Tra non molto aggiornamenti su... 

 - Tecniche di Telerilevamento Satellitare

 - Dati SAR (Synthetic Aperture Radar) Satellitari e Aviotrasportati

 - Dati LiDAR

 - Algoritmi Numerici per il processamento delle immagini e trattamento dati

..ed altro ancora

E' in fase di realizzazione il rinnovamento del sito, sia nella veste grafica che nei contenuti. Verranno trattati svariati argomenti inerenti alle tecniche algoritmiche di Image Processing e verranno trattati argomenti di Remote Sensing, oltre che trattare svariati argomenti di fisica e matematica.

---

Molti fenomeni dinamici sono governati da leggi non lineari, dalla struttura matematica complicata: stiamo parlando di equazioni alle derivate parziali ( PDE dall'inglese Partial Differential Equations). L'equazione di Navier-Stokes che descrive il campo di velocità di un fluido, è una PDE così come l'equazione di convezione-diffusione, l'equaione del calore e dell'energia. Se si guarda ad altri sistemi, come quelli economici, ci si convince che molti fenomeni dinamici sono descritti da PDE: si pensi all'equazione di Black-Scholes che descrive l'andamento dei prezzi dei mercati nel tempo. Molte altre equazioni non lineari descrivono fenomeni fisici: molti esempi del genere si trovano nella fisica delle particelle così come in altri ambiti di cui si è parlato nella sezione dedicata alla Fisica. E' quindi grande l'interesse verso la risoluzione verso questi tipi di equazioni, soluzione di tipo numerico effettuata tramite calcolatori. L'idea è quella di approssimarle, tramite opportuni schemi numerici, ad equazioni differenziali ordinarie (ODE dall'inglese Ordinary differential equations) o ad equazini algebriche.

Esistono altri metodi per risolvere numericamente fenomeni non lineari, deterministici e non, stocastici, caotici, turbolenti. Ad esempio le equazioni dell’idrodinamica oltre alle tecniche della Computational Fluid Dynamics possono essere risolte con metodi computazionali alternativi e molto popolari. La CFD perde efficienza nel caso in cui si vogliano studiare fluidi più complessi, quando ad esempio diventano importanti le scale di tempi e lunghezze caratteristiche.
In questi casi è importante quindi studiare i sistemi più a fondo, utilizzando un approccio microscopico o, meglio ancora, un approccio mesoscopico; in quest’ultimo caso si studia il sistema su scale di lunghezza molto piccole, ma non abbastanza da considerarle microscopiche, rimanendo quindi in una trattazione classica. Tale sigenza ha portato nel tempo a sviluppare degli algoritmi computazionali che fanno uso della meccanica statistica classica e della teoria cinetica. Molti di questi algoritmi trovano larga applicabilità in problemi di fluidodinamica ma con alcune piccole modifiche vengono applicati anche in altri casi come l'economia. Tra i vari algoritmi sviluppati dalla comunità scientifica vi è l’algoritmo LBM  ed i seguenti:

• Molecular Dynamics (MD),
• Dissipative Particle Dynamics (DPD),
• Direct Simulation Monte Carlo Method (DSMC),
• Multi Particle Collision Dynamics (MPCD).

Gli ultimi tre utilizzano un approccio mesoscopico ed hanno natura stocastica, mentre la MD risolve le equazioni del moto di Newton ed ha natura deterministica.

Gli algoritmi 'mesoscopici' trovano applicazione anche in campi diversi dalla fluidodinamica, come ad esempio lo studio dei fenomeni di traspotro nei semiconduttori, fisica nucleare, e teorie dei mercati finanziari. Il più popolare è senza dubbio il metodo Monte Carlo.

L’algoritmo Lattice Boltzman Method (LBM) è uno dei principali algoritmi computazionali utilizzati in ambito scientifico per la simulazione delle equazioni della fluidodinamica per una svariata classe di fluidi; in particolare risulta di grande aiuto per lo studio dei fluidi complessi e per modellare flussi in mezzi porosi. Tale algoritmo, infatti, è molto utile per lo studio delle geometrie più complesse (come ad esempio pareti che fungono da ostacoli, tubi capillari, diramazioni,etc.) per via del modo in cui esse vengono definite, ossia attraverso semplici reticoli. Esso è sviluppato su scala mesoscopica e può essere isotermico o termico. In particolare esso viene utilizzato per studiare i fenomeni d’interfaccia, la crescita e l’evoluzione dei domini e dei pattern a lunghezze e tempi caratteristici differenti, come ad esempio durante la separazione di fase che si verifica durante le transizione di fase in un sistema ad una componente (ad esempio sistemi liquido-gas) e a due componenti anche detto fluido binario. Un esempio è il fenomeno della decomposizione spinodale: durante la separazione di fase si presentano domini di diverse dimensioni e questo deriva dal fatto che il sistema a tempi differenti, pu`o essere soggetto a diversi regimi di evoluzione: il regime idrodinamico inerziale e di quello diffusivo. C’è quindi la presenza di due scale temporali differenti e quindi di differenti lunghezze caratteristiche. La caratteristica principale di questo modello è quella di considerare l'equazione di trasporto di Boltzmann, nota in teoria cinetica e meccanica statistica, discretizzarla, linearizzare l'operatore di collisione in approssimazione BGK (Bhatnagar, Gross, Krook), e farla evolvere su una semplice geometria discreta. Si dimostra che nel limite continuo l'equazione di trasporto così discretizzata, riproduce le equazioni della fluidodinamica.