MSE 工程建模与仿真 1687 - 5605 1687-5591. Hindawi 10.1155 / 2021/8822548 8822548 研究文章 LES大气传输扩散模拟在日本国家体育场(东京奥林匹克体育场)内外COVID-19气溶胶粒子传播和消散中的应用 https://orcid.org/0000-0003-2630-9113 田 高乘 1 https://orcid.org/0000-0002-0454-3155 阿瑞亚 良 2 Rabelo 路易斯卡洛斯 1 应用力学研究所 九州大学 6 - 1 Kasuga-kouen Kasuga 福冈816 - 8580 日本 九州-u.ac.jp 2 环境地理信息系统实验室有限公司。 日本 2021 9 6 2021 2021 8 9 2020 9 3. 2021 9 4 2021 9 6 2021 2021 版权所有©2021内田隆则和荒屋亮。 这是一篇在知识共享署名许可下发布的开放存取的文章，它允许在任何媒体上无限制地使用、传播和复制，只要原始作品被适当地引用。

在本文中，我们使用气体扩散分析函数，即九州大学应用力学研究所，复杂地形上气流的计算预测(RIAM-COMPACT)，这是为复杂地形开发的，在气流分析软件，并将其应用于流体层的扩散和消散(假设流体层包含COVID-19粒子)。首先，为了验证RIAM-COMPACT对气体扩散的预测精度，对比了中性大气稳定条件下简单地形和复杂地形下的风洞试验结果。本文的数值模拟结果与简单地形和复杂地形的风洞试验结果吻合较好。然后，结合高分辨率卫星图像生成的Advanced World 3D Map (AW3D)数据，构建日本国家体育场(东京奥林匹克体育场)的三维详细地形模型。我们尝试使用使用RIAM-COMPACT气体扩散分析功能实现的气流分析软件，重现日本国家体育场内外流体层(假设流体层包含COVID-19粒子)的假设扩散和消散。我们特别关注了自然风驱动的通风效果。不同场景下的数值结果表明，自然风驱动的通风对日本国家体育场是非常有效的。

 1.导言

目前，计算流体力学(CFD)技术已进入各个领域的实际应用阶段[ 1- - - - - - 9]。多年来，我们的研究小组开发了CFD技术[ 10- - - - - - 14]，可以高精度地预测不同热层条件下陡峭复杂地形上的大气流动和气体扩散，重点关注微尺度到中尺度的信息。这种CFD技术被称为九州大学应用力学研究所，复杂地形上气流的计算预测(RIAM-COMPACT) [ 10- - - - - - 14]采用大涡模拟（LES）作为湍流模型。基于RIAM-COMPACT的LES方法已经报道了许多研究结果，包括（1）地形效应引起的局部强风机制[ 10];(2)地形加速效应[ 11]（3）地形诱导湍流导致的风机故障[ 12]; （4） 水平轴风力机尾流的空气动力学[ 13];（5）空气污染物在中性，稳定和不稳定的大气条件下的运输和分散[ 14, 15]。

与此同时，我们目前也在开发基于CFD技术的城市风环境评估新软件[ 16]。特别是，该CFD软件对地理信息系统（GIS）技术具有深厚的亲和力。我们的CFD软件称为Airflow分析师，并在ArcGIS上运行，它是由环境系统研究机构，Inc。（ESRI）的通用GIS软件[ 17]在美国。气流分析员有许多优点，包括：

利用普遍分布的付费和免费地理空间数据资源，显著减少3D城市数据建设所需的时间

由于与计算机辅助设计(CAD)、建筑信息模型(BIM)、建筑信息模型(CIM)和GIS的数据兼容性的快速发展，3D城市数据建设所需的时间大大减少

可以轻松导入基于卫星照片、航空照片和无人机（UAV）照片构建的三维城市数据，以及从激光测量的点云数据创建的更复杂的三维城市数据

在确认地图上的实际比例尺时，可以在短时间内直观地设置待计算风向、计算域和网格生成条件

由于该地图包含空间参考信息，如坐标信息，因此仿真结果在通用地图上以三维形式可视化。此外，空间分析也可以与其他空间信息重叠

通过将一系列计算结果叠加到Web上的地图服务上，可以很容易地分发或共享这些结果

本文将针对复杂地形开发的RIAM-COMPACT气体扩散分析函数应用到“气流分析”中，研究流体层(假设流体层中包含COVID-19粒子)的扩散和耗散。首先，为了验证RIAM-COMPACT模型对气体扩散的预测精度，分别与以往在简单地形和复杂地形上进行的风洞试验结果进行了对比。接下来，利用Advanced World 3D Map (AW3D)数据构建日本国家体育场(东京奥林匹克体育场)的三维详细地形模型[ 18由高分辨率卫星图像合成。我们试图重现流体层的假设传播和消散(假设流体层包含COVID-19粒子[ 19]）日本国民体育场的内外，采用气流分析师用Riam-Compact Analysis函数来实现气体扩散。我们特别关注自然风驱动的通风效果。

 2.内部LES解决方案总结

数值模拟采用一般曲线坐标系下的并置网格和笛卡尔正交坐标系下的交错网格。数值方法采用有限差分法，湍流模型采用大涡模拟模型。在LES模型中，通过对流场进行空间滤波，将不同尺度的涡旋分离为大于计算网格单元的网格尺度分量和小于计算网格单元的亚网格尺度分量。大尺度涡，即湍流涡的GS分量，直接进行数值模拟，而不使用物理上简化的模型。相比之下，能量耗散是小尺度涡流(即SGS分量)的主要影响，它是根据基于物理的SGS应力分析来建模的。

对于张量形式的流动控制方程( 我 , j ＝ 1 , 2 , 3. )，不可压缩流体的过滤连续性方程（方程( 1))和滤波Navier-Stokes方程(方程( 2))。当需要考虑被动标量输运和扩散时，被动标量的标准对流扩散方程( 3.)，将其与方程( 1)及方程式( 2)为大气风场。这里，Re和Pr为方程( 2)和( 3.)分别为雷诺数和普朗特数(=0.71)。由于本研究的风场平均风速为5 ~ 10m /s，忽略了大气垂直热分层(大气稳定性)的影响。

对于计算算法，一种类似于分数步骤（FS）方法的方法[ 20.]，并采用基于Adams-Bashforth两步显式方法的时间推进方法。采用逐次超松弛法求解压力的泊松方程。对于方程中除对流项外的所有空间项的离散化( 2)时，采用二阶中心差分格式。对流项采用三阶迎风差分格式。Kajishima的插值技术[ 21]用于对流项离散形式中出现的四阶中心差分。对于通过三阶迎风差分离散的对流项中数值扩散项的加权， α ＝ ０．５ 使用了，而不是 α ＝ 3.0 来自川村-川原计划[ 22，以减少数值扩散的影响。对于LES亚网格尺度建模，标准Smagorinsky模型[ 23]采用模型系数( C 年代 )，再加上墙阻尼函数(公式( 4)- ( 12）））。 (1) ∂ u ¯ 我 ∂ x 我 ＝ 0 , （2） ∂ u ¯ 我 ∂ t + u ¯ j ∂ u ¯ 我 ∂ x j ＝ − ∂ p ¯ ∂ x 我 + 1 再保险 ∂ 2 u ¯ 我 ∂ x j ∂ x j − ∂ τ 我 j ∂ x j , （3） ∂ c ¯ ∂ t + u ¯ j ∂ c ¯ ∂ x j ＝ 1 报告 ∂ 2 c ¯ ∂ x j ∂ x j − ∂ h j ∂ x j , (4) τ 我 j ≈ u 我 ” u j ” ¯ ≈ 1 3. u k ” u k ” ¯ δ 我 j − 2 ν SGS 年代 ¯ 我 j , (5） ν SGS ＝ C 年代 f 年代 Δ 2 年代 ¯ , （6） 年代 ¯ ＝ 2 年代 ¯ 我 j 年代 ¯ 我 j 1 / 2 , (7) 年代 ¯ 我 j ＝ 1 2 ∂ u ¯ 我 ∂ x j + ∂ u ¯ j ∂ x 我 , (8) f 年代 ＝ 1 − 经验值 − z + / 25 , (9) Δ ＝ Δ x ⋅ Δ y ⋅ Δ z 1 / 3. , （10） h j ＝ − α SGS ∂ c ¯ ∂ x j , (11) α SGS ＝ ν SGS 公关 SGS , (12) 公关 SGS ＝ ０．５ ．

3.使用内部RIAM-COMPACT LES求解器实现的气体扩散建模的验证测试 ３．１．地形简单(孤立的钟形山)案例

在这项研究中，通过将我们的结果与中性隧道实验中的风洞实验中的点源的浓度分布的测量进行比较来验证预测准确性的预测精度（参见图 1)1984年由斯奈德和亨特制作[ 24]。在这里，我们考虑一个中性流通过平坦地形上的钟形山丘。山的钟形定义如下: (13) f r ＝ 1 1 + r 4 , 在哪里 f r 是高度和 r 是到山中心的距离。这里,当 r ＝ 0 ，我们定义 f 0 ＝ h (山的最大高度)。计算域有一个空间 15 h 在流向方向( x ), 10 h 沿翼展方向( y )，及 9 h 垂直方向( z ）.山的中心位于 6 h 流入边界下游。计算网格点的个数为 151 x × 101 y × 61 z 点，近地表和周围地形的网格分辨率很好。每个方向的网格宽度为 Δ x ＝ Δ y ＝ 0．1 h (均匀网格宽度)和 Δ z ＝ 3.5 × 10 − 3. 量 6．0 × 10 − 1 h 在本研究中，对水平空间网格分辨率和时间平均长度进行了各种敏感性分析。这些参数如表所示 1．本研究中使用的计算网格如图所示 1．

计算机中的计算网格 x 量 z 平面：（a）案例1和案例2；（b）案例3。

参数的研究模拟。

案例1 案例2 案例3
域大小 15 h x × 10 h y × 9 h z ， 在哪里 h 山的高度是多少
网格点 151 x × 101 y × 61 z 301 x × 201 y × 61 z
网格中的网格宽度 x 和 y 方向（均匀宽度） Δ x ＝ 0．1 h Δ x ＝ 0.05 h
Δ y ＝ 0．1 h Δ y ＝ 0.05 h
网格中的网格宽度 z 方向(非均匀宽度) Δ z ＝ 3.5 × 10 − 3. 量 6．0 × 10 − 1 h
无量纲时间增量 Δ t ＝ 2 × 10 − 3. Δ t ＝ １．０ × 10 − 3.
无量纲时间平均 t ＝ 100.0 量 200.0 t ＝ 100.0 量 1000.0 t ＝ 100.0 量 200.0
雷诺数由高度定义 h 孤立的山和均匀的流动 U １．０ × 10 4

为了对气体扩散模型进行验证测试，示踪气体释放从无因次时间开始 t ＝ One hundred. 时，形成的流场周围孤立的山完全发展(见图 2和 3.）.仔细看看图 3.表明流动在靠近山顶时分离，分离的剪切层卷起形成孤立的涡旋。孤立的涡旋形成大尺度的涡旋，这些涡旋几乎周期性地脱落到山的下游一侧。在每个时间步长，示踪气体的最大浓度值( C ＝ １．０ )，再现示踪气体的连续排放，如图所示 4。堆栈的位置为 3.6 h 多项式丘中心的上风处。采用Snyder和Hunt的风洞实验条件对边界条件进行了模拟[ 24(引用以验证准确性)。在风洞实验中，为了避免边界层对风洞底表面产生的影响，模型安装在试验段的进口附近，以减小边界层厚度的影响。为了准确模拟风洞实验的真实情况，在数值模拟中，在入流边界处给出了均匀的流动。雷诺数由高度定义， h 孤立山丘和均匀流， U 被设定为 １．０ × 10 4 ，几乎与风洞实验中使用的相同( 4.5 × 10 4 ）.同样,图 4对应于图 3.．在山后尾迹区可以清楚地观察到标量浓度的湍流卷吸现象。

空间分布的瞬时无量纲 U 情况1中的速度(无因次时间 t ＝ One hundred. )：（a） x 量 z 飞机;(b) x 量 y 飞机；（c） y 量 z 飞机。

空间分布的瞬时无量纲 U - offelocity在 x 量 z 情形1:(a)无量纲时间下的平面 t ＝ 107 ; （b） t ＝ 112 (c) t ＝ 117 ；(d) t ＝ 122 ．

中瞬时无量纲标量浓度的空间分布 x 量 z 情形1:(a)无量纲时间下的平面 t ＝ 107 ; （b） t ＝ 112 (c) t ＝ 117 ；(d) t ＝ 122 ．

在本研究中，对水平空间网格分辨率和时间平均长度进行了各种敏感性分析，如表所示 1.首先，使用数字 5和 6，我们展示了基于通过相同的水平网格分辨率的计算结果进行比较时间平均效果的结果。这里，如表所示 1，病例2的时间平均长度是病例1的10倍。聚焦于图中时间平均流场 5(一个)和图 6(一)，可以看出，在这两种情况下，山后形成的涡旋区域的大小和涡旋中心的位置几乎相同。与这些数值结果一起，对应于图 5(一个)和图 6(一)在这两种情况下也得到了几乎相同的结果(见图) 5 (b)和图 6 (b)）.接下来，使用数字 5和 7，我们检查了水平网格分辨率的效果。如表所示 1和图 1，情况3的水平网格分辨率是情况1和情况2的一半。因此，我们也将情况3设置为情况1和情况2的无维度时间增量的一半。垂直方向的网格分辨率在两种情况下是相同的。此外，两种情况下的平均时间是相同的。聚焦于时间平均流场，图 5(一个)和图 7(一)表明虽然形成于山后的涡区中心位置略有差异，但其大小几乎相同。结果表明，对应的时间平均标量浓度场没有显著差异。数字 8显示位置处标量浓度的垂直分布 2 h 图中显示的山中心的下游 3.来 7.案例1和案例2在垂直方向的所有范围内表现出几乎相同的行为。案例3中，最大浓度的高度略低于案例1和案例2，但最大值本身没有显著差异。

时间平均数值结果 x 量 z 平面为1：（a）通过流线的流场和（b）相应的标量浓度场。

时间平均数值结果 x 量 z 情况2下的平面：（a）流线流场和（b）相应的标量浓度场。

时间平均数值结果 x 量 z (a)流线流场，(b)对应的标量浓度场。

位置标量浓度的垂直分布 2 h 从时间平均场中提取的山丘中心的下游。这里， h 指示山的高度。

最后，将本研究的数值结果与Snyder和Hunt在一个中性情况下的风洞实验中测量的浓度分布进行了比较[ 24)提供。数字 9展示了他们的风洞实验结果。如上所述，羽流冲击了山前表面，并在山顶上移动。在尾迹内部和附近，产生了对扩散烟囱羽流有重要影响的湍流。紊流混合极大地降低了羽流的浓度。此外，尾迹或流弯道内的大尺度涡脱落可显著降低平均浓度。数字 10仿真结果如图所示 9．在这里，通过数值模拟和风洞实验匹配以下无量纲浓度来比较浓度分布: (14) U C h 2 问 , 在哪里 U 为匀流速度， h 是山的高度， C 是浓度，和 问 是排放量。当比较数值模拟和风洞实验结果时，孤立山丘上游和下游侧的浓度分布在定性和定量上都显示出良好的一致性。

中性情况下点源顺风时平均浓度分布的风洞实验测量[ 24]。

中性情况下(情形1)数值模拟中点源下风向时间平均浓度分布的测量。

 3.2. 复杂地形的情况（筑波山）

对于复杂地形情况，通过与Hayashi等人2001年报道的复杂地形湍流扩散风洞实验结果对比，验证了数值模拟的预测精度[ 25]。本研究的地形是Mt.Sukuba，日本（见图 11)，具有相对简单和孤立的地形。

本研究以筑波山为研究对象。

我们特别关注了筑波山逆风点所释放的羽流的中轴如何直接受到地形效应的影响。采用三菱重工(MHI)的扩散风洞设备进行了风洞实验。所使用的风洞试验段长25米，宽3米，高2米。风洞中安装了1/5000比例的模型。因此，在风洞中，筑波山的最大高度为0.175 m。由风洞高度和模型最大高度定义的阻塞比为8.75%。数字 12展示了安装在风洞中的比例模型。通过调整气流，得到边界层厚度，再现了风速的垂直分布 δ ＝ 0．8 米 幂指数为 n ＝ 1 / 7 .目标风向为98.5°，如图所示 12．

安装在风洞中的筑波山比例模型[ 25]。

接下来，概述了本研究中进行的数值模拟。数值模拟在几乎与风隧道实验几乎相同的条件下进行。在流动方向上计算域15公里（ x )、沿展向10公里( y )，垂直方向4公里( z ）.地形的形状是根据日本地理空间信息管理局的10米数字高程数据创建的。网格点的数量为 151 x × 101 y × 61 z ．水平方向上的网格分辨率为100米，如图所示 11. 垂直方向靠近地面，最小网格宽度为2.5 M

我们考虑了地表附近的流型( z ＝ 8 米 )由图1所示的数值模拟得出 13．在图 13时，利用速度矢量和无量纲分布对流场进行可视化 U -速度。在瞬时和时间平均流场中，可以确定地形表面附近的复杂流场，如流冲击、流分离和局部流加速。特别是图中实线包围的筑波山周围区域 13水流过群山，绕过群山，穿过群山之间的山谷。通过这种方式，本研究成功地再现了筑波山周围的地形对风的影响。

地形表面附近的流动模式（ z ＝ 8 米 ):(a)瞬时流场;(b)时间平均流场。

最后，将本研究得到的数值模拟结果与Hayashi等人2001年进行的风洞试验结果进行对比[ 25)提供。数字 14显示了在中性情况下的风洞实验中对筑波山平均表面浓度等值线的测量结果。图形 15显示了数值模拟中立性情况下筑波山表面平均浓度等值线的测量值。与孤立山模拟相似，示踪气体释放从无量纲时间开始 t ＝ One hundred. ．时间平均长度与山的长度相同。两种模式的平均表面浓度轮廓显示非常相似。由于在图中所描述的地形表面附近的流型 13，很明显，从Mt的Upwind点释放的羽流的中心轴直接受到影响。

中性情况下筑波山表面平均浓度等值线的风洞实验测量[ 25]。

在中性情况的数值模拟中测量筑波山平均表面浓度等值线。

 4.气体扩散模型在内部气流分析LES求解器中的应用测试

接下来，使用最新的详细城市数据，日本国家体育场（东京奥林匹克体育场）进行了详细介绍，并进行了大量网格点/细胞的CFD模拟。本节介绍了从这些大规模计算获得的结果。

4．1.基于GIS技术和数值条件的结构化网格生成

通常，在对城市区域进行CFD模拟时，图4所示的四个过程 16是必需的。输入三维建筑数据的工作如图所示 16需要大量的时间。在这里，我们概述了日本国家体育场的3D建模方法，这是本研究的主题。

本研究中采用的计算流体动力学（CFD）模拟程序。

AW3D [ 18]用于表示当前地形、建筑物以及树木位置和高度的数据。AW3D[ 18结合了美国各种高分辨率卫星从不同角度拍摄的城市图像，没有盲点。AW3D是一种3D地图，它使用的技术可以从一个维度识别建筑和树木。对于非水平屋顶(顶部表面)的建筑，高度的变化被单独捕捉，允许详细的城市形状被复制。AW3D覆盖了整个世界，它的特色在于，它甚至可以在难以获得底图数据的地区使用。提供的数据分为显示5 m分辨率地表高程的数字地形模型(DTM)、显示建筑物形状的建筑多边形和显示树木形状的树多边形。所有这些都以通用横切墨卡托(Universal Transverse Mercator, UTM)坐标系统的GIS文件格式(TIFF格式和ESRI形状格式)提供。这些数据组可以直接用于数值风模拟，无需任何特殊处理工作。

同时，考虑到日本国家体育场的建筑形状，使用3D建模软件SketchUP根据公开可用的平面图独立创建3D数据。创建的3D模型数据根据UTM坐标系的位置和比例导入GIS。气流分析员可以将3D模型数据识别为DTM图像（TIFF格式）、ESRI形状文件或CAD和BIM文件。通过这种方式，用户（计划者）可以轻松生成用于CFD计算的网格。因此，计划者从CFD预处理中解放出来，可以专注于考虑模拟结果并根据模拟结果修改计划。图 17显示了作为本研究对象的日本国家体育场的状态，以及作为计算机复制的周围环境。在本研究中，仅对日本国家体育场进行了数值风模拟（CFD模拟），未考虑周围地形、建筑物和表面粗糙度值。图形 18显示计算域区域和本研究中的其他参数。数字 19展示了日本国家体育场周围计算网格的放大视图。

日本国家体育场3D模型基于先进的世界3D地图（AW3D）和周围的3D模型。

计算域和网格信息。

日本国家体育场周围网格的放大视图。

 4．2．数值结果与讨论

首先，我们考虑了日本国家体育场内部的流型结构。如图所示 18，本研究瞄准了北风。风速设定为在地面40米处的3米/秒。数字 20.展示了日本国家体育场内部的流动可视化和结构，用于瞬时流场。数字 20(一个)显示的是无量纲 U -速度和矢量。接下来，我们通过将日本国家体育场划分为三个主要区域来解释日本国家体育场内部流型的结构特征。聚焦于区域A，可以看到日本国家体育场外部的风进入体育场内部。值得注意的是，体育场外部的风在局部和局部加速靠近地面向下吹。在B区，靠近地面向下吹的风再次从体育场吹出。在B区，体育场屋顶的分离气流在体育场内的风从体育场吹出的机制中起着重要作用。换句话说，分离气流区内的压力屋顶上的rmed局部快速下降，体育场内的风因此被卷到体育场外。体育场内的大部分风吹到B区体育场外。此外，在C区，可以清楚地观察到体育场内的部分风吹到体育场外。

日本国家体育场(东京奥林匹克体育场)内部和周围的流动可视化和结构的瞬时流场:(a)无量纲 U -速度和矢量和(b)示意图视图。

我们创造了一个无维度 U -速度和矢量动画(如图所示 20(一个))，并详细观察了整个过程。因此，体育场内部和周围的流态特征(如图所示) 20 (b))被组织成一个示意图视图。如前所述，从上游的开放空间进入体育场内部的风被吹到接近地面的地方，然后向上流动(见图中的Flow-a) 20 (b)）.此外，体育馆内部的部分风从下游的开放空间流出。如流程b(图 20.)，体育场外的风从体育场屋顶的大空地进入。然而，包括Flow-a和Flow-d在内的大部分体育场内部的风都从这个大的开放空间中离开了体育场。如Flow-c所示，在体育场顶部附近形成的涡区低压部分，由于夹带现象将体育场内的风进一步拉向体育场外。数字 21显示了日本国家体育场内部结构的三维流动可视化，用于使用流线研究瞬时流场。通过观察这些流线，可以清楚地观察到从上游流入体育场的风到达地面。此外，可以看到体育场内的风在水平和垂直方向上在体育场内三维流动。如上所述，本研究的数值结果准确再现了图1所示的流型 22．

日本国家体育场（东京奥林匹克体育场）内的三维流动可视化和结构用于研究使用流线的瞬时流动场。

体育馆横截面图像[ 26]。

接下来，我们试图重现日本国家体育场内外流体层(假设流体层包含COVID-19粒子)的假设传播和消散。我们特别关注自然风驱动的通风效果。首先，我们将探索体育场内部的情况。数字 23显示体育场内的体积源（假设体积源包含COVID-19粒子）。在本研究中，我们将体积源存在于整个地面的情况设置为初始条件。图 24显示中标量浓度场的时间变化 x 量 z 平面图 (24日)说明了在计算标量浓度场后1.33秒的状态。在标量浓度场中，几乎没有风被通风，大多数风保持在地面附近。如图所示 24 (b)，如图1所示 20.，在体育场顶部附近形成的涡旋区域中明显携带的标量浓度，并被发射到体育场外。自然通风的效果见图 24 (b)是显着的。体育场中的标量浓度在标量计算开始后的1333.33秒内几乎为零。如图所示 24 (c)图形 25显示观众座椅附近的标量浓度分布和与图相对应的体育场中的地面 24 (b)．仔细观察这个数字可以看出，标量浓度并非对所有观众都是均匀的高;也就是说，有许多区域的标量密度非常低。因此，建议进行许多初步模拟，例如在本研究中进行的模拟，并使有效动员观众成为可能(基于这些数值结果)。数字 26图中红色所示为流体层中标量浓度积分值的时间变化 23．在图中，数值由初值归一化。值得注意的是，标量浓度释放后约300秒，累积值迅速下降。最终发现，自然风带动的通风对日本国家体育场(东京奥林匹克体育场)内假定的流体层(假设流体层含有新冠病毒颗粒)的扩散和消散非常有效。

体育场内部的音量源。

大气中标量浓度场的时间变化 x 量 z 平面：（a）计算标量浓度场后1.33秒，（b）354.67秒，（c）1333.33秒。

在观众座椅座椅附近的标量浓度分布和与图相对应的体育场中的地面 24 (b)．

图中红色部分为流体层中标量浓度积分值的时间变化 23．

最后，我们试图再现流体层的假设扩散和耗散（假设流体层含有日本国家体育场外的含有Covid-19颗粒）。类似于上面所示的模拟，我们注意到天然风驱动的通风的影响。如图所示 26，我们假设在日本国家体育场外有两个体积源（假设体积源包含新冠病毒-19粒子）。其中一个涉及将体积源设置在近尾迹区域内（见图A） 27)，而第二个体积源设置在围绕体育场一侧的流动区域(见图中B) 27）.首先，我们考虑体育场周围地面附近产生的流场。数字 28显示瞬时非跨度的空间分布 U -接近地面的速度。我们关注的是体育场后面的近尾流区域，如图中的蓝线所示 28．这里，可以看出形成相对大的再循环区域。另一方面，在图中的红线指示的区域中 28，可以清楚地观察到体育场周围的局部加速流动。

日本国家体育场(东京奥林匹克体育场)外的两个卷源。

空间分布的瞬时无量纲 U -接近地面的速度。

数字 29图中显示了体积源A发射的二维标量浓度场的时间变化情况 27图形 30.显示了与图1相对应的三维标量浓度场的时间变化 29．观察数据 29和 30.由图中箭头所示，由于体积源位于围绕体育场一侧的流动区域内，所以在体育场壁面发生标量平流现象，然后向上移动，并迅速向下游扩散 30 (c)．在很短的时间内发生了一系列被动标量对流扩散现象。

从体积源A发射的2D标量浓度场的时间变化 27(a) 20.00秒，(b) 120.00秒，(c) 320.00秒。

体积源A发射的三维标量浓度场的时间变化如图所示 27(a) 20.00秒，(b) 120.00秒，(c) 320.00秒。

数字 31介绍从图中所示的音量B发出的2D标量浓度场的时间变化 27图形 32显示与图相对应的3D标量浓度字段的时间变化 31．观察数据 31和 32综上所述:由于体积源位于围绕体育场一侧的流动区域内，一旦释放，被动标量浓度会迅速扩散到体育场的下游一侧。

图中体积源B发射的二维标量浓度场的时间变化 27:(a) 20.00秒，(b) 120.00秒，(c) 200.00秒。

体积源B发射的三维标量浓度场的时间变化如图所示 27:(a) 20.00秒，(b) 120.00秒，(c) 200.00秒。

 5.结论

本文利用针对复杂地形开发的RIAM-COMPACT气体扩散分析函数，利用“气流分析”软件对流体层(假设流体层中含有COVID-19颗粒)的扩散和消散进行了研究。首先，为了验证RIAM-COMPACT的气体扩散预测精度，在中性大气稳定条件下，分别与以往在简单地形和复杂地形上进行的风洞试验结果进行对比。数值模拟结果与简单地形和复杂地形的风洞试验结果吻合较好。接下来，利用结合高分辨率卫星图像生成的详细三维地形AW3D数据构建日本国家体育场(东京奥林匹克体育场)模型。我们尝试使用使用RIAM-COMPACT气体扩散分析函数实现的气流分析工具，重现日本国家体育场内外流体层(假设流体层包含COVID-19粒子)的假设扩散和消散。我们特别关注自然风驱动的通风效果。对于体育场内部，我们设置了一个体源(假设体源包含COVID-19粒子)存在于整个地面的情况作为初始条件。需要注意的是，标量浓度释放约300秒后，由于体育场顶部的分离流，累积值迅速下降。对于体育场外，我们假设两个体积源(假设体积源包含COVID-19粒子)。其中一项是在近醒区设置音量源。 The second volume source was set in the region of the flow around the side of the stadium. In both cases, it was clearly shown that once released, the passive scalar was rapidly diffused to the downstream side of the stadium. The numerical results, assuming various scenarios, ultimately demonstrated that ventilation driven by natural wind is very effective for the Japan National Stadium.

 数据可用性

用于支持本研究发现的数据可由通讯作者要求提供。

 利益冲突

所有作者声明没有利益冲突。

 致谢

为了进行这项研究，作者获得了NTT data Corporation和日本遥感技术中心(RESTEC)提供的各种类型的数据。作者谨向所有组织表示感谢。

 罗迪 W。 虚空体周围的LES和RAN计算的比较 风力工程与工业空气动力学学报 1997年 69-71 55 75 10.1016/S0167-6105（97）00147-5 2 - s2.0 - 0031177965 Stathopoulos T。 计算风工程：过去的成就和未来的挑战 风力工程与工业空气动力学学报 1997年 67 - 68 509 532 10.1016 / s0167 - 6105 (97) 00097 - 4 2 - s2.0 - 0031109776 梅罗尼 r . N。 “风洞与污染扩散数值模拟:混合方法”，香港科技大学裘槎高等研究院系列讲座 2004 柯林斯堡有限公司 因特网 J 赫希 C。 詹森 G。 克鲁斯 h·W。 英里 s D。 Schatzmann. M 韦斯特伯里 附言。 英里 s D。 威斯 j . A。 莱特 N. G. 关于在风工程中使用CFD的建议 城市风工程与建筑空气动力学国际会议论文集 2004 比利时 C.1.1 C1.11 萨姆纳 J 继续萎缩 c·S。 马龙 C。 CFD在风能：虚拟，多尺度风洞 能量 2010 3. 5 989 1013 10.3390 / en3050989 2-s2.0-77953171546 科克伦 L Derickson R。 计算风工程的物理模型师的观点 风力工程与工业空气动力学学报 2011 99. 4 139 153 10.1016/j.jweia.2011.01.015 2-s2.0-79955013399 Blocken B。 50年的计算风工程:过去、现在和未来 风力工程与工业空气动力学学报 2014 129 69 102 10.1016 / j.jweia.2014.03.008 2 - s2.0 - 84899526959 Toparlar Y。 Blocken B。 麦休 B。 范Heijst G. J. F. 城市微气候CFD分析研究进展 可再生和可持续能源评论 2017 80 1613. 1640 10.1016 / j.rser.2017.05.248 2-s2.0-850020422026 里尔西 Á. Lagzi 我 Kovacs 一个。 Meszaros R。 关于预测放射性核素大气分散的数值模型的综述 环境放射性杂志 2018 182 20. 33 10.1016 / J.Jenvrad.2017.11.009 2 - s2.0 - 85034825595 29179047 田 T。 荒木 K 用计算流体动力学（CFD）方法再现小尺度地形下游诱发的局部强风区 工程建模与仿真 2019 2019 12 7378315 10.1155/2019/7378315 田 T。 杉溪 K 复杂地形地形加速效应的数值与实验研究 能量 2020 13 15 3896 10.3390 / EN13153896 田 T。 川岛 Y。 用于评估地形诱导湍流引起的风力涡轮机叶片损坏风险程度的新评估尺度 能量 2019 12 13 2624 10.3390 / EN12132624 2 - s2.0 - 85068874164 田 T。 平坦地形下入流剪切对风力机尾迹特性的影响 能量 2020 13 14 3745 10.3390/en13143745 田 T。 Ohya Y。 利亚紧凑型气体扩散的数值模拟。第1部分状况不稳定的情况 九州大学应用力学研究所报告 2004 126 9 15 田 T。 Ohya Y。 用RIAM-COMPACT对气体扩散的数值模拟.第2部分.稳定条件的情况 九州大学应用力学研究所报告 2004 126 17 22 https://www.esri.com/en-us/arcgis-marketplace/listing/products/06effa0bee204361a28bc00d5258dae3 // http://www.esri.com/ https://www.aw3d.jp/ Vuorinen V。 枪 M 阿拉瓦 M Alopaeus V。 Atanasova N。 Auvinen. M Balasubramanian N。 BORDBAR. H。 Erasto P。 格兰德 R。 海沃德 N。 地狱 一个。 Hostikka 年代。 霍卡宁 J Kaario O。 Karvinen 一个。 基维斯特 我 霍宁 M Kosonen R。 Kuusela J Lestinen 年代。 劳里拉 E。 尼米宁 h·J。 Peltonen P。 Pokki J Puisto 一个。 Raback P。 萨尔门约基 H。 Sironen T。 Osterberg M 通过室内吸入SARS-CoV-2传播的数值模拟模拟气溶胶传输和病毒暴露 安全科学 2020 130，第104866条 10.1016/j.ssci.2020.104866 金 J Moin P。 分数步骤方法在不可压缩的Navier-Stokes方程中的应用 计算物理学杂志 1985年 59 2 308 323 10.1016 / 0021 - 9991 (85) 90148 - 2 2 - s2.0 - 46549092989 Kajishima T。 不可压缩流动数值模拟的上游位移插值方法 日本机械工程师学会学报B辑 1994年 60 578 3319 3326 10.1299 / kikaib.60.3319 2-s2.0-0028527971 河村建夫 T。 Takami H。 Kuwahara K 具有表面粗糙度的高雷诺数圆柱绕流计算 流体动力学研究 1986年 1 2 145 162 10.1016 / 0169 - 5983 (86) 90014 - 6 2 - s2.0 - 0022949089 Smagorinsky J 用原始方程进行的一般循环实验。即基本实验 每月天气回顾 1963 91. 3. 99. 164 10.1175 / 1520 - 0493 (1963) 091 < 0099: GCEWTP > 2.3.CO; 2 斯奈德 w·H。 狩猎 j·c·R。 三维山丘周围分层中性流中点源湍流扩散Ⅱ.表面浓度的实验室测量 大气环境 1969年 18 10 哈亚希 T。 斜纹棉布裤 M 山泽 H。 Nagai H。 Moriuchi 年代。 Ishikawa. H。 足立 T。 小岛 H。 冈野 H。 odagawa. F。 Oba R。 Okabayashi K 通过风洞实验和大气扩散实验得到有效叠加高度 日本原子能研究所 2001 JAERI-Tech 2001 - 034 https://www.jpnsport.go.jp/newstadium/