UNIVERSIDAD COMPLUTENSE DE MADRID

FACULTAD DE CIENCIAS FÍSICAS

Departamento de Física de la Tierra, Astronomía y Astrofísica I
(Geofísica y Metereología)

MODELO LAGRANGIANO DE DIFUSIÓN DE

PARTÍCULAS POR EL MÉTODO MONTE CARLO

MEMORIA PARA OPTAR AL GRADO DE DOCTOR

PRESENTADA POR

Rosa María González Barrás

Bajo la dirección del doctor

Manuel de Castro Muñoz de Lucas

Madrid, 2002

ISBN: 978-84-669-0412-4 ©Rosa María González Barrás 1993

1
I
I UNIVERSIDAD COMPLUTENSE DE MADRID

FACULTAD DE CIENCIAS FISICAS

I DEPARTAMENTODE FISICA DE LA TIERRA, ASTRONOMIAY ASTROFISICA 1

I
I
I
I
I
I MODELO LAGRANGIANO DE DIFUSION DE PARTICULAS

I POR EL METODOMONTE-CARLO

I
Is
I Memoria que para optar al grado de Doctor presenta
Rosa María GONZALEZ BARRAS
I
I
;( ~.
i Director: M. Castro MuFioz de Lucas

FACULTAD OEx.:IA: FIWAS

REGISTRO DE LIBROS
1993 BIBLIOTECA
I
I AGRADECIMIENTOS

I Quiero expresar mi agradecimiento a las siguientes personas, compañeros

I y amigos, que han facilitado la realización de la presente Memoria:

A Manuel de Castro Muñoz de Lucas, director del presente trabajo, por

I su apoyo constate y sus valiosas sugerencias.

I A Adelaida
tipográfico.
Portela Lozano, por su valiosa ayuda en el proceso

I A Encarna Serrano Mendoza. por su ayuda en la representación gráfica de

I datos.

A Miguel Angel Gaertner Ruiz-Valdepeñas y a Casimiro Fernández Galvin,

l por su colaboración en el campo de la Informática.

I A Jose Manuel Redondo Apraiz, por sus sugerencias científicas.

I Y en general.
por su interés
a todos
en el trabajo
mis compafieros del
que se presenta.
Departamento por su apoyo y

I
I
l
I
I
I
I
I
1
n

I
I PROLOGO

I diseñado
Se presenta
contaminantes
permite
un modelo
basado
modelar
en la
bidimensional
técnica
el comportamiento
lagrangiano
Monte-Carlo.
de un penacho
El
de dispersión
esquema que se
de contaminantes
de
ha
en
cualquier categoria de estratificación atmosférica.
I En el capítulo 1 de la presente memoria se ofrece una sintesis de los
modelos matemáticos q”= hasta la fecha han permitido simular el

I comportamiento

En la
de las sustancias

primera parte del

emitidas

capítulo
desde un foco puntual.

2 se revisan los métodos y

formulaciones que se utilizan actualmente para simular los procesos
I turbulentos
que la suguenda
que tienen
parte
lugar
se dedica
en la llamada
a la descripción
Capa Límite
detallada
Planetaria,
de los modelos
mientras
de
partículas 1agrangianos basados en la técnica Monte-Carlo para el

I tratamiento de la difusión

En el capitulo
y transporte

3 se presenta el
de la contaminación

método seguido
atmosférica.

para diseñar el esquema

I propuesto,
capítulo
así
se divide
como los resultados
en tres partes:
obtenidos en varios supuestos. Este

- En la primera se analiza la influencia de diversos generadores de

I números
un penacho
aleatorios
bidimensional.
sobre este tipo de modelos de difusión aplicado a

I - En la segunda
del
criticas
modelo
en
parte
para
esta
se utiliza
determinar
metodología.
la
una versión
influencia
Sus resultados
unidimensional
de algunas
permiten
(vertical)
magnitudes
elegir las
condiciones más apropiadas que deben aplicarse con diferentes
I estratificacines
modelo según
atmosféricas
se definan estas
analizando
magnitudes.
el grado de ajuste del

I - En la tercera
y se comparan
conocido modelo
parte se especifica
sus resultados
de penacho
la versión
con los que se pueden
gaussiano para
bldlmenslonal

tres
obtener
propuesta

categorías
con el
de

I estabilidad
penachos
en altura
atmosférica.
en situaciones
y. por último.
Asimlsmo,
convectlvas
se considera
se analiza el comportamiento
con un foco emisor
el caso de la difusión
en el suelo
de
de

un
y

penacho bajo condiciones de “fumigación”.

I Finalmente en el capítulo 4 se ofrece un resumen de los aspectos del
esquema lagranglano presentado y de las conclusiones más significativas que

I se derivan de su aplicación.

I
1
-1
I
I
I INDICE

I 1. INTRODUCCION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

I 1.1. MODELOS DE DISPERSION ESTADISTICOS ............................ 3

1.2. MODELOS DE DISPERSION DETERMINISTAS ............................ 7

I 1.2.1. Modelos eulerianos

1.2.1.1. Soluciones
.....................................
ana1iticas .........................
8
ll

I 1.2.1.2.
1.2.1.3.
Soluciones numéricas ..........................
Esquemas de cierre de orden superior ..........
13
14
1.2.1.4. Modelos caja .................................. 15
I 1.2.2. Modelos lagrangianos ................................... 16
1.2.3. Modelos gaussianos ..................................... 21
I 1.2.3.1. Aplicaciones del modelo de penacho gaussiano .. 26
1.3. OBJETIVO DEL TRABAJO .......................................... 27

I 2. METODOLOGIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

I 2.1. TEORIA DE LA CAPA LIMITE PLANETARIA .................... .. 29

2.1.1. Altura de la Capa Limite ........................ . 33
I 2.1.2. Varianzas de la velocidad del viento ............ .. 34
2.1.3. Autocorrelaciones y correlaciones cruzadas ...... . . 37
I 2.2.
2.1.4. Escalas integrales de tiempo lagrangianas .......
MODELOSDE PARTICULAS ..................................
. . 39
41

I 2.3.
2.2.1. Elección del paso de tiempo .....................
ESQUEMALAGRANGIANO....................................
. .
.
46
47

I
I
I
I
I
I
I -
I
I 3. SIMULACIONES........................................................ 57

I 3.1. GENERACION DE DISTRIBUCIONES DE PROBABILIDAD DE LAS COMPONENTES

DE LA VELOCIDAD................................................ 58
I 3.2. MODELOUNIDIMENSIONAL .......................................... 69
3.2.1. Situaciones convectivas ................................. 70
I 3.2.2. Situaciones
3.2.3. Situaciones
neutras .....................................
estables ....................................
106
119

I 3.3.
3.2.4. Fumigación ..............................................
MODELO BIDIMENSIONAL ...........................................
125
131
3.3.1. Comparación con un modelo de penacho gaussiano .......... 132
I 3.3.2. Capa Limite Convectiva .................................. 137
3.3.2.1. Fuente emisora en el suelo ..................... 137
I 3.3.2.2. Fuente en altura (140 m) ....................... 140
3.3.2.3. Comparación co" el proyecto CONDORS............ 145
I 3.3.3. Fumigación .............................................. 149

I 4. RESUMENY CONCLUSIONES.............................................. 155

5. REFERENCIAS......................................................... 159
I
I
I
I
I
I
I
I
I
I
n

I
1. INTRODUCCION.
I
La contaminación atmosférica. es decir la presencia de sustancias
extrañas en la atmósfera o las alteraciones de las proporciones de sus
I componente*, por causas antropogénicas ha suscitado un gran interés desde
comienzos de la década de los sesenta, aunque ya desde el siglo XII se
conocen escritos con referencia a la calidad del aire. Esta toma de
conciencia se debió a los efectos mensurables que las emisiones de origen
I úrbano e industrial ejercen sobre la salud de los seres vivos y su entorno.
No obstante, no debe olvidarse que la contaminación del aire también puede

I deberse
ocasiones
a sustancias

exclusivamente
pueden
a
llegar
las
emitidas
a
emisiones
a la atmósfera
ser perniciosas.
antropogénicas
por
Este
y.
la naturaleza,

en
trabajo
concreto,
se
que en
Ct?Ait-á
a su
comportamiento dentro de la baja troposfera.
I Los tres elemento* que se tienen en cuenta en el problema de la
contaminación atmosférica son la fuente de emisión, origen de las sustancias

1 contaminantes,
de dichas
nocivo.
las características
sustancias
El procedimiento
en el aire
del transporte,
y el receptor
más apropiado para
dilución
donde
relacionar
y transformación
se detecta
estos tres
su efecto
elementos

I es la aplicación

En todo
de los llamados

proceso de modelado
modelos de difusión

atmosférico
atmosférica.

es preciso realizar ura

distinción entre las diferentes escalas del transporte de los contaminantes

1 en función de la distancia entre el receptor y el emisor:

- próximo a la fuente (< 1 km) (fuentes a nivel del suelo),

1 -
-
-
a corta
a distancia
a larga
distancia
intermedia
distancia
(< 10 km) (fuentes
(entre
(> 100 km).
elevadas),
10 km y 100 km) y

I Una vez establecida

simulación se puede
la escala
plantear desde
correspondiente
un punto
al caso
de vista
considerado,
experimental,
su

reproduciendo las condiciones de emisión y dispersión, y/o desde el

I conocimiento
físico-químico*.
físico, mientras
que se
Al primer
posee del medio
procedimiento
que al segundo se le conoce
dispersivo y de los
se le dá el nombre de modelado
generalmente
fenómenos

como modelado

l matemático,
realiza mediante
este tratamiento
puesto que la descripción
el uso de expresiones
conlleva ventajas
de los fenómenos que intervienen
matemáticas
en lo referente
apropiadas.
al coste económico
En general,
se

y a la
flexibilidad de poder simular cualquier proceso sin las restricciones que en

1 algunos
obstante,
observaciones
casos se pueden presentar
el modelado matemático
experimentales
en simulaciones
ha de apoyarse
obtenidas durante
reales
necesariamente
el episodio
o a escala.
en medidas u
considerado
No

I otro
de error
requiere
similar, para poder verificar
cometido.
un análisis
En concreto,
t&nico previo,
su grado de certeza
la aplicación
que incluye
evaluando
de un modelo
el estudio del
el margen
matemático
tipo de
contaminante, su tiempo de permanencia promedio dentro del area considerada,
I las caracteristicas
análisis determina
de tal área y los equipos de que se debe disponer.
el modelo adecuado al caso. que será operativo
Este
después de
un proceso de verificación para corregir o paliar al máximo sus posibles

1 deficiencias.
condiciones
partir de
Dentro
meteorológicas
datos
de las características
prevalentes
observados o mediante
del área se deben incluir
que, a su vez,
10s
pueden establecerse
denominados
las

modelos
a

meteorológico*.
I
I 1

1
1
I requiere
En algunos modelos
el uso previo
de control
de modelos
de la
meteorológicos
contaminación
con objeto
atmosférica
de suministrar
se
o

I preparar
esencia,
vientos
adecuadamente
los modelos
y del régimen
los valores
meteorológicos
turbulento
de entrada
prporclonan
en el área
o input
una descripción
estudiada.
que precisan.

Se clasifican
del campo
en:
En
de

I (11 modelos
meteorológicos,
& seme lanza
p.e.
q”=
la altura
sirven pra determinar
de la capa de mezcla,
parámetros
o coeficientes de
dlfusivldad turbulenta, que no son directamente medlbles y se han de

I inferir
Simpson,
a partir
19821;
de información meteorológica standard (p.e. Hunt y

modelos de diagnóstico que realizan un análisis objetivo de los datos

I (2)
meteorológicos disponibles, mediante interpolaciones simples 0
complejas, pero que no pueden utilizarse para simular su evolución
temporal (p. e. el modelo IBMAQ-2 de Shlr y Shelh (19781, el modelo

1 (31
MATHEW de Sherman

modelos &
(19781

pronóstico
o el de Ludwig

que se
y Byrd

utilizan
(198011;

para simular la evolución

medio de ecuaciones de
l temporal
conservación
o Fernández,
del sistema
de masa,
19921.
calor
atmosférico
y cantidad
Por
de movimiento (p.e. Plelke, 1984

I Con
condiciones
independencia
meteorológicas
de la necesidad
de la zona a simular,
de un estudio
los modelos
previo
matemáticos
de las
de
difusión de contaminantes constituyen una de las t6cnlcas que mayor atención

I ha recibido
atmosf6rlco.
contaminación
en
Estos
los

atmosférica
últimos
modelos,
lustros
en función
que se desee.
en
del
pueden
el
enfoque
campo
del
ser de tipo
del medio
tratamiento
determlnistlco
ambiente
de la
o
de tipo estadístico. Los primeros simulan los fenómenos físicos entre el
I foco
entre
emisor y el receptor,
concentraciones
mientras
y emisiones
que los segundos
registradas
establecen
en el pasado,
una relación
que se extrapola
a condiciones futuras semejantes.

I En la Figura
por dos modelos
1.1.
deterministas
se ilustra esquemáticamente
(modelo gausslano
el procedimiento
y modelo-K eulerlanol,
seguido
dos

1 modelos
modelo
variables
estadistlcos
híbrido. En esta
meteorológicas,
(modelo

“MOD”
autorregresivo
figura
el
“E”
tipo
y de regresión
representa
de modelo
la emisión,
donde el
múltlplel
“MET”
subíndice
y un
las
e
indica modelo estadistico y d modelo determinísta, “CO” representa la

I concentración
subíndice t indica
observada,
variabilidad
“CP” la concentración
temporal, t’
prevista
representa
por
el tiempo
el modelo.
entre
El
1 y
un valor máximo, t” el tiempo entre 0 y un valor máximo y s representa el

I espacio.

I
1
I
1 2

1
1
I
I MOD
Modelo gaussiano Et+METr d cp
l MOD
st

Modelo K Et+MET,+C~sct-ljA 6 st
I MOD
Modelo autoregresivo CO - cp

I (t-t*1 (ta”)

Modelo de regresión (E+MET+++, l 3 Cp(t+t")

I múltiple
MOD +MOD

1
Modelo híbrido E+MET+Co+Cps
1 (t-t>) d CP
8 (t+t”l

I Figura 1.1. Representación

matemáticas en
esquemática
contaminación.
de
Tomado
algunas
de Zannetti
metodologías
y Tombach

1 (1986).

I
1.1. MODELOSDE DISPERSION ESTADISTICOS.
I Como se ha indicado anteriormente, los modelos estadisticos se basan en
relaciones semiempiricas de naturaleza estadistica obtenidas a partir de

l medidas
predicciones
u observaciones

la concentración
de corto
en el pasado.
alcance,
de contaminantes
Este

en el
tipo
con los que se pueden
aire.
de modelos
apreciar
Zannetti
se utiliza
tendencias
y Tombach
para

(1986)
en

clasificaron los modelos estadísticos en las siguientes categorías:

l - Distribuciones estadfsticas de la concentración.
- Análisis de series temporales.

1 -
-
Métodos
Modelos
mixtos
receptor.
determinístico-estadísticos.

1 basa
El método

probabilidad
de las
en su aleatoriedad,
distribuciones

(pdf) y la estructura
caracterizada
estadisticas
por
de su autocorrelación.
su
de la concentración
función de densidad
Esta última juega
se
de

un papel fundamental en la variabilidad temporal de la concentración. El

l conocimiento
determinados
de su pdf permite
niveles de calidad
conocer
del aire
la probabilidad
establecidos
de que se superen
en la legislación.
Diversas pdf se han propuesto para la concentración, COtIlO son: la

1 log-normal.
al. (1986)
analizaron
Gamma, Pearson,
discutieron
la estadística
etc.
y resumieron
de los
Georgopoulos
algunas
valores
y Seinfeld
de ellas
extremos
(1982)
y Surman
de la distribución
y Marani
et al. (1987)
de la
et

1 concentración, ya que es la que presenta mayor incertidumbre.

I 3

1
n

1
I evaluar
Los métodos
concentraciones
sus variaciones
de análisis
registradas
intrinsecas,
de series
a lo largo
temporales
de un periodo
sin explicarlas
utilizan
largo
fisicamente.
de
series
tiempo
Este
para
tipo
de

I de modelos utilizan

- método
alguna de la siguientes

de Box-Jenkins,
técnicas:

- análisis espectral,
I -
-
análisis
análisis
de la regresión,
de la tendencia y
- analisis de componentes principales.

1 aplicada
La metodologia
en el
Box-Jenkins
análisis de
(Box y Jenkins,
series temporales,
1976) ha sido
tanto de
la más
medidas
meteorológicas como de contaminantes. Simpson y Layton (19833 predijeron con
1 este
evaluaron
técnica concentraciones
tendencias, Zinsmeister
máximas de Ozono,
y Redman (1980)
Roy y Pellerin
la aplicaron
(1982)
a aerosoles y
Murray y Faber (1982) analizaron la visibilidad.

I los
Las técnicas
ciclos
espectrales
de observaciones
(Jenkins
meteorológicas
y Watts. 1968) permiten
y de contaminación.
identificar
Tilley y

I McBean
oscilaciones
del viento,
(1973) y Trivikrama
con periodos
presión,
et al. (1976) mostraron
de 12, 24 y 72 horas en registros
temperatura y concentración de S02.
la existencia
de la velocidad
de

1 Los análisis
de las series
de regresión
temporales.
son un tipo
En ellos
particular
se relacionan
del análisis
estadísticamente
múltiple
valores
medidos de ciertas variables meteorológicas con 1SS concentraciones
I observadas
también
(Chock et al.,
pueden ser consideradas
1975). Las variaciones
en modelos
estacionales
de regresión múltiple
y de tendencia
(Buishand
et al., 1988). El análisis por componentes principales lo aplicó Lin (1982)

1 para calcular

El análisis
y predecir distribuciones

de tendencia
de contaminantes.

(Buishand et al., 19881 y el análisis de

componentes principales (lln, 1982) se han aplicado en el cálculo de
I distribuciones de contaminantes y precipitaciones.

Los métodos de series temporales pueden aplicarse de dos maneras, la de

1 ajuste

conociendo
y la de predicción.
a un conjunto de medidas
previamente dichos
En la segunda
(p.e.
los parámetros
coeficientes
parámetros en otro
del modelo
de regresión)
conjunto
aplicado
se evalúan
de medidas. En el

1 método
temporales
temporales
de ajuste
dentro
dichos parámetros
de un mismo conjunto
que de forma alternativa
sirven para evaluar
de medidas.
predicen
Existen
y evalúan.
el método
modelos
de series
de series

1 tipo
El tercer grupo lo componen
determinístico-estadístico.
los llamados
que utilizan
modelos híbridos
métodos
o mixtos,
semiempíricos
de
y
filtros de Kalman en tiempo real. La formulación teórica de tales métodos se

I puede encontrar
se basan en la recursividad
brevemente
en Kalman

a continuación.
(19601 y Jazwinski
del método de mínimos
ConsidBrese el problema
(1970). Los filtros
cuadrados,
de regresión
de Kalman
según se expone
lineal

1 en donde x es un conjunto
y = x.a
de n variables linealmente independientes (x1,x2,

I .
ambas
, xn) y a es
dependientes
un conjunto
del tiempo.
de coeficientes
Si se dispone
desconocidos
de k
(al,a
observaciones
=, . . ..a.).
de las

I 4
I
I
I variables x e y. podemos tener una estimación
por el procedimiento de mínimos cuadrados
de a; del conocimiento de a

I
l Por tanto,
aplicar
si el número de observaciones
esta ecuación. Para evitarlo
k aumenta es necesario
se supone un método recursivo
volver
tal que
a

=: sea la suma de su estimación en k-l observaciones (aL-l) más un término

I que se basa en la nueva observación de y, y xk. Este metodo recursivo llega
a la misma evaluaci6n que mediante la expresión anterior. Posteriormente
I Kalman (1960)
parámetros
resolvió el problema
ak en los que: (1) a representa
general de estimar
la situación
un conjunto
de un sistema
de

dinámico, (2) ak varia de acuerdo a un esquema estocástico global

1 ak = F(k.k-l)ak-; + C(k,k-l)wk

I donde F(k,k-1)
matriz
es una matriz n
de entrada n x n y
x n denominada de transición,
v k es un vector de variables
G(k,k-1) es la
aleatorias
independientes de media cero y matriz de covarianza Q y de dimensión m. (3)
I las medidas de y,=[yl.ya,.... ypIlE pueden relacionarse linealmente con ak
mediante una ecuación observada del tipo

I Yk = Hkak + “*
donde H es una matriz de coeficientes de dimensiones p x n y v es un vector
1 de dimensión
variables
p que corresponde
aleatorias
a los errores de medida indicados
de media cero y matriz de covarianza R.
por

I Estas ecuaciones
mhtodo recursivo
del filtro
que estima a'
las últimas observaciones
de Kalman permite
k+J a partir de a k+J
de y,. en vez de resolver
la apllcaclón
considerando
de un
únicamente
en cada momento todo el

1 problema por el método de mínimos cuadrados. Además, hace posible estimar la

matriz de covarianza del error previsto a -a' k*J’
k+J
que refleja la exactitud
de las estimaciones de a'k+J.
I El vector ak refleja numéricamente el estado del sistema dinámico, como

1 por ejemplo las concentraciones

F refleJa la representación
de Kalman proporciona
de contaminantes
determinísta
en la atmósfera. La matriz
del fenómeno. En resumen, el filtro
un método para predecir la evolución de ak, en el que

I se tienen en cuenta la componente determinista

‘k ( correctoras).
F (predictora) y las medidas

I Melli
Existen diferentes
metodologías
et al.,
modelos con filtros
como un modelo euleriano
de Kalman acompafiados de otras
de tipo K (Bankoff y Hanzevack, 1975;
19811, o un modelo markoviano de primer orden (Zannetti y
switzer, 1979). Los filtros de Kalman, al igual que cualquier otra
I metodologia, tienen sus limitaciones. La principal se relaciona con su gran

I 5

1
D
I
I número de ecuaciones,
Por ello,
que dá lugar a matrices con una excesiva dimensión.
se puede considerar un método alternativo
el área de estudio en subzonas y aplicar
que consiste en dividir
a cada una de ellas el filtro.

I Por último,
metodologia
haremos referencia
se basa en asignar
a los llamados modelos receptor.
la contribucción de cada foco, o grupo de
Su
focos emisores, a las concentraciones registradas en un punto determinado
1 sin tener en cuenta la dispersión
decir, mientras
de los contaminantes
que los modelos de difusión calculan
(Gordon, 1988). Es
la contribución del
foco al receptor en función de la emisión y de la acción dlsperiva de la
los modelos de receptores parten de las
1 atmósfera,
observadas en el receptor y buscan posteriormente
de las fuentes a cada "no de los co;tamlnantes
la aportación
registrados,
concentraciones
de cada una

1 =i*- -,=,
aDE
JJ J* Jk

1 donde cada fuente p contribuye

en la emisión del foco J.
con cIk, a es la fraccibn
D
Jk
rJ
corresponde al término
del componente I
de dispersión
atmosférica y E es el ritmo de emisión. El producto DJkEJk (=SJk) es la
I contribución
dispersión
Jk
total del foco J a la muestra k del receptor.
suponen conocidos los valores de a D y E
Los modelos de
y estiman la
II' J* J*
1 concentración
el valor de a
c Ik* en cambio en este tipo de metodología
se conocen y el modelo debe evaluar
la concentración
la contribución
y
total de
IJ
cada foco a cada receptor.
I Debido a su fuerte dependecia de los datos observados, en este tipo de
modelos se deben tener muy en cuenta posibles errores de medida. En la
1 actualidad
metodología.
hay un creciente interés
Estos modelos se clasifican,
en aplicar y desarrollar
según Henry et al.
más esta
(19841, en
cuatro categorias: conservación química de masa. modelos multlvariantes,
I modelos microscópicos
lustro se propusieron
secundarios,
e híbridos

no contemplados
un tipo
fuente-receptor.
de modelos receptor
por las categorias
Aproximadamente

anteriores
hace un
para contaminantes
exclusivas para
contaminantes primarios, y fenómenos de deposición. La ecuación básica de
I esta metodología es
P

1 iJt D Ea
Jrt Jt ‘Jrt

donde clrt es la concentración del contaminante I en la muestra recogida en

l el receptor r durante el intervalo de tiempo t, a
IJt
es el ritmo de emisión
del contaminante 1 en la fuente J, E es la emisión total desde la fuente
Jt
l J, DJrt es el factor
refleja
de dispersión de la fuente
la pérdida o ganancia del contaminante
J al receptor
L en el recorrido
P y a IJd
desde la
fuente J al receptor r, tal que alJrt debe englobar la fracción de masa que
l se ha depositado y que se ha transformado quimicamente en otro contaminante.

I
I 6

1
 I
1 1.2. MODELOSDE DISPERSION DETERMINISTICOS.
Conceptualmente este tipo de modelos de difusión estima la
I concentración
utilizando
espacial
en la atmósfera de uno o varios
una técnica
y temporal.
matemática que permite
Según sea el procedimiento
contaminantes
determinar
emitidos a ella,
su evolución
matemático aplicado estos

I modelo se subclasifican
determinísticos
aquéllos que suponen un perfil
en diferentes
que han tenido,
categorías.
y siguen teniendo.
específico
Los modelos de difusión
mayor aplicabilidad
de concentración dentro de la nube
son
de contaminantes que satisface la ecuación de una distribución de Gauss, por
.l lo cual se les dá el nombre de modelos gausianos.
técnicas más complejas para estimar el transporte
Otros, en cambio, utilizan
y dispersión que requieren
su implementación en ordenadores, como son los llamados modelos eulerianos y

I lagrangianos. Los modelos eulerianos

numéricas de la ecuación de continuidad,
se centra básicamente en la teoría
se basan en soluciones analíticas
mientras que la técnica lagrangiana
estadística de la difusión turbulenta
o

propuesta por Taylor.

I La diferencia fundamental entre ambos tipos de modelos reside en el
sistema de referencia que utilizan. La visión euleriana se basa en un
I sistema fijo
la visión
a un elemento
al cual todo el movimiento del fluido
lagrangiana
se referencia.
establece un sistema de referencia
de fluido en su trayectoria. La Figura
Por parte
móvil que acompaña
1.2.1 muestra
gráficamente la diferencia.
I
I SIST. REF. EULERIANO SIST. REF. LAGRANGIANO

I
I
I
I
1
Figura 1.2.1. Sistemas de referencia euleriano y lagrangiano

I en el movimiento atmosférico.

La descripción euleriana es la más aplicada en el estudio del

1 transporte
lagrangiana
de calor y masa de un fluido,
se suele aplicar
mientras que la descripción
para conocer los cambios de concentración
dentro del fluido. Cada una de estas dos aproximaciones constituyen una
I descripción
actualmente
válida
facilitar
de la difusión
una solución
turbulenta,
exacta. Diversos
aunque ninguno
autores,
puede
especialmente

I 7

I
I
I Lamb (referenciado
(1985). han analizado
entre ellas.
en Longhetto,
en profundidad
En la Tabla 1.2.1
19801, van Dop et al. (1985) y Sawford
ambas aproximaciones
se muestran
y las relaciones
esquemáticamente ambas

I metodologías.

I Modelo euleriano

I p(r. t) Ir: t’ )S(r: t’ ldr’dt’ ~C(r,t)>+~<u,><C>+~<u;C'>=S(r,t)

i J

I
I con velocidades

I con modelos Teoría K Cierres de

orden sup.

I Cálculo de "p"
con modelos &<C>+ ü,&<C>=
I
a K Sc,+ s
numer. turb. 1 ax JIJ 8x J
I Cálculo de "p"
con postulados

I I "p"= pdf Markov

I Tabla 1.2.1. Ilustración esquemática de la relación entre modelos

lagrangianos
I y eulerianos (Longhetto, 1980)

I En los casos de emisiones gases o partículas

con una cantidad inicial de movimiento
materiales
y temperaturas
desde chimeneas
superiores a la del
ambiente se ha de aplicar previamente un submodelo de tipo determinista. La

I consecuencia
parámetro
experimenta
física de este fenómeno se cuantifica
de sobreelevación, definido
el penacho antes de la dispersión,
mediante
como el desplazamiento
(p.e. Briggs,
el llamado
vertical que
1984; Golay,
1982; Nieuwstadt y de Valk, 1987; van Haren y Nieuwstadt, 1989).
I
1.2.1. Modelos eulerianos.
I La aproximación
en la conservación
euleriana, como se ha indicado
de masa o de la concentración
anteriormente, se basa
por unidad de volumen "cw
de un contaminante "1" en un determinado instante y lugar:
I
I 8

I
I
I -3
aci -3.oc,
-= + d.V%, + RI + S
I (1.2.1.1)
at
I donde 2 es el vector
molecular, V el operador
velocidad
gradiente,
instantánea del
V2 el operador
fluido,
laplaciano,
d la difusividad
R refleja la
creación/destrucción del contaminante Por reacción quimica y S la
I fuente/sumidero
molecular
del contaminante.
y ?.Vc es el término
El término
advectivo.
d.V’c representa la difusión

I Además de ser necesario

continuidad
satisfagan,
es preciso
respectivamente,
que el contaminante
que la velocidad
la ecuación
del fluido
I satisfaga
junto
de Navier-Stokes
la ecuación
con la temperatura
(conservación
de

de
la cantidad de movimiento) y la de conservación de energia. La resoluci6n
I del
cambios
sistema formado
experimentados
por, al menos,
por el vector
estas
velocidad,
ecuaciones puede
la temperatura
explicar
del fluido
los
y
la concentración del contaminante, asi como los efectos de tales variaciones

I sobre

ecuación
las demás variables.
comportamiento de contaminantes
de continuidad
Sin embargo,

(ec.
atmosféricos
1.2. 1.1).
cuando se estudia

salvo
sólo
exclusivamente
es necesario
en situaciones
resolver
en las que
el
la
la

I presencia

Si
del contaminante

se considera que
afecte al comportamiento

cada componente
del fluido.

cartesiana J de la velocidad del

fluido (donde vI=dx/dt; va=dy/dt y vs=dz/dt) depende del tiempo y del
I espacio, v, puede representarse como suma de un valor medio <v,>, que se
puede inferir de medidas experimentales o de modelos, y una fluctuación v’
J
I de naturaleza
movimiento
aleatoria,
turbulento
w=
atmosférico,
supone
es decir
una incertidumbre intrinseca al

j=1,2,3
I Por tanto, las concentraciones
” J = <“J’

resultantes
+ “’ J

de cada contaminante 1,
obtenidas resolviendo la ecuación de continuidad, tendrán una componente
I aleatoria
es posible,
dependiente
de la misma forma
del espacio y del tiempo.
que no es posible
Su determinación
calcular
exacta
con precisión
no
el
valor de cualquier variable aleatoria en un experimento. Por ello se utiliza
I un método
estadísticas
aproximado que
de la concentración,
consiste en determinar
en particular el llamado
ciertas
valor
propiedades
medio de
conjunto <c>, que se define como el promedio que se obtendria de un conjunto

1 infinito
incertidumbre
el valor
de casos con iguales

real,
intrfnseca
sino un promedio
caracteristícas
del modelo de dispersión,
teórico
atmosféricas.

en espacio
Esto supone una
ya que no puede predecir
y tiempo. Asi para cada
contaminante i
I c
i
= <c,> + c’
i

I donde por
Promediando
definición
la
Cc;>
ecuación
es nula.
de continuidad de sta manera, se obtiene:

I a CC,>
-
at
= -tvJ>.vcc,> - WC , . v;> + d,. &c,> + <RI> + SI J=1,2,3

I (1.2.1.2)

I 9

I
n

I
I sistema
Aún en
de
el
ecuaciones
caso més
para
sencillo de
cada componente
un contaminante
J de la
inerte
velocidad
(<RI>=O)
tiene
este
más
variables dependientes (cc> y cc’ .v;>) que ecuaciones, lo que obliga a

I establecer
turbulencia
un procedimiento
cuando se analiza
aproximado
desde
de “cierre”,
el punto de vista
caracterlstico
eulerlano,
de
que
la
no
permite obtener una solución exacta de la concentración media.
I Para tratar de resolver este problema, la alternativa m6s sencilla es
establecer una relación entre la concentración media cc> y los términos

I turbulentos
concepto de longitud
<c’.v;>.
de mezcla,
El método que se sigue más frecuentemente,basado
se conoce con el nombre de Teoría
en el
K o Teoría
del transporte de gradiente, según el cual se supone que:

I donde K es un término de dlfuslvldad

<c’
turbulenta,
v;>=-K. V<c>
representado por un tensor
(1.2.1.3)

diagonal (3x3) cuyos elementos pueden estimarse a partir de un modelo

I meteorológico
turbulenta
0 inferirse
definida
de
por la ecuación
medidas
anterior
meteorológicas.
varía generalmente
La dlfuslvldad
en el tiempo
y en el espacio.

I Lamb
estableciendo
(1973) evaluó las
que la Teorfa
condiciones de validez
K sólo es aplicable
de la ecuación
cuando
(1.2.1.3)
(T e /T c Ia 1, donde T e

I es el
integridad
tiempo máximo
y T es la
c
en que un remolino
escala de tiempo
atmosférico medio
de cc>, tal que aw/at=to/T
mantiene su
ES c
decir. este procedimiento sólo es aplicable cuando los cambios en <c> tienen
I unas escalas
normalmente
mayores
no se cumple
que las del transporte
bajo condiciones
turbulento,
de conveccl6n
una
intensa
condición que
(-ce>T 1. Por
tanto, la ecuación (1.2.1.3) tiene una aplicabilidad limitada. Debidoca ello
I se han desarrollado
superior) para evaluar
formulaciones
<c’.v;>.
más complejas
Estos esquemas
(esquemas
de cierre
de cierre
se discutirán
de orden
en el
apartado 1.2.1.3. Corsin (19741, al igual que Lamb (op. clt. 1, investigó las
1 limitaciones
tiempo medio
de la suposición
es inadecuada.
(1.2.1.3)
Varios
sobretodo
esquemas
cuando
de cierre
la elección
de primer
del
orden
(Teoria K) se presentan y sus soluciones se analizan en Dobbins (1979) y en

I Kao (1984).

En modelos basados en las ecuaciones (1.2.1.2) se hacen

los

1 generalmente
a la
otras
turbulenta.
dos suposiciones:
(V<c;.v;>)B(d,.V
zdifuslón
<c,>), y
molecular
atmósfera
despreciable frente
incomprensible,
V<vj>=O. Con estas dos simpllflcaclones se obtiene la denominada ecuación

I semiempírica de la teoría K de la difusión atmosférica:

a CC,>
1 -
at
= - <v,>.V<c,> + V. (K,,V<ci>) + <RI> + S
I
(j=l, 2.3) (1.2.1.4)

I donde
colclden
los elementos
con los ejes
de K
iJ
son cero si 1t.j.
principales del
si los eJes de coordenadas
tensor K. Existen numerosas
formulaciones empíricas para la difusividad vertical Ka3 y para la

1 difusivldad horizontal Kll=Kz2 (p.e. McRae et al., 1982; Shir, 1973;

I 10

1
I
I Bussinger y Ayra,

La ecuación
1974).

de la teoria K de la difusión atmosférica puede integrarse

I analítica
imponen
o numéricamente
adecuadamente
si
unas
se conocen
condiciones
las
iniciales
magnitudes
y de contorno
CV,>. K y S y se
para cc>.

I 1.2.1.1. Soluciones analíticas.

Las soluciones analiticas de la ecuación diferencial de la difusión

I turbulenta
el comienzo
(1.2.1.4)
de la d6cada
6610 son posibles
de los
bajo determinadas
cincuenta numerosos
suposiciones.
investigadores
Desde
han
propuesto soluciones analiticas de la ecuación de difusión. Rounds (1955) y

l Smith
perfiles
(1957)
de <vi>.
encontraron
equivalente
soluciones para
a la componente
fuentes
horizontal
elevadas con dlferentes
de la velocidad del
viento, y valores del elemento Kz3 del tensor de difusividad turbulenta. Yeh

I y Huang (1975)
propuestas
y Demuth
anteriormente
(1978) dedujeron
por Rounds y Smith.
soluciones
La solución
más generales
analitica
que las
de Demuth
se implementó posteriormente por Tirabassi et al. (1986). Estas y otras
I soluciones
Seinfeld
han sido
(19861, Pasquill
analizadas
y Smith
por
(1983)
diversos
y Tirabassi
investigadores
et al.
entre
(1986).
ellos

I ecuación
permiten
En la Tabla
de difusión
conocer
1.2.1.1.1.
turbulenta
el valor
se muestran
recopiladas
de la concentración
algunas de las
por Seinfeld
media
soluciones
(19861,
Cc> a nivel
de la
las cuales
del suelo y
a cualquier distancia longitudinal x a sotavento de una fuente emisora de
I contaminación
equivale
atmosférica.
al 2 y el z equivale
El subíndice
al 3.
x equivale al subindice 1, el y

I
1
I
1
I
I
I
1
I ll

1
1
I
I
Condiciones Solución

I Distribución inicial
T
-

arbirraria

I (ci% YO.3h
atmósfera ilimitada

I Fuente puntuai
-

instantánea
(X-X0-W (Y-YOF f:-z8
l <ch YO.ra))
= 8(X0)s(YdMY3,
(ce, Y. 2. *‘)=
1
mryr-[Py(t) P,,(f) P&ll’~ exp,[ 2PA) P&) PA*' 1
atmósfera ilimitada

I Fuente puntual
-
(
continua en el origel1,

l atmósfera ilimitada
,

I L-
Fuente lineal continua
,:&
I sobre el eje y,
atm&fera ilimitada
2)) =

lQ~)=función modificada
$+
t

de Bese1 de tercer tipo

Chando Ux>K,, y x>>z,

I
-

1 Fuente
continua
puntual

plano reflectante
(0.0. h),
(
z=OfK,,=O)

I Fuente lineal continua

en x=0
-L

y x=h(K,=O), (

I plana reflectante :=( 1

-

I
Tabla 1.2.1.1.1. Soluciones analíticas de la ecuación de difusión

I atmosférica
(K,,=cte
en turbulencia
en el espacio, ~=x,y,z).
homogénea y estacionaria:
De Seinfeld (1986).
&=(<u>, 0.0) y

I anterior
casos,
Si se compara la concentración
con la observación
la escasa concordancia
prevista
experimental
entre ambas.
por las
se observa,
soluciones de la tabla
en la mayoría de los

1
I 12

1-~
i, ., ..,., . .;.. / . . ..,, .<,_ ~ ..i ..,/
‘:,.‘..
I
l 1.2.1.2. Soluciones numéricas.

Los métodos numéricos permiten obtener soluciones aproximadas de la

ecuación de difusión atmosférica con manos restricciones que las
I analíticas. Estas técnicas de integración son:
- Métodos de diferencias finitas (Richtmyer y Morton, 1967)
1 - Métodos de elementos
- Métodos de elementos
finitos (Strang y Fix, 1973)
de contorno (Brebbia, 1978)

I Las soluciones
métodos anteriores
los valores
numéricas resultantes
iniciales.
dependen fuertemente
Cuando se utiliza
de la aplicación
de las condiciones
de cualquiera de los
de contorno y de
un método numerico se debe tener
especial cuidado en inicializar correctamente todas las variables
I meteorológicas
evolución
en el dominio
temporal en los contornos.
computacional
Estas técnicas
y definir correctamente
también se utilizan
la
en
los modelos meteorológicos de pronóstico (Pielke, 1984).
1 Los métodos de diferencias
aunque poseen algunas desventajas.
finitas son las técnicas
El principal
más utilizadas,
error de estos metodos es la

I aproximación

comprenderse
del término advectivo,
el ritmo de la difusión
fácilmente con el análisis
<v,>.V<c>, que aumenta artificialmente
de la concentración.
del
Este problema numérico puede
término advectivo en una

I dimensión:

-ac = - <u>.- ac (1.2.1.2.1)

l cuya solución
at
con un esquema de diferencias
ax
finitas de primer
orden (centrado en el espacio) se puede aproximar como:
I C
t+1
x - ctx = <ut> ctX+1 - ctx-1 (1.2.1.2.2)
x
I donde los subíndices indican
At

la discretización
2 Ax

espacial, con un tamaño de

la
I malla de Ax. y los superíndices
temporal
la discretización temporal, con un paso

At. El analisis de los términos truncados muestra que el error E generado

I por la aproximación de (1.2.1.2.2) es

E= 2!+! (1 - <u>.At/Ax) (a2dax2) = Di (a2dax2)

1 2

El t6rmino ll " representaría la "difusión artificial", que es

I proporcional
artificial
al tamaño de la malla Ax. En algunos casos esta difusión
puede tener el mismo orden de magnitud (e incluso superior) que
la difusión atmosférica real, provocando una incorrecta determinación de la
1 concentración
reducir
media. Muchos investigadores han propuesto procedimientos
E, como Egan y Mahoney, 1972; Runca y Sardei, 1975 (SBASTA); Pepper
et al., 1979; entre otros. Otros autores como Chock y Dunker (1983) y Schere
para

(1983) demostraron que ninguna aproximación por diferencias finitas puede

I ser válida con carácter general para todas las situaciones y que algunos

l 13

I
I
1
1 esquemas pueden producir una difusión artificial excesiva.

1.2.1.3. Esquemas de cierre de orden superior.

I Debido a las limitaciones de la Teoría K se han desarrollado
formulaciones más compleJas para la resolución de la ecuación de la difusión
I atmosférica
de este tipo
mediante esquemas
que han despertado
de cierre de orden
más atención
superior.
son: modelos
Los dos esquemas
de cierre de
segundo orden (Lewellen y Teske, 1976) y las técnicas de simulación de

I grandes remolinos

El procedimiento
o large-eddy

para
simlation

obtener
(Nleuwstadt

un cierre
y de Valk,

de segundo
1987).

orden consiste en
expresar los nuevos términos de doble y triple correlación que aparecen al
l desarrollar
medio. Usando
la ecuación
estas
de difusión
aproximaciones
en función
Lewellen y Teske
de variables
(1976)
del
obtuvieron
flujo
una
ecuación diferencial para el flujo de masa turbulento que tiene un

l comportamiento
turbulenta.
manifiesta
dual
En el
según
caso
una mala predicción
sea la escala
concreto del
con algunos
del penacho
modelo
datos
de
comparada
Lewellen
observados
con la escala
y Teske,
y. en cambio,
se

1 una buena
laboratorio
práctlca.de
predlcibllidad
de Deardorff
este tipo
con
y Willis
de cierre
los

sigue
datos
(1974).
siendo
obtenidos
Por lo tanto,
cuestionable
en experiencias
la aplicabilidad
(Enger, 1986).
de

I Como
remolinos
describen
calcula
Nieuwstadt
los movimientos
y de Valk
turbulentos
(op. clt.
a
1, un modelo
gran escala
de grandes
resolviendo
directamente un conjunto de ecuaciones modificadas de Navler-Stokes. Estas

I ecuaciones

una
son:

ecuación filtrada de la cantidad de movimiento con términos

subceldllla (subgrld),
I -
-
una ecuación
una ecuación
filtrada
de Poisson
de la temperatura
para la presión,
con términos subceldilla.

- ecuaciones de transferencia de gradiente para el cierre de todos los

1 -
términos
una ecuación
que describen
de la energía
los movimientos
subceldilla.
a escala subceldilla, y

I El término
escala inferior
filtrado
a la
indica
de la
que
celdilla
no se tienen
o grid.
en cuenta los movimientos a

Estas ecuaciones se resuelven por métodos de diferencias finitas con

I mallas
segundos.
entre 50 y 100 metros y pasos de tiempo de aproximadamente 5

I permitió
Nieuwstadt
resolvieron
simular
y de Valk
simultáneamente
los
(1987)
con
experimentos
utilizaron
el modelo
de
una ecuación

Willis
la-ge-eddy.
y
de conservación
Esta
Deardorff
aproximación
(1981)
que

con

I sustancias
del modelo
sustancias
pasivas
de Deardorff
sin
en condiciones

flotabilidad.
(1974)
convectlvas.
para
Sin embargo
simular
Lamb (1978)
condiciones
en simulaciones
utilizó
convectivas
con penachos
la salida
con
con
flotabilidad la concordancia con los experimentos no es tan satisfactoria,

I aunque
experimentos
van Ha-en
de Carras
y Nieuwstadt
y Willlams
(1989)
(1984).
modelaron razonablemente bien los

I
I 14

I
 1.2.1.4. Modelos caja.

Los modelos caja o model& box se pueden clasificar en tres categorias:

- Modelos de caja única

- Modelos slug
- Modelos de caja múltiple

Este tipo de modelos se basa en la conservación de masa del

contaminante dentro de una caja euleriana o caja fija. El concepto físico de
la aproximación de estos modelos se representa gráficamente en la Figura
1.2. i.4.1.

Figura 1.2.1.4.1. El modelo de única caja, donde S representa la emisión

constante por unidad de área, u la velocidad del viento que es constante e
inyecta en la caja aire limpio y c la concentracidn media dentro de la caja
y variable en el tiempo.

La conservación de masa se expresa:

ii CcH) = S - c.H.& (1.2.1.4.1)

at AX

Si se conoce la evolución temporal del espesor de la capa de mezcla

H(t) es inmediata la determinación de la evolución temporal de la
concentración de la caja (Venkatram, 1978).

Jensen y Peterson (1979) fueron los primeros en validar esta técnica,

al compararla con concentraciones urbanas en donde la evolución de la capa
de mezcla se obtuvo mediante un sondeador acústico o “SODAR”.

Esta metodologia se ha aplicado tanto a contaminantes inertes como a

reactivos. En el caso de sustancias reactivas se le añade un término que
engloba el equilibrio químico en la ecuación de conservación de masa dentro
de la caja. En otros casos se han incorporado términos que reflejan la
deposición seca/húmeda (Meszaros et al., 1978).

Venkatram, además de integrar la ecuación (1.2.1.4.1). demostró que el

modelo caja tiene una fuerte carga inercia1 y. por lo tanto, no puede
suministrar apropiadamente cambios rápidos ni en la velocidad “u” ni en la
emisión “S”. Por ello, propuso el llamado modelo slug como una mejora del
modelo caja, especialmente durante episodios de estancamiento. El modelo

15
I
I slug

varía
permite
longitudinal
que la concentración
y en la vertical
en la dirección horizontal
bajo
c varie
la hipótesis
transversal.
en la dirección
de que la concentración
Esto permite
horizontal

que la ecuación
no

I de conservación
(x,z)
de masa en una única caja se exprese en dos dimensiones

a CcH) + ” a (CH) = s
I at ax
(1.2.1.4.2)

definiendo la concentración media en x como

I (XI
<c(x)>.H = ctx,z).dz (1.2.1.4.3)

1 donde H(x) puede ser la altura de mezcla

I” 0
o el tamano vertical del penacho
generado por la emisión “S” a nivel del suelo.
I La solución de las ecuaciones (1.2.1.4.2) y (1.2.1.4.3) muestra que.
transcurrido un tiempo concreto después de que la emisión se interrumpe, la

1 concentración
esta caída
media de toda
de concentración
la caja es nula.
no se puede reproducir.
Con un modelo de caJa única

I única
Gifford

multlcaja
y Harma
a simulaciones
en su versión
(1973).
multlcaja.
entre

más sencilla.
otros,
En Stern
extendieron
(1976)
Las dos limitaciones
el concepto
se describe
principales
de caJa
un modelo
de la
aproximación multicaja son que no tiene en cuenta la dispersión horizontal y
I que supone
Estas
mezcla
aproximaciones
instantánea
proporcionan
en toda la caja,
un ahorro
especialmente
en tiempo
en la vertical.
de cálculo y. en
algunos casos, no perjudica la calidad de los datos de salida del modelo en

I reglones donde no se dispone de suficiente información meteorológica.

1.2.2. Teoría estadística de la turbulencia. Modelos lagrangianos.

I La metodología lagranglana consiste en el análisis del comportamiento
de partfculas que representan elementos de fluido o porciones de

I contaminantes
se simula
gaseosos
por el movimiento
dentro de un flujo.
de las particulas
La mezcla en un flujo
que constituyen
turbulento
el fluido. En
1921, Taylor enfocó el estudio de la turbulencia desde este punto de vista,

1 considerando
puntual
homogénea
un sistema
de partículas
en el que
lagrangiano
dentro
la velocidad
de coordenadas
de un medio
media es nula.
en el caso de una emisión
con turbulencia
Según
estacionarla
este sl.tema
y
de
coordenadas la posición de cada particula $(?o, t) = xr?+xsj+xak, en el
I tiempo t es función de la posición F’
0
en el instante inicial t
0’
Definiendo
cada componente de la velocidad lagrangiana de una particula fluida en el

I tiempo t como

dx
” =- J

1 tenemos que:
J dt
(J=1,2,3)

1
I 16

I
I
I
I dx t
<x ,d;)>=2w>=2<
J J
,vJw.dt’
1 .vJ> =

I
= 2 J; <vJW).vJ(t,> dt’

I Si se supone que el régimen turbulento del flujo es estacionario <v:,,

la autocorrelación de vJ(t) y vJ(t’) solamente es función de la diferencia
I de tiempo At=t-t’. Definiendo la autocorrelación como:

I R (At) =
<vJ(t).vJ(t+At)>

“J”J <“)>

I tenemos que

I d-
dt
<x;> = 2 <“:, tAt).d(At)

I Integrando

I
se obtiene la evolución temporal de la varianza de cada particula fluida.
I Integrando por partes la expresión anterior

I <+P = 2. CV:,. t.+At/t)R tAt>.d(At)

I Si 98t” es pequeña comparada con

0

la escala
“J”J

de autocorrelación de

I R
“J”J
(At),

1.2.2.11,
entonces

obteniéndose
R
“J”J
(At14

que
en todo el dominio de la integral (Figura

I <X;w fl <v:>.t2

La raiz cuadrada de esta ecuación refleja un desplazamiento aleatorio

I que
las
aumenta
fluctuaciones
linealmente
turbulentas
con el tiempo
respecto
y es proporcional
al valor medio:
a la intensidad de

I x”
J
cc ““.t

donde con el superíndice ‘* se representa el carácter aleatorio de una

I variable.

I 17

I
I
I
I que
Si
At/t
“t”
es
es grande
pequefla,
comparada
dando lugar
con
a
la escala de autocorrelacl6n se cumple

I
donde

I
TL = tAt,.d(Atl

I es la escala integral de tiempo determinada desde la autocorrelación

lagranglana R, tamblen llamada “escala de tiempo lagranglana”.
I Extrayendo la ralz cuadrada se obtiene finalmente:

I
I tiempo
Esta ecuación

recorrida
se asemeja
refleja que el comportamiento
a una trayectoria
por la partícula fluida
aleatoria,
se puede determinar
en grandes intervalos
en la que la distancia
por una serie
de

de pasos
aleatorios (no correlacionados). Dicha distancia es proporcional a la ralz

I cuadrada
tiempos
inicial
del tiempo.
“t”
(t=O);
Esta slmilarldad
las particulas
a diferencia
fluidas
se debe al hecho de que para grandes
se han “olvidado”
de lo que ocurre
de su comportamiento
en pequeños tiempos en donde

I existe una cierta

con coeficientes
autocorrelación.
de difusión turbulenta
En estos casos es aplicable
constantes.
la Teoria K

Mediante análisis experimentales se ha deducido que la correlacl6n

I R
“J”J
se ajusta generalmente a una función exponencial exp(-At/TL) (Neumann,

1978 y Tennekes, 1979). Otro de losparámetros básicos de esta teoría es la

I escala de tiempo
directamente,
lagranglana
debléndo
TL, que es una magnitud
determinarse a partir
difícil de medir
de medidas eulerlanas. Existe
una relación aproximada entre las escalas de tiempo euleriana TE y

I lagranglana T 1: como la propuesta por Pasqulll (19741,

I donde ambas se relacionan

asignó
siendo
un valor igual
1 la intensidad
a través
a 4, mientras
de la turbulencia.
de un coeficiente
que Reid (1979)
6. al
consideró
que Pasquill
que @=O.S/i.

I
I
I
I
I 18

1
 Figura 1.2.2. 1. Función de autocorrelación en el tiempo.

Desde el punto de vista espacial cuando una “bocanada” (traducción del

vocablo inglés puff) de sustancias contaminantes es transportada por el
viento, tenderá a dispersarse debido a la acción de las fluctuaciones
turbulentas de la velocidad del flujo atmosférico. En la figura 1.2.2.2. se
muestra la dispersión de una bocanada bajo tres tipos de condiciones
turbulentas. La figura 1.2.2.2~1 refleja una bocada dentro de un campo
turbulento en el que todos los remolinos son más pequeflos que ella,
distorsionándola debidd:a la iricorporación de aire. En la figura 1.2.2.2b se
observa como cuando el tamafio de la bocanada es inferior al tamafío de los
remolinos turbulentos, éstos la trasladan diluyéndola muy lentamente hasta
que, finalmente, ‘la difusión molecular la disipa; La figura,l.2.2.2~ refleja
el comportamiento de una bocanada cuando Su tamafio 6s +milar al de los
remolinos turbulentos; en este caso la bocanada se dispersará y
distorsionará. En la atmósfera, debido a que siempre existen pequefios
remolinos, la nube de contaminantes siempre.se dispersará. En resumen, esta
figura muestra que la dispersión de una bocanada depende de su tamaño frente
a las escalas de longitud turbulentas. Al igual que sucede en el caso de
emisiones instantáneas (bocanadas bien definidas), el tamaños. de los
remolinos turbuleritos también influye-en el comportamient6 de un penacho
continuo. Los remolinos de tamafio superior al del penacho tienden a
transportarle, manteniendo prácticamente intacta su estructura espacial,
aunque pueden distorsionarla (meadreo), mientras que los más pequeííos
tienden a dispersarla.

El análisis teóiico de la dispersión de un penacho puede estudiarse,

por tanto. siguiendo el criterio estadístico de la difusión de una particula
fluida respecto a un eJe fijo. Así, un penacho puede considerarse como un
conjunto de partículas idénticas cuyo desplazamiento medio determina el
comportamiento del penacho.

19
I
I
<c(?.t)> = P(t.t(ro,to).<c(ro,to)> dso +
l
t co

I +
Ht
PC?, t p ,t').S(t'.t)
(1.2.2.1)
dt' dt'
-m
0
I donde el
particulas
primer término
presentes
derecho representa
en el instante
la distribución inicial
t 0 Y el segundo representa
de
las

I partículas
t.
aportadas por las fuentes en el intervalo comprendido entre tO y

I Esta
concentración
expresión es la ecuación
media de un contaminante
fundamental de Lagrange
inerte dentro de un fluido
en el que existen fuentes de emisión. Si conocemos la concentración
de la
turbulento
inicial,
y las emisiones de las fuentes S(?',t); la concentración
I <c(to,tob,
dependerá únicamente de la evaluación de p(?.tl?', t'). La forma más empleada
para esta función de densidad de probabilidad ha sido la fdp gausslana.

I Existen varios tipos de modelos que pueden considerarse como

lagrangianos. La primera categoría corresponde a los denominados modelos
I caja, que suelen aplicarse
La segunda categoria
en simulaclones con contaminantes
son los modelos de penacho segmentado gausslanos.
fotoquimicos.
En
tercer lugar se encuentran los modelos "puff" gaussianos y, por último,
I están los modelos
Memoria.
de partfculas como el que se describe en la presente

I 1.2.3. Modelos gaussianos.

En este tipo de modelos de difusión se presupone que en el seno de una

I nube de contaminantes
(xo,yo,zo) la distribución
emitidos desde un foco situado
espacial de las concentraciones
en las coordenadas
alrededor de su
eje central se ajusta a una gausslna triple. de forma que
I
2
l cc> =
(2n)3'2
S

DD0
. exp -
(x-x 01
2 2x
(Y-Yf
2 IY2
(2-2o)2

x Y 2 l Y
I (1.2.3.1)

I donde las o*s representan

z. que son función
fuente contaminante
las desviaciones
de la distancia
tiplcas
la fuente,
y Cc> la concentración
en las direcciones
S es la intensidad
media en un punto (x,y,z).
x, y,
de la

1 En la siguiente figura se refleja gráficamente las distribuciones

I 21

I
1’
I
tridimensionales de la concentración media del contaminante a diferentes
I distancias
coordenada?
de una
orientado
fuente emisora
en la dirección
puntual y continua,
del. viento medio
sn
(Ll),
un sistema
que se supone
de

coincide con el eJe x.del sistema de coordenadas.

I
I
1
I
I
I
m
l
I
1 Figura 1.2.3.1. Penacho gaussiano.

I En
gaussianos
emisiones
la Tabla
correspondientes
puntuales.
1.2.X 1 se muestran
a algunos casos
las expresiones
particulares de
de penachos
dispersión de

I
I
I
I
I
I
.I.,
22

I
‘/I
I
-
I
-.
l 1. Fuente
tinca
puntual instan
en q Vienrl J
Ninguna

medio. ú,=U. Intensi

I dad de Ia fuente=S Ie

--

1 2. Fuente puntual conti

nua en .r@ Viento IrLe,
dio, ü,=u. Intensidac 1
de la fuente=S g/s
Ninguna

I 3. Fuente puntual instan. 1

--

1. enea
medio,
dad de
en * Vientc 1
U,=U. Intensi.
Ia fuente=S 8

I --

! 4. Fuente puntual conti-

nua en .+ Viento me-
dio, ú,=U. IntenSdad
1

de Ia fuente=S sls

1
1 Tabla 1.2.3.1. Ecuaciones
-

de concentracióm media de una

1 especie
homogéneo.
subíndices
inerte
Los
en un régimen
subíndices
x, y y z del texto.
1.
turbulento, estacionario
2 y. 3 equivalen
De Seinfeld (1978).
a los
y

1 En las dkcadas de los sesenta y setenta estos’modelos tuvieron su mayor

aw=, realizándose numerosas comparaciones con datos de observaci6n que

1 permitieron
atmosféricas
Partiendo de estos
determinar
y con diversos
estudios
su
tipos
fiabilidad

la legislación
de fuente
bajo
(puntual,
de numerosos
diferentes
lineal
paises
condiciones
y superficial).
estableció la
aplicación de los modelos gaussianos como referencia para la mejora de la
1 calidad
contaminantes
del aire
urbanos
mediante
e industriales,
el control
incluyendo
de las fuentes
a contaminantes
emisoras
peligrosos
de

(p. e. gases densos). a pesar de que este tipo de modelos sólo resulta fiable

I bajo
turbulencia
determinadas
homogénea
condiciones
y estacionaria,
ideales: terreno
contaminantes
llano,
inertes
viento constante,
y ausencia de
deposición en el suelo. No obstante, teniendo en cuenta fundamentalmente la

1 sencillez
propuesto
considerar
del
diversas
procedimiento

casos
correcciones
con
de cálculo

caracteristicas
en la fórmula
que involucra,

diferentes
original
a
numerosos
con
las
obJeto
ideales
aukoies
de poder
han

antes
mencionadas. Sin embargo, cada Vez se Va adquiriendo un mayor consenso sobre
I las importantes limitaciones que presentan este tipo de modelos, de manera

..1
23

I
 I
I
I que puede
se consideran
decirse que en la actualidad
como una primera aproximación
sólo resultan
(“fin-t
recomendables
guess”)
sólo
al problema
si
del
modelado del transporte y difusión de contaminantes atmosféricos.

,I modelos
Los modelos
eulerlanos
gausslanos
y lagranglanos,
no suelen considerarse
ya que desde
encuadrados
cualquiera de estas
en los
dos
metodologias es posible obtener un perfil gausslano de la concentración de

I contaminantes
a continuación
en un penacho
se deducirá
bajo
la
ciertas
expresión
condiciones ideales.
correspondiente
Como ejemplo,
a un penacho
gausslano emitido desde una fuente puntual instantánea dentro de un medio

I anisótropo,

Desde
homogéneo

metodolonia
y estacionarlo.

eulerlana
utilizando ambas metodologias.

I En el
en reposo,
caso de un
la ecuación
contaminante
de conservación
inerte
(ver
emitido
ecuación
en el seno
(1.2.1.2))
de un
es
fluido

I ace
-
at
= d. U’<c>

I donde
coeficiente
cc> representa
de difusión,
la concentración
que se supone
media
constante
del contaminante,
en cada dirección,
d el
y V2 el
operador laplaclano.

I Por tanto la ecuación de conservación desarrollada será

I aco = d a2w
-+d
a2w + d a2<o
-
at x a2 y aY2 z a2
I Para una emisión instantánea desde (xo,yo,zo) en to, en caso de una
atmósfera infinita, la solucl6n analítica es (Dobblns, 1979):
I
I cc> = -
(x-x0
l2 (Y-Yo l2

(4n (t-t’,3’z (dxdydjl” exp l - 4dx(t-to)

-
4dy(t-to)
-

I
(z-z012
I 4dz(t-to)
1
(1.2.3.2)

I donde t es el tiempo transcurrido y S la emisión (g/s).

La semejanza de esta soluci6n con la expresión del penacho gausslano

I (1.2.3.1)
distancia
permite
de la
relacionar
fuente x-x0=
las varianzas
U (t-t01 con
de la concentración
los coeficientes
media a una
de difusión

I correspondientes:

I 24

I
1
I
I vz = 2 dx(t-t
0
) CT”, = 2 dy(t-to) CE = 2 dz(t-to)

I
I Partiendo
comentada
de la ecuación
en el apartado 1.2.2
fundamental
:
de la dispersión lagranglana,

I cc(?,t)> =
co co m

P(t.tltD.to).<c(f’o,to)> dt +
0

I JJJ
-m -co -ca

mmm
I +JJJ -ca -m -ca
pG, tl? > t’ ).S(i)‘, t) dt’

I si se supone
transición “p”
turbulencia
de una
homogénea y estacionaria,
particula depende
la probabilidad
exclusivamente de
de
los
desplazamientos en el tiempo y en el espacio y no de dónde o cuándo la

I particu1a
PC?, tl?’ >t’ ,=p(W’
esta
fué

probabilidad
introducida
, t-t’).
de transición p
la
Según lase~bservaciones
corriente,

obedece
de Monin y Y?glom (1971;
a una
decir

distribución
gausslana multidimensional:
I 1
p(?-t’ > t-t’ 1 = exp (-WS/2]

I donde .$ es la matriz traspuesta

(2n13’2

del
py-

vector que tiene los siguientes

I elementos
<, = x1- x’
L
- <x,-x;> 1=1,2,3

y donde Ip-’ y IPI son la matriz inversa y el determinante de la matriz P

I formada por los elementos

P
1J
= <S,C,’

I i*J,
En las aplicaciones

en CUYO caso su expresión

de p(t-t’

se transforma,
> t-t’ 1 se supone

con r=t-t’, en
que PIJ=o para

I 1
p(?-?‘,r) =
] - -[-;&]
I (2x?
I
LPllw22(7)P33w la

I Los elementos
dado que éstas son las varianzas
desde esta metodología lagranglana
diagonales
de la distribución
también se obtiene
gausslana.
la expresión
P,, Lrl
Por tanto,
clásica
se representan generalmente por ,:w,

I del penacho gausslano

turbulento estacionarlo,
emitido por una fuente
homogéneo y anisótropo:
puntual instantánea en régimen

I 25

1
I
I
I
I
1.2.3.1. Aplicaciones del modelo de penacho gaussiano.
I La aplicación de la fórmula del penacho gaussiano se realiza utilizando
valores de las desviaciones standard determinadas de forma semiempirica

I (Pasquill,
resumen.
concentraciones
1961; Gifford,
Tales formulaciones
medias
1961. En Harina et al.
han. permitido
en distancias a la fuente
(19821 se puede encontrar
simular con cierto
inferiores
éxito
a 10 km, bajo
un
las

condiciones atmosféricas favorables. Sin embargo, debido

I fundamentalmente
considerar
a que sólo
homogénea y estacionaria,
muY
en raras ocasiones
las fórmulas
la turbulencia
del penacho gaussiano
se puede
sólo
pueden proporcionar una estimación del orden de magnitud de las

I concentraciones,
valores inadmisibles.
de manera que en ocasiones
Por esta razón,
los errores
algunos autores
llegan
han intentado
a alcanzar
extender
la aplicabilidad del método gaussiano a turbulencia no homogénea y/o no

I estacionaria,
modo de ejemplo,
metodología
introduciendo

lagrangiana:
algunas
se comentan a continuación
la
modificaciones

aproximación
en el método original.
dos variaciones
de penacho
basadas en la
segmentado y
A

la
aproximación de bocanada o puff.
I La aproximación llamada de penacho segmentado consiste en dividir al
penacho en una serie de elementos independientes (segmentos o secciones) que

I evolucionan
locales.
con el tiempo
Este método es válido
homogénea y estacionaria,
en función de las
en caso de difusión
con vientos superiores
condiciones
turbulenta
a 1 m/s,
meteorológicas
localmente
permitiendo una
variación de la velocidad y dirección del viento horizontal. .,
I La aproximación de bocanada se desarrolló para condiciones de
turbulencia no estacionaria y no homogénea, teniendo la ventaja de poder

l simular
aproximación
algorítmos;
situaciones
y,
entre
de calma.
en función
Varios investigadores
de sus conclusiones,
los más interesantes se encuentran
han discutido
han propuesto
los de Sheih
esta
algunos
(1978) y

I Zannetti (1981).

Zannetti (1986) propuso una metodología mezcla entre ambas

aproximaciones. Esta metodología está incorporada en un paquete informático
I denominado AVACTA II.

Además de los casos indicados en la Tabla 1.2.3.1, existen otros

I supuestos
gausslanas,
estelas
más complejos
entre
de edificios
ellos
de penachos que han sido modelados
está la simulación
(Schulman y Harma. 1986).
de la concentración
atrapamiento
con expresiones
dentro
de un penacho en
de

y Hamawi, 19861, difusión en zonas costeras (van Dop et al.,

I valles
19791,
gausslanas
(Harvey
difusión de gases densos
se pueden incorporar
(Spicer,
efectos
1985). También a las soluciones
como la deposición seca/húmeda y
transformaciones químicas sencillas.

1 No obstante, ha de tenerse en cuenta que todas estas modificaciones

I 26

I
I
I introducidas
permiten
esencialmente
su
en

con
la
aplicación
expresión

vistas
de
fundamental
forma
a simular
de
generalizada,
situaciones
los modelos
pues
particulares,
se
gaussianos
introdujeron
después
no

de

I numerosas comparaciones con observaciones reales “in situ”.

1.3. OBJETIVO DEL TRABAJO.

I A la vista de las importantes limitaciones que presentan los modelos de
tipo gaussiano para simular el comportamiento de un penacho de contaminantes

I emitidos
problema
desde
proponiendo
una fuente

la que se basa en las técnicas

puntual
una metodologia
continua, en este
que se considera
lagrangianas.
trabajo
más adecuada,
Como se ha comentado
se aborda
como es
en los
el

anteriores existen métodos deterministicos para al

I apartados otros
simulación de la difusión y transporte de contaminantes, como son los
modelos eulerianos de celdilla (grid). Sin embargo, este tipo de modelos no
es capaz de resolver concentraciones de contaminantes a microescala, es

I decir
estos
resultan
a escalas
modelos basados
aplicables
inferiores al tamaiío de la celdilla
en la hipótesis
en escalas
del
espacio-temporales
transporte
considerado.
del gradiente
Asimismo,

mucho mayores que las de

sólo

I la turbulencia.

La mejor alternativa para simular la dispersión de penachos cerca de

una fuente puntual la constituyen los llamados modelos lagrangianos, que

I estiman
partículas
las concentraciones
emitidas,
uni- o multi-variantes.
en función
con la ayuda de funciones
Este tipo
de la distribución
de densidad
de modelos se ha desarrollado
espacial
de probabilidad
para simular
de

I procesos
estocásticos.
analizar
físicos de difusión
Debido a su naturaleza.
la dinámica de fluídos
en la

turbulentos.
atmósfera
son particularmente
utilizando

Aunque la principal
apropiados
procesos
para
desventaja
de estos modelos radica en la necesidad de conocer los valores de
I determinados
medida,
parámetros
sus ventajas
turbulentos
más importantes
de origen
frente
lagrangiano,
a los eulerianos
de dificil
residen en que:
[al son versátiles y sencillos, (b) no requieren excesivo tiempo de cálculo,

I salvo

consideran
cuando se considera
tratamiento de emisiones
la difusión
un gran número de particulas,
desde fuentes
sobre escalas
puntuales
espacio-temporales
o lineales
(cl permiten
debido
pequefias,
a que
(d) no
el

I presentan
negativas,
la difusión
el problema
y(e)
de la difusión
el marco lagrangiano
turbulenta.
computacional
es el más natural
ni de concentraciones
para el modelado de

1 El
lagrangiano
objetivo de esta
de partículas
Tesis se dirige
según la técnica
al
Monte-Carlo.
desarrollo
El mayor
de un modelo
esfuerzo se
ha dedicado a resolver apropiadamente ciertos aspectos criticos que

I presentan
analizar
refiere
este tipo
de forma exhaustiva
a la obtención
de modelos,
posibles
de funciones
que ~610 puede conseguirse
alternativas.
de densidad
El primero
de probabilidad
despues
de ellos
desde
de
se

generadores de números aleatorios, de manera que un generador inadecuado

I puede invalidar
lugar, existe
por completo
un conjunto
los resultados
de variables
que se consigan.
que pueden alterar
En segundo
el comportamiento
del esquema, entre ellas se puede citar la elección del paso de tiempo, las

1 relaciones

último,
empíricas
(p. e. , desviación
las condiciones
de algunos
estándar y escala
de contorno
parámetros
integral
e iniciales
de la turbulencia
de tiempo
determinan
atmosférica
lagrangiana).
de forma crítica
Por

1 los resultados
de estas variables,
finales. Este trabajo
donde sus influencias
se centra inicialmente
pueden llegar
en los efectos
a ser determinantes.

I 2-l

I
l
1 En la bibliografía
presenta
analizar
aquí, salvo
un aspecto
no existe

parcial,
ningún
la realizada
como
tipo
por
de comprobación
Baerentsen
es el comportamiento
y
similar
Berkowicz
de la
a la que se
(1984)
velocidad
para
en

I función de la altura.

Además de estos análisis de sensibilidad que se Ilavan a cabo

utilizando una versión unidimensional (según la dirección vertical) del

l modelo,
una nueva
a causa
versión
del menor esfuerzo
bidimensional,
de cálculo
introduciendo
que conlleva,
una
se ha propuesto
modificación en la
primera ecuación del esquema correspondiente a la componente vertical del

I viento,
que ha servido
que consideramos
de base al modelo
mejora el esquema
aquí desarrollado.
propuesto por Zannetti (1991).

Como consecuencia de no disponer de datos observacionales con la

I calidad
a comparar
y complección
sus
suficientes
resultados con
para verificar
los obtenidos
el modelo,
de un modelo
se ha procedido
de penacho
gaussiano en condiciones ideales de difusión, las únicas bajo las que se

I considera
obstante,
modelo
que
también
con las
éste ofrece
se ha contrastado
descripciones
resultados más ajustados
cualitativamente
de simulaciones a escala
a la realidad.
el comportamiento
en laboratorio
No
del
bajo

I condiciones
modelos
más complejas,
lagrangianos en estos
asi como con los
casos.
resultados obtenidos por otros

Uno de los aspectos originales que se presenta en.este trabajo es que,

I gracias al
desdoblamiento
análisis
de
de sensibilidad
penachos emitidos
realizado,
desde
se ha podido
chimeneas
simular
elevadas
el
bajo
condiciones de fuerte convección. A pesar de las evidencias observacionales,

I no se conoce
singular haya sido
ninguna
tratado.
referencia biblográfica donde este comportamiento

Finalmente se analizan los resultados obtenidos con el modelo propuesto

1 en un caso
caracteristicas
tipico de fumigación
turbulentas
del
claramente
penacho,
no
una compleja
estacionarias,
situación
imposible
con
de
simular satisfactoriamente con modelos más sencillos. Para ello se ha

I acoplado
capa límite
este modelo
planetaria
de particulas
que se ha ejecutado
a uno unidimensional
bajo este
de pronóstico
supuesto.
de la

1.
1
I
I
I
I
I 28

1
I
I
I 2. METODOLOCIA.

La mayoría de los fenómenos de contaminación aérea ocurren en la parte

más baja de la atmósfera que incluye la llamada capa limite planetaria. La
I descripción
esta zona
de los
de la
procesos
atmósfera.
difusivos
asi como
y de intercambioque
la parametrlzaclón
tienen
de los
lugar
fluJos
en

turbulentos, constituirá la base de la primera parte de este capitulo. La

I difusión
masa es
vertical
uno de
turbulenta
los factores
de la cantidad
más
de movimiento,
importantes en el
del calor
desarrollo
o la
de
circulaciones atmosfíklcas. La necesidad de parametrizar adecuadamente

I dichos
los
turbulencia
procesos
utilicen
ha dado lugar
en sus
a diferentes
modelos,
distancias
a que muchos
sobretodo
del suelo.
para
investigadores
observar los
en la actualidad
efectos de la

I La segunda
partículas,
parte
explicándo
se centra en la descripción
la metodología basada
del modelo
en la técnica
lagranglano
Monte-Carlo
de
y los
aspectos críticos que plantéa este tipo de modelos, a la luz de los

I conoclmlentos actuales.

I 2.1. TEORIA

La teorfa
DE LA CAPA LIMITE

sobre capas
PLANETARIA

limites fué introducida por Prandtl en 1904 y

aplicada en sus origenes al campo de la Aerodinámica. En Fisica de Fluidos

I se llama
superficie
capa limite
material,
a la reglón
en la que tiene
de un liquido
lugar
o gas en contacto
un intercambio de cantidad
con una
de
movlmlento, calor 0 masa entre dicha superficie y el fluido. Por

1 analogía,
efecto
con el nombre
con este
directo
de capa
concepto,
de la superficie
límite
a la reglón
terrestre
atmosférica
de la atmósfera
(sólida
(en adelante
donde se detecta
o líquida)
denominada
se la conoce
un

de forma
abreviada como CLP).
1 En general, se considera que en la CLP el flujo es completamente
turbulento, de manera que en cualquier punto de ella se observan típicamente

I varlaclones
0 la humedad
calentamiento
bruscas
del
del suelo
en el valor
aire. El
de la velocidad,
efecto
y la evaporación
de la
se transmite
la pres16n.‘Vla
fricción
a toda
s$erf
temperatura
lclal,
la capa límite
el

I atmosférica
mezcla
consecuencia
de forma
turbulenta.
de procesos
Sin
rápida y eficiente
la turbulencia
moleculares
como consecuencia
estos
con magnitudes
intercambios
entre
del mecanismo
se produclrian
mil y un millón
de

de
a

veces menores.

I La CLP abarca
de un gran número
sólo ura pequeka
de factores
fracción
como el calentamiento
de la atmósfera,
del suelo,
dependiendo
la rugosidad

I superficial,
latitudes
determinación
el viento,
medias, sin
es dlflcll.
etc. Su espesor
embargo,
Existen
en
tamblbn
la5
varia entre
proximidades
30 y 3000 metros
al Ecuador
casos en los que es dificultoso
en
su

establecer al altura de la CLP en las latitudes medias, como en invierno

I sobre zonas continentales y durante el verano en zonas desérticas.

Generalmente la CLP se suele dividir verticalmente en varias subcapas

I caracterizadas
1986; Castro
por diferentes
et al., 1991):
parámetros de escala (Holtslag y Nleuwstadt,

I 1. La subcapa
rugosidad
más próxima
superficial,
al suelo con una altura
z,,se denomina capa
correspondiente
interfacial o
a la
capa

I 29

I
I
31
1 laminar.
pequefio
En esta
como para
capa el efecto
que el flujo
de la turbulencia
no se vea esencialmente
es lo bastante
afectado por
ella, sino por la estructura de los elementos rugosos del terreno. El
transporte de la cantidad de movimiento, de calor y vapor de agua
I dependen
moleculares
casi por
de calor
completo
y humedad.
de la viscosidad
Cuando la superficie
y las difuslvidades
es lisa a esta
capa se le da el nombre de capa viscosa, mientras que con suelo
I rugoso
vegetación,
se llama capa rugosa.
mas o menos permeable
Si los elementos
al flujo
rugosos
del aire,
consisten
se la denomina
en

capa vegetal. El espesor de la capa viscosa no supera el milimetro,

1 pero

En
el de la capa vegetal
dependiendo
la capa
de la altura
lnterfacial
puede
de los elementos
la
llegar a ser
rugosos.
parametrlzaclón
del

de
orden

los
de metros

flujos
suelo-atmósfera se realiza generalmente aplicando el análisis de
I serna janza
(Re), Prandtl
usando
(Pr)
los
y Schmldt
Números
(Sc)
adimensionales
(Deardorff, 1974; Brutsaert,
de Reynolds
1988).

I 2. La capa
r”gosos
aproximadamente
superficial
del suelo
se encuentra
y
al 10% inferior
una altura
entre

de la CLP. En esta
la cima
variable
de los
que
elementos
corresponde
capa los flujos de

I cantidad
independientes
un 20%, y en ella
de movimiento,
de la altura
el efecto
de
, aunque
calor

de la viscosidad,
y
en realidad
humedad
varian
se

de los obstáculos
consideran
en menos de
y de
Corlolis se consideran despreciables (Panofsky y Dutton. 1984).
I La parametrlzaclón
movimiento, calor
de
y humedad
los flujos
se realiza
turbulentos
mediante
de
la aplicación
cantidad
de la
de

teoria de semejanza de Monin-Obukhov (Monin y Obukhov, 1954; Busínger

I et al.,
ventaja
de fricción
1971;
de esta
Pruitt
teoría
IIu*“,
et al.,
es que varios
longitud
1973;

de
Brost,
parámetros
Monln-Obukhov
1979; entre
de escala
otros).

“L” 1 muestran
(velocidad
Una

un

l comportamiento
altura y la
universal
longitud
que es
de Monin-Obuhov
función
(z/L).
de la relacl6n entre la

3. La capa de transición o capa de Ekman ocupa el resto de la CLP En

1 ella el viento
superficie,
es prácticamente
aproxlm&ndose
independiente
paulatinamente
de la naturaleza
al de la llamada
de
atmósfera
la

libre, donde su valor viene determinado por el balance entre el

I gradiente
geostróflco).
horizontal
A lo largo
de presión y la fuerza
de la capa de transición
de Coriolis
el viento
(viento
medio va
cambiando de dirección con la altura, de manera que finalmente en su

I extremo
magnitud
distancia
superior
de los
al suelo.
se aproxima
flujos
al viento
turbulentos
geostróflco,
disminuye
al tiempo
dr&sticamente
que
con
la
la

I Cuando
(convección
existe
libre),
una intensa
los efectos
actividad convectlva
de los términos
junto
de presión
al suelo
y Corlolis
resultan comparativamente pequeflos y se observa en la capa de

I transición una gran

a la CLP se la conoce
convección libre.
actividad

En estos
termo-convectiva;
con el nombre
casos la cima suele
en tales
de capa de mezcla
coincidir
condiciones
o capa de
con una

I inversión

Deardorff
térmica

(1970)
elevada.

introdujo los parámetros que caracterizan esta capa.

El primero de ellos es la altura de la capa de mezcla “H”, el segundo
I una escala para la velocidad llamada velocidad convectiva “w;’ que

1 30

I
I
I
I depende
donde
del
T, es la
flujo de calor
temperatura
superficial
del aire junto
“Q u y la flotabilidad
0
al suelo
(g/Ta),

1/3
I WI =

I y el
relación
tercero
entre
la escala
el flujo
de la
de calor
temperatura
y la velocidad
que corresponde
convectiva.
a la

1 Las parametrizaciones
el cierre del sistema
se derivan
de ecuaciones
de teorias
que rigen
aproximativas
el comportamiento
para lograr
de la CLP,
basadas en el principio de conservación de la masa, cantidad de movimiento,

I calor
tienen
y vapor
en cuenta
la CLP. Debido
de agua en un volumen
los procesos
a que este
elemental
de naturaleza
sistema
de aire.
turbulenta,
posee más incógnitas
En este sistema
tan importantes
que ecuaciones
se
en
es

1 necesario suponer
Este es el llamado
para el desarrollo
hipótesis
problema
de una teoría
que permiten
de cierre,
general
obtener
que constituye
y rigurosa
la solución
el principal
de la turbulencia.
del sistema.
obstáculo
Para
lograr el del sistema se han propuesto varias teorías y
I
Ciel3-e
aproximaciones, ninguna de las cuales ha resultado totalmente satisfactoria.
Estas aproximaciones se han clasificado en dos grupos: las aproximaciones de
cierre de primer orden, donde los términos de divergencia turbulenta se

1 especifican
orden
ecuaciones
o superior
en función

adicionales.
de variables
que determinan tales
conocidas,
términos
y las de cierre
mediante
de segundo
la resolución de

I orden
Las dos aproximaciones
son la hipótesis
que constituyen
de viscosidad
los esquemas de cierre
turbulenta o Teoría
de primer
K propuesta por
Boussinesq y la hipótesis de la longitud de mezcla de Prandtl, que no se
1 describen
aproximaciones
molecular
en este trabajo

y turbulenta,
(se pueden encontrar,
se basan en la hipotética
conocida por
analogia
el
p.e.,
entre
nombre
en Arya. 1982).
las transferencias
de “teoría
Estas

del

I transporte-gradiente”,
turbulento se relacionan
debido a que
con gradientes
en ella los
de los promedios
flujos o transporte
de las variables.

Con esquemas de cierre superior se pueden eliminar algunos de los

1 problemas
bajocondiciones
que presentan
convectivas.
las aproximaciones
sin embargo estos
de cierre
esquemas
de primer
de cierre
orden
no pueden
modelar correctamente situaciones con estratificación estable. Wyngaard y

I Coté (1974).
otros, proponen
Zeman (19811,
diferentes
Wyngaard
técnicas
(1982)
de cierre
y Mellor y Yamada (19821,
de orden superior.
entre

Las dificultades anteriormente mencionadas han dado lugar a otras

1 metodologias
turbulentos
que permiten
y los gradientes
obtener las
de las variables
relaciones
y propiedades
entre los
del aire
flujos
en la
CLP. Dentro de estas metodologias se encuentra la Teoria de semejanza de
I Monin-Obukhov. En
número de parametrizaciones
Castro et
de la CLP.
al. (1991) se sintetizan un gran

1 embargo
Las parametrizaciones

Businger
en la CLP marina
(1985)
indicadas
pueden
puede encontrarse
son aplicables
no son aplicables
una revisión
a la CLP terrestre,
en ciertos
de las parametrizaciones
casos.
sin
En
para
la capa límite marina que se utilizan en la actualidad.
I
I 31

I
I
I Teoría de semejanza de Monln-Obukhov

En el caso de que la estratificación térmica del aire junto al suelo

I tenga
cantidad
carácter neutro
de movimiento
o indiferente
es constante
se supone que el flujo vertical de la

I <“‘W’> = - “;

Considerando la Hipótesis de viscosidad turbulenta, la ecuación que

I rige
medio
el
“<u>”
comportamiento vertical
en una capa superficial
de la componente
neutra es el conocido
horizontal
perfil
del viento
logarítmico

“.
I <“> = * In 4
0
siendo k la constante de von Karman que tiene un valor de 0.4 y z la

1 rugosidad
En Arya
superficial,
(1982)
cuyo valor
se puede encontrar
depende
situaciones
de las características
en las que este perfil
0
del suelo.
se debe
corregir.

I En el caso de que la estratificación térmica de aire Junto al suelo no

tenga carácter neutro, habría que. tener también en cuenta el efecto del

I empuje
hipótesis
hidrostático

características
de semejanza
como consecuencia

turbulentas
de Monln
y del
del gradiente
y Obukhov
flujo
(op.
medio
cit.)
en
vertical

la
se basa
de densidad.

capa
en que las
superficial
La

dependen únicamente de cuatro variables independientes: la altura “2”. la

I velocidad
la flotabilidad
de fricción
(g/Ta).
‘IU*“,
Monin
el flujo
y Yaglom
de calor
(1971)
cinemático
indican
superficial
que en este
“Q ” y
caso
0
se

I pueden
estas
flotabilidad
ignorar
cuatro
otras
variables
conocida
variable como la difusión
se puede
como longitud
definir una
molecular

de Monin-Obukhov
escala
(sin
y la rugosidad.
de longitud
incluir el
de
Con

efecto
la

I del vapor de agua presente en el aire)

- u:
L=

I k. (g/Ta).Q
0

donde g es la aceleración de la gravedad, y el número adimenslonal

I r, =.L
L
I Este número adimensional da idea de la importancia relativa de los efectos
térmicos frente a los mecánicos sobre la generación de la turbulencia en la

I capa superficial.
como el de Richardson
En consecuencia,
local CR,)
otros números
y de “bulk”
adimensionales
deben ser función
similares.
de 5.
Asf, en condiciones de inestabilidad <=R, y en condiciones de estabilidad

I 5
5=

I 1 - 5RI

I 32

I
I donde el número de Richardson local se define

ae
como

g
5=- s2e -az
siendo “s” la cizalla vertical del viento y 0 la temperatura potencial.

I La longitud de Monin-Obukhov caracteriza el tipo de estratificación de

la atmósfera. Cuando el flujo cinemático de calor es positivo,
estratificación inestable, el valor de L es negativo, mientras que en
estratificación estable es positivo.
I
De esta manera,’ cualquier variable turbulenta, si se la normaliza

I mediante
temperatura
una adecuada
potencial
combinación
(br=-aoh,)
de
y de
escalas
humedad
de velocidad
específica
Cu.),
(q,=-Q/u./p;
de

I siendo

seme janza
Q el flujo
debe ser una función
se basan
de humedad
única
en la
desde
del número
la superficie

denominadas
adimensional
funciones
y p la densidad
5. Estas
universales,
del aire),
relaciones
que
de
se
determinan mediante procedimientos teóricos o empíricos. En Arya (1982) se
I puede encontrar diversas expresiones de tales funciones universales.

Frecuentemente no se puede disponer de medidas in situ de algunos de

I los parámetros
desarrollado
meteorológica
atmosféricos
técnicas
estándar
que
que caracterizan
10s
en superficie
infieren
(van Ulden
a
la CLP.
partir
por

y Holtslag,
de
lo que se han
información
1985). En los
apartados siguientes se describirán las expresiones de algunos de los
I parámetros de la CLP basados en técnicas semiempíricas.

I 2.1.1. Altura

Su altura
de la

depende
Capa

de las
Limite.

caracteristicas reinantes en la región. En

I condiciones
existe
(1984)
ninguna
de indiferencia
medida
o neutralidad
de inversión) por
su
la
altura
expresión
se determina
de Panosky
(cuando
y Dutton
no

U.
H = kl -
f

I siendo la estimación de kl de 0.15 a 0.25 y f el parametro de Coriolis.

Si existe inversión en altura y su límite inferior no supera el valor

I de H, se tomará

En estratificaciones
este limite como la altura

estables, como por ejemplo

de la CLP neutra.

una inversión nocturna

I con base
límite
(André
en el suelo,
establecido
et al., 1978).
por la
la altura
inversión,
de la CLP estable
aunque
se
se han medido
considera
alturas
como el
superiores

I
I
I 33

1
I
I André
Sin

propuesta
et
necesidad
al. (op.
de desarrollar
cit.
por Zilitinkevich
), se han
(1972)
modelos
establecido
complejos
expresiones
como los propuestos
sencillas
por
como la

I H=a /F

I donde
(Brost
a es una
y Wyngaard,
constante
1978; Garrat,
de valor
1982).
aproximadamente
Caughey et al.
igual
(1979)
a
ajustaron
0.4

adecuadamente los datos de Minnesota con un valor de 0.7. Harma (1982)

I indica que su valor es de 0.25.

Algunos autores han comprobado su validez y otros por el contrario

I sugieren que sus resultados

con que se determinaron
insatisfactorios
u. y L (Brost y Wyngaard,
se deben a las
1978).
imprecisiones

I Verkatram
medias como
(1980) expresa la altura de la CLP estable para latitudes

3/2

I En estratificaciones
H = 2.4

inestables, la altura
x 103x u,

de la CLP se determina
mediante expresiones más complejas como la indicada por Panosky y Dutton

I (1984).

Finalmente, respecto a la altura de la capa de mezcla existe una

I manera
enfocando
(Stull,
sencilla de
la evolución
1991).
establecerla,
temporal
olvidando
de su altura
la dinámica
desde el estudio
turbulenta
termodinámico
y

I 2.1.2. Varianzas de la velocidad del viento

I Existen
componentes
medidas
del viento
de las estratificaciones
experimentales
que han permitido
de las varianzas

de la CLP. Considerando
deducir
de cada una de las
expresiones
la hipótesis
en cualquiera
de que cada

I componente

coincide.
de la velocidad
medio y una perturbación,
Diversos autores
se puede expresar
la varianza
han establecido
mediante
de la componente
expresiones
la suma de un valor
y la perturbación
para las varianzas
que posteriormente se han considerado en modelizaciones matemáticas. En el

I siguiente
desviación
esquema
estandar
exponemos diversas
de cada componente
relaciones
de la velocidad,
semiempíricas de
en donde el simbolo
la

“+” indica que el autor la aplicó en su modelo o simplemente la referencia.

I Estas relaciones
embargo
(referenciado
según
empiricas
demuestra
en Sawford,
se han establecido
Legg [1983),
19851, estas
desde medidas eulerianas,
y anteriormente
expresiones
Lumley en 1962
pueden ser expresiones
sin

válidas para las desviaciones estándar lagrangianas. La mayoria de los

I autores consideran esta igualdad (Pasquill y Smith, 1983).

I
I
I 34

I
I
I Estratificación ESTABLE

I 0
v’
Q
Y’

I 2.3u.(l-z/H) l.Su.(l-z/H) Caughey et al.,1979

2.Ou,(l-z/H) 1.3u,(l-z/H) 1.3u*(l-z/H) Harma,1982

I 2.3u* R IS Hurley y Physick,l991+
~cosfic. indicado POP 10s autores)
I
I Estratificación INDIFERJYTE 0 NEUTRA

I
1.3u* Ha11,1975+
I 2.0u*exp(-3fz/u* ) 1.3u*exp(-2fu.l.) 1.3u~exp(-2fz/u*) Hanna.1982+

I 2.4u. 1.9u* 1.25~. Panofsky y Dutton.1984

2.3u* RIS Hurley y Physick,1991+

I ccoeflc. Lndlcado por Loa autores,

I
I
I
I
I
I
I
1 35

I
 1
I
I
Estratificación INESTABLE

I 0
“’ oY, Autor

I 1.1ue(z/kL11'3 I-M1,1975+
7

I ~,(12+0.5]H/Lj)~'~ 1.3u,(1+3)z/L/)"3 Panofsky et al,1977

11,(12+0.51WL1)"~ (capa superficial)
I
I ~~(12+0.5lH/LI)"~
u.(~~+O.S~H/L~)"~
0.96",(3~/H-L/H)~'~
para Z/H<O.O3
Hanna,1982+

I min(0.96we(3z/H-L/H)'iJ
0.763~.(z/H)~'*~~)
I para 0.03<Z/H<O.4
0.722",(1-~/H)~~~~~
I 0.37w,
para 0,4II/"<O. 96

I para 0.9ã<Z/H<l.O

Wilczak y Phillips.1986
I
I
cc es Sl valor s"psrflcl2.1 de 0. IU+>
"
I Hurley y Physick,l991+
u,(~~+O.SIH/L~)~'~ WA A
I n. Y
(K-dlf”slvldad
Ch
turbulsnta)
-longlt”* dc onda sn v,

l CA:;:
Todo*
LOS
cocficlents~
estos
autores.
“alorea están lndlcados por

I
I
l 36

1
I
I 2.1.3. Autocorrelaciones

La Teoría Estadistlca
y correlaciones

debida a Taylor,
cruzadas

como ya se reflejó en el

I apartado
homogéneos
velocidad
1.2.2.

son
> se centró
e lsotróplcos;
estadisticamente
en el
en tales
tratamiento
flujos
independientes
las
de los
fluctuaciones
de la
flujos

posición
turbulentos
de presión
y de la
y

orientación, lo que simplifica la descripción estadística. Taylor en su

I Teoría
el concepto
Estadistica introdujo
de covarlanzas
la representación
y función de correlación
espectral de la turbulencia
en la velocidad
y

l R
Y”J
= <Ui(t),U,(t*t)>

R = <“,(t),U,(t+T)>h
I “lUJ ul
.c
uJ

entre dos componentes de la velocidad en dos instantes diferentes t y t+r.

I La variable
autocovarianzas
transformadas
T es equivalente
(l=J)
de Fourier
en este
y covarlanzas
son las
apartado
cruzadas
denominadas
a At del apartado
(ltjl
densidad
son integrables
espectral
1.2.2. Las
y sus
y densidad

I co-espectral.

Una de las propiedades interesantes de la covarianza o correlación es

I R
“h
IJ’
=
a
-
ar
R
ul"J
(TC)

I que refleja
término
la correlación
que según
entre
van Dop et al.
la velocidad
(1985) debe
“u”
incluirse
y la
en
aceleración
simulaciones
“ti”,
de
turbulencia no homogénea y no estacionaria.

I números
Las medidas
de Reynolds
eulerianas
han
y lagranglanas
mostrado que ambos
en flujos turbulentos
autocorrelogramas
de altos
temporales

I tienen
utilizada
función
una forma
en cada
exponencial
similar
caso.
y su diferencia
Ambos autocorrelogramas
(Neumann, 1968; Hall,
se debe

1975;
a la escala
se pueden
Tennekes.
aproximar
de tiempo

1979 y Harma
a una
et
al. > 19821, como se muestra en la Figura 2.1.3.1 del autocorrelograma
I lagranglano.
reflejadas
en donde
por At, tiende
con pequeñas diferencias
a 1 y para grandes pasos
de tiempo
de tiempo
T, posteriormente
tiende a cero.

I (2.1.3.1)

I donde
T=TL
T corresponde
en un estudio
a la
lagranglano.
escala de tiempo, T=T, en un estudio eulerlano y

I Aunque
satisfacer la
Smith
condición
(1968) indicó
dR/dr=O
que
en r=O
la autocorrelación
para evitar la
temporal
posibilidad
R debe
de

I aceleraciones
(1974)
condición
muestran
infinitas,

anterior,
que
no
Snyder
aunque la
introduce
y Lumley
aproximación
grandes
(1971) y posteriormente
exponencial
errores en el
no
Pasquill
cumple
tratamiento
la

markovlano de la turbulencia, siendo más importante la expresión correcta de

I la escala
exponencial
de tiempo.
de la función
Deardorff y Peskln
de autocorrelación
(1970) analizaron
lagranglana para
la
las
forma
tres

I 37

I
 I
I componentes.
aproximación
(linea continua)
En la
exponencial
Figura

de su modelo.
2.1.3.1
(2.3.F.l)
se muestra
y la autocorrelación
En dicha figura
gráficamente

se puede
temporal
observar
(p,untos)
lagranglana
que para
la

grandes intervalos de tiempo. T. la autocorrelación es negativa con

I independencia
autocorrelación
de la
de la tercera
componente
componente;
de la
estos
velocidad,
autores
especialmente
suponen que en este
la

caso las reflexiones de las partículas en la parte más baja de la Capa

,I Limite
ejemplo,
las
Convectiva
Gifford
relaciones entre
tienen
(19821,
un papel
Lee y Stone
las
Importante.
(1983)
autocorrelaciones
Otros
y Li y Meroney
eulerianas
autores,
(1985)
y
como
analizaron
lagranglanas
por

desde Monte
1 calculadas
‘aproximaciones
exponencial.
analfticas
simulaciones
mucho más complejas
Carlo con
que la
las estimadas
sencilla expresión
por

I
1.
I
1
I
I
I %,-..L..--
Y

S.paración
II o>
-...*‘,~_

tsmpora1
. . . ..L.

T 0
3

inrerva1o espacia1 E

I Figura
velocidad
2.1.3.1. Funciones~
en la dirección
de autocorrelaciõn
Ca) x. (b) y, Cc) z. La línea
para la componente
continua
de 1~
representa
la autocorrelación temporal lagrangiana en z=O.25 y la lfnea punteada la

I aproximación

Respecto
exponencial de la autocorrelación.

a las covarianzas cruzadas

De Deardorff

temporales
y Peskin (1970)

entre las fluctuaciones

I de la componente horizontal y vertical del viento,

<“‘W’> = -uz
se define en el suelo que

Esta expresión se debe corregir con la altura para cualquier categoria de

I estratificación.

En situaciones estables (Experimentos en Minnesota, Caughey et al.,

l 1979)
representa
esta’ magnitud
a la altura
tiene la
y H la altura
siguiente
de la
variabilidad
CLP estable:
vertical, donde z

<u’w’> = -u~(1-z/H12

I Stull (1991) referencia otras expresiones para esta covarianza

I
._,.- 38

I?
I
l
I aplicables a un subconjunto de capas
<u’w’>
límite
= - u:. [l-(~/H)~‘~l
estables, como por ejemplo:

I <u’w’> = -uz(l-z/H)

En categoria de estratificación neutra, stu (op. clt. 1 propone la

I siguiente expresión, donde H es

<u’w’>
la altura
= -u:(l-z/H)
de esta capa límite:

1 En situaciones
muestran gran
inestables
variabilidad, incluso
los perfiles
decreciendo
de esta
con
covarlanza
la altura
cruzada
(Kalmal et
al., 1976). Sin embargo. se suele simplificar y considerarla constante e
I igual a la velocidad
una expresión más compleja
de fricción (Ley y Thomson, 1983). Stull (1991) propone

<u’w’> = -u;(l-z/H) + <u*w’> Z/H

1 Zannettl (19911, sin embargo, propone
Z-H’

una relación única para todos los

tipos de estratificación atmosférica
I <u’w’> = -ut(l-z/H)

1 cruzada
Anfossl

proximidades
con
et al.
la
(1988)
altura,
del suelo no varía
aplican
aunque
esta misma dependencia
indican
respecto
que la
de la covarlanza
concentración en
al caso en el que no se incluye
las

1 esta covarlanza.

2.1.4. Escalas integrales de tiempo lagranglanas.

1 Se conoce que los correlogramas y el espectro eulerlano y lagranglano
son semejantes en su forma y sólo difieren en sus escalas de tiempo, TE y TL

1 respectivamente.
variable
La
/3, como se indicó
relación
en el
TL/TE
apartado
es constante
1.2.2.
y se la conoce por la

1 para
En turbulencia
la componente
homogenea y estacionarla
vertical (TL”) se considera
la escala de tiempo lagrangiana
proporcional a la escala de

I longitud eulerlana

LE
LE (Pasqulll

(con ,3 entre
y Smith,

0.35
19831,

y 0.8.
tal que

según estos autores)

TLu= B y -

I Y

La Teoria Estadística de Taylor para turbulencia homogénea establece

I que la dlfuslvldad
expresarse como K,“,.
aturbulenta a grandes distancias
TLY, donde Km se puede determinar
de la fuente puede
como O.~U.Z/@~~(Z/L),
siendo + (ZAI la función universal de la Teoría de Slmllarldad. Sin

1
q

embargo, la mayorta de los autores determinan las escalas de tiempo

lagrangianas basándose en las escalas eulerlanas. En el siguiente esquema se
muestran algunas expresiones de las tres escalas de tiempo en función de la

I categoría de estratificación atmosférica.

I 39

1
I
I Estratificación ESTABLE

TLU T L" TLV Autor

I
0.15H(~/H)~'~/o 0.10HWH1°'8/o Hanra,1982+
" Y
I O.O~H[Z/HI~'~/C Y

k".z/W+5z/L)+ Ley y Thomson.1983

I Hurley y Physlck,l991+

I depende" de la estratlflcsclón,

Estratificación INDIFERENTE 0 NEUTRA

1 TLU TL" TLU Autor

I cz/<u> Ha11,1975+

I 0.5z/o"/(1+15fz/u*)
0.5z/oy/(l+15fz/u*)
0.5z/ey/(1+15fz/u.) Hanna,1982+

I 0.12h rn," /o " BTE,W Hurley y Physick,1991+

th.6.TE se lndlca" por loa autores y depende" cls la sstratlfleacl6n,
I Estratificación INESTABLE

I TLU T L" TLU Autor

I O.l5H/o " 0.15wo Y 0.1z/o~/~0.55+0.38~z-z,~/L~

Hanna,1982+

I para z/H<O.l,-(z-zr)/L<l
0.592/0 Y
para ./H<O.l,-(z-Z,)/L>l
I O.l5H(l-exp{-Sz/H})/o
Y
para Z/H>O.l
I ku1z(1-16z/L)"2/02 Ley y Thomson.1983
Y
I 0.12h rn," /o "
BTE,u Hurley y Physick,l991+
(h.f%TE se lndlca" por 10s autoras y dependen de la estratlflcacló")
I
I 40

I
I
I 2.2. MODELOS DE PART&JLAS

La técnica de particulas actualmente es una de las metodologías que en

I la última
informáticos.
un sistema
decada

fislco
más se ha desarrollado
En el modelado
y su éxito
de partfculas
radica
debido al avance
se propone
en el potencial
de los sistemas
la dlscretlzación
computaclonal que aporta
de

y en su amplio rango de aplicaciones desde la escala atómica. como la

I Dlnbmlca
(Hockney
molecular,
y Eastwood,
a la escala
1981).
astronómica
En la difusión
como la Dlnánica
de contaminantes
de galaxias
este tipo de
modelado requiere un tratamiento numérico muy diflcll de plasmar en los

I modelos

La
eulerianos y, en cambio,

base de los modelos

sencillo

de particulas
con un enfoque

es suponer
lagranglano.

que un conjunto de
partículas ficticias. dlscretizaclón del sistema físico, pueden simular el
I comportamiento
de cada una de estas
de una determinada
particulas
variable
ficticias
(masa, calor,
está gobernado
. ..). El movimiento
por una velocidad
determinista y una velocidad aleatoria, dando lugar a una única trayectoria
I dentro
partículas
de un abanico
el comportamiento
infinito.
global
Sin embargo,
no esta influido
al elegir un conjunto
de manera determinante
de

por cada una de las velocidades aleatorias, aportándonos un conocimiento del

I proceso.

Hockney y Eastwood (op. clt.) clasificaron a los modelos de particulas

en tres categorlas:
I - Modelos particula-particula o modelos PP, en los que todas
las fuerzas existentes entre las particulas se determinan en

I cada paso de tiempo.

- Modelos
dinámica
partículas-malla
se determina usando
(modelos PM),
una ecuación
en los
del
que
campo
la
o
potencial en cada celdilla de una malla.
I - Modelos
desdoblan
hibridos (modelos
en una componente
PP-PM),
calculada
en los que las fuerzas
por el método PP y en
se

otra componente de variabilidad más lenta determinada dentro

I de cada una de las celdillas.

Hockney y Eastwood además de clasificar los modelos de partículas,

I establecieron
partículas
relación
otras
0 elementos
en cualquier
tres categorias
reales
sistema
y las
discreto
que determinaban
particulas
es fundamental
la relación
ficticias,
para
entre
ya que esta
interpretar
las

los
resultados de la simulación:
I - Correspondencia una a una (p.e. en Dinámica molecular)
- Equiparación de elementos fluidos (p.e. vórtices) a particu-

I las (Pearson
- Superpartículas
representan
et al., 1983 en flujos
que corresponden
a una conjunto
estratificados)
a partículas
de partículas reales
ficticias
de similares
que

I caracteristlcas.

Los modelos de partfculas han podido simular la estructura espiral

de galaxias, la dinamica del plasma y representaciones de la turbulencia en
I fluidos.
atmosférica
En el caso
de contaminantes
concreto de
(por ejemplo,
la simulación
en el medio marino
de la dispersión
Rodrlguez et
al. > 1993; y en el medio aéreo Zannettl y Al-Madani, 1983) se puede

I caracterizar
partícula
de dos formas.
en los que el movimiento
La primera es la aproximación
de cada una de ellas
de una única
es independiente del

I 41

I
I
I resto
sola
cuando
y la estadística
partícula.
se desea
La segunda
que la gobierna

reproducir
aproximación
una
corresponde

dispersión
a la estadística
es de dos particulas
relativa, Po=
de una
y se aplica
ejemplo la

I dispersión

1981; Gifford,
de un puff
este segundo método es más compleja
1982 (ver
en relación

también
a su centro
que la del primero
Sawford,
de masas. La estadística

1984);
(Durbln,
Sawford,
1980a; Lamb,
1983;
de

entre
otros). Nuestro esquema es un esquema con la aproximación de una única

I partícula.
altos
Este tipo
números de Reynolds
de modelos son aplicables
(Re~1, que generalmente
a flujos turbulentos
es lo que ocurre
con
en la
atmósfera, donde se puede despreciar los efectos moleculares (Monin y

I Yaglom,
fluido.
1971) y considerar que cada particula viaja con la velocidad del

Los métodos de particulas aplicados a la contaminación atmosférica, en

I los que la emisión
fícticias, siguiendo
y dispersión
generalmente
se modela por un conjunto
el método de superpartículas,
de particulas
definen sus
velocidades con las denominadas pseudovelocidades o velocidades

l equivalentes,
las fluctuaciones
‘, que tienen
turbulentas
en cuenta
de origen
el transporte
aleatorio
debido
y la difusión
al flujo
molecular
medio,

(si no se omite). Ejemplos de esta composición son los trabajos de Smith

I (1968)
particulas
y Hall (1975)
cuya velocidad
modelo de Deardorff
y Lamb (1978)

(1974)
que simuló
era suma de una velocidad
y una velocidad
la turbulencia

estocástica
vertical
suministrada
que describe
con
por el
el

1 efecto de sus fluctuaciones

modelo de Deardorff.
a escala subceldilla, no suministradas por el

Las partfculas ficticias se .&even en cada paso de tiempo,

I At=(t -t
, p.1)’
en el instante
con una velocidad
t o, su nueva posición
3
:
Si.,una particula está situada
eñ el tiempo t, (>tO) vendrá dada por
en ?ctOl

t
I +
r(tl) = Ato, +
1
?cr,t,. dt
lt

I donde 3 es el viento
partícula entre t
instantáneo
y ti. Las características
0
en cada punto 2 de la trayectoria
atmosféricas
de la
hacen que sea

I practicamente
componentes
considera
impkible
aleatorias
el viento
conocer
provocadas
equivalente ?
el viento instantáneo
por los remolinos turbulentos;
debido
por
a
ello
las
se
e

I t
1
20 = 1 +vcr.t>.dt
(tl-to) lt
I el cual traslada directamente a la
0

partícula desde ?ctO> a ?ctl> en el

intervalo de tiempo 1. (tl-t
La Figura 2.2.1 muestra gráficamente la
I diferencia entre
será el acercamiento entre
D
ambos movimientos. Cuanto menor sea el paso de tiempo
ambas trayectorias.
mayor

I
I
I 42

I
 Figura 2.2.1. Trayectoria de una partícula real y una partícula ficticia.

La imposibilidad de conocer la velocidad equivalente de las medidas

eulerinas de viento obliga a definir otra aproximación, tal que:

donde <8> es la velocidad media euleriana del viento en la posición de la

partícula y ;i' e es una velocidad difusiva. El término <-?> representa nuestra
comprensión determinista del transporte medio y que puede determinarse en
función de interpolaciones del viento observado dentro del area en estudio o
desde los modelos meteorológicos. El término ?' corresponde a una
I perturbación
características
numérica introducida
de los remolinos
artificialmente
más pequeñqs que no estan
e
que engloba
incluidos
todas las
en el
campo medio de velocidad. Esta variable es la base de cualquier modelo
I lagrangiano de partículas.

Actualmente existen dos manera de evaluar el valor de la perturbación

I del viento
de partículas
(3:); la primera
dentro
es una
de una malla
aproximación
(Lange, 1978):
determinísta por el método

I donde K es el coeficiente de difusión turbulenta y c la concentración. Con

1 esta metodología
movimiento
la variabilidad
de cada una de las partículas.
temporal de la concentración influye en el

El segundo método es la aproximación estadistica o de Monte Carlo, más

I flexible
generadores
que la determinista.
de números aleatorios,
Según esta
gracias
metodología
al conocimiento
?: se calcula desde
estadístico que
se posee de las fluctuaciones de la velocidad euleriana, Y* . Aunque la
I naturaleza
estadístico
de ambas
de ?* es plausible
velocidades difiere
gracias
esta hipótesis
a que ambas se
del
pueden
esquema
expresar
mediante un pro:eso de Markov. Hay varias maneras de justificar la
I aplicabilidad
sólo es necesario
de cadenas
la varianza
de Markov. Primero,
de la velocidad
por su simplicidad
y la autocorrelación;
en donde
segundo.
por los argumentos teóricos (van Dop et al.. 1985; Haworth y Pope. 1986) que

I relacionan las ecuaciones de Navier-Stokes con este tipo de modelos para

I 43

I
I
I
I turbulencia
concordancia
a $1 Smith
con altos

(1968)
números
con observaciones
la
de Reynolds
(Harma,
consideró en
(Sawford,
1979).
un
1986);
Sí se extiende
estudio de
y la tercera,
esta
un
hipótesis
movimiento
su

.*

I condicionado, tenemos que

I Re(At) contiene las autocorrelaciones de las componentes de ?L que se supone

constante en el paso de tiempo At=tl-tO. Es equivalente a la autocorrelación

I lagrangiana RL. El término 3; es un vector completamente aleatorio.

La ecuación (2.1) es la expresión mas sencilla para determinar ?; y en

I donde
partiendo
se puede apreciar
de la misma posición,
la improbabilidad
lleguen
de que
a ubicarse
dos
en el mismo
particulas,
lugar en
aún
el
mismo instante. Esta ecuación, además, nos indica que el desplazamiento de
I cualquiera
resto, lo cual
de las particulas
computacionalmente
no está
hace
influencia
que este
por
esquema
el desplazamiento
sea muy rápido
del
ya
que no necesita evaluar las fuerzas interactivas entre las particulas.

I Es necesario
de cada partícula,
establecer condiciones
la autocorrelación
iniciales
y la componente
para evaluar
aleatoria.
la velocidad

I Suponiendo
independientes
que
entre sí,
$”~ es un vector
se distribuyen
puramente
según
aleatorio
una
cuyas
distribución
componentes,
normal de

I media
estacionaria
cero y varlanza
e isotrópica):
en cada dirección (en turbulencia homogénea,

I
2
~“‘>=Q”> ’
[ 1 ú2=u2
[ 1
1-R’ .“.
e
v” Y’
1-R’
ev’
e
2
VW’ ,“,,
2
[ 1
1-R’ ev*
e

El conocimiento de las varianzas de las componentes aleatorias de la

I velocidad
eulerianas
equivalente
del viento.
requiere conocer las varlanzas de las perturbaciones

I velocidad de
su nueva posición
la partícula
será
asociada al

r(t2) = ?(t2) + GeltI). (t2-tl)

I La ecuación (2.1) corresponde a la discretización por diferencias

I finitas
dispersión
1982;
de la ecuación

Legg,
turbulenta
1983).
de Langevin,
lagranginas
En la componente
ampliamente
(Durbin,
vertical
utilizada
1980a, 1983;
la ecuación
en simulaciones
Legg y Raupach,
de Langevin
de

se
expresa como
I dw’ = a.dt + b.q

donde a y b son coeficientes que dependen de la escala de tiempo lagrangiana

I (TL”)
propiedades
y Q es un proceso
de esta ecuación
estocástico
se
de
sintetizan
ruido
en la
blanco
Tabla
(gausslano).
2.2.1.
Algunas

I
1 44

1
I
I
I Escala de tiempo TLw RL = exp(-At/TLw 1

I En el subrango inercia1 RL = 1 - At/TLY con AtuT

LU
En tu-b. 3D con Re altos,
Aceleración es un ruido blanco
I aceleracl~:,2e
con tk=Re
correlaciona
.TL*
con t>t
k

I Distribución de velocidad p(w) gausslna

Tabla 2.2.1. Propiedades de la ec. de Langevin en turbulencia

I homogénea
tiempo
y estacionaria.
de Kolmogorov, TLw
Re - número de Reynolds,
escala de tiempo
tk
lagrangina
escala
de
de
la

I componente
At el paso
vertical,
de tiempo.
p(w) funcibn
De Sawford
de densidad
(1985).
de probabilidad y

I primera
La apllcaclón
se refiere
correcta
a la memoria
de la ecuación
del proceso,
2.1 exige
la segunda
varias condiciones.
a las incertidumbres
La

estadlstlcas de la concentración media y de la varlanza de la posición y la

I tercera
paso de tiempo
particulas
afecta al factor
menor a la escala
ficticias
computaclonal.
de tiempo
Estas tres
lagranglana.
y un número mínimo de pasos de tiempo
condiciones
un número
exigen
minino
estimable
un
de
en

I función
especlflcardn
del problema
en el apartado
que se desea
2.2.1.
modelar. Las tres condiciones se

En el caso de turbulencia no homogénea, p.e. CLP inestable. la ecuación

l de Langevln es útil
modelos son los de Hall
incorporándola
(19751,
algunos términos.
Reid (1979) y Ley (1982)
Ejemplos de estos
que muestran una
acumulacl6n incorrecta de partículas cerca del suelo o en zonas donde la

I varlanza
acumulación
primeros
de la velocidad vertical es muy pequefia.
Legg y Raupach (1982) y Ley y Thomson (1983) fueron
en incorporar el gradiente de dicha varianza.
Para evitar
uno de los
Thomson (1984) y de
esta

Baas et al. (1986) ademas tuvieron en cuenta los momentos de orden superior
I (sesgo y curtosls)
explica por qué
de la función
es aconsejable
de densidad
incorporar
normal.
estos
van Dop et al (1985)
momentos en flujos
turbulentos no homogéneos. asi cómo evitar algunas incorrecciones que han

I derivado en el establecimiento
1987; van Dop et al. > 1985; Durbln,
de diferentes criterios
1983, 1984; Egbert
(Thomson. 1986, 1986,
y Baker, 1984).

I errores
Las
tratamiento
principales
eulerlano
numéricos
ventajas
son el ahorro
(de difusión
del tratamiento
computaclonal,
y dispersión)
lagranglano

asociados
la ellmlnacl6n
frente al
de los
a la discretizaclón
matemática de los modelos eulerlano Y que apenas se requiere de
I restricciones
partícula
fislcas
puede determinarse
(no existen ecuaciones
por sus coordenadas,
de conservación)
masa, tamafio,
ya que cada
etc. Los
únicos parámetros necesarios son la varianza de las fluctuaciones de la

I velocidad del viento y las funciones de correlación lagranglanas.

I
I 45

1
r
I
I 2.2.1. Elección del paso de tiempo

Aproximar la trayectoria equivalente a la real y. además, minimizar los

los efectos de memoria asociados a los modelos lagrangianos de partículas
I exige
elemento
una correcta
de fluido
elección
está
del
correlacionada
paso de tiempo.
en escalas
La aceleración
de tiempo próximas
de un
a la
escala de tiempo de Kolmogorov (tk), si el paso de tiempo es inferior a

I dicha escala de tiempo (Atstk) la velocidad no puede describirse mediante

una cadena Markoviana (Legg y Raupach, 1982; Ley, 1982; van Dop et al.,

I 1985).
establecer
coinciden
Sin embargo,
tal limite.
Wilson y Zhuang
Con respecto
en que el At debe ser menor
(1989)
al límite
consideran

que la escala
superior
que no es necesario
todos
de tiempo
los autores
lagrangiana
T Lu (At/TLwtl). Wilson y Zhuang (1989) hace un análisis detalladode los
I errores asociados a diversos valores de At/TLw en turbulencia homogénea. van
Dop et al. (1985) lo extiende a todo tipo de turbulencia y su estudio se

I centra
función
tiempo
en el espectro
de la variación
supera la escala
de la aceleración.
de los
de tiempo
parámetros
lagrangiana
Zannetti (1986)
meteorológicos.
los modelos
lo justifica
Si el paso
de particulas
en
de
no

I proporcionan
1981;
puede evaluar
una correcta
van Dop et al.,
mediante
evaluación
19851,
una expresión
salvo
de la concentración
en zonas
gausslana
próximas
(Durbin
(Wilson
a la fuente
y Hunt, 1980).
et al.,
que se

1 por
A continuación
algunos autores.
se presentan
Esta sfntesis
los diferentes
complementa la
pasos
indicada
de tiempo propuestos
por Ley (1982).

I Turbulencia

Jorras y Bartlett
homogénea

(1972) At = 2 segundos

1 Sawford

Thomson
(1985)

(1987)
propone que At

At
< 0. lTLw.

= min 0. .05TLw, 0. low/lal

(0)

l 1
1 Brusasca et al. (1989) At = 2 y 10 segundos

Turbulencia - homogénea

I Wilson et al. (1981) At = TL*/8

Legg y Raupach (19821 At 5 0.2TLw

1 Legg
Davis
(1983)
(1983)
At
At
= 0. lTLw
5 0.2Ttw

1 Zannetti
Garrett
y AlMadani
y Smith (1984)
(1983) At
At
a 10 segundos
C 60 segundos

I Thomson
de Baas et
(1984)
al. (1986)
At
At
5 O.OITL;
5 0.05TLw
c-1

1 Thomson (1987) At = min

(0) a viene
l
0.05TLw,
definido
0. low/lal.
en Hurley
0.01~w/Iw’8crw/&I
y Physick (1993)
1

I
I 46

1
I
I Walklate (1987) At 4 0. lTLw/b
b depende de la desviación
(flotabilidad
de
negativa)
la velocidad
vertical del aire y de la velocidad media relativa
I Zhuang et al (1989)
entre
At
la particula
= 0. lmin(Tly,r)
y el aire.

I Sawford (Ref. en Hurley

T es
y Physick,
un tiempo
1991)
asociada a cada partfcula

I Hashem y Parkln (1991)

At

At
= 0.02mln

5 0. lTLw
ww/lal, <ry/Jw’¿Yow/&l

(flotabilidad
1
negativa)

I (1976)
Además
indican
de elegir
que
correctamente
el incremento
el paso
del número
de tiempo,
de
Joynt
particulas
y Blackman
en las
simulaciones lagranglanas disminuye las incertidumbres que acompafian al
I cálculo
las
de la concentración.
asociadas a la varlanza
Dur$lna(198%)
oz =<Z (0-Z (o)>
estima
siendo
estas incertidumbres
proporcionales a la
y

-1/2
inversa de la ralz cuadrada del número de particulas (<ccz,t,>=N 1.
I Sawford
simulación
(1985) estima
unidimenslonal.
un número
Otro factor
mínimo de 5000
que se debe considerar
partículas para
es el número
una

minlmo de pasos de tiempo; según Sawford (19851, en turbulencia homogénea y

I con un At=O. lTLw, es necesario al menos entre 50 y 100.

I 2.3. ESQUEMA LAGBANGIANO.

El tratamiento lagranglano de la difusión de contaminantes del apartado

I 2.2 no incluye
CLP. Estos
magnitud,
efectos
del viento
los efectos
tienen
medio,
de la cizalla
su origen
por
del viento
en la variación
la variación vertical
caracteristlcos
vertical. en dirección
de la intensidad
de la

de
y

las fluctuaciones del viento, correlación casi nula entre las fluctuaciones
I horizontales
fluctuaciones
del viento
vertical
(Cu’v’>=O)
y horizontal
y por una correlación
(Cu’w’><O). En Stull
negativa
(1991)
entre
se pueden
las

encontrar expresiones empirlcas no nulas para las correlaciones cruzadas

I diferentes
incorporación
Zannettl
a <u’w’>.

(1981;
de los
1984;
Uno de los primeros
efectos
Zannettl
de cizalla
y
investigadores
en un modelo
Al-Madani, 1983)
que propusieron
de partículas
con un
la
fué
modelo

I tridimensional;
modelos
densidad
posteriormente
bldimenslonales.
de probabilidad
Legg,
del viento.
Ley (1982)
además,
y Legg
incorporó
(1983)
el sesgo
lo consideraron
en la función
en
de

I Zannettl
de correlación
(1986)
cruzada
expandló
entre
su esquema
las componentes
introduciendo
de la velocidad
todas las funciones
del viento, lo
cual representa una dependencia entre las componentes de la fluctuación del

I viento. El sistema de ecuaciones es, estando v: representado desde ahora por

I
I
I 47

I
n

I
I el vector 3’. El sistema para las tres componentes de la velocidad es:

I u’ (t+At)

v’ ct+At,
= fI

= fz
u’ (t)

v’ (t)
+ u” ct+At,

+ fz u’ ct+At, + v”ct+At,
(2.3.1)

I w’(t+At) = f4 w’(t) + f5 v’(t+At) + f6 u’tt+At> + w”ct+At,

I donde u”, VI’ y w” corresponden a funcione: de dfnsidaq de probabilidad (fdp)

gaussianas de media cero y varianzas cu,,, oy,, y oy,,, no correlacionadas

I entre sí.

Si el proceso de Monte Carlo definido por el sistema de ecuaciones

I (2.3.1)
N el número
expresan
es estacionario

como
total de
en cada paso de tiempo
datos, que las varianzas
y teniendo
de las
en cuenta,
fluctuaciones
siendo
se

I
I sus funciones de correlación

I
I y sus funciones de autocorrelación

<ll* 2> <V’ 2> <w* 2>

I R
u*u*
(At, =
o2
Y’
*
R > ,tAt,
YY
=
c2
Y’
>
R , ,tAt)
WY
=
LT2
*’

I por
Multiplicando
ll’ tt1, 2”’ (tl
las
y
tres ecuaciones
w’ lt.1 y
del
teniendo
sistema
en
(2.3.1)
cuenta
respectivamente
que p. e.
<ll’ (t)U’ ct,>=pl’ (t)/N, obtendremos promediando las siguientes ecuaciones

I R .cT2 = f,.úZ,
US”’ “>

I R
“‘V’
.Lr2
Y’
+ f3.fI.R
“>Y>
ou>o
Y’ (2.3.2)

I
I + f6.fI.R
“‘ll’
ou><py,

I
I 48

I
I
I Volviendo
respectivamente
obtendremos
a multiplicar
por
promediando
v’ (tl,
las
las dos
w’ (tl
siguientes
primeras
y de
ecuaciones
nuevo
ecuaciones
la
del sistema
primera por
(2.3.1)
w’ (t),

I <u’ triAt1.v’ (t)> = f,.R

“>“’
“,,ev,

I CV’ (t+At).w’ (t)> = f .R (r D

2 Y*Y* Y* v’
+ f3.fI.R
“‘ll’
<Pu,0
Y’
(2.3.3)

<u’ ct+At,.w’ (t)> = fl.Ru>w>~u>~Y>

I Por último, si tomamos las varianzas del sistema de ecuaciones (2.3.1)
conoceremos finalmente las expresiones de los coeficientes f f f3 y las
I varianzas de los términos aleatorios CT’
1, 2..

I +t+At, = f;.e’ “,(t) +,+t+At,

I ++At, = f:.oa “,(tl + fj.C”,W + CTa

“,, ct+At, + 2 fafs<v’ (t)u’ ct+At,>

1 +t+Ar) = f;.o’ “,(tl + fZ.C”,M + f2.w “, (t-1 + ry,, ct+At> +

+ 2 f4f5W (t)v’ (t+Atl> + 2 f4f6W (t)u’ lt+At)> +

I + 2 f5.f6.Rusv,

I Las expresiones de los tres primeros coefj .cientes f y las varianzas de

los términos aleatorios serán:

I fl = R
“>“>

I R -R R2

I R e”>(l-R R 1
“‘U’ “‘9

I f3 = “‘“’
ou, (1 - R2
“‘“B
Ra
“>Y>
1

I
I û2v” =oV2,(1-fZ)-f2u2,-2fffR
1 2 3 “‘V’
c D
ll> v*

I Los coeficientes fo, fs y f6 se determinan de la resolución del sistema

I 49

1
I
I
I lineal, mediante el método de la inversa de la matriz,
conocimiento de la varianza de la tercera componente
que además permite el
aleatoria. El sistema

I
I
I donde

I A =0 Y>
44
A45 = fz.R",Y>û"> + f3.fl.R "SY' O"<
I A'46 = fI.R "'Y' 0".

A54 = fI.R "'"9 0,.

I A55 = fI.fz.Ru,v>uv> + fl.f3.R u*u*=u* + f3 U",(l - f:,

1 A56 = fI.R "'U' O"' + O",(l - fl)

A64 = f2.Rv>,,."v.@,,.+ f,.f3.Ru>w,=u>=,,>

1
I
I
1
I
1 Por tanto la varianza aleatoria de la tercera componente del viento es:

I
I
I
I 50

I
I
I
I En este
y. por tanto,
especialmente
esquema se considera
el eJe X varía
en la vertical
que el eje X sigue
a lo largo
(Zannetti,
la
de la trayectoria
1984)
dirección
de la
del viento
particula,

I
I Finalmente el nuevo desplazamiento de cada ura de las particulas
tendrá las siguientes componentes:

I x(t+zAt) = x(t+At) + <u(t+At)>.At + u’ It+Atl.At

y(t+z?At) = yct+At, + v’ (t+At).At

I z(t+zAt) = zct+At, + w’ct+At>.At

I valores
Una
“9,
vez
de (r
conocidas
todas
oy,,
R“>“*.
las
o +.
incognitas,
R “.“>. R y>y>.
es necesario
R“>“‘. R“‘$+ y
conocer
RY,“>.
los
Estas

1 magnitudes pueden
como se indica
inferirse
en el apartado
desde observaciones
anterior.
o expresiones semiempiricas,

I Este
simplificarse
esquema
a dos
lagrangiano
dimensiones,
válido
como es el
pal-a todo
esquema
el
que
espacio
se propondrá.
puede

Además, cualquier esquema lagrangiano permite permutar las fluctuaciones de

I velocidad
correctamente
esquema
en el
los
que se propone
orden
nuevos
que se
coeficientes
la primera
deseen,
f.
ecuación
teniendo
o”,
del
cuidado
A y B. En concreto,
sistema
en determinar

corresponde
en el
a la
fluctuación de la componente vertical de la velocidad (~‘1 y la segunda a la
I fluctuación
ajuste
horizontal
de w’ a la función
(LI’ ), para
de densidad
que no se altere,
de distribución
principalmente,
considerada, sobretodo
el

en condiciones convectivas (apartado 3.2). El esquema que se propone es el

I siguiente:

w’ (t+At) = gI w’ (t) + w”(t+At)

1 u’ct+At, = g2 u’(t) + g3 w’(t+AtI + u” (t+At)

donde:

I g,
=R
w*w*

I
I R > >Q”> (1 - Rw.w.Ru.,.)
g3= “W
I cw,(i - R23
Y’Y’ “‘Y’
1

I
I 51

1
l
I 2
““SS = 2, (1 - .g) - g;(, - 2 gley3R”>u’~“>~ Y’

I - uf
R“‘V’ (0) = <u’íí’ > = 1-L
I o”* 0v’ C”,(r=0)oy,(z=cl)[ H

I R
“>Y
(At, =
<us 3
2
“’

I
i 1
At
<w’ 3
R (At) = = exp - -
I w*u 2
oY*
T
LU

I Este esquema necesita

una de las componente*
una función
de la velocidad,
de densidad
condiciones
de distribución
de contorno
para cada
e lnclales.

I De
homogenea
las observaciones
y estacionaria,
eulerlanas
el comportamiento
se conoce que en turbulencia
de cada una de las componentes
de la velocidad se distribuyen según una distribución normal de media cero

I (Monin y Yaglom, op. clt.). Por ejemplo

W2
para la componente vertical

l 1
1

I p(w) =
4-G cw
exp - -
2 o2
u

I Sin embargo,
en el desarrollo
las situaciones turbulentas
de una capa convectlva.
no son tan ideales
En estos caso*
como por ejemplo
la distribución de

I la componente
(sesgo)
laboratorio
es positivo
vertical

(Wlllis
no corresponde
a lo largo
y Deardorff,
de toda
1974, 1976,
a una gausslana
la CLP. Diversos
y su tercer

1978) y observaciones
experimentos
momento

(Taconet
en

y Weill, 1982; Caughey et al, 1983) han demostrado su naturaleza no

I gausslana,
positiva”.
en donde
Esta organización
su .“zona negativa”
de la componente
ocupa mayor
vertical
área que su “zona
de la velocidad del
viento se debe al tipo de movimiento en las capas convectivas caracterizado

I por fuertes
que las velocidades
propuso
vel¿vzldade*

una expresión
ascendentes
descendentes
para p(w),
pero que ocupan
que son de menor intensidad.
otros en cambio
menor

han utilizado
área horizontal
Lamb (1982)
otros métodos
para incorporar el sesgo en un modelo lagranglano, tales como Legg (1983) y
I Thomson
con
(1984).
su esquema
Baerentsen
de particulas
y Berkowlcz
el
(1984)
comportamiento
con objeto de poder
atmosférico
simular
en capa*
convect lvas y. en cierta manera basándose en Lamb (op. cit.), propusieron
I desdoblar
Y 0-c donde
la p(w) en dos fdp gausslanas
el subíndice + representa
de medias
el
w+ y -w- y desviaciones
movimiento ascendente y
o+
el

I subindice
en multitud
- el movimiento
de esquemas
descendente.
lagrangianos
Esta
como
expresión de p(w) se ha aplicado
los de Luhar y Britter (1989) y

I 52
I
I Hurley
densidad
y Physick (1993).
de probabilidad
fdp gaussianas de diferente
de
Baerentsen y Berkowicz
la componente
media y varianza:
vertical
desdoblan la función
de la velocidad
de
en dos

1 p(w) = a+.p+(w) + a-.P-(WI

1 (w - w+P
1
p+(w)=_
I 4-z o+’ exp
l
- 2 lTz

I (w + w l2
p-(w)= l exp -
I d-z o-
I
2 c2

I siendo
ascendente
a+ y a- las
y descendente.
f recuencias relativas de ocurrencia de los movimientos

I Con el conocimiento
se puede simular situaciones
de la fdp de cualquier
de estratificación
componente
estables
de la velocidad
y neutras (fdp
gaussiana) y estratificaciones inestables (fdp de Baerentsen y Berkowicz).

I En
determinadas
condiciones
por la
convectivas,
velocidad media
1SS
w+,
partículas
la varianza
asgendentes
eW,+. la
vendrán
escala de

I tiempo
descendentes
lagrangiano
tendrán
TLY+
una
y
velocidad
la correlación
media w-,
lagrangiana
la varianza
R+.
CT:,-,
Las
la
particulas
escala de

1 tiempo
estas
lagrangiano
nuevas variables
TLw- y la
‘se determinan
correlación
a través del
lagrangiana
cálculo de los
R-. Las expresiones de
tres
primeros momentos de la p(w) y de la función de distribución. Las

I expresiones
Thomson (1984).
de estas magnitudes son equivalentes a las propuestas por

I
I
I
I
I
1 53
I
I
I w
- =cJ
- =
II
(S”
ll
+ 806)1’2
u
- s3 y
1
/42

1 w+=c + = cy / 2w-

1 a = w+/h-+w+)

I a+
= w-/(w-+w+)

T =a +.TLw+ +a - .T
L” LU-
I
I siendo S: el sesgo puede determinarse de observaciones o
que

I relaciones
impuesta por Baerentsen
semiempíricas (Lenschow
y Berkowicz
et al.,
(op. cit.
1980).
1 para
La suposición
obtener
de que
algunas
ot=w+
de las
expresiones anteriores es analizada por Luhar y Britter (1989). determinando

1 que es correcta.

En la figura 2.3.1 se muestra la variabilidad vertical de alguna de

1 estas
línea
(1982).
magnitudes,
discontinua
La linea
donde H indica
considera
continua
la
considera
la altura
desviación
de la capa límite

la desviación
estándar propuesta
elegida
convectiva.
por
por Baerentsen
La
Hanna
y
Berkowicz.
I
1
1
I
1
I
I
I
I 54

1
,
/
jl
il
I
‘1
‘1
I
I
I
I Figura 2.3.1. Evolución vertical de las variables w-, w+, a- y a+. H
representa la altura de la capa convectiva y Z la altura. Función de
I densidad
desviación
de probabilidad
estdndar de
propuesta
Harma,
por Baerentsen
1982 (linea
y Berkowicz
discontinua)
(1984)
y
con
desviación
la

utilizada por Baerentsen y Berkowicz (línea continua).

I Con independencia del tipo de condiciones turbulentas que se deseen

simular, todos los modelos lagrangianos de partículas deben partir con unas
I condiciones
conocimiento
iniciales
de las
previamente
posiciones
establecidas,
iniciales de
lo
laS
Cual implica
partículas
un
y.
principalmente, de las fluctuaciones de las componentes de su velocidad.
I Mientras
es
que para establecer
necesario conocer las
las posiciones
características
iniciales
de la
de las partículas
fuente, para
sólo
las
fluctuaciones iniciales se deben proponer condiciones artificiales. Dos

I alternativas
fluctuación
cero y varianza
posibles
inicial
unidad:
son: (1)
en base a una función
dar valores
de densidad
nulos y (2)
gaussiana
as4gnar una
TJ de media

I
I 55

I . _:. _/ ..: .
1
I
I (1) u’ (0) = 0. w’ (01 = 0

I (2) u’ (0) = W”, [X(O)] > w’ (0) = no”, [Z(O)]

I iniciales
En el capitulo 3 se verán,
de las fluctuaciones
entre
y que
otros,
no han
los
sido
efectos
abordados
de las condiciones
con anterioridad
a nuestro trabajo.

I Las
lagrangiano,
condiciones
determinadas
gg contorno
en función
es otra de las
de las características
necesidades de un modelo
atmosféricas que
se deseen simular, p. e. fumigaci6n. capa convectiva, etc. Para cualquiera
I de ellas
condiciones
podemos elegir
de contorno
entre diversas
de reflexión
posibilidades.
imperfecta
En las
se supone
denominadas
que en los
contornos de la capa límite (por ejemplo suelo y/o altura de la inversión)

I las
reflejan
particulas

de reflexión
que indicen
en los mismos
imperfecta
o intentan
cambiando
la reflexión
unicamente
sobrepasar

de las
uno de los dos limites
su posición.
partículas
En las condiciones
incidentes no sólo
se

I afecta
velocidad.
modelos
a la
Estas
posición,

de partículas.
son las
sino también
condiciones
Venkatram (1983)
a la
de contorno
fluctuación

propone
vertical
más utilizadas
para esta última
de
en los
tres
su

posibilidades diferentes. En el esquema propuesto las condiciones elegidas

I son
Aunque
las de reflexión
según Hurley
perfecta,
y Physick
tal y cómo se indica
(19931, en turbulencia
en la Figura
no homogénea,
2.3.2.
en
concreto convectivas, estas condiciones de contorno deben modificarse para

I que sean
vertical
consistentes
de la velocidad.,
con la distribución
tal que
de probabilidad de la componente

I Reflexión

Reflexión
en el

en la
suelo

capa
w’ = -w’a

de mezcla
- /a +

w’ = -w’a+/a-

I Sin embargo,
que tras la
nosotros
reflexiones
no
w’
hemos encontrado
= Iw’ 1 en el
ninguna
suelo
diferencia
y w’ = -Iu’ 1,
al considerar
en situaciones
convect ivas.

1
220”) ,“‘2

I /‘i
!
~,tura
(según
capa 1fm1t.e (z=H)
1z.s con*. cstrat,c.:
IzzI>-I”‘21

I 21

I
I
I Figura 2.3.2. Posibles condiciones de contorno.

I 56

1
 3. s1I4uLAc10NEs

En este capítulo se presentan los resultados. del estudio llevado a

cabo, el cual’se ha clasificado en tres partes bien diferenciadas.

En la primera parte se analiza el comportamiento de los generadores de

números aleatorios. dado que dichos números son la base para la creación de
una distribución de probabilidad normal o gausslana de media cero y
varlanza uno. El estudio se centra en la influencia del generador en el
esquema bldimenslonal lagrangiano. (El mismo análisis se realizó en el
esquema unidlmenslonal, aunque no se muestra en la presente memoria. Las
conclusiones son las mismas que en el caso bldimenslonal. ) Respecto al
modelo lagrangiano en dos dimensiones, y atendiendo a la posibilidad de
lmplementarlo en cualquier ordenador, se decidió trabajar con un único
generador para todo el proceso, aunque en algunos ordenadores se pueda
acceder a dos llbrerlas, en cuyo caso se asociarla cada una de ellas a una
componente de la velocidad. Estas llbrerlas dependen bien de la potencia del
lenguaje informático Fortran o bien son librerlas externas como, Por
ejemplo, las llbrerlas NAG.

La dificultad que plantea elegir un único generador para la creación de

la distribución normal en el modelo bldlmensional reside en que se deben
tomar alternativamente bloques de números aleatorios, cada uno de los cuales
va a determinar un punto de la fdp generada asociada a cada componente de la
velocidad.

La segunda parte de este capitulo se centra en la verificación del

esquema lagrangiano. Para ello se supone una “capa límite” unldlmensional
dentro de la cual se debe mantener, temporalmente, la uniformidad de una
distribución inicial de partículas. En esta versión unldimenslonal se
analizan los puntos críticos que pueden afectar al comportamiento de las
particulas según sea la estratificación atmosférica. El primer punto critico
corresponde al paso de tiempo At, aunque la elección del paso de tiempo ya
haya sido analizado por otros autores (apartado 2.2.2). Otra magnitud que
puede tener influencia en un esquema lagranglano son las relaciones
empíricas de las variables varlanza y escala de tiempo lagrangianas y en
situaciones convectivas, también, el sesgo. Este estudio ha permitido
descartar algunas expresiones que han sido utilizadas por algunos autores y
elegir las que se consideran mas convenientes según la estratificación
atmosférica. El tercer punto se refiere a las condiciones de contorno. Las
condiciones iniciales también constituyen un áspecto importante en este tipo
de metodología. Con anterioridad a estudio no existe ninguno en la
bibliografía que refleje la influencia de estos tres últimos puntos. Otro
factor que puede determinar el comportamiento de las partículas bajo estas
condiciones corresponde a la que se ha denominado velocidad media de arraste
y que está relacionada con el gradiente vertical de la varlanza de la
componente vertical de la velocidad del viento.

La elección o determinación del rango de validez de cualquiera de las

magnitudes o condiciones indicadas anteriormente se establece con el
análisis de la distribución vertical de partículas y el ajuste a la función
de densidad de probabilidad de la componente de la velocidad (p. e. >
gaussiana) en todas las alturas.

La última parte del capítulo está dedicada al esquema lagranglano

bldlmensional. En un primer paso se comparan los resultados obtenidos con

57

.I
I
I los correspondientes
de estratificación
obtenidos con el esquema
a un modelo
atmosférica.
lagrangiano
de penacho
Posteriormente,
propuesto
gaussiano,
se analizan
para

en situaciones
tres
los
categorias
resultados
atmosféricas

I convectivas
último,
de fumigación.
con fuentes
se refleja
Para
emisoras
el comportamiento
ello se ha enlazado
a diferentes
de un penacho
el esquema
niveles verticales.
continuo
propuesto
en condiciones
Y, por

con un modelo
de pronóstico. La fumigación de un penacho también ha sido estudiada en la
I versión unidimensional.

I 3.1. GENEFIACION
VELOCIDAD.
DE DISTRIBUCIONES DE PROBABILIDAD DE LAS COPIPONENTES DE LA

El importante crecimiento de la aplicación de la técnica Monte Carlo en

I diversas areas
en la investigación
de la Fisica ha hecho
de su fiabilidad
que se haya dedicado
en simulaciones fisicas.
un gran
Este
esfuerzo
tipo de
estudios se basa en la detección de posibles errores de tipo estadistico,

I computacional
estadística,
fenomenológicas.
0 sistemático,
la de
Estos errores
empleando
representación
dependen
diferentes
binaria (bit
metodologias,

a su vez de múltiples
level test)
como son la

factores
o las
que,

I aunque
entraflan
(1992)
en algunos
dificultades
y Vattulainen
casos

et al.
sean
añadidas,
(1993)
bien
como las
tras
conocidos
indicadas
el análisis
(Ferrenberg
por
de varios
et al.,
Ferrenberg
generadores
1991) >
et al.
de
números aleatorios, que son la base de la tknica Monte Carlo. Por tal
1 razón,
estudio.
en este apartado se describirá el generador utilizado en el presente

1 exige
velocidad
La formulación
la creación
semejantes
del esquema
de distribuciones
a las funciones
lagrangiano
de probabilidad
que se sigue

de densidad
en este
de las componentes
de probabilidad
trabajo
de la
(fdp)
teóricas, lo cual se puede conseguir a partir de generadores de números
I aleatorios.
generada
Por tanto,
va a depender
inicialmente
de la bondad
se debe suponer
del generador
que la bondad
y del número
de la fdp
de puntos
deseados para definirla. Vattulainen et al. (1993) analizaron, entre otros,

I dos

test.
de los
GOSFAF (libreria
generadores

En el estudio
NAC),
aleatorios
contrastando
del generador
con los
su bondad
,RAND los
que se va a trabajar:
a partir
autores
de diversos
mencionados
RAND y
tipos
observaron
de

I una dependencia
que
generador
superara
fuerte
algunos
GOSFAF no presentaba
de la implementación
de los tests
ninguno
anteriormente
de estos
del algoritmo,
citados.
problemas,
lo que impidió
En cambio,
siendo uno de los
el

dos generadores de números aleatorios recomendados por Vattulainen (op.

1 cit. 1.
discrepancias
Sin embargo,
significativas
en el
entre
presente estudio
el uso de uno u otro
no se han
generador,
encontrado
como se
verá en este apartado.

1 En nuestro
distribución
caso,
generada
el esquema que se utiliza
con una fdp gaussiana
requiere
de media cero
la semejanza
y varianza
de la
unidad:
NCO, 1). Para ello se generan N números aleatorios dentro del intervalo
1 [O.ll, y se aplica el teorema central del límite a cada bloque consecutivo

I
I
I 58

I
I de n números
dado por :
(naN, 1-061, obteniendo para cada bloque un valor e que viene

I En general, xi designa a una variable aleatoria, p, a su media y 2 a su

varianza. En nuestro caso, xi son los valores de los números aleatorios del
,I bloque, siendo p, y c: la media y la varianza de la población de la cual han
sido extraidos dichos números. Como se trata de una distribución de
probabilidad definida uniforme en el intervalo [O,ll, p, =0.5 para todo i, y
I 2
o, = 1112 para todo i.

I Dado que nuestro esquema lagrangiano depende directamente de la

semejanza de la distribución generada con la fdp teórica, o lo que es lo
mismo, del grado de ajuste entre dichas distribuciones, se debe analizar la
dependencia de la bondad del ajuste con respecto a :
I (al el número de puntos < ,
(b) el número n de números aleatorios empleados para obtener c

1 (cI la inicialización

Las figuras
del generador

que
.

se presentan para dicho análisis se basan en

simulaciones bidimensionales (x,z) durante un periodo temporal de quinientas
I veces el paso de tiempo.
números aleatorios
En estas simulaciones
RAND, supuestamente
se ha elegido
más desfavorable,
el generador
implementado en el
de

ordenador Convex de la UCM, y se ha ido modificando la cantidad de puntos

1 Es el número
inicialización
n de aleatorios
del generador.
agrupados
En la Tabla
para establecer
3.1.1 se muestra
un valor
un resumen
de .$ y la
de las
condiciones fisicas de la simulación. Para la construción de las fdp de cada

I uno de los movimientos

alternativos
componente
de
horizontal
n números
de las partículas

aleatoria
aleatorios
de la velocidad
ficticias
consecutivos,
se eligieron
primero
(LI”~ 1 y después
bloques
para
para
la
la

1 componente vertical
en cada paso de tiempo.
(ui 1 de cada
Se ha comprobado
una de
que la situación
las particulas
de alternancia en
ficticias emitidas

estos análisis es similar a considerar el mismo generador con diferente

1 inicialización
validez
posibles
que se sehala
para

problemas
cada una de las
posteriormente.
en simulaciones
componentes,
Esta alternancia
bidimensionales.
dentro del
se analizó
Con
límite
debido
simulación
de
a

unidimensional se obtienen las mismas conclusiones, lo cual implica la

I independencia
consecutivos.
de la elección de bloques de aleatorios alternativos o

I
I
I 59

I
I
I -l

I Generador
Implementación
de aleatorios
en
RAND
Convex c-21c 1

Simulación fisica
I Viento medio (1.0 (m/s)
Grado de estratificación
1.72
Estabilidad
Rugosidad superficial (ml 0.20
I Emisión
Paso de tiempo
(part/paso
(sl
tiempo) 1
2
Tiempo final (sl 1000.
I Movimientos
Altura fuente
totales
(ml
500
240.

1 Tabla 3.1.1. Condiciones de simulación bidimensional.

I (al En primer
distribución.
lugar se analiza
Como se observa
la influencia
en la tabla
del número
3.1.1, el total
de puntos 5 de la
de partfculas
ficticias emitidas desde el foco, junto con el tiempo final, establecen

1 el número
ellas;
primera
por
de movimientos
ejemplo,
en emitirse,
en esta
realiza
o pasos de tiempo
*imulación
quinientos
que realiza
la particula
movimientos,
#l,
mientras
cada una de
al ser la
que la
partícula #191 hace trescientos diez. Es decir, el número de movimientos
I equivale al número
para las dos componentes
de puntos 5 de la distribución
de la velocidad. En las Figuras
gausslana
3.1.1
observada
y 3.1.2
se muestran los valores medios y las desviaciones típicas de las dos
I componente*
ficticias.
partícula,
aleatorias
Se puede observar
la distribución
de la velocidad
que a mayor número
se asemeja
para

más a una fdp

todas
de movimientos
las particulas

normal.
de la
Esta

I característica
aleatoriedad
emitido en los instantes
manifiesta
en las
la imposibilidad
velocidades
finales
de aquellas
de mejorar

de la simulación.
partículas
la condición

En concreto,
que se han
y tras
de

sucesivos estudios, se ha establecido un limite a partir del cual la

I distribución
Este limite
observada
en el número
se considera
de movimientos
que no tiene fiabilidad
es de 150. Es decir,
suficiente.
para
aquellas partículas que se hayan trasladado un número de veces inferior

1 a dicho
velocidad
limite

pocos movimientos,
establezcan
existe poca certeza
una N(0.11.
no contempladas
de que sus componentes
Sin embargo,
en este trabajo.
salvo
aleatorias
en simulacione*
el efecto global
de
con
en
el modelado es inapreciable, debido a que estas partículas son las que
l se sitúan
significativamente
en las proximidades
el comportamiento
de la fuente
del penacho.
de emisión y no determinan

I
I
I
1 60

I
 ha) (b)

il
I
;I Partictila Particula

il FIGURA 3.1.1. Valor medio de la componente aleatoria de la velocidad, Ca) uv

1)

.I Cb) w”,,.
y n igual
para
a 120. Las
cada partícula.
líneas
Valor inicial
continuas
de la
horizontales
serie aleatoria
corresponden
igual
a
a 1
los
valores de 0.1, 0 y -0.1.

1
I
I
1
I
Particula Porticula j
I FIGURA 3.1.2. Desviación típica de la componente aleatoria de la velocidad,

I Ca) u; (b)
igual a 1 y n igual
los valores de 1. 1,
w”~, para cada paz-t íala.
a 120. Las
1 y 0.9.
Valor
lineas
inicial de
continuas horizontales
la serie aleatoria
corresponden a

I En la Figura 3.1.3 se puede observar que el límite establecido no

depende de la bondad del generador, en este caso el G05FAF. Por tanto, el
I generador
comportamiento
de números
global
aleatorios, bien sea RAND o G05FAF. no condiciona
de la nube de partículas ficticias. Equivalente
el

resultado se obtuvo con el generador RAND de un Risk 6000 y de un HP

I Apollo.

I 61

I
I
I
I (b) La influencia
distribución
del
normal,
número de aleatorios
no modifica
n, escogidos
el resultado observado
para
en
generar
el análisis
la

del número de puntos <. Las Figuras 3.1.4 y 3.1.5 confirman de nuevo la
existencia del límite en el número de movimientos (superior a 150).
1’ (c) Por último, queda comprobar la dependencia de las distribuciones
generadas según el valor inicial asignado a la serie aleatoria. Al igual
I que en el caso anterior,
3.1.6A y 3.1.6B no se aprecia
en el bloque media-desviación
nada que contradiga el limite
de las Figuras
establecido
para el número 5, aún siendo este caso el más desfavorable. Esta

I independencia
et al. (1993).
del valor inicial coincide con lo obtenido por Vattulainen

Por tanto, del análisis de posibles influencias en la obtención de una

I distribución
aleatorios,
de media
se puede
cero y varianza
deducir que el
unidad
número
a partir
de puntos
de series
elegidos
de números
de la
distribución observada es el único factor determinante de la bondad de la
I misma,
aunque
estableciéndose
no se ha detectado
se considera
un limite
en los
que pudiera

necesario
depender
dos utilizados
analizar
del tipo
en este
previamente
de generador,
trabajo.
el generador
Por
en
consiguiente,

I cualquier
aleatorios.
modelo basado en la aplicación de generadores de números

Una vez establecida gráficamente la semejanza entre la gausslana

I teárica
ficticias,
y la distribución
se debe contrastar
generada
mediante
para
un test
cada una
estadistico,
de las particulas
como es el test
de x . En la Figura 3.1.7 se encuentran representadas la fdp teórica (linea

I continua)
partículas.
última
y la
La particula
se ha elegido
distribución observada
#l ha realizado
para detectar alguna
(línea
500 movimientos
posible
discontinua) para
y la #191 310. Esta
irregularidad de la región
dos

de aceptación en caso de un número de movimientos menor a 350. El generador

I de aleatorios es el RAND del ordenador Convex.

El test x2 confirma la aceptación de la hipótesis nula (distribución

1 N(O,l))
significación
al menos en un 70% del total

#l y #191 el test
de a=0.05 (95% de yfianza).
estadistico
de particulas emitidas,
En concreto,
2 es, respectivamente,
con un nivel
para las partfculas
1.01 y 5.69 para la
de

I componente
componente
aleatoria
aleatoria
horizontal
vertical
de la velocidad
w;. El 30% restante
uw , y 9.27 y 7.62 para la
n
corresponde a aquellas

I
1.
I
I
I
I 62

I
 particulas que se encuentran más próximas a la fuente, y por tanto no son
las que caracterizan el comporbmiento del penacho.

!a) (b)
< u; > < WI1 >
n’
1.5 1.5

1.0 1.0

0.5 0.5

0.0 0.0

-0.5 -0.5

-1.0 -1.0

-1.5 -1.5

-2.0 -2.0
0 0
Porticula Particula

û
“”
v
2.00 2.00
1.75 1.75

1.50 1 so
i.z5 1.25
1 .oo 1 .oo
O.iS 0.75

1 0.50

0.25
~0.50-

0.25

I 0.00

Particula
0
0.00

Particula
FICXJRA 3.1.3. Valor medio y desviación standard de la componente aleatoria
I de la velocidad,
serie
Ca) u;
aleatoria igual
(b) Y”~,

a 1, n igual
para
a 120 y el
cada partícula.
generador
Valor inicial
es GO5FAF.
de la

I
I
1
I
I 63

I . ..,., . ...... .. . _, , .., _~ ..<_.. : ,.~ “..,.... .:-;.- ‘,., .:,..;.~ ,..-.
 Particulo Pprticula

FIGURA 3.1.4. Valor medio de la componente aleatoria de la velocidad u;

para cada partícula. Valor inicial de la serie aleatoria igual a 1 y n el
indicado.

64
 ‘;’
‘. :

.“.,” .1.?
‘.
,.? .

2.00
I .75
!.50

1.25

1.00
0.75

0.50
0.25

0.00
Particula Particula

2.00
.b:751,' n=60

*,F 1.oo
b

P,articuIa Particula

FIGURA 3.1.5. Desviación standard de la componente aleatoria de la velocidad

u; para cada partfcula. Valor inicial de la serie aleatoria igual a 1 y n
el indicado.

65
 Particula

semilla = 1
1i 1.o

~1
I FIWRA 3.1.6A. Valor medio de la componente aleatoria de la velocidad, Ca) u”
9
(b) 18’~; para cada partícula. Valor inicial de la serie aleatoria indicado
1 por semilla y n igual a 60.

I
I
I
I
I
I
I 66

I
 Porticula
:b) '

FIGURA 3.1.6B. Desviación standard de la componente aleatoria de ,la

velocidad, (4 u; (b) w”~, para cada partícula. Valor inicial de la serie
aleatoria indicado por Semilla y n igual a 60.

67
:I
!l
I
I
I
I
I (b)

1,
I
1
I Figura
continua)
3.1.7. Función
y obsevada
de la velocidad,
de
(línea
uC; y w”~,
densidad
discontinua)
de probabilidad

en las partículas
teórica
para las dos componentes
Ca) #l y (b) #191.
NCO, 1) (línea
aleatorias
Los valores

I de la media
superior.
y desviación standard observadas están indicados en la parte

I
I
l
I
I
I
I
I 68

I
l
I 3.2. Modelo unidimensional.

Como se indicó en apartado 2.2, los modelos lagrangianos comenzaron con

I la resolución
dimensión.
representa el
matemática
En la ecuación
efecto de
de
de
la
la ecuación
Langevin
turbulencia
de Langevin
el término
sobre la
aplicada
aleatorio
partlcula
a una sola
(ruido blanco)
durante un
intervalo de tiempo dt (Lin y Reid, 1962). La resolución de esta ecuación es

I un proceso
turbulentas
de Markov
no
de primer
homogéneas, COltI
orden, que debe completarse
corresponde a situaciones
en condiciones
de fuerte
estratificación 0 situaciones convectivas.

I clasico
El esquema
dentro
unidimensional
de la modelización
con el que se va a trabajar
lagranglana del tipo
es un esquema
Monte-Carlo y la
dirección elegida es la componente vertical, por ser la que más depende de
I la
neutras
situación turbulenta.
el término aleatorio
Así, mientras
se ajusta
que bajo
aproximadamente
situaciones estables
a una fdp gaussiana,
y

en situaciones convectivas no se observa este comportamiento.

I El esquema de Monte-Carlo
particulas es
en la dimensión vertical para cada una de las

1 w’ (t+At) = f.w’ (t) + w”ct+At>

donde f representa la autocorrelación Ru,v> tAt)=exp(-At/T& y WI,

1 czrrezpondea
o~,,=Q~, (l-f
a una
1. Conocida
fdp, en general,
la perturbación
gaussiana de
de la velocidad
media cero
vertical
y varianza
a la altura

I zct+At,,
más la
la velocidad
velocidad media
vertical vendrá dada por la suma de dicha perturbación

wct+At, = <w> + W* ct+At,,

1 por tanto el nuevo desplazamiento de la particula en el intervalo de tiempo
At es

I zct+zAt, = zct+At, + w’ct+At,.At

I Como se mencionó al inicio

generador de números aleatorios,
de este Capítulo,
los modelos
además de la elección
lagrangianos de partículas
del

presentan una serie de aspectos criticos que afectan decisivamente en los

I resultados
realizará
que se obtengan
una verificación
de las simulaciones.
del esquema, considerando
Por ello, a continuación
diferentes condiciones
se

iniciales y de contorno, diversos pasos de tiempo, así como distintas

I expresiones
tiempo
verificación
para determinar
lagrangianas.
de forma
En los
separada
los valores
siguientes
para
de las varianzas
subapartados
casos con estratificación
y las escalas
se realizará esta
inestable,
de

neutra y estable. Finalmente, se considerará un caso de fumigaci6n. es decir

I de evolución
diferentes
entre una estratificación
esquemas para tales condiciones.
estable a una inestable. el efecto
En el caso de estratificación
de

inestable, se considerarán dos tipos de distribución de las fluctuaciones de

I la velocidad
la situación
vertical,
neutra,
y posteriormente
la estable y finalmente
se aplicarán los esquemas elegidos
la de fumigación.
a

I
I 69

I
3.2.1. Situaciones convectivas.

El comportamiento de la difusión turbulenta en la Capa Limite

Convectiva (CLC) da lugar a que, en estas circunstancias, se observen
elevadas concentraciones en las proximidades del‘ suelo a grandes distancias
de la fuente. Esta distribuciones son dificilmente reproducibles por los
modelos gaussianos (Willis y Deardorff, 1976) o por los modelos eulerianos
con cierre de primer orden (Willis y Deardorff, 19781, por lo que se han
propuesto otras metodologías como los modelos eulerianos de cierre superior
(Lewellen y Teske, 1976) o los modelos lagrangianos del tipo Monte-Carlo,
como el descrito en el Capitulo 2, que se centra fundamentalmente en la
elección de una determinada distribución para cada una de las componentes de
la velocidad. Aunque inicialmente Monin y Yaglom (1971) supusieron una fdp
normal, los experimentos en laboratorio de Willis y Deardorff (1974) y las
observaciones de campo realizadas por Taconet y Weill. 1982 y Caughey et
al. > 1983, entre otros, mostraron que la distribución de la componente
vertical de la velocidad en situaciones convectivas no es gaussiana, ya que
tiene una moda negativa y un alargamiento de la cola de la distribución en
la región de valores positivos (Lamb, 1982). Estas dos caracteristicas son
el resultado del tipo de movimiento característico en la CLC. LOS
movimientos parece que se organizan en dos grupos, uno corresponde a los
ascensos en el seno de las células convectivas, caracterizados por unas
fuertes velocidades verticales y el otro a las regiones de subsidencia
locales que poseen velocidades verticales descendentes de menor magnitud que
el movimiento ascendente.

Para simular el este tipo de movimientos dentro de la CLC nos hemos

basado en la metodologia propuesta por Baerentsen y Berkowicz (19841, donde
la distribución .de velocidades verticales se desdobla en dos fdp jqussianas
de medias w+ y -w- y desviaciones o + y o-; donde el subtipo + representa el
movimiento ascendente y el subtipo - el movimiento descendente.

En el apartado 2.3 se definieron estas variables junto con a+, a- y

las fdp P+ y P-, de manera que,

P(w)=a+.P+(w)+a_.P_(w)

Si en vez de desdoblar los movimientos convectivos verticales se

supusiese un único tipo de distribución según una fdp gaussiana de media
cero y desviación c,, resultaría,

2
1
P[“l=P(o,+ = .exp -
Ai- 0” I 2°C 1

A continuación se compararán los resultados obtenidos con ambos tipos

de distribución de velocidades turbulentas verticales, bajo diferentes
condiciones. Este estudio comparativo consistirá en analizar la consistencia
física de ambos métodos, que requiere que una distribución inicial uniforme
de particulas se mantenga a lo largo de la simulación y a lo largo de toda
la capa limite (Sawford, 1986). En esta comparación ambos esquemas se
inician con una distribución de 10000 particulas, repartidas uniformemente

70
I
I por toda
variables:
la
la
CLC (H=lOOO
longitud
m) y considerando
de rugosidad so= 0.01
los siguientes
m, la escala
valores
de la
para
velocidad
las

convectiva w,= 1.6 m/s, la longitud de Monln-Obukhov L = -5 m , suponiendo

I en todos
fluctuaciones
los casos
de la
partículas
componente
sin
vertical
flotabilidad.
del viento
La varlanza
eleglda para
de las
estas
simulaciones corresponde a la relación semlempírlca obtenlda en medidas
I experimentales
Izuml y Caughey,
en la CLC y en ensayos
1976 (referenciada
con tune1
en Baerentsen
de viento
y Berkowlcz,
(Lenschow,
op. clt.)):
1970;

1 (3.2.1.1)

l Igualmente
Baerentsen
se
y Berkowlcz
ha seleccionado
para la escala
la relación
de tiempo
propuesta
lagranglana:
también por

I T
LW
= 2
”
/2&
t
(3.2.1.2)

I donde cy es el ritmo de disipación turbulenta. Baerentsen y Berkowicz

indicaron que un valor en el rango entre 0.02 y 0.08 no condiciona el

1 esquema, por lo que se ha elegido finalmente un valor de 0.05 kgm2/s3.

1 A. Simulaciones con una distribución P(O,cîyI

I Como se ha dicho
10 partfculas/metro
anteriormente,
situadas de forma
la distribución
uniforme
lnlclal
en toda la CLC. En este
corresponde
tipo
a

de simulaciones las fluctuaciones iniciales de la velocidad de cada

1 particula se determinan en función de su altura

w’ (t=O)
según una fdp normal:

= P(O,+t=o11

l En primer
condiciones
lugar
de contorno
se analizarán
en el suelo
los resultados obtenidos
y el tope de la CLC correspondientes
con unas
a
“reflexión imperfecta”, es decir sólo cambia la altura “2” de cada particula
1 al aproximarse
step) es de 0.03
a los bordes
segundos.
superior
Esta
e inferior,
simulación
y el paso
se considerará
de tiempo
como ‘caso
(time
de
referencia”. Posteriormente, se compararán los resultados con otros

I supuestos,
fluctuaciones
variando
de velocidad
las condiciones
iniciales
de contorno,
de cada particula.
los pasos temporales y las

En la simulación de referencia (figura 3.2.1. ll lo primero que se

I manifiesta
ajuste de
es que cuanto
la distribución
mayor
de
sea el periodo
las velocidades
de ejecución
a una fdp
mejor es el
gaussiana
independientemente de la altura considerada. Este efecto no se ha visto

I reflejado
(1984)
cambio reflejó
anteriormente
realizaron este
la distribución
tipo
en ninguna
de comprobación
blbliografla.

(P(z/HI.w,.t).
Baerentsen
en su esquema
pero ninguno
y Berkowlcz
y Lamb (19821
de ellos obtuvo
en

I este comportamiento.
deducidas por el
En la figura
esquema entre las
3.2.1.la
alturas
se consideran las
de 90 m y 110 m y la
velocidades
fdp teórica

I 71

I
IB
I
a la altura de 100 m. Las velocidades resultantes se agruparon en 20
:I intervalos
a aquellas
con un rango
partfculas
de w/w l Igual
situadas, entre
a 0.2. La figura
240 m.y 260 m y la fdp teórica
3.2.1. Ib corresponde
a 250 m.
El nivel de slgniflcacl6n es de 0.05 para tiempos superiores a 22.5 segundos

:I (equivalente
altura
el ajuste
a 750 movimientos)
de 250 m es necesario
a una fdp gausslana,
para
a la altura

además
ello superar
de depender.
de 100 m, mientras
los 75 segundos.
del tiempo
que en la
Por tanto.
transcurrido,
se ve influido por el numero de partículas que se han situado a una
l determinada
directa del
altura, ( “N.
comportamiento
de casos”
aleatorio
de la
de la velocidad
Tabla 3.2.1.1). consecuencia
de las partículas. La
Tabla 3.2.1.1 concreta los cuatro primeros momentos de las distribuciones de

I velocidad
tiempo
adimensional
y a las alturas
teórica
de 100 m y-250
y resultante
m.
del esquema en función del

I la)

1.
I
I
I o.cd

0.M

I w/wt
Figura 3.2.1.1. Evolución temporal de la distribucidn de velocidad de las
I partículas
(b) las alturas
generada por el esquema entre
de 240 m y 260 m. Las lineas
Ca) las alturas
contínuas
de 90 m y 110 m y
respresentan las pdf
teóricas a las alturas de 100m y 250 m.

I
I
I
I
I
I
I
.,..
72
I
I
I (aI Teórica
t-1
3.75 seg
(0)
15.0 seg
(AI
30.0 seg
( t 1
150.0 se,
(+)

I Media
Desv. Stand.
0.0000
0.5212
0.0000
0.5435
0.0148
0.5247
-0.0106
0.5163
-0.0088
0.5190
Sesgo 0.0000 -0.1077 0.0075 -0.0193 -0.0292
I curtosis 0.0000 -0.3318 -0.2391 -0.0939 -0.0011
N. de caso8 24789 101556 210902 1044593
I z E (90,110) q

I (b) Teórica 15.0 seg 30.0 seg 150.0 seg

t-1 (AI c.1 ( + 1
I Nedia 0.0000 0.0037 -0.0245 -0.0117
Desv. Stand. 0.6087 0.6520 0.6330 0.6176
I Sesgo 0.0000 0.0599 0.0736 -0.0085
curtosis 0.0000 -0.1635 -0.1105 -0.0290
I N. de casos
z E (240,260) q
98988 192283 992843

I
I Tabla
teõrica
3.2.1.1. Cuatro primeros
y de las distribuciones
momentos de función
de la velocidad resultantes
de la
en
distribucidn
función del
tiempo (a) de la Figura 3.1.l.la y (b) de la Figura 3.1.1.lb.

I Finalmente, en la figura 3.2.1.2 se representan las concentraciones

instantáneas y medias. normalizadas con la concentración inicial, frente a
I Az/H desde el inicio
concentraciones
de la simulación
se normalizan
hasta el tiempo indicado.
respecto a las concentraciones iniciales
Ambas
(10
partículas/m) en intervalos AZ de 10 m. En esta figura se observa que desde
I los comienzos de la simulación
parte superior e inferior
cierto acrecentamiento
existe una acumulación
de la CLC. que posteriormente
en la *ana superior.
de particulas
se amplifica
en la
con un

I
I
I
I 73

I
 Concentración instant6nea normalizada

(b)

Concentración media normalizada

Figura 3.2.1.2. (a) Distribución normalizada e instantánea de partículas en

los tiempos, en segundos, indicados por t. (b) Distribuciõn normalizada y
media de partículas entre el instante inicial y el tiempo indicado, en
segundos, por t.

Aparte de estas regiones de acumulación, no se ve ninguna tendencia a

que las partículas se agrupen en otras áreas, como se refleja en la figura
3.2.1.3. en donde se representa la distribución vertical media de las
partículas desde el instante inicial hasta 150 segundos con un Az.igual a 10
metros, salvo en los limites superior e inferior de la CLC donde es igual a
1 metro.

74
iil
jl1
4
il
;I
!I
!l Concentración media normalizada

Figura 3.2.1.3. Distribtición vertical media de partículas con fluctuaciones

I iniciales
At=O.03
de velocidad nulas Co) y diferentes
s, l para At=0.3 s y + para At=3 s) entre
pasos temporales
el instante inicial
Co para
y 150
segundos.
I A continuación
condiciones
se presentan los resultados
de contorno,
de simulaciones variando las
considerando dos supuestos: (1) las partfculas que
intenten sobrepasar los límites de la CLC permanecerán un determinado tiempo
I en los mismos, dependiendo
(2) condiciones de "reflexión
del signo de la fluctuación
perfecta", es ,decir, reflexión
de la velocidad,
especular en la
y

altura z de la particula y cambio de signo de la fluctuación de su

I velocidad.

En el primer caso de condición de contorno los tiempos de permanencia

I tienen
fluctuaciones
relación directa
de velocidad;
suelo, únicamente un valor positivo
con lOS
es decir,
SUCSSiVOS
si una partícula
de la fluctuación
nuevos valores
se encuentra
de su velocidad
de 1SS
en el
hará
posible su elevación, ya que su velocidad media es nula. Por consiguiente la
I probabilidad
probabilidad
de separación de los contornos
de que tengamos un valor
de la CLC es la misma que la
positivo/negativo de la función de
densidad de probabilidad (50%). Como se refleJa en la figura 3.2.1.4 los
I resultados
referencia,
realizó
no difieren
ni tan siquiera
con las distribuciones
significativamente de los de la simulación
en los primeros movimientos.
de velocidad
La comprobación se
de las partículas y con sus
de

concentraciones instantáneas. En la figura 3.2.1.4 se representa lo sucedido

I entre 90 m y 110 m.
Sin embargo, con condiciones de contorno de reflexión perfecta se
I aprecia únicamente una disminución
de la CLC (figura 3.2.1.4).
de la concentración en la parte superior

I
I
I
 0.3
cl.2
0.1
0.0
“.” ,.” ,.z ,..,

Concent~ac~,6~ zada ii segundos)

! Fi gura 3.2.1.4. Distrfbu& de +) “eloci&~I para z/h igual e 0.100 y (r

1 concentración adimensio?$ ‘1 ~~,,spartículas a los 15 se@mdos. La lin+
i continua ( -) correspondeea la :pd~,,-teórlca,“la linea discontínua (- - -)1 a
/ las condiciones de contorno’de r&lexi&I l~perférta.(sioarlacfón inicial), 1 II
L,a...1as..condfciones‘~‘~^--.-I-..~de .._._
estancia
i._..____,_ en lo?&%ornos
,._, ,-1 en funcidn del valor de !la
F;*luc$ux;f+n &e :“.~,:y~19c,lo,~,,y _,,_,,*, párx.reflexion -perfecta .,,,_. ., ~, -~ ,, /
pn: ! : :‘u ,;,;;c;‘ i ‘!‘:/,‘,Y / ‘:i ~~-i~ /., ~,, 2, i, .,~
;” i. <?: <‘i,::,i;T.‘;12,i ,,,,,.[j’< .~:‘,.;,,;j :, ii;
:: j ;::i ie,:; 7:‘ ,;>.,r... ,,,,: i j ;I,r ,,,;: , :h ‘.2 : :‘,.i,-r~!,T ,.~
i~z~-c-,~~,~~tr$ r<$c;\tyr qp.w,~ +f l& ‘d ésl (~ooinpõ~tami.ento3i~d~;,, i¿zs_ +~;$c’ü~$~‘e’~‘~ïel
En iãs‘%‘.“$.i;;as
paso de tiempo aslgnàdo a cada uno de sus movimientos.
3.2.1.5, 3.2.1.6 y 3.2.1.7 se pueden observar, respectivamente, los
resultados de las simulaciones con pasos de tiempo de 0.3, 3 y 30 segundos.
Este último paso temporal supera el máximo valor aconsejado por -todos
autores (ver apartado 2.2.2). La figura 3.2.1.5 contiene los ajustes de las
distribuciones de la velocidad, la figura 3i2.1.6 las concentraciones
instantáneas nhmallzadas y la figura 3.2.1.7 las concentraciones medias
normalizadas. Los cuatro primeros momentos de estas distribuciones se
presentan en la Tabla 3.2.1.2. Mientras en las concentraciones medias no se
refleja ninguna influencia, salvo con un At=30 s, en las concentraciones
lnstantdneas se manifiesta una dependencia. aproximándose m6s a la
concentración inicial con el aumento del paso de tiempo en la simulación.

76
1
I
I
1)
I Teórica
t-1
3.90 seg
( 0 )
15.0 seg
( A 1
30.0
( l
seg
1
150.0
( +
seg
1

I Media
Desv. Stand.
0.0000
0.5212
-0.0019
0.5376
-0.0022
0.5188
0.0133
0.5264
-0.0119
0.5238
SeSgO 0.0000 -0.0065 0.0402 -0.0561 -0.0255
I Cwtosis 0.0000 -0.2299 -0.0923 0.0022 0.0008
N. de casos 2617 10313 20794 98482

I z E (90,110) q

I >)
Teórica 3.0 seg 15.0 seg 30.0 seg 150.0 seg
I C-1 (0) (Al ( * 1 (+)

Media 0.0000 -0.0120 0.0073 0.0152 -0.0079

I Desv.
Sesgo
Stand. 0.5212
0.0000
0.5680
-0.0702
0.5307
-0.0195
0.5321
0.0523
0.5262
-0.0586

I curtosis
N. de casos
0.0000 -0.4424
200
-0.1141
1014
-0.1508
2087
-0.0536
9755
z E (90.110) m

I
I 1
Teórica
t-1
30.0
( l
seg
1
150.0
(+)
seg

I Uedia
Desv. Stand.
0.0000
0.5212
-0.0120
0.5680
0.0151
0.5309

I sesgo
curtosis
0.0000
0.0000
-0.0702
-0.4424
-0.0837
-0.1521
N. de casos 200 980
I z E (90,110) m

I Tabla 3.2.1.2. Los cuatro primeros momentos de la distribución teórica y de

las distribuciones de velocidad en función del tiempo para la relación z/H

I igual a 0.100 de la Figura

segundos, (b) 3 segundos
3.2.1.5.
y Cc) 30 segundos.
El paso de tiempo es de Ca) 0.3

I
I 78

1
P
I
I
I
I
1
I Concentración lnstanthea normalizada

1,.
I
I
I
I I
.o

Concentración instantánea normalizada

1 t - 150.

CI

I
I
I
I 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0
Conc. lns. normal.

I Figura
concentración
siguientes
3.2. 1.6.

pasos
Evolución
instantánea
de tiempo
vertical
normalizada
Ca) 0.3 s, (b)
y temporal,
generada por
en

3 s y Cc) 30 s.
el
segundos,
esquema
de
con
la
los

I
I 79

1
r---
.:
I
I
I
I
1
I Concentración media normalhada

1.~
I
1
I
I
Concentración media normalizada
I cl

I
I
I
0.8 i .o 1.2, 1.4 1.6
1 Conc. media normal.

Figura 3.2.1.7. Evolución vertical y temporal, en segundos, de la

I concentración
los siguientes
media normalizada,
pasos de tiempo
entre
Ca) 0.3
0 y t, generada
s, (b)
por
3 s y Cc) 30 s.
el esquema con

1
80
! -:
1
yI-
I
La tercera variación en el esquema con respecto a la simulación de
!I referencia corresponde
dicha simulación
a las ,condiclones
las condiciones inicial&
iniciales. Como se recordar&
para las fluctuaciones de la
en

velocidad de cada particula correspondian a una fdp normal de media cero y

I desviación
resultados
Q~ En las figuras
correspondientes
3.2.1.8. 3.2.1.9 y 3.2.1.10
a los casos en que las particulas
se presentan los
,parten con
fluctuaciones de velocidad nulas. En la Tabla 3.2.1.3 se indican los cuatro
I primeros momentos de las distribuciones en función del tiempo. .,.

~1
:I
I -. TKACO
3.75 seg
15. seg
30. =g

.I 150. =g

1
I
1~
Fisura 3.2.1.8. Evolución temporal de la distribución de velocidad de las

I pakiculas
eligiendo
generada
fluctuaciones
por el e.&uema
iniciales
entre las
de velocidad
alturas
nulas.
de 90 m y 110 m,

I
Te&-iIZa 3.75 seg 15.0 seg 30.0 seg 150.0 set

I Media
t-1
0.0000
(0)
0.0153
(Al
0.0236
(9)
0.0029
(+)
-0.0080

I Desv. Stand.
Sesgo
0.5212
0.0000
0.3155
0.1631
0.4615
0.0748
0.4858
-0.0019
0.5168
-0.0321
Curtosis 0.0000 0.5143 0.0531 0.0721 -0.0015
I N. de casos
z E (90.110) m
25065 100865 204432 1016451

1 Tabla 3.2.1.3. Los cuatro primeros momentos de la distribución teórica y de

las distribuciones de velocidad en funcidn del tiempo para z/H igual a

1 0.100. Fluctuaciones iniciales de velocidad nulas.

I. 81

1
 Concentración instantánea nórmalizada

Figura 3.2.1.9. Evolución .vertical y temporal, en segundos, de la

concentración instantdnea normalizada. Fluctuaciones iniciales de velocidad
nulas.

Concentración media normalizada

Figura 3.2.1.10. Evolución temporal, en segundos, de la concentración media

normalizada, entre 0 y t. Fluctuaciones iniciales de velocidad nulas.

Al comparar las figuras 3.2.1. la y 3.2.1.8 se manifiesta que el esquema

con condiciones iniciales según una gaussiana presenta con anterioridad un
mejor ajuste a la fdp teórica (nivel de confianza del 95%). aunque el número
de casos sea similar (comparar tablas 3.2.1. la y 3.2.1.3). Sin embargo se
observa que existe menor fluctuación de la concentración en los primeros 75
segundos cuando la fluctuación inicial de la velocidad es nula. demostrando
la alta sensibilidad del esquema a las condiciones iniciales. Si bien la
inicialización nula aporta una fuerte estabilidad del esquema en los

82

. ,., - -.. -._.. .-~.- . -..--_ . . ..-._..- --_._.y-c--~lm “r-“..~.--.,~n.r?<r..~--“~~~

.._.... --., .._... .
I’-
I
I “primeros
similarmente
que existen
movimientos”,
al caso
dos razones
el comportamiento
con inicialización
para elegir esta
gausslana.
última
a posteriori responde
En consecuencia,
inicialización,
creemos
la primera
muy

es el ajuste de la distribución a la fdp teórica y la segunda es que se

I parte con la misma filosoffa
En el subapartado B se refleJará
del esquema:
de nuevo este
función de distribución
comportamiento.
gaussiana.

I Otras
semiempíricas
consideraciones
de la varianza
a tener
de la velocidad
en cuenta
vertical
son las
y la escala
expresiones
de tiempo
lagrangiana. Sin embargo, como los resultados son similares, el análisis de

I la influencia
condiciones
BI, asi
de la elección
convectivas
como bajo situaciones
de tales
con dos tipos
neutras
expresiones
de movimiento
(apartado
se realizará en el caso de
en la CLC (subapartado
3.2.2) y con situación
estable (apartado 3.2.3).
I
1 B. Simulaciones con a+P+(~+,02+)+a_P_(-u_,02)

I En este
correspondientes
probabilidad
subapartado

como
al caso
suma de
se presentan
en que se considera
dos
los

distribuciones
resultados
a la función
de las

gausslanas.
simulaciones
de densidad
Esto permite
de

reorganizar el comportamiento atmosferico convectivo en dos tipos de

I movimiento
Para adecuar
diferenciados
convenientemente
(ascendente
la
y descendente)
distribución de
y a su vez conJuntados.
la velocidad de las
partículas a cualquier altura se deben cumplir las siguientes relaciones,

I +CO
P(w)dw = 1 a+ + a- = 1
I f -m

+tU
I f -m
w P(w)dw = 0 a+w+ -aw -- =0

(3.2.1.3)

I +m
s -m
w’P(w)dw = e2
Y
a+(oz+ w+) + a-ce:+ y21 = o2
Y

I +CO
I s -m
waP(w)dw = S.: 3a+w+of + a+w: - 3a -- ú2- a -- w3 = St

I donde las tres últimas representan los tres primeros momentos.

Las expresiones de las frecuencias relativas a+ y a-, de las

I velocidades
ú+ y Q- ya
medias
se han
para cada
expuesto
tipo de movimiento
anteriormente. A
w+ y w
continuación
y de
se
sus varianzas
presenta la

I correspondiente a la variable Sz, el momento de tercer orden. De la misma

I 83

I
I
I manera
tambien
que
se
existen
pueden
diferentes
considerar
expresiones
diversas relaciones
emptricas
para
para la
Sz, algunas
varianza,
de las
cuales se indican en la tabla 3.2.4.1. Sin embargo, para las simulaciones

I que presentamos
Berkowicz (1984)
se ha seleccionado
para la CLC:
la expresión utilizada por Baerentsen y

-1
s3
I LEO.8
3
4
H
1 + 0.667 4
H
(3.2.1.4)

“.
I que se ajusta con cierta fiabilidad a los datos obtenidos por Lenschow et
al. (19801, y tambien hemos comprobado funciona mejor en nuestro esquema.
I Expresiones Referencias

I de Baas et al. (1986)

I 2
3/2

1 0.8 wz I2
2
W.
1 Luhar y Britter (1989)

I c CT3
”
c l ( 0.4, 0.8 1 Hurley y Physich (1993)

I Tabla 3.2.1.4. Expresiones semiempfricas del momento de tercer orden.

1 que
El
o+=
cierre del sistema
w+ y o-= w-. Según
de ecuaciones
el análisis
(3.2.1.3)
de Luhar
se establece
y Britter (1989)
considerando
este cierre

I es correcto.

El análisis en este subapartado consistirá inicialmente en ver el

1 comportamiento
la componente
distribuir según
de este
vertical
esquema unidimensional,
de la velocidad
la suma de dos fdp gaussianas
que parte del supuesto
de cada una de las partículas
de diferentes medias
de que
se debe
(w+,-w-1

I y varianzas
otra distribución
co+, 0f1,
vertical
con diferentes condiciones
de Q u, y diversos pasos
iniciales
de tiempo.
y de contorno, con

I iniciales
En estas
(condiciones
simulaciones
iniciales
se consideran
de tipo
las
gaussiano).
siguientes
El tipo
condiciones
de movimiento
con el que partirá inicialmente cada particula “p” estará en función de las

I frecuencias
dependen
relativas
de la
de la fdp teórica,
altura a la
es decir
que se encuentre la
de a+ y a-,
particula:
que a su vez
-a-(zp)+ca+(zpl,

I siendo
C-a-, a+).
p un número aleatorio
Si p es mayor (menor)
perteneciente
que cero la
a la
partícula
distribución
partirá
uniforme
inicialmente

I 84

I
I
I con
velocidad
un movimiento
media -w-j.
ascendente
Si p es
con
igual
velocidad
a cero su
media
velocidad
w+
media
(descendente
es nula.
con
Una

I vez asignado
su velocidad
el tipo
inicial
de movimiento
vendrá dada por:
a cada particula “p”. la fluctuación de

I donde I) es un valor correspondiente

wp(t=o, = l).orzp(t=o)l

a una gausslana de media cero y varianza

unidad y o será la desviación estándar o+ , o 6 c v, según el tipo de
I movimiento que se haya asignado previamente a la partícula “p”.

I Las
simulación.
condiciones & contorno se considerarán más adelante según la

I iniciales
la altura,
Antes de comenzar
previamente
la relación
la simulación,
establecidas,
N+/N-=a+/a-,
se
con las condiciones
debe cumplir,
donde
de contorno
independientemente
N+ y N- representan
de
el número
e

I total de partículas
comprobado
error
esta relación
máximo de +O.Ol.
de cada
para
tipo
todos
de movimiento
los niveles
a la altura
verticales,
deseada.
obteniéndose
Se ha
un

1 segundos,
En todas
ci”=
estas
como
simulaciones
se comprobó
se ha considerado
en el anterior
un paso de tiempo
subapartado
de tres
resulta
satisfactorio.
I La elección de la varianza y escala & tiempo lanrangianas, como se
reflejará más adelante, es otro factor que debe tenerse en cuenta para

I este tipo
dos variables
de modelos.
son,
Salvo
para el:
cuando se especifique, las relaciones de estas

I Movimiento ascendente:
iTz = ry. / 4 2

1 T
LI
= c+ / Et

ITf
= (s6 2
1 Movimiento descendente:
[ ”
+ 8 cy )
IL?
- S3
” 1 / 16 cr:,

I 1 T
L-
= 2
-
/ ct

I Movimiento con
WY = 1.54 %+: ( ; ],‘, exp [- 2;;2 ]

VelOC. media nula:

I T
LW
= cy / 2 Et

I donde
kg.m2/s3.
et representa el ritmo de disipación turbulenta y es igual a 0.05

I 85

I
I
I A continuación se analizar&n los resultados obtenidos con estas
condiciones iniciales, considerando diferentes condiciones de contorno e

I incorporando

- Caso
algunas

aI:
variables.

Se considera que tanto

no definidas

el
hasta

suelo
el momento.

como el tope de la CLC son

zonas transparentes para las particulas, lo que viene a
I resultar una capa convectiva “ilimitada”.

Caso b): Tras de la reflexión en cualquiera de ambos limites sólo

I cambia
condiciones
“imperfecta”.
la altitud
referidas
de la partícula,
anteriormente
lo que
como
corresponde
de ref lexlón
a

I - Caso cI: En los

como el
contornos
signo de
superior
la componente
e inferior
vertical
cambia tanto la altitud

I - Caso d): En ambos

asignado
contornos cambian
3 cada particula
la altitud
(nueva condición
y el tipo de movimiento
de contorno).

I - Caso el: Como en el caso

en altura
lagrangiana
de
según
la
d). pero
desviación
sefíalan
incorporando

Legg
y de
el efecto
la
y Raupach
escala
(1982)
de variación
de tiempo
(velocidad
-media -de arrastre). En este caso, el esquema completo para
I cada particula “p” es:

2 2 aT
I w (t) = a.0
P P
+ w;(t) + TLw “+
az
ow -LU
az
1 - exp(-At/T1&
1P

I - Caso f): Como el

velocidades
caso e),
medias
afiadlendo
w+ y -w-
el efecto
(Baerentsen
del
y
gradiente
Berkowlcz,
de las
1984).

I Dicho efecto permite

cada paso de tiempo.
cambiar
Para ello
el movimiento
se elige
de la particula
un número aleatorio
en
p
de una distribución uniforme (O,l), ta1 que si

I p < I(-%w>p/&).Atl
tanto, su velocidad
la particula
media
P
<w>
(w+ o -w 1.
cambia su movimiento y. por

Caso g): Como en el caso f), afladlendo un cambio de signo de la

I fluctuación de la velocidad de la partícula.

I En las
normalizadas
figuras 3.2.1.
correspondientes
ll se presentan las concentraciones
a todos estos casos.
instantáneas

I medida
Como cabia
particulas
que
esperar,
en los extremos
transcurre el
en el

tiempo.
caso a)

Este
se observan
de la CLC que van afectando
fenómeno
dos sumideros
a otros
se ha observado
niveles
de

con
a

independencia de las condiciones turbulentas que se hayan impuesto por

I encima o por debajo de la capa considerada

los casos b) y c), más realistas
(z/HCO y z/H 2 1). Sin embargo en
en los que no es posible traspasar los
limites de la CLC, se observa una igualdad de comportamiento con respecto al

I caso al,
obliga
salvo en los primeros
a las particulas
y últimos
a una reflexión
10 metros.
de su altura
En caso d), donde se
y cambio de movimiento,

I 86

I
I
t
I se reduce notablemente
la CLC y en menor medida
la acumulación
en su limite
de partículas
inferior. Esto
en el limite
es debido
superior
a la relación
de

entre las reflexiones totales en el suelo y en la altura máxima, que en el

caso concreto de 147 segundos es de 430 a 604. En los casos b) y c) era
I prácticamente
ultimas condiciones
1, 6553 en el suelo
de contorno
frente
muestran,
a 6330 en la cima de la CLC. Estas
por tanto, una mayor movilidad de
partfculas en toda la CLC. Respecto al comportamiento de la velocidad se
I puede
del
considerar
90% si
que los
nos ale Jamos
ajustes
de
son aceptables
los contornos
con un nivel
de la
de confianza
capa limite
(Figuras 3.2.1.12).

I En el caso
partfculas
eI,
de aproximadamente
comparado con el caso d),
un 15% a los 150 segundos
se aprecia un descenso
en los límites
de
de la
CLC, que en momentos próximos al instante inicial puede considerarse
I despreciable.
velocidad media
En el caso
de cada
f),
partícula,
al incorporar
sus efectos
el gradiente
son notorios
vertical
desde
de la
los
inicios, uniformizando más la concentración en toda la capa, especialmente

1 en el tiempo
observa,
g) se observa
máximo de 150 segundos
el resultado
que
del último
en el tope
que se presenta
caso es mucho mejor.
de la CLC hay
en las figuras.

menor
Finalmente,
fluctuación
Como se
en el caso
de la

I concentración
caso f).
instantanea,
ya que se aprecia
mejorándose
un ligero
este
déficit
comportamiento
~610 en los últimos
con respecto
10 metros.
al

En las figuras 3.2.1.12 se observan las evoluciones temporales de las

I distribuciones
los casos. En ellas
de las velocidades
se aprecia
de las particulas
que las distribuciones
a tres alturas
correspondientes
en todos
a los
casos a) - d) muestran, en general, un buen ajuste (nivel de confianza del

l 90%) que se mejora,

del tiempo.
la CLC salvo
Estos
como ya se indic6
niveles
en los treinta
de confianza
metros
en el subapartado
se consiguen
próximos al suelo
A, con el transcurso
en todos los niveles
en donde se llega a un
de

nivel de significación de 0.15, reflejando la necesidad de mejorar las

1 condiciones
f), con la
de contorno
incorporación
artificiales
del
en los
gradiente
límites
de velocidad
de la CLC.
media,
En el caso
se mejora
notablemente este comportamiento. Sin embargo, donde se consiguen mejores

I resultados
apartado,
la distribución
es en el
se puede consultar
caso

de velocidad
gl. En la
los valores
obtenida
tabla 3.2.1.5.,
de los cuatro
y de la fdp
al
primeros
teórica
final

a las
de este
momentos
alturas
de

1 adimensionales de 0.01 y 0.99 en los casos f) y g).

I
I
I
I
I
I 87

1
 Concentración instantana normalizada

Figura 3.2.1.11. Concentraciones instantáneas normalizadas en función del

tiempo t y la altura adimensional z/H, donde H es la altura máxima de la
CBL. (a) no existe suelo ni altura máxima de la CBL. Considerando el suelo y
altura máxima de CBL. las condiciones de contorno son: (b) reflexión en
altura de la partícula, (c) refle xión en altura y signo de la velocidad de
la partícula y (d) reflexión en altura y velocidad media de la partícula.

88
 _ ..

I’.:

el t =’ 15 s t = 30 5 t=150s

il Figura 3.2.1. ll (cont. ). Concentraciones ínstantdneas normalizadas en

funclh del tiempo t y la altura adimensional z/H, donde H es. la altura
il máxima de la CLC. Ce) Icorporando
escala de tiempo lagrangiana:
de ,la velocida
gradientes
(f) Incorporando
media. (g) Incorporando a (f)
verticales de varianza
a Ce) el gradiente vertical
cambio de signo de la
y

fluctuacidn de la velocidad tras la reflexión.

‘1
.I
:I
‘1
I
I 89

I
,I
I
‘I CI

I
1 d)

1
1
I
I Figura 3.2.1.12. Distribuciones
del tiempo t a las alturas
de la velocidad
adimensionales
adimensional w/w* en función
de 0.01, 0.1 y 0.99. Ca) no existe
suelo ni altura máxima de la CLC. Con existencia de suelo y altura máxima de
l CLC: (b) reflexión
velocidad
en
y (d) reflexión
altura, (c) reflexión en altura
en altura y cambio en la velocidad
y signo
media.
de la

l
I 90

I
 I
iI [el

:I
~1
fl
1
I
1
1
1
I
1 Figura 3.2.1.12 (ant.). Distribuciones
funcidn del tiempo t a las al turas adimensionales
de la velocidad adimensional w/w* en
de 0.01, 0.1 y 0.99. Ce)
Icorporando gradientes tierticales de val-lanza y escala de tiempo

I lagrangiana. (f)
media. (g) Incorporando
velocidad
Incorporando

tras la reflexidn.
a (f)
a Ce) el gradiente vertical
cambio de signo de la fluctuaciOn
de la velocida
de la

I En las figuras 3.2.1.13 se presenta las evoluciones temporales del

centro de masa de todos los casos, considerando que la masa de las
I partículas es la misma. En la distribución
situaba a 500 m. El centro de masa se determina
inicial
como
el centro de masa se

I siendo N el número total de particulas (=lOOOO).

I
I
91
I
I ._
.‘;>:.
_ .
.,Y;‘~-‘;,.,:,
. :.,
 w

-1

-1

I
500.4

I 500.2
500.0
- 499.8
I - E 499.6
499.4

I E 499.2
; 499.0
498.8

I -g 498.6
498.4

I g 498.2
5 498.0
0 497.8 !

I ‘d

I 0
1’ 11
40
II
Tiempo
11 II 1 II
120
1 Il /
160
(s)
I
Figura 3.2.1.13. Evolución temporal del centro de masa de las simulaclones
I indicadas
acompaífan
en la Figura
al margen.
3.2.1.11. Los valores medios de cada simulaciõn se

I contorno
de forma
En esta figura
repercuten
monótona
se observa, casos
en el comportamiento
con el transcurso
b), c) y d),
del centro
del tiempo.
las condiciones
de masa, que desciende
Sin embargo, en el caso a)
de

I el centro
indica
abajo.
de masa (c.d.m.1
que se escapan
La incorporación
se mantine
el mismo número
de la velocidad
practicamente
de partículas
media de arrastre,
en el mismo nivel
por arriba
lo que
que por
caso e), hace que
el centro de masa del sistema de partículas tenga el mismo comportamiento
I temporal, aunque
caso d). Sin embargo,
ligeramente
se aprecia
más alto, que cuando
con la incorporación
no se tiene
del gradiente
en cuenta,
vertical
de la velocidad media que la variacibn temporal del c.d.m. evoluciona de

I manera
estable.
distinta, con una velocidad
En el caso gl el comportamiento
del descenso
del c.d.m.
bastante
es similar
menor
al caso f).
y m6s

Por último, en lo referente a los casos estudiados, en la figura

I 3.2.1.14
entre el
se muestra
instante
el comportamiento,
inicial y el tiempo
en altura,
final
de la concentración
de simulación
media
para los casos eI

I 92

I
y f). En estas figuras se observa el mismo comportamiento cerca de los
limites de la IXlpa limite ctu= lOS reflejados Por 1SS figuras
correspondientes de concentración instantánea en ‘el tiempo final (figura
3.2.1. ll), aunque la% fluctuaciones verticales de la concentración media
sean de menor intensidad.

Xempo entre 0 s y 150 s

0.6
0.7
0.6 0.6
< 0.5 0.5
N 0.4 0.4
0.3
0.2
., 0.1
0.0
I~~~I~~~I~"I"',"~I
1.0 1.2 1.4 1.6 1.6 .2.0 YrT2
Concentración media norm zado

Figura 3.2.1. 14. Evoluch vertical de las concentraciones medias

normalizadas desde 0 a 150 s. (ej Condiciones de contorno de reflexión en
altura y cambio de movimiento y velocidad media de arrastre, (f)
incorporando a (e) el gradiente de la velocidad media.

Con el penúltimo esquema, caso fl. se repitió la simulación con

fluctuaciones de velocidad inicial nulas. La figura 3.2.1.15 contiene la
variación vertical de la concentración y la figura 3.2.1.16 las
distribuciones de la velocidad obtenidas con el esquema. En la Tabla
3.2.1.6se especifican los cuatro primeros momentos de las distribuciones a
la altura de 100 m junto con las obtenidas en el caso f). Comparando estas
figuras con las figuras 3.2.1. llf y 3.2.1.12f se constata nuevamente la
fuerte dependencia del esquema lagranglano a las condiciones iniciales. Si
las fluctuaciones iniciales son nulas el esquema produce mayor estabilidad
en la distribución vertical de concentración hasta que ha transcurrido un
determinado número de pasos de tiempo ( = 80); posteriormente el esquema es
prácticamente independiente de las condiciones iniciales. Por otra parte,
coincidiendo con lo indicado en el subapartado A, se aprecia un
empeoramiento en el ajuste de la distribución de velocidad a la fdp teórica.
Por consiguiente, se ha decidido que es mejor mantener la opción de
condiciones iniciales de origen gaussiano.

93
;1
:I
il
‘1
:I
I I Concentrocio’n instantima normalizada

‘1 Figura 3.2.1.15. Concentraciones instantáneas normalizadas en el tiempo t.

I Fluctuaciones de velocidad iniciales nulas respecto al. caso f).

1
I
I
I
I
1 Figura
tiempo
iniciales
3.2.1.16.
para
Distribuciones
las alturas
de velocidad
de velocidad
adimensionales
nulas respecto
de 0.01,
al caso f).
adimensional
0.1 y 0.99.
en función
Fluctuaciones
del

I Finalmente, respecto a las condiciones de contorno, Hurley y Physick

(1993) establecieron unas nuevas formulaciones que incorporan, como

I una aproximación,
la CLC.
reflejada
Estas nuevas
sea igual
el efecto
condiciones
al producto
del sesgo
hacen
en las reflexiones
que la fluctuación
de la fluctuación
en los limites
de la velocidad
de la velocidad incidente
de

por el cociente a+/a-, para la altura máxima de la CLC, o por el cociente

I a-/a+ para la reflexión en el suelo. Sin embargo, al considerar estas nuevas
condiciones de contorno se observó que no condicionaban, en absoluto, los

I resultados
g), discrepando
obtenidos en la simulación
de las mejoras
anterior
que sugieren
y en la
los autores.
indicada como caso

I a 0.6~.
Otra
considerar
de las

y -0.4~~.
modificaciones
la velocidad
aplicadas
media
que se realizaron
ascendente
por Anfossi
y descendente
et al. (1988))
en todos
constantes
los

que se basaron
osos, fu&
e iguales
en las

I observaciones
velocidad media
de Yamamoto
ascendente
et al. (1982).
de un penacho
Estos
convectivo
autores
es
demostraron
constante en
que
toda
la
la

I 94

I
 CLC y varía entre 0.5 y 0.6 m/s. En la figura 3.2.1.17 se presentan las
evoluciones temporales y verticales de la concentración del caso g) con
estas nuevas velocidades medias. Esta figura confirma la validez de esta
hipótesis, aunque existe una cierta acumulación de particulas cerca de los
límites de la CLC. Los ajustes de las distribuciones de velocidad obtenidas
a la fdp teórica muestran un nivel de confianza superior al 90% en todas las
alturas, aunque en las proximidades a los extremos de la CLC este’ nivel de
confianza es menor.

1.0 1.0 1.0

0.9 0.9 0.9
0.8 0.6 0.8
0.7 0.7 0.7
10.6 0.6 0.6
NO.5 0.5 0.5
0.4 0.4 0.4
0.3 0.3 ,0.3
I 0.2 0.2 0.2
0.1 0.1 0.1

il 0.0 !
0.6
0.0 j

:rCXión
0.6
instantánea
7 0.0 i

normalizada
0.4 0.6

I Figura 3.2.1.17. Evoluciõn vertical y temporal de la concentración

suponiendo que la velocidad media ascendente es 0.6 y y la descendente es

I de -0.4 W. para el caso g).

I Respecto a la velocidad
(1984) propusieron una velocidad
media de arrastre,
media diferente
Raupach (1982) y que se basa en el desarrollo
Baerentsen
a la propuesta
de Taylor
y Berkowlcz
por Legg y
de la fluctuación
media de velocidad
I ao
*r*rt
= (&‘/W.At/2

I tomando como o2 las va-lanzas

descendente. La figura 3.2.1.18
correspondientes
indica
al movimiento
que se alcanza
ascendente
únicamente
y
mayor
uniformidad en aproximadamente los cuarenta primeros metros respecto al caso

I gl. sin existir otro cambio sustancial.

Finalmente a la velocidad media de arrastre propuesta por Legg y

Raupach (1982) se incorporó la diferencia del tipo de movimiento a la
varianza y escala de tiempo. En la figura 3.2.1.19 se muestan los resultados
de este nuevo esquema. Confrontando esta figura con las figuras 3.2.1.. 12g y
3.2.1.18 se aprecian diferencias únicamente en las cercanlas del suelo. Las
distribuciones de la velocidad, en esta simulaclbn, se ajustan a la fdp
teórica con nivel de confianza superior al 90% a cualquier altura. En la
tabla 3.2.1.7, al final del apartado, se indican los cuatro primeros
momentos de las distribuciones de la figura 3.2.1.20. Los efectos en el
centro de masa no son importantes, como se refleja en la figura 3.2.1.21.

En resumen, la incorporación al esquema de cualquiera de las tres

velocidades medias de arrastre puede considerarse igual de aceptable. Las

95
 ‘.

condiciones de esta última simulación son las elegid& para condiciones

convectivas.

Concentroc& instont/nea normalizada

Figura 3.2.1.18. Distribución vertical de la concent,raclón considerando la

velocidad de arrastre propuesta por Baerentsen y Berkowicz (1984).

0.9
0.8
0.7
0.6
0.5.
0.4
0.3 /

0.8 1.0 1.2

instantáneo

-
Figura 3.2.1.19. Distribución vertical de la concentración, .con.siderando la
velocidad de arrastre propuesta por Ley y Raupach (1982) y siguiendo el
criterio de Baerentsen y Berkowicz (1984).

96
 Figura 3.2. 2.20. Distribuciones de velocidad en función del tiempo
para las alturas adimensionales 0.01, 0.1 y 0;99. Los criterios se indican
en la figura 3.2.1,19.

,500.4 - V*Lo*ES I<EOIOS (ml

fa) 499.75 20.00’
i%oo:o f (b, 499.67 fO.00
499.8 - (c, 499.81 .fO.OO
0 499.6 -
g 499.4 -
499.2 -
E 499.0 -
a> 498.8 -
Q 498.6 -
496.4 -
0 498.2 -
+5 498.0 -
c 497.8 -
a 497.6 -
0 497.4 -
497.2 -
II I/,( II, I 4 I, I b I ,'
O Ty& (;; 160

I Figura
Ca) caso
3.2.1.21
g),
Evolución
(b) Indicada
temporal
en
del centro
por la
de masa
figura
de
3.2.1.18
las
y
simulaciones
Cc) por la
figura3.2.1.19. Los valores medios de cada simulación se acompañan al
I margen.

I La elección
apartado,
del paso de tiempo,
es un factor
aunque no se reflejará
a tener en cuenta principalmente
en este
porque se mejoran
notablemente los ajustes de las distribuciones, debido a que se consigue

I ampliar
reflejó
la serie húmero de casos) en un instante
los mismos‘resultados
determinado.
que el indicado en el subapartado
Este estudio
A.
La relación semiempírica de la varianza de la velocidad y de la escala
I de tiempo lagrangianas condicionan el comportamiento del esquema, al igual

I 9-l

1
-1
I
I que
cuando
la relación
la relación
del momento
semlempírlca
de tercer orden
de la varlanza
CS:) o sesgo (S:/~~),
o de la escala
sobre todo
de tiempo
lagranglanas es diferente según la altura. El esquema presenta deficiencias

I importantes
inestables
con las
y aplicadas
relaciones
por Zannetti
propuestas
(1991)
por Harma
y Anfossl
(1982)
et al
para situaciones
(1988) en sus
modelos. Estas anomalias que afectan al comportamiento de las partículas

I están

relaciones
directamente
principalmente las
semlempírlcas
relacionadas
relativas a la
que presenten
con la
varianza,
continuidad

discontinuidad
de
no recomendando
sus

en las mismas.
funciones,
aquellas
Cuando
se eligen las varianzas propuestas por Harma (1982) el comportamiento de las
I partículas
(puntos
es bastante
de discontinuidad).
anómalo
tal
en las alturas
y como indica
adimensionales
la ‘figura
de 0.4 y 0.96
3.2.1.22. En la
tabla 3.2.1.5 se muestran las diferencias entre esta simulación y la

I correspondiente

Si las expresiones
al caso g).

para cualquiera de estas variables no presentan

I dicontinuidades,
partículas
empírica elegidas,
sobretodo
no es anómalo;
la de la varianza,
aunque
asi como por los valores
el
se ve condicionado
comportamiento
por
de las variables
la
de las
expresión
de las que
depende (p.e. escala de velocidad convectiva). Un ejemplo se muestra en la

I figura
altura
(1989).
3.2.1.23, en donde se reflejan
con el momento de tercer orden
los resultados
referenciado
de la concentración
por Luhar y Brltter
en

1 de estas
De este estudio
tres variables
se puede concluir
puede ser determinante
que la elección de las expresiones
en el comportamiento de las
partículas, recomendado su elección con base en un esquema unldlmenslonal.
I LaS expresiones
corresponden
finalmente
a las ecuaciones
seleccionadas
(3.2.1.1).
pal-C3 estas
(3.2.1.2) y (3.2.1.4).
tres variables

I
I
I
I
1
I
I
I
I 98

I
 Concentración instantáneo normalizado

Figura 3.2.2.22. Distribución vertical de laconcentración normalizada en

los tiempos t fndlcados. Se considera la desviacidn de velocidad propuesta
por Harma (1982).

99
;’
:il
“1
jl Cuahtificación del total.de partlculas
un paso de tiempo antes de los
;yI (al (b)

iI 1s 8 30 8 150 8 15 8 30 8 .. 150 8

Cambio
[l movimiento de
+ a -/- a + 14/40 40181 219/447 3913 106/11 537/49

il Reflexiones
S!U~lO/H~C 8/33 ll/68 49/365 14/28 21/58 260/187

11,
-1 Ascend/Descend 4035/5965 401715983 393516065 1811/8189 172818272 1408/8592

,I Tabla
izquierdo
3.2.1.5. Relaciones
de la tabla
entre el número
para las simulaciones
de partículas
con varianza
indicadas
(aI ec.
al
3.2.1.1
margen
y
(b) propuesta por Harma (1982). En ambas la escala de tiempo lagrangiana y
I el momento de tercer orden corresponde a las ecuaciones 3.2.1.2 y 3.2.1.4.

I
I
1
I
1
Firgura 3.2.1.23. Evolución temporal y vertical de la concentración. Las

I condiciones
3.2.1.19
(1989).
SOR iguales
con la expresión
a las de la simulación
del momento de tercer
correspondiente
orden de Luhar
a la
y
figura
Britter

1 Aunque se han presentado los efectos de algunas simulaciones en la

evolución del centro de masa, también se ha estudiado en la relación de la
I componente del esquema que describe la influencia del estado turbulento

.I.
100

I
anterior (f. w” (t-At) 1 frente al término aleatorio o gaussiano (w” rt) 1. La
línea representa el valor medio para el conjunto de todas las particulas.
Los efectos son iguales a los de otras capas límites o situaciones
atmosféricas. En esta relación la variable que más determina la
proporcionalidad entre ambas es la varianza (expresión semiempirica 0
condiciones atmosféricas). El paso de tiempo no infuye en el valor medio de
esta relación y el resto de las condiciones tampoco.

Para concluir estos análisis, se confrontará el esquema’ propuesto

con el esquema propuesto (simulación de la figura 3.2.1.19) por Baerentsen y
Berkowicz (1984) bajo las mismas condiciones. En la Figura 3.2.1.24 se
aprecia que el esquema que se propone en este trabajo es más estable que el
de los otros autores, ya que existe mucha menor variabilidad vertical de la
concentración. Ambos esquemas se ajustan correctamente a la fdp teórica.

(a) Baerentsen y Berkowicz (b) Baerentsen y Berkowicz

Esquema propuesto Esquema propuesto

t=0.3 t-o.9 k1.5 ,=2., ,=*., 1.0

1

;
T
õ
ã

Figura 3.2.1.24. Ca) Distribución vertical de la concentración instantánea

en función del tiempo. (b) Distribución de velocidad.

La comparación entre los resultados aportados por el esquema finalmente

propuesto, simulación correspondiente a la figura 3.2.1.19, con los
resultados suponiendo un comportamiento único y gaussiano. figura 3.2.1.6b
del subapartado A, refleja una mejora considerable cuando se considera un
comportamiento no gaussiano para las velocidades verticales en

101
I
I
I estratificaciones inestables
muestra en la concentración
además de representar
o convectivas
de partículas
(realista). Esta mejora
próxima a los extremas
adecuadamente el comportamiento
de la CLC;
de los movimientos
se

verticales en esta capa atmosférica.

I
I
I
.I
I
I
I
I
I
I
I
I
I
I
I
I
1 102

I
 (Caso
g) reórica
C-1
15.0
(AI
seg 30.0 seg
(9)
150.0 see
( + 1
Uedia 0.0000 0.0078 0.0174 0.0035
Desv. Stand. 0.2705 0.2437 0.2496 0.2451
sesgo 0.3972 0.2705 0.2503 0.3451

I curtosis
N. de
z E (0,201
casos
m
-0.2556

reót-ica
f-1
0.1582
1011

15.0 seg
CA)
0.0935
2002

30.0 se*
( * 1
0.5248
8916

150.0 seg
( + 1
Nedia 0.0000 -0.0337 -0.0259 -0.0254
Desv. Stand. 0.4629 0.4492 0.4502 0.4512
Ses@3 0.0480 0.0162 -0.0111 0.0361

(caso
I
f)
Curtosis
N. de caso8
z E (980,lOOO)m

r-
-0.4842

reórica
C-1
-0.3782

15.0
995

(AI
seg
-0.4007

jo.0
(
1991

l
seg
1
-0.4387

150.0
(+)
9866

seg

Nedia 0.0000 0.0078 0.0174 0.0035

Desv. Stand. 0.2705 0.2437 0.2496 0.2451
sesgo 0.3972 0.2705 0.2503 0.3451
curtosis -0.2556 0.1582 0.0935 0.5248
N. de casos 1011 2002 8916
z E (0,201 m

reórica 15.0 seg 30.0 seg 150.0 se(

t-1 (Al (9) ( + 1

L
Media 0.0000 -0.0160 -0.0017 -0.0157
Desv. Stand. 0.4029 0.4346 0.4331 0.4305
SeSgO 0.0480 0.0496 -0.0066 0.0878
curtosis -0.4842 -0.3613 -0.3632 -0.3453
N. de casos 995 1998 10455
z E (980,lOOO)m
Tabla 3.2.1.6. Cuatro primeros momentos de las distribuciones reflejadas en
las figuras 3.2.1.llg y 3.2.1.Ilf para las alturas adimensionales de
z/H=O.Ol y 0.99.

103
I
I
I (caso
cond.
f)
inic.
con
nulas
reórica 15.0 seg 30.0 seg 150.0 see
C-1 (AI ( l 1 ( + 1

I Media 0.0000 -0.0097 0.0029 -0.0031

Desv. Stand. 0.5213 0.4323 0.4742 0.4943

I sesgo
clrtosis
0.4773
-0.2145
0.4910
-0.0721
0.4185
-0.1769
0.4408
-0.1851

I N. de casos
z E (90,110) m
1036 2073 10607

I
(Caso f)
I Teórica
C-1
15.0
( A 1
seg 30.0
('1
seg 150.0 see
( + 1

Media 0.0000 0.0068 0.0068 -0.0035

I Desv. Stand. 0.5213 0.4847 0.4999 0.4974
sesgo 0.4773 0.5855 0.4466 0.4735

I curtosis
N. de casos
-0.2145 -0.0406
1048
-0.2547
2078
-0.2352
10563
z E (90,110) m
I
I Tabla 3.2.1.7. Cuatro primeros momentos de las distribuciones reflejadas en

I la figura
igual a 0.1.
3.2.1.16 y figura 3.2. 1.12f. respectivamente. Altura ad.imensional

I
I
I
I
I
I 104

I
 - -

Teórica 15.0 seg 30.0 seg 150.0 seg

C-1 (Al ( l 1 ( + 1

Uedia 0.0000 0.0009 0.0116 0.0021

Desv. Stand. 0.2705 0.2476 0.2549 0.2506
SeSgO 0.3972 0.1833 0.2137 0.3095
curtosis -0.2556 0.2439 0.0905 0.3962
N. de casos 1015 2017 9052
z E (0.20) q

idrica 15.0 seg 30.0 seg 150.0 seg

C-1 (Al ('1 (+)

Media 0.0000 0.0112 0.0129 -0.0002

Desv. Stand. 0.5213 0.4901 0.5088 0.5048
sesgo 0.4773 0.5643 0.4369 0.4447
curtosis -0.2145 -0.0716 -0.2839 -0.2485
N. de casos 1047 2070 10444
z E (90,110) m

rh-ica 15.0 seg 30.0 seg 150.0 se*

t-1 (AI ( l 1 (+)

Media 0.0000 -0.0339 -0.0271 -0.0255

Desv. Stand. 0.4629 0.4458 0.4462 0.4453
sesgo 0.0480 0.0231 0.0031 0.0324
curtosis -0.4842 -0.3589 -0.3818 -0.3938
N. de casos 995 1990 9838
z E (980,lOOOh

Tabla 3.2.1.8. Cuatro primeros momentos de las distribuciones indicadas en

la Figura 3.2.1.20.

105

I
I
I 3.2.2. Situaciones neutras.

I referida
Las
En la capa

tensiones
limite

turbulentas
atmosférica
como CLN) los movimientos
son
con estratificación
turbulentos
prácticamente
presentan
constantes
neutra (en adelante
mayor homegeneidad:
con la altura,
mientras que las escalas de longitud y de tiempo aumentan linealmente. No
I obstante,
tipo
posiblemente
de estratificación
a causa
en
de la poca frecuencia
la baja atmósfera,
con que se observa
existen pocos
este
estudios
experimentales de campo sobre las características turbulentas de la CLN. En

I algunas
dispersión
model!zaclones
de contaminantes
lagrangianas que simulan
se considera
bajo
que la desviación
condiciones neutras
estándar o es
Y
la

constante con la altura y proporcional a la velocidad de fricción u.,

I mientras
coordenada
que la escala
vertical. Sin
de tiempo
embargo,
lagrangiana
en el presente
es una función
estudio
lineal
hemos
de la
analizado
otras expresiones, que como se verá ofrecen mejores resultados. Para la

I desviación
también
de cierre
estándar
la expresión
de segundo
de la
deducida
orden,
componente
por Wyngaard
vertical
et al.
del
(1974)
viento se ha probado
aplicando un modelo

I oy = 1.3”~exp(-2fz/“*)

I donde
aproximado
lagranglana
f es el parám~$ro-,de
a 9.5x10
se ha probado
Coriolis
s . Mientras
también
que, en nuestra
que en el caso
la expresión
latitud
de la escala
deducida
tiene

por Harma
un valor
de tiempo
(1968).
Este autor, a partir de medidas con torres meteorológicas, observó que el
I máximo
vertical
de la longitud
en una capa
de onda en el espectro
neutra es proporcional
de energia
a la altura
de la componente
cerca del suelo,
aproximándose asintóticamente a un valor proporcional a G/f en alturas

I superiores,
estableció
donde G es el viento
que la escala de tiempo
geostrófico.
lagrangiana
Tras
para
sucesivas
la CLN es
aproximaciones

I T
I.”
=
1+15
0.52/0
rs;y

I De forma
condiciones
similar
convectivas,
a como se procedió
en el caso de situaciones
en el apartado
neutras
anterior dedicado
se va a examinar
a

la sensibilidad del modelo a diversas caracteristicas. En los resultados

I obtenidos
comportamiento
con diferentes
que el
condiciones
indicado
iniciales
en situaciones
se ha observado
convectivas; es decir,
el mismo
las
condiciones iniciales sensibilizan el esquema fundamentalmente en los

I primeros
de contorno
que favorece
instantes,
se ha confirmado
no influyendo

la uniformidad
posteriormente.
la ventaja
de la concentración
de considerar
Respecto
reflexión
en la parte
a las condiciones
perfecta,
superior
ya
de la
CLP Neutra. Como estas conclusiones coinciden con las obtenidas con una CLC,
I en este
modelo
apartado
con diferentes
referido
pasos
a una CLN sólo
temporales.
se comparará
y otras
el comportamiento
expresiones para e, y TLu.
del

I En consecuencia,
vertical
gaussianas
de
en todas
10 partículasAn,
y condiciones
estas

de
simulaciones
fluctuaciones
contorno de
se mantiene
iniciales
reflexión
de
la distribución

perfecta,
la velocidad
es decir
reflexión en la altura de la particulas y cambio de signo en su fluctuación
I de velocidad.
altura
La velocidad
del tope de la CLN.
de fricción se supone igual a 0.2 m/s y 1000 m la

I 106

I
I
I
I EFECTO DEL PASO DE TIEMPO

I Aunque
de condiciones
este tipo
convectivas
de análisis
(apartado
comparativo
3.2. lA),
ya se
hemos
ha efectuado
considerado
en el caso
conveniente
incluirlo tambien aquí puesto que algunas de las conclusiones obtenidas

I difieren de aquellas.

En todas estas simulaciones se han utilizado las expresiones de

I Wyngaard
escala
figuras
et al.
de tiempo
3.2.2.1
para la desviación
lagrangiana,
se observan
estándar
que se han mencionado
las
vertical

distribuciones
y de Harma
más arriba.
verticales
para
En las
de
la

la
concentración instantánea con la concentración inicial, en función del
I periodo
esta figura
de simulación,
se confirma
para los pasos
nuevamente
de tiempo
un comportamiento
de 3 s, 0.3 s y 0.03
instantáneo diferente,
s. En

que no se manifiesta cuando se consideran concentraciones medias (figura

I 3.2.2.2).
(normalización
diferencias
Respecto
igual
encontradas
a las distribuciones
a la de las situaciones
en las situaciones
de la velocidad
convectivas)
convectivas
adimensional
no se aprecian
simuladas con una fdp
41.6
las

I gaussiana. Se observa que esa diferencia está directamente relacionada con

la desviación estándar, tal que cuanto menor sea ésta mejor es el ajuste
entre la distribución de velocidad y la fdp teórica sin que se haya podido
justificar desde otro punto de vista. El paso de tiempo en estos casos no

1 llega a tener influencia (figura 3.2.2.3).

I
I
I
I
I
I
I
I
I
I 107

1
 meo normalizado

(b)
t- 15s t = 30 5 t = 150 s

II
i
:I Concentr “01
0.6
-malizada
0.8

;I Figura 3.2.2. 1. Distribución vertical de la concentración instantánea

normalizada en función del tiempo t. Los pasos de tiempo son: (al 3 s, (b)

;l 0.3 s y (c) 0.03 s.

;l
il
1 108
1 ‘.

I
I (al

I 1.0
0.9
0.8
0.7
1 0.6
I 2 0.5
0.4
0.3
0.2
1 0.1
,L 0.00.6 0.8

I Cb)

1
I
m
I (cl

l 1.0
t = 150 5

0.9

1 0.8
0.7
0.6
0.5

I
0.4
0.3
0.2
0.1

I
0.0 i
0.5
Cckcentrocidn medio normalizada

I Figura 3.2.2.2. Distribucldn vertical de la concentración media norm~lfzada

I desde el instante
0.3 s y CC) 0.03 s.
inicial al tiempo t. Los pasos de’ tiempo son: Ca) 3 s, Cb)

l
I
I . 109

I
$I ;:
I 1

:I
I
I
I w/ 1.6

1 Figura 3.2.2.3. Distribucibn

del tiempo t para la altura
de la velocidad adimensional ~11.6 en funcibn
adimensiona z/H=O.lOO. Los pasos de tiempo son:
(4 3 s, (b) 0.3 s y Cc) 0.03 s.
1, Respecto
C.' :
a las distribuciones de la velocidad en las zonas limitrofes a
los extremos de la CLN.se ,cönfirma la independencia de las condiciones de
I contorno
situaciones
artificiales
convectivas
impuestas,
con una
coincidiendo
fdp gaussiana.
con
En la
las observaciones
tabla X2.2.1
en
se
reflejan los cuatro primeros momentos de estas distribuciones unicamente en

I condiciones
corresponde
velocidad
de reflexión
a las
observada
alturas
perfecta y en los limites
de 10 m. 100 m y 990 m y las
se establecen, respectivamente,
de la CLN. La fdp teórica

entre
distribuciones
0 m y 20 III, entre
de

90 m y 110 m y entre 980 m y 1000 m.

1
I
1
I
I
I
I
1
I
l
.-..
110

I
1
I
I (al Teórica 15.0 seg 30.0 seg 150.0 seg
t-1 (Al
I
( l 1 ( + 1

media 0.0000 -0.0102 -0.0119 -0.0114

Desv. Stand. 0.1610 0.1547 0.1524 0.1560
I Se5g0 0.0000 -0.2386 -0.2352 -0.1887
Cut-tosis 0.0000 0.1396 0.0532 0.1525
I N. de casos
2. E (0,201 m
1000 1987 9889

I (b) Te&-ica 15.0 seg 30.0 seg 150.0 se*

t-1 CA) ( l 1 (+)

I Uedia 0.0000 0.0063 0.0062 -0.0056

Desv. Stand. 0.1479 0.1482 0.1447 0.1465

I sesgo
curtosis
0.0000
0.0000
-0.1162
0.0231
-0.1040
0.0412
-0.2842
0.0420

I N. de casos
z E (90,110) m
995 2021 10265

I (Cl Teól%X
C-1
15.0
(Al
seg 30.0
( l
seg
1
150.0 seg
( + 1

I Media
Desv. Stand.
0.0000
0.0639
-0.0083
0.0609
-0.0085

0.0614
-0.0053
0.0618

I sesgo
Curtosis
0.0000
0.0000
-0.4762
0.2729
-0.4153

-0.0425
-0.4054
-0.3480

I N. de casos
z E (980,lOOOh
1002 2015 10228

I Tabla
pdf
3.2.2.1.
gaussiana
z/H Ca) 0.01,
Cuatro

(b)
en
primeros
funcidn
0.1 y (c) 0.99.
del
momentos
tiempo.
de las distribuciones
Las
El paso de tiempo
alturas
de velocidad
adimensionales
es de 3 segundos.
son
y

I manera
El centro
opuesta
de masa en situaciones
que en convectivas. Mientras
neutras evoluciona
que en las últimas
temporalmente
el centro
de
de
masa descendia en el tiempo, en las neutras se incrementa. Este
I comportamiento
la escala de tiempo
no sólo está
lagrangianas,
determinado
sino
por la relaciones
también, de forma
de la desviación
más importante, por
o

la diferencia en el tipo de movimiento representado por la función de

I densidad.
anteriormente;
del paso
En

de
la
aunque
tiempo
figura
se manifiesta
puede
3.2.2.4

considerarse
se
una ligera
puede apreciar
dependencia
despreciable.
lo mencionado
con la elección
Transcurridos 150

I segundos
tiempo
tan sólo
cuya relación
existe
sea
una diferencia
igual a diez
absoluta
(p.e.
de 9 cm entre
entre 0.3
dos pasos
s y 3 sI.
de
Esta

I 111

I
 evolución no puede ajustarse a una función sencilla, ya que existen
discrepancias en determinados !ntervalos de tiempo, por eJemplo como muestra
la figura entre los 50 s y 100 s en el paso de tiempo de 0.3 segundos.

“*LORES “EDIOS (Ir.,

(al 500.19 f 0.00
(b) 500.21 -2 0.00
(CI 500.28 f 0.00

a, 500.26
-0 500.24

Figura 3.2.2.4. Evolución temporal del centro de masa. El incremento de

tiempo es de Ca) 3 s, (b) 0.3 s y Cc) 0.03 s.

EFECTO DE LAS VARIABLES o,, y TL”

El hecho de que los parámetros meteorológicos, TLu y e,, dependan de la

velocidad de fricción hace que el valor de esta condicione el comportamiento
de las partfculas. En las dos simulaciones siguientes se han elegido los
valores de 0.1 m/s y 0.05 m/s. En la figura 3.2.2.5 se presenta la evolución
vertical de las concentraciones instantáneas a los 15, 30 y 150 segundos
cuando el paso de tiempo es de 3 s. Cuando la velocidad de fricción
desciende en magnitud, la escala de tiempo responde con un aumento y la
desviación con un descenso. Debido principalmente a esta dismlmución de la
desviación el esquema se hace más estable en el sentido de que la
concentración se mantiene más cerca de su valor inicial. Este resultado se
refleja igualmente cuando se selecciona la desviación estándar igual a 1.311,
(Pasquill, 1974). que corresponde al valor máximo de la expresión de
Wyngaard (1974) para u.3 2fz m/s. y considerado por Ley (1982) para simular
la difusión de contaminantes en capas neutras (figura 3.2.2.5B). Todas las
distribuciones de la velocidad se ajustan a la teórica en todos los niveles
verticales y con un nivel de confianza del 99%. La elección de la escala de
tiempo, aunque no se ref 1eJa explicitamente, también condiciona el
comportamiento de las partículas en cada paso de tiempo.

ConJuntando este estudio con el del apartado 3.2.1. respecto a estas

I dos variables meteorológicas se confirma la importancia de la correcta

112
 ‘,.\ .,

,..

I ‘. .. ,* 64.’
.t.

I elección
cualquier
empirlcas
de las
zona,
mediante
mismas
concretar
sondeos
siendo
lq
necesario, si se desea
más acertadamente
en altura.
aplicar
posible
Poi consiguiente,
sus
este

cualquier
modelo
expresiones
tipo
en

de
modelo de difusión que requiera cualquier expresión o dato de variables
I m&teorológicas
exacto
necesita
de los parámetros
calibrarse
turbulentos.
en la zona mediante el conocimiento más

I (aI
t-15* t = 30 9 t = 150 s

I
I
I
I (b)

I
I
I
I
Figura 3.2.2.5. Distrlbucidn vertical de la concentración instantbnea
I normalizada en función del tiempo t. La velocidad
m/s y (b) 0.05 m/s.
de fricción es de: Ca) 0.1

I
I

113
Figura 3.2.2.58. Distribucidn vertical de la concentracidn instantánea
qormalizada en función del tiempo t. La desviación estdndar de Pasquill
(1974).
La evolución del centro de masa, aunque .siempre se eleva en el tiempo,
presenta la particularidad de que su ascenso difiere según sea el valor de-
la velocidad de fricción, ,llegando a ser casi nula en la simulación de
u=O.O5 m/s (figura X2.2.6). Si la desviación esthdar corresponde a la
propuesta por Pasquill, la elevación del centro de masa es diferente, pues
presenta un valor máximo, a partir del cual decrece, como se muestra en la
figura 3.2.2.6B.
 :

YALORES “EDIOS (m)

- 500.64
(aI 600.19 t 0.00
C 500.60
(b) 600.06 f 0.00
t500.56
500.52 (cl 500.03 * 0.00

Figura 3.2.2.6. Evoluci6n temporal del centro de masa para las velocidades
de fricción de Ca) 0.2 m/s, (b) 0.1 m/s y Cc) 0.05 m/s.
“*LORES >IEDIOS (III)
,500.64 7
(al 600.19 t 0.00
500.60 -
-500.56
E - tb) 600.07 f 0.00
500.52 -
0 500.48 -
cn 500.44 - (0)
0 500.40 -
E 500.36 i
500.32 -
aI 500.28 -
u 500.24 -
500.20 -
,o 500.16 -
-t-’ 5klo.12
c 500.08
0 500.04 i../:’ (b)
500.00
499.96

0 160

Figura 3.2.2.68. Evolución temporal del centro de masa para las velocidades
de fricción de Ca) 0.2 m/s y (b) desviacibn estándar de Pasquill (1974).

Por último se representa gráficamente (figura 3.2.2.7) la relación

entre los valores medios de la turbulencía en el Instante anterior
(Fl. W’ (t-l)) con los valores medios de la componente aleatoria turbulenta en
el instante t (u”ct,). Esta relación manifiesta el peso que cada una de
estas magnitudes posee en la d=+xminación de la fluctuación de la velocidad
en un instante dado. Como se observa es más determinante el efecto de la
turbulencia en el instante anterior que el thmino de origen aleatorio, sin

115
B
I
l embargo
teniendo
el peso varia

En la figura
una influencia
3.2.2.7B
en función de la velocidad
mayor cuando se incrementa
se representa esta relación
de fricción
la velocidad
considerando
del ambiente,
de fricción.
la desviación
estándar de Pasqulll (op. cit.). Cuando se considera la expresión de la
I desviación estándar
en el paso anterior
de Wyngaard
y la componente
la diferencia
turbulenta
entre la componente
de origen aleatorio
turbulenta
decrece
con la disminución de la energia turbulenta referenciada por este parámetro,

I reduciendo
componente
el término
aleatoria,
turbulento
incluso
anterior y aproximándole
hasta el punto en el que estos dos términos
al valor de su
en
vez de compensarse (signos opuestos) se sumen (igualdad en sus signos).

I Respecto
el descenso
velocidad
al valor medio
de la desviación
de fricción.
en estas variables
estándar
En el caso de considerar
se manifiesta
asociada
un incremento
a la dlsmlnuclón
la desviación propuesta
con
de la
por
Pasquill (op. cit. 1 constante con la altura e igual a 0.26 m/s, estos dos
I términos
igualdad
tienden
de sus signos.
a potenciar la turbulencia en el instante t gracias a la

1 y 0.03,
En estas
Este estudio

tres
se llevó
con la desviación
simulaciones
a cabo con los tres pasos de tiempo
de Wyngaard
se manifestó
y la velocidad
el caracter
de fricción
compensatorio
de 3 s, 0.3 s
de 0.2 m/s.
entre la

I turbulencia
valores
simulaciones;
medios
en el instante
oscilaban
aproximadamente
anterior
debido
y la componente
al número de datos
-7 con 51 datos para 3 s, -11.3
aleatoria. Aunque sus
de cada una de las
con 501 datos
para 0.3 s y -9.9 con 5001 datos para 0.03 s, se puede considerar que no
I existe una importante dependencia de este valor medio con el paso de tiempo.

Al seleccionar otras expresiones para la escala de tiempo lagranglana

1 se observó
velocidad
turbulenta
que la relación
variaba en magnitud,
de velocidad
entre estas
debido
en el instante
dos componentes
a su influencia
anterior, de tal
turbulentas
en la fluctuación,
manera
de la

que una
escala de tiempo menor incrementaba el valor de la fluctuación en un paso
I anterior y viceversa.

I
l
I
I
I
I
I
I 116

1
 .‘. ,.

Paso de tiempo 3's

-25.0 1 IIII,*,,, ) , .,, ,

0 .50 100 150
Tiempo (s)

Figura 3.2.2.7. Evolucic5n temporal de la relación entre la fluctuación de

velocidad en el paso de tiempo anterior y la componente aleatoria,
para las velocidad de friccidn Iguales a Ca) 0.2 m/s, (b) 0.1 m/s y Cc)
0.05 LUIS.

Figura 3.2.2.7B. Evolución temporal de la relación entre la fluctuacidn de

velocidad en el paso de tiempo anterior y la componente aleatoria, para la
desviación estdndar de Ca) Wyngaard (1974) con u.=O.2 m/s y (b) con la de
Harma (1974).

117
~1
II VELOCIDAD MEDIA DE ARRASTRE

Por último se expondrá el efecto producido' cuando se considera la

:l velocidad
considerado
media de arrastre.
la velocidad
un paso de tiempo de 3 segundos.
En las simulaciones
de arrastre
que se presentan
propuesta por Legg y Raupach (1982) con
La primera considera la desviación
se ha

de
Pasquill (1974) y la segunda la de Wyngaard (1974). En la figura 3.2.2.8 se
I refleja
limites
una disminución de la concentración
de la CLN, siendo m&s notorio
de las particulas
en las cercanlas
en los dos
al suelo y con la
desviación de Uyngaard. Por tanto, la incorporación de la velocidad de
I arrastre,
situaciones
tan útil
neutras
en condiciones convectivas,
ya que anula la uniformidad
no debe incorporarse
de la distribución
en
de
partículas en las cercanlas al suelo. Esta herramienta matemática, que
1 representa
energía
limites
fisicamente
turbulenta,
de cualquier
el efecto
permite
asociado con el gradiente
descender la acumulación
tipo de CLP, afiadikndolas
vertical
de particulas
una velocidad ascendente.
de
en los

1. (aI
t .= 15 5’ t= 30s t = 150 5

I
I
I
1 (b)

1
1
I
I
I Figura 3.2.2.8.
normalizada
arrastre
Distribución vertical de la concentración
en función del tiempo t. Se incorpora la velocidad
según Legg y Raupach (1982) con las desvfaciones
instantdnea
estdndar
media de
de Ca)
Wyngaard (1974) y (b) Pasquill (1974).
I
I
I 118
I
I
I 3.2.3. Situaciones estables.

Las investigaciones teóricas y experimentales de la CLC y la CLN han

permito el desarrollo de procedimientos adecuados para simular diferentes
I procesos
el caso
físicos
de una
bajo
CLP con
estas condiciones.
estratificación
Sin embargo,
estable (de
no ocurre
ahora
lo mismo en
en adelante
denominada de forma abreviada como CLE). En la CLE la competencia entre el
I efecto
disipación
generador
viscosa
de la cizalla
provoca que
y el destructivo
las intensidades
de la flotabilidad
turbulentas sean
y la
muy
inferiores a las registradas en capas convectivas o neutras (Venkatram,

I 1988).

variando
Sin embargo,
comportamiento
su espesor
se ha observado
estacionario,
con el
tendiendo
tiempo
que la turbulencia
a tener
(Wyngaard,
un carácter
1988;
en la CIX no tiene

Anfossi
intermitente
1989).
un

Una
y

dificultad afiadida es la evaluación experimental de los parametros

I turbulentos
ondas de gravedad
en el seno de una CLE, a causa
en las fluctuaciones
principalmente
del viento. El caso
de la presencia
de condiciones
de

estables con vientos muy cercanos a la calma es aún más complejo y menos

l estudiado.
fluctuaciones
“meandreo”
Cuando

del
de la
estas

penacho
condiciones
dirección
y a estructuras
del
prevalecen,
viento dan
turbulentas
se observa
lugar a una
que las

muy complejas,
oscilación
fuertes

lo que
o

I complica

ser
extraordinariamente
seno de una CLE. En este
estacionaria y
caso,
homog6ne.s.
el modelado
concretamente,
no
difusivo

siendo
de los contaminantes
la difusión
aceptable
se aleja
ningún
en el
mucho de
tipo de
modellzación gaussiana o modelos K (Sangendorf y Dickson, 1974; referenciado
I por Brusasca et al.,
caso de un penacho de tipo gaussiano.
1992). Santomauro et al.
los valores
(1978) encontraron
de oY para la categoría
que, en
E
de Pasquill-Gifford, entre 50 m y 1000 m de distancia de la fuente, son
I mucho mayores que en condiciones
las fluctuaciones de la velocidad
neutras e inestables.
del viento da lugar
La amplificación
a un espectro
de
del
viento lateral en el que la parte de alta frecuencia debida a la turbulencia

I es mucho menos energética

Panofsky, 1964)
que la zona de baJas frecuencias (Lumley y

A continuación se analizarán los efectos que producen dos expresiones

I diferentes
tres valores
para determinar
distintos
la varianza
de la velocidad
de la componente
de fricción,
vertical, así como
lo que supone considerar
tres perfiles verticales del viento horizontal.

I En todas ellas se supone inicialmente una distribución uniforme de

10000 particulas a lo largo de la CLE, que se considera con un espesor de

I 1000 m (HI. La rugosidad

El paso de tiempo
fluctuación de velocidad
es de 0.01 m., la longitud
es de 3 segundos.
corresponden
Las condiciones
de Monin-Obukhov

a una fdp gaussiana

iniciales
de 5 m.
para
de media cero y
la

desviación o Las condiciones de contorno son de reflexión perfecta. Se

I curtosis)
Y.
supone que los momentos de orden superior
son nulos. La escala de tiempo
(relacionados
lagrangiana
con el sesgo y la
se determina mediante
las relación semiempirica de Harma (198.2):
I
I T
l.*

I Con las condiciones anteriores se han realizado dos

I 119

1
 :

.. .,
‘<’

simulaciones. ch valores de oy determinados por:

ww = 1.3”,(1-z/Hj propuesta por Harma (op. cit. 1

Yo

r, = 1.3u*(l-z/H)o.75 propuesta por Venkatram (1988)

En la figura 3.2.3.1. se puede observar en ambos casos un

comportamiento uniforme de la concentracith, lo cual parece indicar que no
es necesario incorporar momentos de orden superior a la varianza. Los
ajustes de las distribuciones observadas de velocidad con la fdp normal
tienen niveles de confianza superiores al 95% en todas las alturas,
igcluidas las cercanas a los limites de la CLE. Por otra parte, no se
aprecian dlferenclas significativas en el comportamiento del esquema con las
dos expresiones, aunque’ con la expresión de Harma se obtiene una mayor
uniformidad de la concentración en la vertical.

.-
al
t = 15 5, t= 30s t = 150 s

Concentración Instantánea normalizada

b)

Concentración instantánea normalizada

Figura 3.2.3.1. Evolución vertical de la concentracidn instantánea

normalizada en los tres tiempos indicados por t. Desviación estándar
propuesta por Ca) Harma (1982) y (b) Venkatram (1988).

120
i
-1
La evolución temporal del centro de masa en ambas simulaciones se
II representa
más rápido,con
en la figura
valores
3.2.3.2.; donde se aprecia un ascenso ligeramente
menores de la varianza, es decir con la expresión de
Venkatram. No obstante, la diferencia es demasiado pequefia para tomarla en
I consideración.

Eh la figura 3.2.3.3. se compara el efecto Introducido poi los dos

I valores
valor de w'
de Q* en
en el
las contribuciones
instante
de la componente aleatoria
t, en promedio extendido
(18') al
a todo el conjunto de
partfculas, lo que se realiza analizando 10s valores de la razón:
I fl w'(t-l)/ ÜTT

observándose, de nuevo, un comportamiento similar.

I
1. m500.48 -
E 500.44 -
VALORES
(8) 500.17
HEDIOS
i 0.00
(m)

-500.40 - (b) 500.19 f 0.00

I 0
g
500.36
500.32
-
-
500.x -

I -u
E
500.3
aJ 500.20
-
-
500.16 -

I 2 500.1:

-E 5oo.08
-

Q> SOO.CJ -

1 u 500.00 -

I
Figura 3.2.3.2. Evolución temporal del centro de masa para la desviación
I (aI Harma (1982) y Cb) Venkatram (1988).

I
I
I
I
I
I 121

I
 Figura 3.2.3.3. Evolución temporal de la relación entre la turbulencia en el
instante anterior y su componente aleatoria. La desviación corresponde Ca)
Harma (1982) y (b) Venkatram (1988).

A continuación se analizará el efecto que producen diferentes valores de

la velocidad de fricción. Concretamente, los valores considerados son,
además del de 0.2 m/s. 0.05 m/s y O~.Ol m/s, que se traducen en
tres perfiles verticales de velocidad horizontal, según la expresión de
Businger et al. (1971):

vlh=T [In [l+E] +7]

donde k es la constante de Von Karman, z la rugosidad superficial y L la

longitud de Monin-Obukhov. En estos experimentos se ha elegido el valor de
Q propuesto por Harma. En la figura 3.2.3.4. se representan las
Znvcentraciones instantaneas, normalizadas a lo largo de la altura
l adimensional z/H, con las dos últimas velocidades de fricción (0.05 y 0.01

:l m/s),
una u,=O.2
menos
mientras
m/s.
cizalla
que en la figura
Como era de esperar,
vertical del
3.2.3. l.a. antes
a menor velocidad
viento
presentada,

horizontal.
de fricción,
se
corresponde

observa
es decir
una
a

menor

il fluctuación
del centro
dependencia
turbulenta
de masa,
con la la
de particulas.
la figura
cizalla del
3.2.3.5
Por lo que se refiere

viento
pone de manifiesto
horizontal en los
a la evolución
su notable
primeros 150
segundos de simulación. Dicha dependencia tiene un carácter exponencial.
:I
:I
.I 122
 .

Finalmente, al igual que se hizo anteriormente. se analiza la

lnfluencla.del valor de la velocidad de fricción sobre la razón
fl w'(t-ll/ w"(t)

comprobándose que a menos cizalla esta relación es mucho más pequelia

(compárense las figuras 3.3.3.3.a. y 3.2.3.6.). Esto Indica que cuanto
menor sea turbulencia mecánica, más contribuirá el término aleatdrio 18' y
menos la autocorrelación.

Por último, hay que señalar que el efecto que en este caso de
estratificación estable producen diferentes condiciones iniciales y de
contorno es similar al observado en los apartados 3.2.1. y 3.2.2., por lo
q?e no se presenta. Esto mismo ocurre en caso de considerar diversos pasos
temporales.

Concentración instantánea normalizada

b)

Concentración instantánea normalizada

Figura 3.2.3.4. EVOlUCióIl vertical de la concentración instantañea

normalizada en los tres tiempos indicados por t. Velocidad de fricción (4
0.05 m/s y (b) 0.01 m/s.

123
 ,_, 500.44 -
E. 500.40 -
-500.36 -
v; 500.32 -
0 500.28 -
E 500.21 :
~ 500.20 -
-0 500.16 -
o 500.12 -
> 500.06

& 500.04
0 500.00

I Figura
friccidn
3.2.3.5.
Ca) 0.2
Evoluclbn
ds, (b)
tempoial del centro
0. OS m/s y Cc) 0.01
de masa
m/s.
para la velocidad de

I
VALORES tEDIo Cm)

I 1.0 kd
(b)
-0.08
0.04
f
f
0.00
0.00
'2 0.8

I 1
‘4
i$ 0.5
!

I
I
I
I
Figura 3.2.3.6. Evolución temporal de la relación entre la turbulencia en el

I instante anterior
m/s y C’b) 0.01 m/s.
y su componente aleatoria. Velocidad de fricción Ca) 0.05

I
I
I 124

1
m
1
3.2.4. Fumigación.
I
Tras la puesta del sol la temperatura del aire en las cercanías del
suelo comienza a descender por pérdida radiatlva de onda larga, extléndose
I progresivamente dicho enfriamiento a las capas de aire superiores. Este
proceso da lugar a que se forme una capa de inversión térmica Junto al
SIlelO, cuyo espesor crece durante la noche. Con la salida del Sol al
I amanecer,
sensible
el suelo
ascendente
se empieza
por convección
a calentar produciéndose
que va destruyendo
un flujo
por abajo
de calor
la capa de
inversión. De esta manera, se origina una capa donde se observa una mezcla

1 convectlva
elevadas
muy eficiente
a lo largo
en la vertical,
de la mariana.
cuya cima va alcanzándo
El crecimiento vertical de esta
alturas más
capa de
mezcla o capa convectlva puede llegar a alcanzar el nivel donde se encuentra

I una fuente
con
atrapados
de contaminantes,
estratificación
en la
estable.
inversión
que anteriormente
En esta
se mezclan con las
emltia
circunstancia,
capas
en el seno de una capa
los
de aire
contaminantes
inferiores,
llegando a afectar a las proximidades del suelo, dando lugar a niveles
I elevados
“fumlgaclón”.
de concentración de contaminantes. A este proceso se le denomina

I Mediante
cualitativa
aspectos
experiencias
el proceso
de los procesos
en laboratorio,
de fumigación,
que provocan
Manlns
lo que contribuyó
la erosión
(1977)

de la inversión
estudió
a clarificar
de forma
varios
nocturna
junto al suelo. Posteriormente, Deardorff y Willis (1982) llevaron a cabo
I experimentos
Segal et al.
de fumigación
(1982, 1988)
con “penachos”
investigaron
en un túnel
la fumigación
de agua.
enlazando
Por su parte,
un modelo de
pronóstico que describía la CLP con un modelo euleriano de tipo K, que

I posteriormente
lagrangiano.
modelos
en
Hurley
lagrangianos
el aSío
y Physlck
1988

en condiciones
(1991)
sustituyeron
analizaron
de fumigación,
por un
el comportamiento
esquema

confirmando
de
de cuatro
la gran
tipo

1 utilidad
penachos.
de la metodología lagrangiana en el tratamiento de fumigación de

En este apartado se analizan los resultados que se obtienen de una

I simulación
efecto
unidlmenslonal
que sufrlria
con el modelo
una determinada
lagranglano
distribución
propuesto,
vertical
observando
de partículas
el
por
el avance vertical de una capa convectiva.

1 Las condiciones de la simulaclbn son las siguientes:

La distribución inicial de partículas se refleja en la, siguiente

1 tabla:

I
I
I
I
l 125

I
I
I
I AZ Cm) PartAll
Total
particulas

I O-50 8 400

I 50-100 12 600

100-150 20 1000

I 150-200 30 1500

200-295 68.5 6500

l > 295 0 0

I Inicialmente se supone que existe una capa convectiva con un espesor de

40 metros, cuyo tamaflo aumenta linealmente a razón de 5.5 cm/s , de manera

I que al finalizar
1000 metros.
la simulación (17280 segundos)
El paso de tiempo es de tres segundos.
su cima alcanza la altura de

Dentro de la capa de mezcla el esquema lagrangiano aplicado corresponde

1 a las propuestas
la vertical).
al final del apartado 3.2.1..
Por encima de esta capa no se considera
subapartado B (con sesgo en
ningún de particulas,
con objeto de poder analizar más claramente el efecto exclusivo del

I crecimiento de la capa de mezcla.

En la Figura 3.2.4.1 se representan los sucesivos valores de la

l concentración
espesor
tienden
vertical
de 10 metros..
a distribuirse
expresada
En ella
en número de partículas/100
se observa
uniformemente
que dentro
en toda ella.
en capas con un
de la capa de mezcla
Esto obliga a que la
concentración media de particulas Junto al suelo aumente progresivamente en
l el transcurso
nivel superior
del tiempo. Una vez que la cima de la capa de mezcla rebasa el
de la distribución inicial de partículas, la concentración
Junto al suelo disminuye progresivamente ya que cesan las nuevas

I incorporaciones de partículas a la capa convectiva.

1
1
I
I
1
I 126

1
jl
iI
:1 t = 5400 s t = 6300 5

I
1
1
I Concentración instantánea/100

Figura 3.2.4.1. Evolución en el tiempo, t, de la concentración vertical

I instantánea
concentración
de partículas
se referencia
con
a una
el avance
concentración
de la
igual
capa de
a 100 part/m.
mezcla. La

l
I 127
y1
?
;;
.j
:I t = 7200 s
IWO~
II
I
jl
I
1.
I
I t - 10800 5 t 5 11700 s
1000 1000

l ‘50 __------------.
“;680 m
m E
v 500

I N
250

I 0
~ 7 4 7

I
1
I
I Concentración instantAnea/lOO

I Figura
vertical
3.2.4.1

concentración
(ant).
instantánea
Evolución
de partículas
se referencia
en el tiempo,
con el avance de la
a una concentración igual
t, de
capa
la concentración
de mezcla.
a 100 parth.
La

I
1 128

I
1I
1”
La evolución temporal del centro de masa, como se observa en la figura

ZI 3.2.4.2,
superior
cambia de tendencia
de la.dlstrlbución
después
inicial
de la capa de mezcla
de particulas. Mlentras
alcance el limite
que inicialmente
el centro .de masa va descendiendo, por la incorporación progresiva de un
mayor número de partículas desde arriba, al cesar dicha incorporación se
4 observa un ascenso muy pronunciado.

I
I
:I
I.
,I
m
I Figura
fumigación
3.2.4.2. Evolucibn
establecidas
temporal
en el texto.
del’centro de masa en las condfciones de

1, Por
velocidad
último, en
adimensional
la figura 3.2.4.3.
W/W* entre
se representan
10 y 30 m, desde el
las distribuciones
instante Inicial hasta
de

I el tiempo
a una fdp
Indicado.
con sesgo,
En ella
al Igual
se observa que tales
que se observó
distribuciones
en el apartado
corresponden
3.2.1.B.

I
I
I
I
I
I
I
_..~
 ..

6300’ s
1350.0 s
17280 s
.-
g 0.7 Il
, 0.6

c\- 0.5
0
0.4
0.
- 0.3
a
0.2

0.1

0.0.
.’ ‘l,” 2

Figura 3.2.4.3. Evolución temporal desde el instante inicial de la

distribución de velocidad adimensional (w/w.).

I
I
I
I
I
I
I
1
I
I 3.3. MODELO BIDIHENSIONAL.

El esquema lagrangiano que se propone, como ya se indicó en el apartado

2.3, es el siguiente:
I w’ (t+At) = g1 w’ (t.1 + w”(t+At)

I u’ (t+At) = gz u’ (t) + g3 w’ ct+At, + u” ct+At,

I
I
1
I
I
I - “I
<ll’ W’ >
R“‘v, (0’ = =
1 D
“>
0
Y’
O”, (z=0) cw, (z=0)

I R
US”’
(At) = 2”
,2

LT2
> = exp

“’

I ’ 2>
Rw,w,tAt) = - - =

I 2
(Tw*

I Una vez
velocidad
determinadas las
de cada una de las partículas
fluctuaciones de las
que constituyen
componentes
el sistema
de la
físico,
se calcula el vector velocidad de cada partícula como la suma del vector

1 velocidad

desplazamiento
media más el vector
cada componente del vector
longitudinal
fluctuación
velocidad
y transversal
correspondiente.
por el paso de tiempo
que realizará
Multiplicando
se obtiene
cada partícula
el
desde

I su posición

De acuerdo
anterior.

con el análisis de los aspectos críticos de este tipo de

modelos lagrangianos realizado en el anterior apartado con una versión

I unidimensional, a continuación
este esquema bidimensional.
se resumen las condiciones
Como condiciones & contorno
introducidas
se eligen
en
las de

I 131

I
reflexión perfecta para los casos de estratificación neutra y estable,
mientras que en estratificación inestable o convectiva se afiade el cambio de
movimiento. Las condiciones iniciales se establecen, igualmente, en función
de la estratificación atmosf&rica. de manera que en condiciones neutras y
estables las fluctuaciones inciales de la velocidad de cada particula son
valores correspondientes a una fdp gaussiana de media cero y desviación
estándar o (iguales a las correspondientes a u’ y w’), y en
” y OId
condiciones convectivas se incorpora, además, un movimiento inicial
(ascendente o descendente) a cada una de las particulas que constituyen el
sistema.

Las expresiones empíricas de las desviaciones estándar y las escalas de

tiempo lagrangianas correspondientes a las dos componentes de la velocidad
son las elegidas en el estudio unidimensional, dependiendo de la categoría
de estabilidad de la estratificación atmosférica. En situaciones
convectivas, además, se debe considerar el sesgo, cuya expresión empirica
está referenciada en Baerentsen y Berkowicz (1984).

La velocidad media de arrastre se considera únicamente en

estratificaciones atmosféricas convectivas. Su expresión corresponde a la
propuesta por Legg y Raupach (19821, pero incorporando las indicaciones de
Baerentsen y Berkowicz (op. cit.) según sea el tipo de movimiento de la
partícula.

En estratificación estable o neutra la función de densidad de

probabilidad es una gaussiana de media cero y desviación estándar
correspondiente. En estratificaci6n atmosférica inestable la fdp es la
propuesta por Baerentsen y Berkowicz (op. cit.).

3.3.1. Comparación con un modelo de penacho gaussiano.

Como anteriormente se ha señalado, los modelos de penacho gaussiano

sólo ofrecen resultados satisfactorios en caso de condiciones atmosféricas
ideales, bajo las cuales la concentración media de contaminantes emitidos
desde una fuente puntual se adecua a una distribución gaussiana. Estas
condiciones ideales corresponden a la siguiente situación: turbulencia
atmosférica estacionaria y homogénea, velocidad de viento constante en
altura y superior a 1 m/s, terreno llano sin obstáculos, reflexión especular
del penacho en el suelo, y contaminantes inertes sin flotabilidad. De
acuerdo con lo señalado en anteriores apartados, la expresión para calcular
la distribución de concentraciones en caso de un penacho bidimensional (en
el plano x.2). con reflexión perfecta en el suelo, emitido desde un foco a
una altura “h” sobre el suelo y arrastrado por un viento medio igual a U
siguiendo el eJe x. resulta

í 11
S (2 - h)’ (z + h12
c(x.2) =
(Zn)
1/2 fi D
z z
2<r2 1
+ exp
l
-
202

Uno de los aspectos más criticos de los modelos de penacho gaussiano

está en las expresiones que se elijan para valorar el parámetro o . Existen
z
numerosas expresiones propuestas por diversos autores, establecidas
generalmente a partir de medidas de concentración en situaciones reales. En

132
I
I la tabla
utilizadas.
14.2

que corresponden
de Selnfeld
De entre ellas
(1986)
se han elegido
a concentraciones
se puede

promedio
encontrar
las propuestas
en periodos
las expresiones
por Klug (19691,
de 10 minutos,
más
ya
lo

I que evita
comparar
persigue
realizar
sus resultados
en este apartado.
simulaciones
con los
prolongadas

Concretamente
del penacho
con el modelo
gausslano,
los valores
lagranglano
obJetlvo
del parámetro
para
que se
sigma se
calculan mediante la expresión:
I 0 =c. xd
z

I donde x representa
coeficientes dependen
la distancia
de la categoría
longitudinal a la fuente
de estabilidad
emisora
de Pasquill.
y los
En este
caso concreto se han considerado las categorías B, D y E correspondientes.

I respectivamente,
neutra
a estratificaciones
y moderadamente estable,
de carácter
de manera que:
moderadamente inestable,

Catenoria c d
I B
D
0.072
0.140
1.021
0.727
E 0.217 0.610
I Las restantes condiciones de la simulación con el penacho gaussiano
SXI:

I - Altura
- Potencia
- Velocidad
sobre el suelo
de la emisión:
del foco emisor:

media del viento

50 g/s
55 m

a 10 m de altura: 4 m/s

I Como en los modelos

la altura, el valor
de penacho gar.2slano
correspondiente
se supone viento
a U en la expresión
constante
matemática
con
debe ser
el observado a la altura del foco emisor. Por ello, para cada categoría de

I estabilidad
gradiente
que se incluyen
se ha deducido
vertical del viento
en la figura
tal valor
de Businger,
3.3.1.1.De
a partir
mencionadas
acuerdo on
de las

ello,
expresiones
en el apartado
resulta
del
2.1.
U = 7.3

I m/s para la categrorfa

Los resultados
E, U = 5.2 m/s para la D y U = 4.3 m/s para la B.

obtenidos con la ecuación de penacho gausslano se

compararán con los resultados proporcionados por el modelo lagrangiano de
I partículas con las siguientes condiciones de simulación:

Altura de la fuente emisora: 55 m

I Rugosidad
Emisión:
superficial:
5 particulas
Masa de cada particula:
0.03 m.
por segundo.
10 g
Paso de tiempo: 1 segundo.
I Viento medio a 10 m sobre el suelo: 4 m/s.

Con ese valor del viento medio, la nube de partículas lagrangianas se

I puede considerar
foco emisor,
recomiendan
como penacho
cuando
Harma et al.
el periodo
(1982).
continuo a distancias
de simulación
inferiores
es de cuarenta
a 2500
minutos,
m del
según

I En el
verticales
modelo
de viento
lagrangiano
de Businger
de partfculas
mencionados
se suponen
en el apartado
10s perfiles
2.1., que se
representan en la figura 3.3.1.1. La variabilidad vertical del viento
I solamente
esta altura
se impone
se
a alturas
supone viento
inferiores
constante
a la cima de la CLP. Por encima
con la altura, con un valor
de

I 133

I
 correspondiente al de la cima de la CLP.

PERRL DE VIENTO E?4 L45 SIMULACIONES’

II
;l
I
I
I
Figura 3.3.1. 1,. Perfiles de la velocidad horizontal del viento en las

I categorias B, D y E, considerando que su valor es de 4 mLs a 10 m de altura.

l Las velocidades
viento para cada categoría
de fricción (LI.) resultantes
de estabilidad
de estos perfiles
son: para la categoría
de
B 0.33 m/s,
para la categoría D 0.28 m/s y para la categoría E 0.23 m/s. Asimismo, las
I longitudes
categoria
de Monin-Obukhov
B, valor infinito
(LI en las tres categorias
para la D y 50.0 m para la E.
son: -14.3 m para la

Los espesores de la CLP en cada categoria de estabilidad son:

I Categoría B H = 1000 m

I Categoria
Categoria
D
E
H = 0.2 u./f

H = 0.4 (uaL/f)"2
= 584.3 m

= 87.6 m

I siendo f el parámetro de Coriolis.

I Para las desviaciones

consideran
estabilidad,
las propuestas
estándar y escalas
en el capítulo 3.2.
de tiempo lagrangiana
según la categoría
suponiendo unos valores de fondo a alturas superiores al 90%
se
de
de
la cima de la CLP, que corresponden a los valores de estas variables a
I 0.9.H.

LSS condiciones iniciales y de contorno del modelo lagrangiano

I corresponden a las seleccionadas en el capítulo 3.2. para cada una de las

I 134

I ,,.. I
I
I estratificaciones
la velocidad media
atmosféricas.
de arrastre.
En condiciones inestables se tiene en cuenta

l . Las concentraciones
presentes dentro
10 m a lo largo
de celdillas
de un periodo
promedio se realizan
con una tamafio uniforme
de 10 minutos (entre
recontando las partículas
de Ax = 50 m y AZ =
20 y 30 minutos desde el
inicio de la slmulación)S divldléndo posteriormente ese número por el area
l de cada celdilla
largo de dicho
(500 m 1 y por el número
periodo (600).
total de pasos de tiempo a lo

I Para comparar
hay que tener
zonas puntuales
este resultado
en cuenta
Por ello,
con el de un modelo
que en éste se determina
se han calculado
de penacho
la concentración
con la expresión del
gausslano
media
penacho
en

gaussiano los valores de concentración en 60 puntos dentro de cada

l cuadricula de Ax=50 m, Az=lO m, según se indica en este gráfico,

I
I
1
AX
I realizando posteriormente un promedio aritmético. Si se deseara mayor

I precisión,
permite
lagranglano.
la
el número
comparación
de
del
puntos
modelo
debe
de
incrementarse.
penacho gausslano
Este procedimiento
con el modelo

I modelos:
En la figura 3.3.1.2.
(al para el modelo
se muestran
de penacho
los resultados
gausslano
obtenidos
y (b) para el modelo
con ambos
de
partículas lagranglano. En ella se aprecia la semejanza en la distribución

I de concentraciones
discrepancias
= que,
que resulta
en los valores
como se ha comentado
con ambos modelos,
numéricos de concentración.
m6s arriba,
aunque

el procedimiento
existen
Esto puede deberse
para
algunas

asignar
concentraciones es diferente en ambos casos. Tampoco debe olvidarse que,
1 aunque se ha intentado
en ambas simulaciones,
que todas las condlclones
en el caso del modelo
atmosféricas
lagrangiano
fueran
no ha sido posible
iguales

considerar un viento constante en altura como en el de penacho gausslano.

I En la categoría
a la altura
estable
de la fuente
E, se observa
la concentración
un comportamiento
media lagrangiana
similar,
es
aunque
superior

I cuantitativamente

En la
a la gausslana

categoría
y llega

de estratificación
a mayores distancias.

neutra D, también, se observan

seme janzas, aunque se aprecia que a la altura de la fuente el modelo
I lagrangiano ofrece una mayor concentración cerca de la misma.

Finalmente, en la categoría de estratificación B se refleja un

I comportamiento
cerca del
algo
suelo
menos similar
donde
que en los otros
ei modelo de particulas
dos casos,
refleja
en especial
una mayor

I 135
 ..
‘:

I concentración
superiores.
esperar
cerca
Estas
por, cuanto
de la fuente
diferencias
es bien
(x < 700 m) y menores
más marcadas
conócido
baJo categoria
que loS resultados
Valores a distancias
inestable
gue ofrece
eran de
un modelo
gaussiano en estas condiciones de estratificación son deficientes.
l
No obstante, a pesar de las diferencias observadas entre los resultados
de ambos modelos, en parte achacables a los distintos métodos de cuantificar
la concentración media por unidad de area y perfiles verticales del viento,
I puede considerarse que bajo ciertas condiciones ideales el modelo de
.partículas se comporta de modo semeJante al de penacho gaussiano. Esto

1 refleja
requiere
la superioridad
la imposición
del
de hipótesis
primero frente
poco realistas.
al segundo, por cuanto no

I
I
.~
1 0 x0 1040
Dishncia
15M)
longiludinal
(m)
2wo :

I Jo0
2ooCategoria
deEstabilidad
D
1
y Dishncia!ongiiudinal
(m) Dishciaiongiluhl (m)
E300
I i,,,] Categoria
deEstabilidad
E 200

I 100
0
I
I
0 5Ml Iwo 1500 2mJ 25w
1 -
Distancia
hngiiudhal(m)

I Figura 3.3. 1.2. Isolíneas de concentración media de un penacho continuo.

Ca) Modelo gaussiano y (b) modelo de partículas lagrangiano. La isolfnea de
I concentracidn
es de 50 pg/m2.
máxima es de 350 pg/m', la mfnima de 50 pg/m2 y el.lntervalo

I
I 136

I
I
I 3.3.2. Capa

Actualmente
Límite Convectiva.

se poseen suficientes evidencias de que el comportamiento

I de penachos
fuente
fuente
(Willis
en condiciones

se encuentra
y Deardorff.
cerca
convectivas
1976,
del
1978;
suelo,
difiere
Brigg,
0 no supera
en función
1993; entre
de la altura

un cierto
otros). Cuando
tamafio,
de la

que
la

posiblemente sea función de la intensidad de la convección, el penacho de

I contaminantes
el suelo decrece
asciende de forma
monotónicamente
continua,
con la distancia
de manera que la concentración
al foco. Sin embargo,
en
los
penachos emitidos desde fuentes puntuales cuya altura supere dicho tamafio

I critico,

apartado
son abatidos
es donde se observan
se intentará
hacia abajo,
las máximas
simular
de forma que a cierta
concentraciones
dicho comportamiento
Junto
distancia
al suelo.
con la
del foco
En este
versión
bidimensional del modelo de particulas lagrangiano que se propone,
I aplicándolo, a dos penachos emitidos
al suelo y otro a una altura de 240 metros.
de forma continua desde una foco Junto

I Las condiciones consideradas en ambos casos fueron:

(‘1 Condiciones de contorno: Reflexión perfecta más cambio en el tipo

I (‘1 Condiciones iniciales:

de movimiento
Fluctuaciones
velocidad
en el suelo y altura
de las dos componentes de la
de dos fdp gaussianas.
CLC.

I Asignación de un tipo
todas las partículas
el penacho.
de movimiento
que van a configurar
a

(‘1 Varianza y escala de

I (*) Velocidad
tiempo lagrangiana:
media de arrastre:
Expresiones
Propuesta
de Harma (1982).
por Legg y Raupach (1982)
siguiendo el criterio de Baerentsen y
I (0) Función de densidad de
Berkowicz (1984).

distribución de velocidad: Para la componente horizontal una fdp

I gaussiana
Berkowicz
y la propuesta por Baerentsen
para la componente vertical.
y

(*) Velocidad de emisión: 5 partículas por segundo

I (‘1 Paso de tiempo: 0.2 segundos

(‘1 Velocidad de fricción: 0.2 m/s

I (‘1
(*)
Longitud
Rugosidad
de Monin-Obukhov:
superficial:
-5m
0.2 m

I c-1 Espesor de capa convectiva: 1000 m

I 3.3.2.1. Fuente

En la figura
emisora

3.3.2.1.1.
en el suelo.

se muestra en tres momentos concretos la

situación instantánea de las partículas que constituyen el penacho. A los
I diez
del
minutos,
penacho,
y con anterioridad,
que se confirma
ya se manifiesta
en tiempos
la tendencia
posteriores. Otra
ascendente
de las
características que se pone de manifiesto en estos tres instantes es la

I fuerte
incluso
acumulación
en distancias
de particulas
horizontales
en el suelo
negativas
y alrededor de la fuente,
(275 m a los 30 min). Este

I 137

I
a
; I

comportamiento ascensional del penacho se ha observado’en los experimentos

./ I de laboratorio de Willis y Deardorff (19761, los cuales situaron el foco a
las al tu-as adimensionales de ‘0.067 y 0.050. equivalentes a 67 m y 50 m sí
la altura de la capa convectiva es de 1000 m.
jl

.j Penadios instantáneos
i
$1 (Estratificación Il’dESTABLE)

II
!I
iI
!l -200 800 1800 2800 3800 4800
Distancia longitudinal (m)
I t= 20 rnin

I
I
I 800 1800 2800 3800

I t= 30 criin
Distancia longitudinal (m)

1000
I
I
I
I Distancia longitudinal (m)

I Figura 3.3.2.1.1. Penachos instantáneos a 10 min, 20 min y 30 min.

I 138

I
 En la figura 3.3.2.1.2. se representan las isolineas de concentración
media, en partículas por metro cuadrado, en un intervalo de tiempo entre to
Y t* . Además de confirmarse los resultados antes comentados de los penachos
instantáneos, se observa que la pendiente del eje del penacho aumenta con el
tiempo. En la figura se representan isolineas que expresana número de
partículas x 10w3/m2. Para obtener la concentración en mg/m , se debe
multiplicar ese número por la masa asignada a cada particula. ‘-’

Concentración media cs IO-~ partjn,l 2 1

(Estratificación INESTABLE)
t,= 0 min; t, 710 min
-200 800 1800 2800

~~~~~~O.

-200 800 1800 2800 3800 4800"

Distancio longitudinal (m)

t,=lO min; t, =20 min

-200 2800 3800 4800
/ , , 1000
800
600
400
200
I I 1 1 0

,I 2800 5800 4800

t,=ZO min; t, =30 min

I -200 800 1300 2800 3800 4800

I ~~~~~~

I -200 300 iaoo

Lk:ancio longitudinoi
2800
(5)
3800 46OG

I Figura 3.3.2. 1.2. Isolíneas de concentración media de diez minutos.

I
 1
I
I 3.3.2.2. Fuente en altura (240 ml.

En la figura 3.3.2.2. se representan tres penachos instantáneos a 10,

20 y 30 minutos. El comportamiento del penacho difiere del anterior, lo que
I concuerda
de laboratorio
con el comportamiento
a escala,
observado en la realidad
como se ha comentado más arriba.
y en experimentos
Mientras que en el
caso del foco situado Junto al suelo el penacho asciende continuamente, en

.I caso de un foco a 240 m de altura

hacia el suelo mientras que otra
la mayor parte
parte
del penacho resulta
menos importante asciende,
abatido
es decir
el penacho se desdobla en dos. Este desdoblamiento provoca que a distancias

I superiores
máximos.
a 300 m, la distribución vertical de concentración tenga dos

La concentración máxima cerca del suelo no se sitúa en las proximidades

I de la fuente,
a partir
sino a distancias
de aproximadamente
superiores
de 1100 metros
a los 500 m.,
la concentración
mientras
desciende
que
con
rapidez.

I
I
1
I
I
I
I
I
I
I
I
I
I 140

I
 Penachos insttnttne0.s
(Estratificación INESTABLE)
!ooo- t= 10 mir:

!I Distancia longitudinal (m)

I
I
I
I -200 800
Distancia
1800 2800
longitudinal (m)
3800 4800

I t= 30 min

I
I
I ROO 1800 2800 3800
Distancia longitudinal (m)
I
I I

I Figura 3.3.2.2.1. Penachos instantáneos a 10 min, 20 min y 30 min.

I 141

I
.I “.

!I hacia
En la figura
en intervalos
el suelo
3.3.2.2.2
de diez
del penacho,
se muestran
minutos., En ella
asi
las isolineas
se observa
como &l pequefio
de concentración
claramente
media
el abatimiento
desdoblamiento en la

il vertical,
valor
metros
de forma que, en el intervalo
máximo Junto
a sotavento
al suelo
de la fuente.
se altanza
A partir
temporal entre
a una distancia
20 y 30 minutos,
entre
de esa ‘zona el penacho vuelve
700 y 800
el

a
elevarse, decreciendo notablemente la concentración de particulas. Junto al
I suelo.
desdoblamiento
En esta figura se
del penacho en la vertical.
pone tambikn de manifiesto un pequefio

I
Concentración media cs 10-~ part/m 2 i
,I (Estratificación INESTABLE,)

I -200 800
t,= 0 min;
1800
t, =lO
2800
min
3800 4800
~000 1000
I I I I I I I t 1 l t I t : Il I I t I I I II

I -
-
aoo
ôG0
- 400
I -200 800
I I I I I I
1800
i
II,
2800
I I I I I I I
3800 4800
- 200
0

I t,=lO
Distancia

min;
longitucinal

t, =20,
(m)

min

I -200 800 1800 2800

1, I I t
3800
I t ! I I
4800

I
I l I 1 I I I I I

I -200 800 1800

Disiancia longitucinol
2800

(m)
3800 4EOO

t,=20 min: t, =30 min

I -200 800 1800 2800 3800 4800

I
- 800

I -200 800 1 eoo 2800 3ôGO 4800

Distancio ion-ituclno! (m)

I Figura 3.3.2.2.2. Isolíneas de concentración media cada diez minutos.

I
I 142
I
I Con
3.3.2.2.3.
objeto
se
de observar
representan
este efecto
las
más claramente,
distribuciones
en la figura
horizontales de la
concentración media entre el suelo y 50 metros de altura, en periodos de 10

I minutos, obtenidas
suelo y a 240 m de altura.
concentración
en las simulaciones con el foco emisor situado junto al
En el primer caso se observa un fuerte
en x=0 , que decrece casi exponencialmente hasta llegar
pico de
a ser
nula a distancias superiores a 500 metros. Tambien se aprecia que en
I distancias
concentración
negativas, es decir a barlovento
de partículas. En los experimentos
del foco, existe una pequefla
CONDORS realizados en
atmósfera libre, que se comentan en el siguiente apartado, Eberhard y
I Moninger (1988) y Briggs
nulas a barlovento
(1993) también han obtenido
de focos emisores junto al suelo.
concentraciones no

En el caso de que el foco se sitúe a 240 m de altura, el máximo de

1 concentración en las cercanfas al suelo se encuentra en torno a 800 metros,
como ya se ha comentado. A partir de los 1500 metros la concentración media
tiende a ser uniforme (ver curva al. Esta uniformidad esta motivada por la
I eficacia
apartado
de mezcla de los movimientos
3.2.1. Willis y Deardorff
convectivos,
(1976)
como se indicó
analizaron
en el
la concentración
vertical de partfculas a diversas distancias de la fuente y observaron esta

1 misma tendencia a la uniformidad bajo condiciones de mezcla convectiva.

I
I
I
I
I
I
I
1
1
I
I 143

I
 120 , l
FUEXTE en e! SUELO

I
I
1
:y

:I
‘1
I
l
I
l
1
I o ty
1~.
1.
/
‘500 1000 1500; 20’00 2500
1
6

Distancia longitudinal (m)

I Figura 3.3.2.2.3. Concentración media entre ,el suelo y 50 metros. El

de tiempo en el que se establece la concentracldn media es: (a)
I intervalo
entre 30 y 20 minutos, (b) entre 20 y 10 minutos y Cc) entre 0 y 10 minutos.

1 144

I
 Por último, en la figura 3.3.2.2.4.se representan Alas trayectorias del
centro de masa en ambos experimentos, poniéndose de manifiesto ‘que en el
caso de foco junto al suelo el penacho se eleva siguiendo una trayectoria
con mayor pendiente. En ambos casos se observa que a partir de una
determinada distancia, el centro de masas del penacho se mantiene a una
altura constante. Baerentsen y Berkowicz (op. cit. 1. entre otros. obtienen
los mismos resultados con su modelo.

600 600 -
_ FCE.NTE en el SUELO ,-Jo “7” FUENTE B 240 m de dtura
1-Y) n
500 -

200- 9-3 -,”

100 ,,, ,,, , ,, ,, ,/, ,, ,,/ ,,

0 200 400 600 800 ,000 ,200 ,400 leoo 0 200 400 600 800 1000 ,200 1400 ,
X =drn (4 X cclm Cm)

Figura 3.3.2.2.4. Trayectoria del centro de masa.

En las serles CONDORS de medidas de concentración de penachos en

condiciones convectivas (Eberhard y Moninger, 1988 y Briggs, 1993) se han
obtenido concentraciones no nulas en distancias negativas. Estas distancias
son iguales a las que se obtienen en nuestra simulación (= -2OOm). Sin
embargo, no se indica el desdoblamiento del penacho que se simula. No

1 obstante,
realidad bajo
este desdoblamiento
condiciones convectivas.
de penachos se ha observado en la

I 3.3.2.3. Comparación con el proyecto CONDQBS.

Para tratar de verificar los resultados obtenidos en caso de fuente

I elevada,
las más
a continuación
recientes
se van a comparar
observaciones
con
realizadas
los datos
en
recogidos
atmósfera
en una de
libre baJo
condiciones convectivas.

I Los
confirmar
experimentos
el
del
comportamiento
proyecto CONDORS se diseñaron
no gaussiano de los penachos
para tratar
observados
de
en
laboratorio. Esta serie de experimentos se llevaron a cabo en Boulder
I (Colorado, USA) durante dos campanas. la primera en Septiembre de 1982 y la

I 145

I
I
I segunda en Agosto y Septiembre
experimentos
en su articulo
de campo se publicaron
no reflejan
de 1983. La primera parte
en 1988 por Eberhard y Moninger, aunque
datos suficientes
de estos

sobre las caracterfsticas no

I gaussianas como para tratar

segunda parte publicada
mayor detalle
de simularlos
recientemente
los ensayos realizados
con un modelo. Sin embargo, en la
por Briggs (1993) se describen
durante la segunda campaha, lo que nos
con

ha permitido realizar una simulaci6n con el modelo lagrangiano descrito en

1 esta Memoria bajo las mismas condiciones
realidad.
atmosféricas observadas en la

1 Para ello,
realizado
forma continua
se ha elegido

durante
concretamente
el 31 de Agosto de 1983. Este experimento
el experimento
se realizó
50 minutos una nube de particulas
número 34
emitiendo
metálicas
de
de
pequeño tamaño desde altura de 280 metros, cuyo comportamiento fu6
I una
seguido mediante un radar. Las otras condiciones del experimento fueron:
viento medio en toda la capa convectiva Ü = 1.9 m/s
I altura de la capa limite H = 1100 m
escala de velocidad convectiva w. = 1.88 m/s

I
Considerando estos datos, se estableció el resto de las variables de

I entrada que
desconocimiento
lo que implica
precisa el modelo lagrangiano
de la rugosidad superficial
una velocidad de fricción
bidimensional. Ante
se consideró un valor de 0.10
de 0.237 m/s, y una longitud
el
m,
de
Monin-Obhukov de -5.5 m.
I La emisión de particulas considerada en el modelo lagrangiano es de 4
particulas por segundo y el paso de tiempo de 0.25 segundos, de forma que a
I lo largo de los cincuenta
particulas.
condiciones
Finalmente,
iniciales
minutos del experimento
para
diferentes:
simular este
se deben emitir
caso se consideraron
12000
dos

1 a) Suponiéndo que "'(t-1)

I b)
corresponde
y w'(t-1)
a la seleccionada
en t=O no son nulas, que
en las simulaciones
unidimensionales del apartado 3.2.1.
Suponiéndo que inicialmente u'(t-l)=w'(t-l)=O.

1 En la figura
el modelo propuesto
3.3.2.3.1. se pueden observar
en las dos simulaciones
los resultados obtenidos
mencionadas junto con los del
con

experimento CONDORS. Estos últimos se presentan con dos figuras, una

I correspondiente
dirección
corrección
a las observaciones
transversal al viento
reales, promediadas a lo largo de la
medio, y la otra despues de efectuar
para no tener en cuenta el efecto de la velocidad
una
de deposición
gravitatoria de las particulas metálicas (0.3 cm/s) en el comportamiento del
I penacho, utilizando
cit.).
un método
En todas estas figuras
llamado CPP que se describe
el eje de abscisas representa
en Briggs (op.
la distancia
normalizada (w*N)WH), el de ordenadas la altura normalizada z/H y las
I isolineas corresponden
según la expresión
a una concentración
(H.WE1.c.
normalizada,
siendo IIC~ la concentración.
que se determina

I Esta comparación
modelo reproducen
pone de manifiesto
de forma satisfactoria
que las dos simulaciones
el abatimiento
con el
hacia el suelo del

I 146

I
1
I
I penacho
observaciones.
en las proximidades
Sin embargo,
de la fuente,
hay un aspecto
tal
que difiere
como se aprecia
según
en las
se considere
una u otra simulación. El desdoblamiento del penacho que resulta en el caso
con las condiciones iniciales que mejores resultados ofrecen en simulaciones
I unidlmenslonales,
ninguna corrección
no aparece
por deposición.
en las observaciones
Mientras
CONDOFLS antes
que en el caso
de efectuar
con condiciones
iniciales más simples el resultado de la simulación se ajusta notablemente

I bien
resultados
al del
de
experimento
las
CONDORS sin
observaciones
corrección.
CONDORS
Pero
corregidas
si se consideran
por el efecto
los
de
deposición, la simulación que parece ajustarse mejor es la del caso con las

I condiciones
cuenta
CPP, que
lnlclales
la advertencia
aconseJa
antes
de Brlggs
no considerar
seleccionadas.
sobre
el
No obstante,
la fiabilidad
pequeño
del método
desdoblamiento
hay que tener
de corrección
que resulta,
en

achacandolo a causas numéricas espúreas.

I En la misma figura 3.3.2.3.1 se presentan también resultados obtenidos
por otros autores en experimentos y simulaciones de penachos elevados en

I condiciones
y Deardorff
de agua.
convectivas.
(19761,
y los obtenidos
Concretamente,
que corresponden
para este
se incluyen
a una simulación
mismo caso
los resultados
a escala
por Lamb (1979)
de Wlllls
en un tanque
aplicando un

I modelo
penacho
vertical.
de “large-eddles”.
hacia el suelo,
En ambos
sin que
casos
se observe
se aprecia
ninguna
el abatimiento
bifurcación en la
del

I casos
En consecuencia,
con unas condiciones
parece que el modelo
iniciales más simples
propuesto simula
de las que se
mejor
eligieron
estos
en
el apartado. Luego, la selección de un determinado esquema o condición

I realizada
tanbien
con una versión
el más apropiado
unldlmenslonal
cuando
del modelo,
la simulación
no implica
se extiende a dos
que éste
dimensiones.
sea

Sin embargo, el aspecto fundamental del comportamiento observado por

I penachos
hacia el
elevados
suelo
baJo condiciones
en las proximidades
atmosféricas
de la fuente)
convectivas
es simulado
(su abatimiento
de forma
satisfactoria por el modelo descrito en esta Memoria. Las discrepancias

I entre
determinadas
secundario.
las observaciones
condiciones
Además,
experimentales
iniciales
no deben olvidarse
y los resultados
deben
otras
considerarse
posibles
del modelo

causas
con un
responsables
con unas
carácter
de

I tales
entre
resultados
discrepancias,
un penacho
de un modelo
entre
continuo
las que podrían
y una bocanada),
bidlmenslonal
señalarse:
(2)
(1)
La comparación
con los de una proyección
La distinción
entre
en el plano
los

X-Z de un penacho tridimensional promediados temporalmente. El espectro de

I la turbulencia
CLP. (3) Los valores
en dos y tres
de la longitud
dimensiones difiere
de Monin-Obuhkov
notablemente dentro
y de la velocidad
de la
de
fricción introducidos en el modelo, de los que dependen magnitudes tan

I decisivas
se corresponden
en el esquema como la varlanza
con los de las observaciones.
y escala de tiempo lagrangianas. no

I
I
I
I 147

I
 2.11 = 0.25

te) [fl

Figura 3.3.2.3.1. Resultados obtenidos por diferentes autores en comparación

con los del modelo propuesto, en el caso de un penacho continu? bajo
condiciones convectivas. (a) Simulaciones con tanque de agua’de Willis y
Deardorff (1976). Cb) Simulaciones con un modelo “large-eddy” de Lamb
(1979). (c) Experimento 34 del proyecto CONDORS, sin corrección por
deposición. (d) Igual que (c) con corrección por el método CPP. (e)
Simulación bidimensional con el modelo propuesto, con condiciones-iniciales
simples. (f) Igual que Ce), con condiciones iniciales elegidas en el
apartado 3.2.1. Las isolíneas son de concentración normalizada (H,lJ/E).c, el
eje de abscisas corresponde a distancias normalizadas (w*/lJ)(x/H) y el de
ordenadas a una altura normalizada (z/H).

148
I
I 3.3.3. FUI4IGACION.

El fenómeno de fumigación provoca la introducción progresiva de un

I penacho,
convectiva
movimientos
inicialmente
de espesor
convectivos
emitido
creciente
en el seno de una capa estable,
(capa de mezcla).
en esta capa el penacho
Como consecuencia
se mezcla
en una capa

en la vertical,
de los

dando como resultado elevadas concentraciones de contaminantes junto al

I suelo, de forma similar a como se ha reflejado en el apartado anterior.

Se han observado tres tipos de situaciones de fumigación. El primero,

I ya descrito
nocturna.
costeras,
en el Apartado
El segundo
tambien denominada
3.2.4,
es la fumigación
corresponde

fumigación
que se produce
a la rotura

advectiva,
de la inversión
en las costas
en donde
en zonas
el aire se

I mueve
condiciones
convectiva
desde una
estables
región

sobre el suelo).
de baja
sobre el mar) a una región
Ejemplos
turbulencia

de la metodologia
(rugosidad
de fuerte
pequeña
turbulencia
lagrangiana
y/o
(capa
del tipo
Monte-Carlo apliacad a casos de fumigación costera son los modelos de
I Kostrykov
un tercer
y Novitskii
tipo que aparece
(19861 y Luhar y Britter
en áreas urbanas
(1990).
en donde existe
Por último,
una fuente
existe
de
calor artificial. La simulación que presentamos en este apartado, al igual

I que en la simulación
tipos.
unidimensional, corresponde al primero de estos tres

Para realizar este experimento se acopla el modelo lagrangiano

I propuesto
(Fernandez,
con
19921.
un modelo
Este modelo
meteorológico
de pronóstico
unidimensional
suministra
de
ciertas
pronóstico
magnitudes
necesarias al modelo lagrangiano. Concretamente el modelo meteorológico

I proporciona
calor,
viento
la evolución
la longitud
horizontal
temporal
de Monin-Obukov,
en altura.
de la velocidad
la altura
Las condiciones
de fricción,
de la capa de mezcla
de insolación
el flujo

consideradas
de
y el
en

I el modelo de pronóstico
de 40’ N y sobre un suelo
corresponden
con las siguentes
a un día 10 de Octubre,
características:
en una latitud

Albedo: 0.21
I Emisividad
Rugosidad
de onda larga:
superficial:
0.92
0.1 m
Inercia térmica del suelo: 1463 J.m-2.Ky1 s-i”

I Este modelo
capas de 25 m de espesor
discretiza verticalmente
cada una. La ejecución
el dominio considerado
con el modelo
en cuarenta
de pronóstico
se inicia a medianoche, de manera que a la salida del sol la distribución
I vertical
3.3.3.1.
de la temperatura
En ella también
simulada
se incluye
es la que se presenta
la evoluci6n temporal
en la figura
del espesor de la
capa de mezcla proporcionado por el modelo meteorológico.

I
I
I
I
I 149
Figura 3.3.3.1. (aI Distribución térmica vertical simulada por el modelo
meteorológico al amanecer (b) Evolucidn temporal del espesor de la capa de
mezcla.

Las condiciones en que se realiza el modelo lagranglano de particulas

son las siguientes:

(*) Altura de la fuente: 60 m

(9) Velocidad de emisión: 2 particulas por segundo

(*) Paso de tiempo: 1 segundo
(*) Condiciones iniciales: Las que resultan de una simulación a lo largo
de 2 horas de un penacho continuo emitido en
una capa con estratificación muy estable
:velocldad de fricción igual a 0.00795 m/s.
altura de la CLP igual a 3.9 m y longitud de
Monin-Obukov de 1.1 m. (Figura 3.3.3.2.a).
(*) Condiciones de contorno: De reflexión perfecta más cambio del tipo de
movimiento dentro de la capa de mezcla.
(*) Parámetros de difusión: Obtenidos con las expresiones correspondientes
a condiciones convectlvas, con los datos de
entrada suministrados por el modelo
meteorológico. Por encima del 90% del espesor
de la CLP se consideran unos valores de fondo
constantes.
Se suponen fdp gaussianas para las dos
componentes de la velocidad (es decir sin
sesgo en la vertical)

150
I
I En la figuras
la nube de partículas.
3.3.3.2. se muestra
En ellas
la evolución
se puede observar
cada treinta
claramente
minutos
el efecto
de
de la
fumigación sobre el penacho. Inicialmente (fig. b) la dispersión vertical es

I pequefia.
partir
la fuente,
del
ya que la capa convectlva

la dispersión vertical
no alcanza
momento en que el tope de la capa convectiva
aumenta
la altura de la fuente.
supera la altura
considerablemente, llegando
Pero a
de
a
afectar al suelo a una cierta distancia a sotavento. Finalmente, se aprecia
I que las partículas se distribuyen
CLP. En cada una de estas figuras
de forma casi uniforme
se incluyen los valores
a lo largo
del espesor de la
de la

capa de mezcla.

I Con objeto
experimento anterior
de realizar una simulación
pero considerando
más realista,
ahora una fdp vertical
se repitió
con sesgo, al
el

I igual
condiciones
temporal
que en los experimentos
convectivas.
e instantánea
realizados
En la figura
en apartados
3.3.3.3.
del penacho en ambas simulaciones.
se refleja
anteriores

En ella
bajo
la evolución
se pone de
manlf iesto que, mientras en el experimento sin sesgo el eje del penacho se
1 mantiene
asciende
más 0 menos paralelo
dentro de la capa
al suelo,
convectlva,
cuando se considera
dando lugar
el sesgo el eje
finalmente a una
distribución vertical más uniforme.

I En la figura
en treinta minutos
3.3.3.4 se reflejan
en el periodo
las isolíneas
de 3600 y 9000 segundos,
de concentración
suponiendo
media
que
cada una de las’partículas tiene una masa de 1 gramo. En (al se muestra el
I resultado
UlaS
del experimento
condiciones óptimas
sin sesgo vertical
establecidas
y en (b) el que corresponde
en el estudio de la convección
a

unidimensional (subapartado 3.2.1.B). En la primera de ellas, (al, se vuelve

I a manifestar

situación (b).
el paralelismo
aumento de la concentración
Analizando
al suelo del eje del penacho,
por debajo de los cien metros con respecto
la simulación (b), además. se manifiesta
provocando un
a la
una mayor

I apertura
superior
progresiva
del penacho
a partir
elevación
respecto
de los cien metros.
a ca),

del eje que es causante

lo que representa
Además, se continúa
una concentración
manteniendo
del descenso de concentración
la

junto a suelo, a cualquier distancia de la fuente. Esta tendendla del eJe

I del penacho a ascender
la altura
se ha observado
de 67 m, que han sido modelados por Willis
con penachos tipo “puff”
y Deardorff
situados
(1976) en
a

laboratorio y por otros esquemas lagrangianos como, por ejemplo, el

I propuesto por Baerentsen y Berkowicz (1984).

1
I
I
I
I
I 151

I
; w

:I
I
il

il

il

!I
I
I
I
I
I
I
I
I
I
I
I
1 Figura
treinta
3.3.3.2.
minutos.
ía) Penacho inicial. (b-h) Evolución del penacho.cada

I
I 152

I
,, _~._,...,. ~
j=
ir a b
‘iI
;l
il1
;Ii
;I
il
.I
I
I
l
l
1
I
I
I
l Figura 3. 3.3. 3. Distribución instantánea de partículas en los tiempos
indicados (s). Ca) Suponiendo un perfil gaussiano para la velocidad vertical
I y (b) siguiendo las indicaciones propuestas para condiciones convectivas.

I 153

I ,, .: -. ..,
 .!R
ij‘:I
iil a b
]I
1.;I
‘1
;I
‘!1
~1
I
I
1
I
I
1
I Figura 3.3.3.4. Isolíneas de concentración media cada treinta minutos entre
los periodos de tiempo indicados (s). ía) Suponiendo un perfil gaussiano para
I la velocidad
condiciones
vertical
convectivas.
y C’b) siguiendo las indicaciones propuestas para

I
1
I 154

I
I
I 4. RESUMENY CONCLUSIONES.

En esta Memoria se ha presentado un modelo lagrangiano de partículas

I utilizando
transporte
un método Monte-Carlo,
y difusión
pl-a la simulación
de un penacho de contaminantes
matemática
emitido por una fuente
del
puntual contínua, bajo diferentes estratificaciones atmosféricas.
I A continuación se resumen de forma esquemática las conclusiones que se
derivan de los diferentes análisis y técnicas utilizados para el desarrollo

I de dicho modelo físico-matemático.

I GENERACION - FUNCIONES - DENSIDAD - PROBABILIDAD

1. El conjunto de número de aleatorios escogido para generar las
I distribuciones
inicialización
el ajuste entre
de las dos componentes
del generador
de la velocidad
de números aleatorios
tales distribuciones
y la
no condicionan
y las pdf teóricas. Este
resultado se ha obtenido con todos los generadores de números
I aleatorios considerados en este estudio.
2. Las particulas deben recorrer al menos trescientos cincuenta
I movimientos
(horizontal
para que el
y vertical)
ajuste de sus distribuciones
a fdp teóricas supere el nivel
de velocidad
de confianza
del 90%. En consecuencia, para modelar un penacho de contaminantes
I deben emitirse un número de particulas muy superior a 350.

I MODELOUNIDIMENSIONAL

Con objeto de comprobar que no se produce una acumulación ficticia de

I partículas en nigún nivel,
con la versión unidimensional
que producen diversos
se han llevado a cabo una serie de comprobaciones
del modelo lagrangiano,
aspectos, tales como:
analizando el efecto

I al- El paso de tiempo.

b)- Condiciones iniciales.

I CI-

d)-
Condiciones
Expresiones
de contorno.
semlempíricas para las variables varianza y escala
de tiempo lagrangiana.
I el- Velocidad media de arrastre.
f)- Gradiente vertical de la velocidad media
I g)-
h)-
Funciones de densidad de probabilidad
Comportamiento
(fdp)
del centro de masa del conjunto de partículas.

I il- Importancia
aleatorio
desplazamiento
de
relativa
carácter
de los términos
de las partículas
gaussiano en
de autocorrelación
el cálculo del
y

I
I 155

I
1
I
I (aI Paso de tiempo.
El esquema tiene el mismo comportamiento con pasos temporales
inferiores a tres segundos.
I (b) Condiciones iniciales.
A las fluctuaciones de la velocidad de cada particula en el
I instante
Con tales
inicial se les asignan
condiciones iniciales
valores
la
derivados
distribución
de una gausslana.
vertical de
particulas es satisfactoriamente uniforme.

I (cI Condiciones de contorno.

En caso de capa límite con carácter estable o neutra, la condición

I de contorno
(reflexión
de la velocidad).
más
especular
favorable
en altura
En capa límite
corresponde
y cambio
convectiva,
a reflexión
de signo
perfecta
de la fluctuación
además de la reflexión
perfecta, se cambia el sentido del movimiento.
1 (d) Expresiones empíricas para determinar la varianza y la escala de
tiempo lagrangianas.
I En caso
corresponden
de Capa límite
a las propuestas
estable
por Harma
las expresiones
(1982). En capa
elegidas
límite
neutra se selecciona para la desviación estándar de la velocidad
I vertical
tiempo
la propuesta
la de Harma (1968).
por Wyngaard et al (1974)
En capa limite
y para la escala
convectiva se recomiendan
de

las expresiones aplicadas por Baerentsen y Berkowicz (1984). No se

I recomiendan
presentan
las de Harma (19821,
ambas expresiones.
debido a las discontinuidades que

(eI Velocidad media de arrastre.

I Esta velocidad
la varianza,
representa
produciendo
la influencia
un ascenso
del gradiente
de las partículas
vertical
situadas
de
en
las proximidades al suelo, donde dicho gradiente es máximo.
I Solamente
condiciones
debe considerarse
convectivas, pues
esta
en las
velocidad
otras
de
provoca
arrastre
un déficit
en

inadmisible de partículas junto al suelo. Se considera la propuesta

I por Legg y Raupach
sentido del movimiento
(1982)
vertical
en la que se se tiene
de cada partícula.
en cuenta el

I (f) Gradiente
En caso de
vertical
capa
de velocidad
limite convectiva,
media
se consideran los gradientes
verticales de las velocidades medias ascendente w+ y descendente w

I deducidos
inducir un
por Baerentsen
cambio del
y Berkowicz
sentido
(1984).
en el movimiento
Estosgradientes
vertical
pueden
de cada
partícula, siendo su efecto notablemente superior cerca de los

I contornos
contribuye
partículas.
de la capa
notablemente
límite,
a la
en especial
uniformidad
del inferior.
vertical de
Esto
las

I (g) Las
En caso
funciones de densidad
de capa limite estable
de probabilidad
o neutra una
más idóneas
gaussiana
son:
con media

I cero y
convectiva
varianza lagrangiana
no se puede considerarse
correspondiente.
gausslana,
En capa
proponiéndose
límite
como

I 156

I
I ~~~
I
I (h)
m6s adecuada

Centro de masa
la recomendada

del sistema
por Baerentsen

de partículas.
y Berkowlcz (1984).

I En los
asciende
casos de capa
muy lentamente,
limite
depende
estable y neutra,
su velocidad
el centro de masa
del paso de tiempo y
de las expresiones elegldas para la varlanza de la velocidad. En
caso de capa convectlva, depende además de las expresiones de la
l varlanza y escala de tiempo lagranglanas que se consideren.

I (1) Relación
Depende
flw(t-At)
del valor
/ W” .
de la velocidad de fricción y de la expresión
empirlca para calcular la varlanza de la velocidad, co” cualquier

I estratificación en la capa límite.

I MODELO BIDIMENSIONAL

Con objeto de verificar el esquema lagranglano propuesto, se han

I realizado
de penacho
diferentes
gausslano.
comparaciones
asi como co”
co” resultados
observaciones
obtenidos
reales
co”
bajo
una modelo
condiciones
convectivas. Finalmente, se ha simulado un caso de fumigación, despues de

I acoplar este esquema a un modelo de pronóstico de la capa límite planetaria.

Comparación del modelo de partículas con un modelo de penacho gaussiano:

I Este análisis se ha realizado porque el modelo de penavcho
gausslano es el be uso más generalizado. a pesar de las

I limitaciones
simulaciones
estacoionaria
que tiene
se han considerado
y homogénea,
su pallcaclón. Por
condiciones
terreno llano,
este motivo,
ideales:
en ambas
Turbulencia
contaminantes no
reactivos sin flotabilidad ni deposición en el suelo. No obstante,
I mientras
constante
en el modelo
con la altura.
de penacho
esta
gausslano
condición no
se considera
ha sido
viento
posible
incorporarla al modelo lagrangiano debido a las características del

I esquema.
numerosdas
estables
Los resultados
semejanzas,
y neutras. Sin
que se consiguen
es especial
embargo, bajo
en caso
co” ambos modelos

condiciones
de estratificaciones
convectlvas
ofrecen

el

I modelo
“uniforme”
de particulas

con la consideración
que el de penacho
da como

general
resultado
gaussiano.
del mal comportamiento
una
Este
distribución
resultado
de éste
menos
concuerda
último
modelo en este tipo de estratificaciones.
I
Comparación del modelo de partículas con observaciones en condiciones

I convectivas.

En este caso se han considerado unos experimentos realizados en

Boulder (EEUU). que se conoce” co” el nombre de CONDORS. En ellos
I se siguieron
desde diferentes
mediante sensores
alturas. Los
remotos
datos
nubes
de entrada
artificiales
del
emitidas
modelo de
partículas se han recogido de Briggs (19931, procurando que

I coincidieran con los observados. No obstante. al no haber

I 157

I
I
I
I referencia
un valor
de los valores
correspondiente
de rugosidad
a un terreno
del suelo,
similar al
se ha considerado
lugar donde se
realizaron estos experimentos (20 = 0.1 ml.

I En caso de que la fuente

comportamiento del penacho
emisora
simulado
se sitúe junto
es cualitativamente
al suelo,
igual
el
al de
las observaciones: Se aprecia una elevación creciente del eje del
I penacho con la distancia a la fuente.

Sin embargo, en caso de fuente con gran elevación (2.80 metros sobre

I el suelo),
observaciones.
hacia el suelo
los resultados
El efecto
del penacho
del modelo
más importante,
concuerdan

en las proximidades
en parte
como es el
con las
abatimento
de la fuente, es
modelado de forma muy satisfactoria. Sin embargo, en las
observaciones no se aprecia un efecto de desdoblamiento del penacho
en la vertical, tal como resulta del modelo. Esta discrepancia
parece relacionada con las condiciones iniciales consideradas, por
cuanto con otras diferentes dicho desdoblamiento no se aprecia. No
obstante, cuando los resultados de las observaciones se corrigen
por el efecto de deposición gravltatorla de la nube artificial,
aparece un pequeño desdoblamiento, que los mismos autores no toman
en consideración achacándolo a problemas nueméricos. De todas
fromas, hay que tener en cuenta que los resultados obtenidos con
este modelo bldmensional no son estrictamente comparables con las
observaciones tridimensionales.

Simulación de un caso de fumigación.

Finalmente, se ha realizado una simulación de una situación más

compleja, como es la de un caso de fumigación, en el que la
turbulencia no tiene carácter estacionario ni homogéneo. Con objeto
de disponer de valores realistas .de 1SS características
atmosf&rlcas en este caso, se ha realizado una simulación previa
utilizando un modelo meteorológico de pronóstico unldlmensional,
aplicado a un caso típico de fumigación.

I Los resultados
considerarse
observa
que se obtienen
acordes
en un penacho
con el
continuo
con el modelo
comportamiento
sometido al
de partículas
que
efecto
normalmente
pueden

de una capa
se

convectlva que evoluciona verticalmente.

I
I
I
I
I
I 158

I
I
I S.REFERENCIAS.
André, J.C.; G. de Moor; P. Lacarrère; G. Therry y R. du Vachar. (1978).
I Modeling the 24-hour evolutlon
the planetary
of the mean and turbulent
boundary layer. J. Atm. Sci., 35, 1861-1883.
structures of

I Anfossi, D. (19891. A discussion

Environ., 23, 1177-1186.
on nocturnal temperature profiles. Atmos.

l Anfossi. D.; C. Brusasca y G. Tinarelli.

Monte Carlo atmospheric,diffusion
(1988). Sensitivity analysis of a
model. Il Nuevo Cimento, ll. 13-29.

Arya, S.P. (1982). Atmospheric boundary layers over homogeneous terrain, en

I Engineering Meteorology. E. Plate (Ed). Elsevier Scientistic Publ. Co.
Baerentsen, J.H. y R. Berkowicz (1984). Monte Carlo simulation of plume
I dispersion
701-712.
in the convective boundary laya-. Atmos. Envirom., 18,

S.G. y E.L. Hanzevack (1975). The adaptive filtering transport

I Bankoff,
model
airshed.
for prediction and control
Atmos. Environ.,
of pollutant
18, 701-712.
concentration in an urban

1 BOX, G.E.
Control.
y G.M. Jenkins
San Francisco.
(1976). Time Series
Holden-Day.
Analysis, Forecasting and

I Brebbia, C.A. (1978).

Pentech Press.
The Boundary Element Method for Engineers. London.

Briggs, G.A. (1984). Plume rise and buoyancy effects , en Atmospheric

1 Science
Energy.
and Power
Report
Production.
DOE/TIC-27601
B. Randerson
(DE84005177).
(ed.1. U.S. Department of

l Briggs, G.A. (1993). Plume dispersion

II: Analyses of CONDORS field
' 1388-1425.
in the convective
experiment
boundary laya-.
data. J. Appl. Meteor.,
Pa-t
32,

I Brost, R.A. (1979).

heat and water
Comments on turbulent
vapor under advective
exchange coefficients
conditions. J. Appl.
for
Meteor.,
sensible
18,
378-380.

I Brost, R.A. y J.C. Wynwaard (1978). A model study of the stably stratified
planetary boundary laya-. J. Atmos. Sci., 35, 1427-1440.

I Brusasca,
resu1ts
G.; G. Tinarelli
of a Monte Carlo
y D. Anfossi
atmospheric
(1989).
diffusion
Comparison between the
model and tracer
experiments. Atmos. Environ., 23, 1263-1280.
I Brusasca, G.; G. Tinarelli y D. Anfossi (1992). Particle model simulation of
diffusion in low wind speed stable conditions. Atmos. Environ., 26A,

I 707-723.

Brutsaert, W. (19881. Evaporation into the Atmosphere. Dordrecht. D. Reidel

I Publ. Co.

I 159

I
I
I
I Buishand,
Eshof
T.A. ; G.T.
(1988). Trend
Kempen;

data in the Netherlands.

and
A. J. Frantzen,
seasonal
Atmos.
variations
H. F. Reijnders

Environ.,
of preclpitation
22,
y A. J. van den
chemlstry
339-348.

I Businger,
inversion.
J.A. (1985). The
NCAR Tech.
marine
Note.
boundary layer
NCAR/TN-252STR.
from air-sea
Nat. Cen.
interface
Atmos. Res.,
to

Boulder. USA.
I Bussinger, J.A. y S.P. Ayra (1974). Heights of the mixed layer in the
stable, stratified planetary boundary layer. Adv. Geophys., 18A, 73-92.

1 Businger, J.A.;
relationships
J.C.
in
Wyngaard; Y. Izuhi
the atmospheric
y E.I.
surface
Badley
layer.
(1971).
J. Atmos.
Flux-profile
Sc¡. , 28,
181-189.
I Carras, J. N. y D.J. Williams (1984). Experimental studies of plume
dispersion in convective conditions. Atmos. Environ., 18, 135-144.

1 Castro,
límite
M; R. González
atmosférica
y A. Portela
en los modelos
(1991).
numéricos
Parametrización
de pronóstico
de la capa
meteorológico.

I Física

Caughey,
de la Tierra,

S.J.; J.C.
3, 103-138.

Wyngaard y J.C. Kaimal (1979). Turbulence in the

envolving stable boundary layer. J. Atmos. Sci., 36, 1041-1052.
I Caughey, S.J.; H. Kitchen y J.R. Leighton (1983). Turbulence structure in
convective boundary layers and implications for diffusion. Boundary-Laya-

1 Chock,
Meter.,

ll. P. ;
25, 345-352.

T.R. Terrel y S.B. Levitt (1975). Time-series analysis of

Riverside, California air quality data. Atmos. Environ.. 9, 978-993.
I Chock, .D.P. y A.M. Dunker (1983). A comparison of numerical methods for
solving the advection equation. Atmos. Environ., 17, 11-24.

I Corsin S. (1974).
and in turbulence.
Limitations
Adv.
of
Geophys.,
gradient
18A,
transport
25-60.
models in random walks

I Davis, P. A.
elevated
(1983).
sources
Markov
into
chain
the
simulations
neutral
of vertical
planetary
dispersion
boundary
from
layer.
Boundary-Layer Meteor., 26. 355-376.

I de Baas, A.F. ; H. van Dop y F.T.M. Nieuwstadt (1986). An application ofthe

Langevin equation for inhomogeneous conditions to dispersion in a

1 convective

Deardorff,
boundary

J.W.
layer.

(1970).
Quarterly J. Roy. Meteor.

A three-dimensional
Soc., 112,

numerical investigation
165-180.

of the
idealized planetary boundary layer. Ceophys. Astrophys. Fluid Dyn., 1,
I 377-410.

Deardorff, J. W. (1974). Three-dimensional numerical study of the height and

I mean
Meteor.,
structure
7,
of
81-106.
a heated planetary boundary layer. Boundary-Layer

I Deardorff,
integrated
J.W. y R.L.
turbulent
Peskin (1970).
shear flow.
Lagrangian
The Physics
statistics
of Fluids,
from
13.
numerically
584-595.

l 160

I
m
I
I Deardorff, J.W. y G.E. Wlllis (1974). Physical modellng of diffuslon ln the
mlxed layer. Proceedings, Symposium en Atmospheric Dlffuslon Alr
Pollutlon patrocinado Por Ameritan Meteorological Society, santa
I Barbara, USA.

Deardoff, J.W. y G.E. Willis (198.2). Ground-leve1 concentrations due to

I fumlgatlon into an entralnlng mixed layer. Atmos. Environ., 16, 1159-1170.

Demuth. C. (1978). A contribution to the analytlcal steady solutlon of the

diffuslon equatlon for line sources. Atmos. Environ., 12, 1255-1258.
I Dobbins, R.A. (1979). Atmospheric Motion and Air Pollution. New York.
Interscience Publlcatlons, John Wlley & Sons.
I Draxler, R.R. (1976). Determlnatlon of atmospherlc diffusion parameters.
Atmos. Environ., 10, 99-105.
I Durbin, P.A. (1980a).
concentratlon
A stochastic
fluctuacions
model of
in homogeneous
two-partlcle
turbulence. J.
dlspersion and
Fluid Mech.,
100, 279-302.
I Durbin, P.A. (1980b). A random fllght model of inhomogeneous turbulent
disperslon. Phys. FLuids, 23, 1328-1332.
I Durbin, P.A. (1983). Stochastic processes and turbulent diffuslon. NASA
referente publlcatlon 1103 (Lewis Research Center). Cleveland, OH.
I Durbin, P.A. (1984).
y Raupach (1982).
Comentarlos
Boundary-Layer
al articulo
Meter.,
de Wilson et al.
29, 409-411.
(1981) y Legg

I Durbin, P.A y J.C.R.

turbulent boundary
Hunt (1980). Dlsperslon from elevated
layers. JournaL de Mécanique, 19, 679-695.
sources in

l Eberhard, W.L., W.R. Monlnger y G.A. Brlggs (1988). Plume dlspersion

convective bopundary layer. Part 1: CONDORSfield
measurements. J. Appl. Meteor., 27, 599-616.
experiment
in the
and example

I Een, B.A.
diffuslon
y J.R. Mahoney (1972). Numerical
of urban area source pollutants.
modeling of advection
J. Appl. Meteor.,
and
ll, 312-322

I Egbert, G.D. y M.B. Baker (1984).

Gausslan partlcle-palr distrlbutlon
Comentarios
functions
al articulo 'The eifect
ln the statlstlcal
of
theory
of concentratlon fluctuations ln homogeneous turbulence' por B.L.

I Sawford (1983). QuarterLy J. Roy. Meteor. Soc., 110, 1195-1199.

Enger, L. (1986). A hlgher arder closure model applied to dlsperslon ln a

convective PBL. Atmos. Envfron., 20, 879-894.
I Fernández, C. (1992). Desarrollo y aplicación de un modelo bidimensional
para La sirmrlación numérica de La atmósfera a mesoescala. Tesis
I doctoral.

Ferrenberg
Fac. Ciencias Físicas.

A.M.,
Universidad

D.P. Landau and K. Blnder

Complutense. Madrid.

(1991). Statistlcal and

I Systematlc Errors ln Monte Carlo Sampllng. J. Stat. Phys. 63, 867-882.

I 161

1
I
1 Ferrenberg
Hidden
A.M., D.P. Landau and Y.J. Wong (1992). Monte Carlo Slmulatlons:
Errors from "Good" Random Number Generators. Physical Review
Letters 69, 3382-3384.

I Garrat J.R. > (1982).

Boundary-Layer Meteor.,
Observatlons
22, 21-48.
in the nocturnal boundary layer.

I Garrett, A.J. y F.G. Smith (1984). Two-dimensional

wlnds and diffusion compared to observatlons.
slmulatlons of dralnage
J. Climate Appl. Meteor.,
23, 597-610.
I Georgopoulos,
pollutant
P.G. y J.H. Selnfeld
concentratlons. Environ.
(1982). Statlstlcal
Sci. G Technol,
dlstrlbutlons
16, 401A-415A.
of alr

I Glfford, F.A.
estlmating
(1961).
atmospherlc
Use of routlne
dlspersion.
meteorological
Nucl. Saf., 2, 47-57.
observation for

I Glfford. F.A.
-dynamical
(1982).
theory.
Horizontal dlffuslon
Atmos. Environ.,
in the
16, 505-512.
atmosphere: Lagranglan-

I Gifford, F.A. y S.R. Harma

Environ., 7, 131-136.
(1973). Modeling urban alr pollution. Atmos.

Golay, KW. (1982). Numerlcal modellng of buoyant plumes ln a turbulent,

I stratlfied atmosphere. Atmos. Environ., 16, 2373-2381.

Gordon, G.E. (1988). Receptor models. Environ. Sci & Tech., 22, 1132-1145.
I Hall, C.D. (1975). The slmulation
numerical random-walk model.
of particle motlon ln the atmosphere by a
Quat. J. Roy. Meteor. Soc., 101. 235-244.

I Hall, C.D. (1975). The slmulatlon

numerlcal
of particle motlon ln the atmosphere by a
random-walk model Quart. J. Roy. Meteor. Soc., 101, 235-244.

I Harma, C.D. (1968). A method of estlmating

planetary
vertical
boundary layer uslng characteristlcs
eddy transport
of the vertical
ln the
veloclty
spectrum. J. Atmos. Sci., 25, 1026-1032.

I Hanna, s. R. (19791.
fluctuatlons.
Some statistics
J. Appl. Heteor.,
of Lagrangian
18, 518-525.
and Eulerian wind

I HXlIl¿l. S.R. (1982).

turbulence
Appllcations
and air pollution
ln air pollutlon
modelling. F.T.M.
modeling
Nieuwstadt
en Atmospheric
and H. van Dop
(eds.1. Dordrech. D. Reidel Publ. Co.
I Hanna, S.R.; G.A. Brigss y R.P. Hosker (1982).
Diffusion. Technlcal Information Center.
Handbook on Atmospheric
U.S. Department .of Energy.
DOE/TIC-11223 (DE82002045).
I Harvey, Jr, R.B.,and J.N. Hamawi (1986). A modiflcation of the Gaussian
disperslon equatlon to accommodate restricted lateral dlsperslon ln deep
I river valleys. APCA Note-Book, 36, 171-185.
Hashem, A. y C.S. Parkln (1991). A simpllfled heavy partlcle random-walk

I model for the predlctlon

Environ., 25A. 1609-1614.
of drlft from agricultura1 sprays. Atmos.

I 162

I
I
I
1 Haworth, D.C. y S.B. Pope (1986). A generallsed Langevln model for turbulent
flows. Phys. Fluids, 29, 387-405.

I Henry, R.C.; C.W. Lewis; P.K.

receptor model fundamentals.
Hopke y H.I.
Atmos. Environ.,
Willlamson (1984).
18. 1507-1515.
Revlew of

I Hockney. R.W. y J.W. Eastwood (1981).

New York. McGraw-Hlll, Inc.
Computer Simulation Using Particules.

I Holtslag, A.A.M. y F.T.M.

boundary layer. Boundary-Layer
Nieuwstadt
Meteor.,
(1986).
36,
Scallng
201-209.
the atmospherlc

Hunt, J.C.R. y J.E. Slmpson (1982). Atmospherlc boundary layers over

I non-homegeneous
Amsterdam. Elsevler
terraln en Engineering
Sclentlstlc Publ. Co.
Meteorology. E.J. Plate (ed).

I Hurley, P. y W. Physlck (1991). A lagranglan

breakdown of the nocturnal lnverslon.
partícle
Atmos.
model of fumlgatlon
Environ., 25A, 1313-1325.
by

I Hurley, P. y W. Physlck (1993). A skewed homogeneous lagrangian

model for convectlve condltions. Atmos. Environ., 27A. 619-624.
partlcle

Jazwinski, A.H. (1970). Stochastic Processes and Filtering Theory. New York.
I Academlc Press.

Jenklns, G.M. y D.C. Watts (1968). Spectral Analysis and Its Applicaions.

I San Franclscio.

Jensen,
Holden-Day.

N.O. y E.L. Peterson (1979). The box model and the acoustlc sounder,
a case study. Atmos. Environ., 13, 717-720.
I Jonas, P.R. y J.T. Bartlett (1972). The numerical slmulation of partlcle
motlon ln a homogeneous field of turbulence. J. Computational Phys., 9,

I 290-302.

Joynt, R.C. y D.R. Blackman (1976). A numerlcal model of pollutant

transport. 10, 433-442.
I Atmos. Environ.,

Kalmal, J.C.; J.C. Wyngaard; D.A. Haugen; O.R. Coté; Y. Izuml; S.J. Caughey y
C.J. Readlngs (1976). Turbulence structure in the convective boundary
I laya-. J. Atmos. Sci., 33. 2152-2169.

Kalman, R.E. (1960). A new approach to linear fllterlng and predlction

1 Kao,
problems.

S.K.
J.

(1984).
Basic Eng.,

Theorles
35-108.

of atmospheric transport and diffuslon, en

Barryl Randerson (ed. ). U.S.
I Atmospheric
Department
Science
of Energy.
and Power
Report
Production.
DOE/TIC-27601 (DE84005177). USA.

Klug. W. (1969). A method for determlnlng diffusion condltlons from synoptlc

I observatlons. Staub-Reinhalt. Luft, 29, 14-20.

Kostrykov, A.A. y M.A. Novitskii (1986). Numerlcal modeling of pollutant

I distrlbutlon
Gidrologiya,
under condition
6, 42-52.
of breeze circulation. Meteorologiya i

I 163

I
I
1 Lamb. R.G. (1973). Note on application of K-theory to turbulent diffusion
problems involving chemical reaction. Atmos. Environ.. 7, 235.

I Lamb, R. G. (1978).
point source in
A numerical
the
simulatlon
convective
of dispersion
planetary boundary
from an
layer.
elevated
Atmos.
Environ., 12, 1297-1304.
1 Lamb, R.G. (1981). A scheme for simulatlng particle pair motions in
turbulent fluid. J. Computational Phys., 39, 329-346.
I Lamb, R.G.
Turbulence
(1982). Diffuslon
and Afr Pollution
ln the convective
Modeling.
boundary
F.T.M.
layer,
Nleuwstadt
en Atmospheric
y H. van Dop
(Eds). Dordrecht. D. Reidel Publ. Co. 159-229.
I Lange > R. (1978). ADPIC-A three-dimensional partlcle-ln-ce11 model for the
dispersa1 of atmospheric pollutants and lts comparlson to regional
I tracer studies.

y G.L.
J. Appl.
Stone
Meteor.,
(1983).
17, 320-329.

Eulerlan-Lagrangian relationshlps ln
Lee, J.T.

I Monte-Carlo
2483-2487.
simulations of turbulent diffusion. Atmos. Environ., 17,

Legg, B.J. (1983). Turbulent disperslon from an elevated llne source: Markov
I chain
Meteor.
simulations
Soc.,
of concentratlon
109, 645-660.
and flux profiles. Quart. J. Roy.

I Lelx. 8. J.
dispersion
gradlent
y M.R. Raupach
in inhomogeneous
in eulerian velocity
(1982).
flows:
Markov-chaln
the mean drlft
variance.
slmulatlon
velocity
of partlcle
induced
Boundary Layer Meteor., 24, 3-13
by a

I Lenschow.
structure.
D.H. (1970).
J. Appl.
Airplane
Meteor.,
measurements
9, 874-884.
of planetary boundary layer

I Lenschow D. H. ; J.C.
second-moment budgets
Wyngaard y W.T.
in a barocllne
Pennell
convective
(1980).
boundary
Mean
layer.
field and
J. Atmos.
Sci., 37, 1313-1326.

I Lewellen,
diffusion
W.S y M.E. Teske
ln the atmospheric
(1976).
boundary
Second-arder
layer.
closure
Boundary-Layer
modellng
Meteor.,
of
10,
69-90.
I Ley, A.J. (1982). A random walk simulation of two-dimensional turbulent
dlffuslon ln the neutral surface layer. Atmos. Environ., 16, 2799-2808.

I Ley, A. J.
diabatic
y D. J. Thomson
surface layer.
(1983).
Quarterly
A random walk model of dlspersion ln
J. Roy. Meteor. Soc., 109, 867-880.
the

I Li, U.U.
turbulence
y R.N. Meroney
relationships.
(1985). Re-examlnatlon
Atmos. Environ., 19,
of
853-855.
Eulerlan-Lagrangian

I Lin, C.C. y W.H. Reid

Springer. Berlín.
(1962). Turbulent flow, en Handbuch der Physik VIII/Z.

I Lln, G.Y.
coast
(1982).
air basin
Oxidant predictlon
of California.
by dlscrlminant
Atmos. Environ., 16,
analysis
135-143.
ln the South

I 164

I
I
I
I Longhetto, A. (1980) Atmospheric Planetary Boundary Layer Physics.
A. Longhetto (ed.1. Nueva York. Elsevier.

I Ludwig, F.L. Y G. Byrd

mass-consistent flow fields
(1980).
from
An efficient
wind observations
method for
in rough
deriving
terrain.
Atmos. Environ., 14, 585-587.
I LUhar, A.K. y R.E. Britter (1989). A random walk model for dispersion in
inhomogeneous turbulence in a convective boundary layer. Atmos. Environ.,

I 23, 1911-1924.

Lumley, J.L. y H.A. Panofsky (1964). The structure of atmospheric

turbulence. Interscience Publicatíons. New York.
I Manins, P.C. (1977). Fumigation and a laboratory experiment. Weather, 32,
221-228.
I Marani, A., 1. Lavagnini.
pollutant concentrations
C. Buttazzoni
via generalized
(1986). Statistical
gamma distributions.
study of air
JAPCA, 36,

I 1250-1254.
McRae, G.J., W.R. Goodin y J.H. Seinfeld (19821. Development of a second
generation mathematical model for urban air pollution. 1. Model
I formulation. Atmos. Environ., 16, 679-696.

Melli, P.; P. Bolzern; G. Fronza y A. Spirito (1981). Real-time control of

I sulphur dioxide
15, 653-666.
emissions from an industrial area. Atmos. Environ.,

Mellar, G.L. y T. Yamada (1982). Development of a turbulence closure model

1 for geophysical fluid problems. Rev. Geophys. Space Phys., 20, 851-875.

Meszaros, E.. G. Varhelyi y L. Haszpra (1978). On the atmospheric sulfur

I budget over Europe. Atmos. Environ.,

Monin, A.S. y A.M. Obukhov (1954).

12, 2273-2277.

Basic laws of turbulent mixing in the

ground layer of the atmosphere. Trans. Geophys. Inst. Akad., Nauk USSR
I 151, 163-187.

Monin, A.S. y A.M. Yaglom (1971). Statistical Fluid Mechanics. Cambridge.

I M.I.T.
Murray, L.C. y R.J. Faber (1982). Time series analysis of an historical

I visibility data base.

Neumann, J. (1978). Somo observations

Atmos. Environ., 16, 2299-2308.

on the simple exponential function as a

lagrangian velocity correlation function in turbulent diffusion. Atmos.
I Environ., 12, 1965-1968.
Nieuwstadt F.T. y J.P. de Valk (1987). A large eddy simulation of bouyant
I and non-bouyant
Atmos. Environ.,
plume dispersion
21, 2573-3587.
in the atmospheric boundary layer.

Panofsky, H.A. y J.A. Dutton (1984). Atmospheric Turbulence. New York. Jonh
I Wiley.

1 165

I
1
I
I Panof sky, H. A. ; H.
characteristics
Tennekes;
of turbulent
D.H. Lenschow
velocity
y J.C.
components
Wyngaard
in the surface
(1977). The
layer
under convectiYe conditions. Bound. Layer Heteor., ll. 355-362.
I Pasquill, F. (1961). The estimation of the dispersion of windborne materia.
Meteorol. kg., 90, 33-49.
I Pasquill, F. (19741. Atmospheric Diffusion. Segunda edición. New York. John
Wiley & Sons.

1 Pasquill,
York.
F. y F.B. Smith
Halsted Press,
(1983).
John Wiley
Atmospheric
& Sons.
Diffusion, Tercera Edición. New

I Pearson, HJ;
fluid-element
J.S. Puttock
motions
y J.C.R.
and vertical
Hunt
diffusion
(19831.
in
A statistical
a homogeneous
model
stratified
of

turbulent flow. J. Fluid Mech., 129. 219-249

I Pepper. D.W.,
atmospheric
C.D. Kern y P.E.
pollution using
Long,
cubic
JI-. (19791.
splines
Modeling
and Chapeau
the dispersion
functions.
of
Atmos.

1 Environ.,

Pielke,
13, 223-237.

R. A. (19841. Mesoscale Meteorological Modeling. Orlando, Florida.

Academic Press.
I Pruitt, W.O. ; D.L.
in the surface
Morgany
boundary
F. J. Lourence
layer.
(19731.
Quarterly
Momentum
J. Roy.
and mass transfers
Meteor. Soc., 99,

I Reid,
370-389.

J.D. (1979). Markov chain simulatlons of vertical dispersion in the

neutral surface layer for surface and elevated releases. Boundary Layer
I Meteor., 16, 3-22.

Richtmyer. R.D. y K.W. Morton (19671. Difference Methods for Initial-Value

I Problems.

Rodrigues,
New York.

C. ; A. Santana
Interscience

y 1. Padilla (19931.
Publications.

Un modelo de dispersión
John Wiley

de
& Sons.

I partículas
en Ingeniería.
Española
en el medio marino,
M. Casteleiro
de Métodos Numéricos
en Segundo
y F. Navarrina
en Ingeniería.
Congreso
(eds).
de MPtodos
Barcelona.
Numéricos
Sociedad

1 Rounds,
Trans.
W. (19551.
Am. Geophys.
Solutions
Union,
of
36,
the two-dimensional
395-411.
diffusion equation.

I ROY, R. y
intervention
1. Pellerin
analysis.
(1982).
Atmos.
On long
Environ.,
term air
16, 161-169.
quality trends and

Runca, E. y F. Sardei (19751. Numerical treatment of the dependent advection

I and diffusion of air pollutants. Atmos. Environ., 9, 69-80.

Santomauro, L.; P. Bacci; A. Longhetto; D. Anfossi y R. Richiardone (19781.

I Experimental
of no-lift
evaluation
balloons.
of diffusion
J. Appl. fleten.,
parameters at local
17, 1441-1449.
scale by means

I Sawford,
functions
B. L. (19831.
in the
The effect
statistical
of Gaussian
theory
particle-pair
of concentration
distribution
fluctuations in

I 166

I
I
I homogeous turbulence. Quarterly J. Roy. Meteor. Soc., 109, 339-354.
Sawford. B.L. (1984). The basls for, and some llmltatlons of, the Langevln

I equation
ll,
ln atmospheric
2405-2411.
relatlve disperslon modelllng. Atmos. Environ..

Sawford, B.L. (19851. Lagranglan statistical simulation of concentratlon

I mean and flucuatlon flelds. J. Climate Appl. Meteor., 24, 1152-1166.

Sawford, B. L. (1986). Generalized random forclng in random-walk turbulent

1 dlsperslon

Schere, K.L.
models.

(1983).
Phys. Fluids,

An evaluation of
29, 3582-3585.

severa1 numerical advectlon schemes.

Atmos. Environ., 17, 1897-1907.
I Schulman, L.L. y S.R. Harma (1986). Evaluatlon of downwash modlflcatlon to
the industrial source complex model. JAPCA, 36, 256-264.
I Selnfeld,
químicos.
J.H.
Madrid.
(1978). Contaminación
Instituto de estudios
AtmosfPrica.
de administración
Fundamentos
local.
ffsicos y

I Seinfeld, J.H.
New York.
(1986). Atmospheric
John Wlley & Sons.
Chemistry and Physics of Air Pollution.

I Segal, M.; Y. Mahrer

fumlgatlon during
y R.A. Plelke
nocturnal
(1982).
inverslon
A numerical
break-up.
model
Atmos.
study
Environ.,
of plume
16.
513-519.

I Segal, M.; RA.

Appllcatlon
Plelke; R.W. Arrlt;
of a mesoscale
D. Moran;
atmospherlc
C. H. Yu y D. Henderson
dlsperslon modelllng system
(1988).
to the
estlmatlon of SO c0ncentrat10ns from elevated sources ln
I Southern Florida.
2
Atmos. Environ., 22. 1319-1334.
mayor

I Shelh. C.M.
dynamlc
(1978).
plume rlse.
A puff pollutant
Atmos. Environ.,
dlsperion model
12, 1933-1938.
wlth wlnd shear and

Sherman, C.A. (1978). A mass conslstent model for uind fields over complex
I terrain. J. Appl. Meteo., 17, 312-319.

Shir, C.C. (1973). A preliminary numerlcal study of atmospherlc turbulent

I flows In the
1327-1339.
ideallzed planetary boundary layer. J. Atmos. Sci., 30.

Shir. C.C. y L.J. Shelh (1978). Study of parametrlc effects on the SOs
I concentratlon
12, 1087-1096.
ln St. Louis by a numerlcal slmulatlon. Atmos. Environ.,

I Simpson,
violatlons
R.W. y A.P. Layton
of standards
(1983). The prediction
and the frequency of alr
of the
pollutlon
numbers
eplsodes
of

uslng extreme value theory. Atmos. Environ., 17, 1649-1654.

I Smith, F.B. (1957). The diffuslon of smoke from a contlnuous elevated polnt
source lnto a turbulent atmosphere. J. Fluid Mech.. 2, 49-58.

I Smith, F.B. (1968). Conditloned partlcle motlon in a homogeneous turbulent

I 167

I
1
I
I f ield. Atmos.

Snyder, W.H. y J.L. Lumley

Environ., 2, 491-508.

(1971). Some measurements of particle velocity

autocorrelation functions in a turbulent flow. J. Fluid Mech., 48, 41-71
I Spicer. T. 0. (1985). Mathematical Modelling and Experimental Investigation
of Heavy than Air Gas Dispersion. Ph. D. Thesis. Arkansas. USA.
I Stull, R.B. (1991). An introduction to Boundary Layer Meteorology. Tercera
edición. Dordrecht. Kluwer Academic Publ.

I Stern, A.C.
Press.
(1976). Air Pollution. 3rd Edition. Volume 1. New York. Academic

I Strang, G. y G. Fix (1973). An Analysfs

York. Prentice-Hall, Inc., Englewood
of
Cliffs.
the Finite Element Hethod. New

l Surman, P.G.. J. Bodero y R.W. Simpson (1987). the prediction

of violations
using
of standards and the frequency
extreme value theory. Atmos. Environ.,
of the numbers
of air pollution
21. 1843-1848.
episodes

l Taconet, 0. and A. Weill (1982). Vertical velocity field in the convective

boundary layer as observed with an acoustic Doppler sodar. Boundary-Layer
Met., 23, 133-151.

I Tennekes, H. (1979). The exponential lagrangian correlation function and

turbulent diffusion in the inertical subrange. Atmos. Environ.. 13,

I 1565-1567.
Thomson, D.J. (1984). Random walk modelling of diffusion in inhomogeneous
turbulence. Quarterly J. Roy. Meteor. Soc., 110. 1107-1120.
1 Thomson, D.J. (1986a). A random walk model of dispersion in turbulent flows
and its application to dispersion in a valley. Quarterly J. Roy. Meteor.

I soc., 112, 511-530.

Thomson, D.J. (1986b). On the relative dispersion of two particles in

homogeneous stationary turbulence and the implications for the size of
I concentration fluctuations
soc. > 112. 890-894.
at large times. Quarterly J. Roy. Meteor.

1 Thomson, D.J. (1987). Criteria

particle trajectories
for the selection
in turbulent
of stochastic
flows. J. Fluid Mech.,
models of
180, 529-556.

I Tilley, T. y G.A.
synoptic-pollution
McBean (1973).
data. Atmos.
An application
Environ., 7,
of
793-801.
spectrum analysis to

Tirabassi, T., M. Tagliazucca y P. Zannetti (1986). KAPPA-G. a non-Gaussian

1 plume dispersion model: Description
measurements. JAPCA, 36. 592-596.
and evaluation against tracer

I Trivikrama,
approach
375-379.
S.R., P.I. Samson y A.R.
to the dynamics of air
Pedadda (1976).
pollutants.
Spectral
Atmos. Environ.,
analysis
10,

I van Dop, H., R. Steenkist y F.T.M. Nieuwstadt (1979). Revised estimates for

I
I
1
I
I continuous shoreline fumlgatlon.

van Dop, H.; F.T.M. Nleuwstadt y J.R.C. Hunt (1985).

J. Appl. Meteor., 18, 133-137.

Random walk models for

particle displacements in inhomogeneous unsteady turbulent flows. phys.
1 Fluids, 28. 1639-1653.

van Haren, L. y F.T. Nleuwstadt (1989). The behavoir of passlve and buoyant
l plumes in a convective
model. J. Appl. Meteor.,
boundary layer,
28, 818.
as simulated with a large-eddy

I van Ulden, A.P. y A.A.M.

layer parameters
24, 1196-1207.
Holtslag
for diffusion
(1985). Estlmatlon
applications.
of atmospheric
J. Climate Appl.
boundary
Meten.,

I Vattulainen I.,
comunmlcación
K. Kankaala,
personal).
J. Saarlnen
A Comparatlve
and T. Ala-Nissila.
Study of some Pseudorandom
(1993,
Number
Generators.
l Venkatram,
simulatlon.
A. (1978).
Atmos.
An examination
Environ.,
of
12, 2243-2249.
box models for air quality

I Venkatram, A. (1980).
boundary layer for
Estimating
dispersion
the Monin-Obukhov
calculations.
length
Boundary-Layer
in the stable
Meteor.,lS,
481-485.
I Venkatram, A. (1983). On dispersion in the convective boundary layer.
Atmos. Environ., 17, 529-533.

I Venkatram,
Air
A (1988).
Pollution
Dlspersion
Modeling.
in the Stable Boundary Layer. En Lectures on
A. Venkatram y J.C. Wyngaard (Eds.1. Am. Met.
Soc. Boston.
I Walklate, P.J. (1987). A random-walk model for dispersion of heavy particles
ln turbulent air flow. Boundary-Layer Meteor., 39, 175-190.

I Wilczak, J.M.
boundary
y M.S. Phillips
layer structure
(1986). An indirect
for use in pollution
estimation
dispersion
of convection
models. J.

I Willis,
Climate

G.E.
Appl. Meteor.,

y J.W. Deardoff
25, 1609-1624.

(1974). A laboratory model of the unstable

planetary boundary layer. J. Atmos. Scl., 31, 1297-1307.

I Wlllis, G.E. y J.W. Deardoff (1976). A laboratory model of dlffusion lnto the
convective planetary boundary layer. Quarterly J. Roy. Meteor. Soc.,

I 102, 427-445.
Willis, G.E. y J.W. Deardoff (1978). A laboratory study of dlspersion from an
elevated source wlthin a modeled convective planetary boundary layer.
I Atmos. Environ., 12, 1305-1311.
Willis, G.E. y J.W. Deardorff (1981). A laboratory model of diffusion into
I the convection
102,
planetary
427-445.
boundary layer. Quart. J. Roya1 Meteor. Soc.,

I Wilson, N.R. y R.H. Shaw (1977).

flow. J. Appl. Meteor.,
A higher-arder
16, 1198-1205.
closure model for canopy

I 169

1
 m
1;
1
I Wilson, J.D. ; G.W. Thurtell
particle trajectories
y G.E. Kidd (19811. Numerical
in inhomogeneous turbulence.
simulation
1: Systems with
of
constant turbulent velocity scale. Boundary-Layer 21, 295-313.
I Wilson, J.D. y Y. Zhuang (19891. Restriction
Meteor.,

on the timestep to be used in

stochastic lagrangian models of turbulent dispersion. Boundary-Layer

I Meteor., 49, 309-316.

Wyngaard, J.C. (19821. Boundary layer modeling, en Atmospheric Turbulence

1 and Air
Dordrecht.
Pollution
D. Reidel
Modelling.
Publ. Co.
F.T.M. Nieuwstadt y H. van Dop (edsl.

Wyngaard, J.C. (19881. Dispersion in the Stable Boundary Layer. En Lectures

I on Air
Soc. Boston.
Pollution Modeling. A. Venkatram y J.C. Wyngaard (Eds.1. Am. Met.

I Wyngaard, J.C. y 0.X Coté (19741. The evolution

boundary
Meteor.,
layer a higher-orden-closure
7, 289-308.
of a convective
model study.
planetary
Boundary-Layer

l Yamamoto. S.;
structure
M. Gamo y 0. Yokoyama (19821.
of the Convective Atmospheric
Observational study on the fine
Boundary Layer. J. Meteor. Soc.
Japan, 60, 882-888.

I Yeh, G.T. y C.H. Huang (19751. Three-dimensional air pollutant modeling in

the lower atmosphere. Boundary-Laya- Meteor., 9. 381-403.

I Zannetti, P.
simulation.
(1981al.
J. Appl.
An improved
Meteor., 20,
puff
1203-1211.
algorithm for plume dispersion

1 Zanneti, P. (1981bl. Some aspects

turbulent diffusion. Preprints
of Monte Carlo type modeling of atmospheric
de Seventh AMS conference on Probability
and Statistics in Atmospheric Sciences, 71-74. Monterey, USA.
I Zanneti,
particle
P. (19841.
diffusion
New Monte
with wind
Carlo
shear
scheme
effects.
for
Appl.
simulating
Math.
Lagrangian
Modelling, 8.

I 188-192.

Zanneti, P. (19861. Monte-Carlo simulation of auto- and cross-correlated

turbulent velocity fluctuations (MC-LAGPAR II Modell. Environ. Software,

I 1, 26-30.
zannetti. P. (19861. A new mixed segment-puff approach for dispersion

I modeling.
Zannetti,
Atmos. Environ.,

P. (19911.
20, 1211-1130.

Afr Pollution Modellng. Theories. computational methods

and available software. New York. Computational Mechanics Publications.
I Zanneti, P. y N. Al-Madani (19831. Simulation of transformation, buoyancy
and removal processes by Lagrangian particle methods. Proceedings, 14th
I International
Application,
Technical Meeting
77-86. Copenague.
on Air Pollution Modeling and its

Zannetti, P. y P. switzer (1979).

I application to air pollution
The Kalman filtering
episode forecasting.
method and
Trabajo presentado
its
en

I 170

I
I
I APCA Speclalty Conference
Measurement. Nueva Orleans.
on Quallty
USA.
Assurance in Alr Pollution

Zannettl, P. y 1. Tombach (1986). Critica1 survey of mathematlcal models of

I atmospherlc
AeroVlronment
pollution transport
Report AV-FR-85/525.
and deposltlon.
Monrovia. USA.
Volume 1: Main Report.

I Zeman, 0.
AM. Rev.
(1981).
Fluid
Progress
Hech.,
ln the modelllng
13, 253-272.
of planetary boundary layers.

I Zhuang, Y.; J.D. Wilson y E.P. Lozowskl (1989).

model for heavy particle
Engineering, 111. 492-494.
motion ln turbulent
A trajectory-slmulatlon
flow. Journal of Fluids

I Zlllntlnkevlch,
boundary
S.S. (1972). On the determlnatlon
layer. Boundary-Layer Meteor.,3,
of the helght
141-145
of the Ekman

I Zinsmelster,
compositlon
A.R. y T.C. Redman (1980). A time serles analysls
measurements. Atmos. Environ., 14, 201-215.
of aerosol

I
I
l
I
I
I
I
I
I
I
I
I 171