essere riscritte
come h i
α1 β1 κ1
[Π 1 ] = Q1 Q2 . . . Qk P 1 = [1]
.. . .
n−k
. = h.. i = .. (9.22)
[Πn−k ] = Qα1 n−k Qβ2 n−k . . . Qkκn−k Pn−k = [1]
in cui P1 rappresenta Qk+1 e Pn−k rappresenta Qn , ovvero le unità derivate. Per utilizzare le
equazioni 9.22 e trovare la forma specifica di Πi bisogna sostituire ad ognuna delle [Q] e delle [P ] il
suo equivalente dimensionale in termini di un qualsiasi insieme di unità fondamentali. L’esponente
del prodotto delle unità fondamentali deve essere nullo e questo determina la forma di Π.
Rimane ancora una scelta arbitraria che può rivelarsi molto utile. Poiché i Π dell’equazione 9.19
sono argomenti di una funzione indeterminata ψ e sono soggetti alla sola condizione di non avere
dimensione, una volta che abbiamo trovato la forma di un Π possiamo benissimo sostituirla con
una qualunque sua funzione (che sarà sempre adimensionale e indipendente dagli altri Π). Questo
ci permette di evitare gli esponenti frazionari che possono risultare dall’equazione 9.22.
150
9.2. Sui sistemi fisicamente simili; descrizione dell’utilizzo delle equazioni dimensionali.
(Bukingham, 1914) Capitolo 9. Teoria della Similarità
Esempio
Immaginiamo di avere a che fare con una relazione che tiene conto di queste 7 quantità:
Forza F [mlt−2 ]
Densità ρ [ml−3 ]
Lunghezza D [l]
Velocità S [lt−1 ]
Giri per unità di tempo n [t−1 ]
Viscosità µ [ml−1 t−1 ]
Accelerazione g [lt−2 ]
Abbiamo bisogno di k = 3 unità fondamentali e non devono necessariamente essere [m, l, t],
possono anche essere [F, ρ, S] o [ρ, n, µ] o una qualsiasi altra combinazione che contenga [m, l, t].
Non possono essere invece [ρ, S, µ] o [S, n, g].
Siccome n − k = 4 sappiamo che esiste
ψ(Π1 , Π2 , Π3 , Π4 ) = 0 (9.23)
e per trovare una espressione esplicita alla 9.23 bisogna utilizzare il sistema 9.22. Scegliamo come
unità fondamentali
F = Q1 ρ = Q2 D = Q3
quindi S, n, µ, g saranno P1 , P2 , P3 e P4 :
α β γ
F 1ρ 1D 1S = [1]
α2 β2 γ2
F α ρβ Dγ n = [1]
(9.24)
F 3ρ 3D 3µ = [1]
α4 β4 γ4
F ρ D g = [1]
La somma degli esponenti delle unità deve essere zero. Per esempio per la prima equazione del
sistema si ha: α1 α1 −2α1 β1 −3β1 γ1 −
m l t m l l lt 1 = [1]
che è equivalente al sistema:
α1 + β1 =0
α1 − 3β1 + γ1 + 1 = 0
2α1 + 1 =0
ovvero
α1 = 21
β1 = 12
γ1 = 1
151
9.2. Sui sistemi fisicamente simili; descrizione dell’utilizzo delle equazioni dimensionali.
(Bukingham, 1914) Capitolo 9. Teoria della Similarità
e si avrà quindi:
1 1
Π1 = F − 2 ρ 2 DS
o, meglio,
Π1 = F −1 ρD2 S 2
Seguendo un metodo analogo si possono determinare:
ρD4 n2 µ2 ρD3 g
Π2 = Π3 = Π4 =
F Fρ F
L’equazione 9.23 diventa:
Se [F, ρ, D] fosse l’unico sistema di unità fondamentali possibile l’equazione 9.25 sarebbe l’unica
forma possibile di ψ, ma possono essere scelte altre triadi di unità fondamentali che produrranno
delle relazioni che per quanto equivalenti alla 9.25 hanno una apparenza differente. Per esempio,
se venisse scelta la triade [ρ, D, S] si avrebbe:
2 2
ρD S Dn ρDS Dg
ψ , , , =0 (9.26)
F S n S2
F (Q1 , Q2 , . . . , Qn ) = 0
f (Q1 , Q2 , . . . , Qn , r0 , r00 , . . .) = 0
152
9.2. Sui sistemi fisicamente simili; descrizione dell’utilizzo delle equazioni dimensionali.
(Bukingham, 1914) Capitolo 9. Teoria della Similarità
L’analisi dimensionale non può fornire nessuna informazione riguardante l’influenza dei rapporti
r0 , r00 , . . . sul fenomeno, né sulla forma nell’equazione che lo descrive. Tuttavia non possiamo as-
sumere che questi non abbiano un ruolo ed è necessario tenere conto della loro eventuale presenza
nella equazione che descrive la 9.9 (analogo della 9.19).
Siccome l’equazione 9.19 segue dalla 9.10 è corretta per valori fissati dei rapporti r e può quindi
essere generalizzabile per essere applicata ad ogni valore degli r introducendo questi ultimi nella
equazione per ψ come parametri indipendenti. A questo punto ψ sarà funzione delle n − k combi-
nazioni adimensionali di tutte le quantità n. La conclusione generale del principio di omogeneità
dimensionale può quindi essere enunciata come:
Se sussiste una relazione tra quantità fisiche di n tipi differenti e se i simboli Q1 , Q2 , . . . , Qn
rappresentano queste quantità, mentre le restanti sono rappresentate dai loro rapporti r0 , r00 , . . .
allora ogni equazione che descrive la relazione può essere ridotta nella forma
Se k è il numero di unità fondamentali richiesto per misurare gli n tipi di quantità fisiche, allora il
numero di prodotti adimensionali è n − k. Se [Q1 ] . . . [Qk ] sono le k unità indipendenti e se le ri-
manenti vengono denominate [P1 ] . . . [Pn−k ], allora ogni Π può essere determinato dall’equazione
dimensionale h i
[Πi ] = Qα1 i Qβ2 i . . . Qκk i Pi = [1] (9.29)
oppure
r0 = Φ(Π1 , Π2 , . . . , Πn−k , r0 , r00 , . . .) (9.31)
Nonostante la forma di Φ sia sconosciuta, queste equazioni possono essere utili. Per esempio
l’equazione 9.30 ci dice che se Π2 , Π3 , . . . , Πn−k , r0 , r00 , . . . sono tutti costanti, allora anche Π1 è
costante e poiché Π1 è il prodotto di Q1 , . . . , Qk , P1 sappiamo come ognuna di queste k+1 quantità
varia in funzione delle altre nelle condizioni date.
L’equazione 9.25 può essere scritta come:
ρD2 S 2
4 2 2
ρD n µ ρD3 g
=Φ , , (9.32)
F F Fρ F
ρD4 n2 µ2 ρD3 g
e se F
, Fρ, F sono costanti allora
F
S 2 = cost · (9.33)
ρD2
153
9.2. Sui sistemi fisicamente simili; descrizione dell’utilizzo delle equazioni dimensionali.
(Bukingham, 1914) Capitolo 9. Teoria della Similarità
Se vogliamo trattare una quantità X come incognita e avere una equazione della forma 9.30 con
questa quantità assente al secondo membro, allora la X deve dipendere da solo uno dei Πi . Nella
scelta di X fra le P e le Q è dunque fondamentale che X sia una delle P .
Il problema dell’elica
Sia F la forza esercitata da un’elica di una particolare forma specificata da diversi rapporti di lun-
ghezza r0 , r00 , . . . e da una dimensione data dal diametro D. La spinta deve dipendere dal numero
di giri nell’unità di tempo, dalla velocità di avanzamento, dalla densità e dalla viscosità del liquido.
Si può trascurare la compressibilità dell’acqua ma, a meno che l’elica non sia immersa a grandi
profondità, non il suo peso, ovvero la gravità. (Si può considerare anche la profondità, specifican-
dola fra gli r come rapporto su D).
L’equazione 9.9 in questo caso diventa:
Abbiamo già studiato (9.2.2) questo sistema nel caso che tutti gli r fossero costanti, ovvero forma
dell’elica fissata e profondità costante. Se ora siamo interessati a sapere come la spinta dipen-
da dalla densità del liquido, dal diametro dell’elica e dalla velocità di avanzamento, dobbiamo
considerare F come P e prendere [ρ, D, S] come [Q1 , Q2 , Q3 ] ottenendo:
2 2
ρD S ρDS Dn Dg 0 00
ψ , , , ,r ,r ,... = 0 (9.35)
F µ S S2
ρD2 S 2
e risolvendo per F
si ha
ρDS Dn Dg 0 00
F = ρD2 S 2 Φ
µ , S , S 2 , r , r , . . . = 0
(9.36)
| {z } |{z} |{z}
1 2 3
che ci dice che se teniamo costanti i termini 1,2,3 per un’elica di data forma e dimensioni la spinta
dipende da ρ, D2 e S 2 .
154
9.2. Sui sistemi fisicamente simili; descrizione dell’utilizzo delle equazioni dimensionali.
(Bukingham, 1914) Capitolo 9. Teoria della Similarità
quindi è lecito pensare che esista una relazione fra S e S 0 e quindi fra le quantità Q e Q0 .
Se le relazioni sono le stesse in S e in S 0 e se possono essere descritte dalle medesime equazioni,
allora S 0 è fisicamente simile a S. Bisogna ora capire quali siano le relazioni che garantiscono la
similarità. La relazione in S può essere scritta nella forma 9.28
ψ(Π1 , Π2 , . . . , Πn−k , r) = 0
Affinché S e S 0 siano simili a questa relazione, è necessario che gli operatori ψ e ψ 0 siano identici
e questo può accadere se e solo se la trasformazione lascia inalterati i Π e gli r. (Due funzioni
diverse possono annullarsi per lo stesso insieme di valori, ma se ciò accade per un insieme infinito
di valori le due funzioni devono essere identiche).
La natura della trasformazione che lascia un sistema identico a se stesso può quindi essere definita
come:
• cambiare le quantità rimanenti di ognuno degli n tipi affinché i rispettivi r rimangano inva-
riati.
L’ultima condizione fa sì che il sistema rimanga simile a se stesso in ogni quantità separatamente.
Abbiamo k scelte arbitrarie e, poiché ognuna può essere fatta in un numero infinito di modi, ab-
biamo una k–infinità di sistemi S 0 che sono simili a S.
Se le condizioni sono soddisfatte per tutte le quantità fisiche che descrivono il sistema, il sistema
trasformato sarà simile all’originale in tutti i suoi aspetti. Cambiando le unità di misura fondamen-
tali, la validità di una equazione non cambia, quindi passando da S a S 0 è ininfluente se mantenia-
mo o meno le stesse unità di misura. Se modifichiamo le [Q1 ] , . . . , [Qk ] nello stesso rapporto delle
quantità Q1 , . . . , Qk che misurano, il valore numerico della quantità misurata sarà lo stesso nei due
sistemi e lo stesso ragionamento si applica alle P .
155
9.3. Il profilo logaritmico Capitolo 9. Teoria della Similarità
156
9.4. Teoria della Similarità di Monin–Obukhov (1954) Capitolo 9. Teoria della Similarità
Il parametro z0 si definisce altezza di rugosità e si sceglie in modo che U (z0 ) = 0 e può essere
interpretato come una proprietà della superficie. z0 si misura sperimentalmente e il suo ordine
di grandezza può variare da 1 mm per la neve a 1 m in caso di foresta. Al variare di z e u∗
l’equazione 9.42 genera una distribuzione verticale di velocità del vento che, attraverso il passaggio
alle variabili adimensionali U 0 = U k/u∗ e Z 0 = z/z0 , collassa sulla curva:
U 0 = ln(Z 0 ) (9.42)
z quota (9.43)
p
u∗ = 4
hu0 w0 i2 + hv 0 w0 i2 stress cinematico superficiale (9.44)
hw0 θv0 is flusso cinematico di calore (9.45)
g
termine di galleggiamento (9.46)
θv
in cui θv è la temperatura potenziale virtuale.
Da questi quattro parametri è possibile estrarre le lunghezze di scala caratteristiche per
u∗ velocità (9.47)
hw0 θv0 is
θ∗ = − temperatura (9.48)
u∗
u∗3
L= g 0 0 lunghezza (9.49)
k θv hw θv is
in cui θ∗ è la temperatura potenziale di scala e L è la lunghezza di Obukhov.
Una volta definite le scale è possibile scrivere il profilo di vento medio:
∂U ∗
f , z, u , L = 0 (9.50)
∂z
157
9.4. Teoria della Similarità di Monin–Obukhov (1954) Capitolo 9. Teoria della Similarità
158
9.4. Teoria della Similarità di Monin–Obukhov (1954) Capitolo 9. Teoria della Similarità
159
Bibliografia
Anfossi, D., Ferrero, E., Sacchetti, D., and Trini Castelli, S. (1997). Comparison among empirical
probability density functions of the ver tical velocity in the surface layer based on higher order
correlations. Bound.-Lay. Meteorol., 82, 193–218.
Businger, J., Wyngaard, J., Izumi, Y., and Bradley, E. (1971). Flux-profile relationships in the
atmospheric surface layer. Journal of the Atmospheric Sciences, 28, 181–189.
Dosio, A. and de Arellano, J. V.-G. (2006). Statistics of absolute and relative dispersion in the
atmoshperic convective boundary layer: A large-eddy simulation study. J. Atmos. Sci., 63(4),
1253–1272.
Durbin, P. (1980). A stochastic model of two particle dispersion and concentration fluctuation in
homogeneous turbulence. J. Fluid Mech., 100, 279–302.
Ferrero, E. and Mortarini, L. (2005). Concentrations fluctuations and relative dispersion pdf.
Atmos. Environ., 39, 2135–2143.
Franzese, P. and Borgas, M. (2002). A simple relative dispersion model for concentration
fluctuations in clouds of contaminant. J. Appl. Meteorol., 41, 1101–1111.
Franzese, P., Luhar, A., and Borgas, M. (1999). An efficient lagrangian stochastic model of vertical
dispersion in the convective boundary layer. Atmos. Environ., 33.
160
BIBLIOGRAFIA BIBLIOGRAFIA
Gailis, R., Hill, A., Yee, E., and Hilderman, T. (2007). Extension of a fluctuating plume model
of tracer dispersion to a sheared boundary layer and to a large array of obstacles. Bound.-Lay.
Meteorol., 122(577-607).
Kolmogorov, A. (1941a). Dissipation of energy in the locally isotropic turbulence. Dokl. Akad.
Nauk SSSR, 32(1), 19–21.
Kolmogorov, A. (1941b). The local structure of turbulence in incompressible viscous fluid for very
large reynolds number. Dokl. Akad. Nauk SSSR, 30(299-303).
Lee, J. T. and Stone, G. L. (1983). The use of eulerian initial condition in a lagrangian model of
turbulent diffusion. Atmos. Environ., 17, 2477–2481.
Luhar, A. and Britter, R. (1989). A random walk model for dispersion in inhomogeneous
turbulence in convective boundary layer. Atmos. Environ., 23, 1911–1924.
Luhar, A., Hibberd, M., and Borgas, M. (2000). A skewed meandering-plume model for
concentration statistics in the convective boundary layer. Atmos. Environ., 34, 3599–3616.
Monin, A. and Yaglom, A. (1975). Statistical fluid mechanics, volume 2. MIT Press, Cambridge,
Mass.
Pope, S. (1998 a). The implied filter in large-eddy simulations of turbulence. Bull. Am. Phys. Soc.,
43, 2087–2088.
Sawford, B. (1983). The effect of gaussian particle pair distribution functions in the statistical
theory of concentration fluctuations in homogeneous turbulence. Q.J.R. Meterorol. Soc., 109,
339–354.
Smagorinsky, J. (1963). General circulation experiments with the primitive equations: I. the basic
equations. Mon. Weather Rev., 91, 99–164.
161
BIBLIOGRAFIA BIBLIOGRAFIA
Taylor, G. I. (1921). Diffusion by continuous movements. Proc. London Math. Soc., 20, 196–211.
Thomson, D. J. (1987). Criteria for the selection of stochastic models of particle trajectories in
turbulent flows. J. Fluid Mech., 180, 529–556.
Thomson, D. J. (1990). A stochastic model for the motion of particle pairs in isotropic high
reynolds number, and its application to the problem of concentration variance. J. Fluid Mech.,
210, 113–153.
Thomson, D. J. and Montgomery, M. R. (1994). Reflection and boundary conditions for random
walk models of dispersion in non-gaussian turbulence. Atmos. Environ., 28(12), 1981–1987.
Van Dyke, M. (1982). An Album of Fluid Motion. The Parabolic Press, Stanford, CA.
Yee, E. and Wilson, D. (2000). A comparison of the detailed structure in dispersing tracer plumes
measured in grid-generated turbulence with a meandering plume model incorporating internal
fluctuations. Bound.-Lay. Meteorol., 94, 253–296.
162