TECNICA LS-PIV PER IL MONITORAGGIO DEI CORSI D’ACQUA NATURALI: UN APPROCCIO NUMERICO PER L’INDIVIDUAZIONE DI SETUP SPERIMENTALI OTTIMALI

Nuove tecniche per il monitoraggio ambientale, come le tecniche LS-PIV (Large-Scale Particle Image Velocimetry) e PTV (Particle Tracking Velocimetry), consentono una più speditiva e sicura acquisizione di misure di velocità nei corsi d’acqua. L’impiego di tecniche basate sull’elaborazione di immagini presenta infatti numerosi vantaggi che permettono di superare alcune criticità tipiche di approcci tradizionali (es. misure non invasive, low-cost, possibili anche in circostanze avverse e in real-time). Il recente sviluppo di tali tecniche è progredito di pari passo con la crescente disponibilità di sensori digitali sempre più performanti ed economici. Nonostante la grande disponibilità anche di software per l’elaborazione delle immagini, le tecniche ottiche sono ancora scarsamente impiegate in applicazioni pratiche, probabilmente per la quasi totale assenza di protocolli sperimentali consolidati. In questo lavoro vengono esplorate alcune potenzialità del software PIVlab, valutandone criticamente punti di forza e debolezze. In particolare, sono state eseguite diverse simulazioni al fine di individuare possibili setup sperimentali ottimali per la stima del campo di velocità superficiale in un corso d’acqua naturale sotto diverse condizioni. Nello specifico, sono state create diverse sequenze di immagini sintetiche simulando il comportamento ideale di un tracciante galleggiante su un corso d’acqua caratterizzato da un profilo realistico di velocità lungo la sezione traversale e da due possibili condizioni di moto (corrente lenta e veloce). Il tracciante viene ipotizzato uniformemente distribuito (bassa, media e alta densità) e con particelle circolari a diametro sia costante che variabile. Sono stati inoltre ipotizzati due possibili schemi: ideale (particelle traccianti bianche, su sfondo nero) e semi-reale (tracciante bianco disturbato da white-noise, su sfondo reale, derivato da immagini acquisite da drone su un fiume reale). Combinando i vari parametri (velocità della corrente, densità e dimensione del tracciante, schema ideale/semi-reale) sono state ottenute varie configurazioni, per ciascuna delle quali sono state generate 100 sequenze sintetiche di immagini (da 120 frame cad), che sono state infine processate, analizzando gli errori nella stima della velocità superficiale. Tale approccio risulta estremamente utile per la definizione di idonei criteri e linee guida per la realizzazione di campagne di misure sperimentali in diverse condizioni di moto.