Key points are not available for this paper at this time.
Une méthode alternative à l'analyse de Fourier est discutée pour étudier la dépendance d'échelle des variances et des covariances dans les séries temporelles de la couche limite atmosphérique. Contrairement à la décomposition de Fourier, la dépendance d'échelle basée sur la décomposition en multi-résolution dépend de l'échelle des fluctuations et non de la périodicité. Un exemple de calcul est présenté en détail. La décomposition en multi-résolution est appliquée aux ensembles de données de tours pour étudier l'échelle de l'écart cospectral, qui est l'échelle de temps qui sépare les flux turbulents et mésoéchelles de chaleur, d'humidité et de moment entre l'atmosphère et la surface. Il est souhaitable de partitionner le flux car les flux turbulents sont liés au cisaillement du vent local et à la stratification de température à travers la théorie de la similarité, tandis que les flux mésoéchelles ne le sont pas. L'utilisation de l'échelle de temps de l'écart pour calculer le flux de corrélation tourbillonnaire élimine la contamination par les mouvements mésoéchelles, et améliore donc les relations de similarité par rapport à l'approche habituelle consistant à utiliser une échelle de temps d'averaging constante. Un modèle simple est développé pour prédire l'échelle de l'écart. L'objectif ici est de développer une formulation pratique basée sur des variables facilement disponibles plutôt que sur une théorie des échelles de tourbillon de transport. L'échelle de l'écart augmente avec la hauteur, augmente avec l'instabilité, et diminue fortement avec une stabilité accrue. Avec une stratification forte et des vents faibles, l'échelle de l'écart est de l'ordre de quelques minutes ou moins. La mise en œuvre de l'approche de l'écart implique de calculer un flux de corrélation tourbillonnaire en utilisant l'échelle de temps de l'écart modélisée pour définir les fluctuations turbulentes (par exemple, w′ et T′). Les flux turbulents (par exemple, w′T′) sont ensuite moyennés sur 1 h pour réduire les erreurs d'échantillonnage aléatoire.
Vickers et al. (Thu,) ont étudié cette question.