文摘

危险天气、湍流、风能和上升暖气流构成一个无处不在的挑战,无人机系统(UAS)和electric-Vertical起飞和降落(e-VTOL)飞机和无人机的安全集成到市区需要准确high-granularity风数据特别是在着陆和起飞阶段。两个模型,即开源领域操作和操作(OpenFOAM)软件包和天气的研究和预测(WRF)模型,用于本研究模拟气流在俄克拉荷马城的市中心,俄克拉何马州,美国。结果表明,风计算流体动力学模拟的大气模拟大大提高了模拟风速的准确建模建筑影响风的模式。评价不同的模拟对六Micronet站显示WRF-CFD数值评价是一个可靠的方法来理解复杂的组合区域内风流。风能分布模拟的比较在不同的决议显示生成更好的描述风力变化和阵风的城市流动。模拟假设各向异性和各向同性湍流的显示小差异预测风速在俄克拉荷马城的市中心给定稳定大气分层显示,湍流涡尺度评价位置是惯性子范围内和确认本地各向同性湍流。

1。介绍

危险的湍流风和关键障碍是安全的和自主导航的小型无人机系统(UAS)和未来的城市空气流动(UAM)系统。损坏的风险或损失的飞机由于天气是相当高的城市环境中操作时,风速和方向可以改变由于城市峡谷效应不可预知的。这些挑战会加剧在城市环境中由于文丘里效应,城市热岛效应、风切变、微爆发,小气候,表面营力(粗糙度、位移高度,建立了分数)。随着无人机越来越自主,领空将变得更加拥挤与电动垂直起飞和降落(e-VTOL)飞机和空中出租车,预测行星边界层内的风(PBL)必须不断发展快速识别和应对偏移情况下需要无人机导航。

在PBL是富有挑战性的,因为湍流模拟风之间的动量和能量交流氛围,自然和人造结构发生在低层次的培养。地面层(SL)占据了10%的最低PBL, shear-driven动荡的主导地位。SL, subgrid-scale影响湍流漩涡的PBL参数化使用Monin-Obukhov相似理论(大多数)Obukhov [1,2]。

SL有两个部分:惯性子层(ISL)和粗糙度子层(RSL)。ISL的上部SL,大多数是有效的和垂直湍流通量的变化是微不足道的。俄罗斯国立馆附近的层和内表面粗糙度的元素(例如,树木和建筑物)将例行的“无人飞行系统”操作,安装和城市走廊和机场。然而,最不适用在俄罗斯国立馆(3- - - - - -5]。此外,俄罗斯国立馆没有明确考虑全球和中尺度大气模型因为PBL粗解决。事实上,中尺度大气模型,如WRF模式是基于地形跟踪坐标系和平滑过程对地形数据处理复杂地形6),和大地形差异因此存在于现实和中尺度模式。一些研究应用气象研究和预测(WRF)大涡模拟(LES)模式(WRF-LES)增加模型分辨率(7,8),但较低的垂直分辨率和地形数据的需要一个平滑的过程仍然存在。此外,WRF-LES模拟的计算成本很高。参考文献(9,10]发达浸入边界法(IBM)在WRF模式(WRF-IBM)这是一个新的WRF模块可以解决流动在陡峭的地形和克服网格细胞偏态使用IBM Iaccarino和Verzicco [11)和米塔尔Iaccarino (12]。然而,这种方法需要高分辨率和高计算能力来处理复杂的城市地形和限制插值误差。

此外,利用中尺度模式在LES模式需要运行中间模拟水平分辨率的灰色地带内湍流或未知领域(13)指决议的湍流漩涡PBL的部分和部分参数化的解决。湍流漩涡内的湍流灰色地带发展grid-dependent方式(14)和1 d PBL模式和莱斯配方(如湍流动能(TKE)远高于subgrid-scale建模的解决涡流涡流)针对湍流模型在这个政权。此外,由于小网格间距,雷诺平均n - s(跑)建模是不再有效,跑的假设(如垂直通量完全参数化和垂直速度尺度远小于水平的)不验证。因此,越来越多的必要性找到新的数值方法来表示这些过程。

幸运的是,专用的微尺度模型可以部分弥补中尺度模式的缺点。首先,计算流体动力学(CFD)模型可以模拟风场与高空间分辨率(几米到几十米)比中尺度模式(15,16]。此外,大多数微尺度模型是基于有限体积方法,可以提高他们的工作能力描述现实的地形(17]。

微尺度预测模型可以分为三大类基于湍流闭合方案:跑,莱斯,和直接数值模拟(DNS) (18]。三种方法之间的选择是一个平衡的成本和保真度的解决方案。莱斯技术研究和行业引起了人们的关注,因为它有可能以较低的成本提供更可靠的结果比了比DNS。此外,LES的能力解决理想化的城市树冠流已经证明使用比较风洞和DNS结果(19,20.]。莱斯技术也有优势有弱依赖雷诺数和次网格尺度的选择(SGS)湍流模型(21]。

然而,这些模型在处理边界条件有一个缺点,通常使用简单的风资料作为边界条件。因此,耦合中尺度大气边界层物理模型,可以处理,土地地表辐射的相互作用,大规模的风向/平均速度变化与微尺度模型是一种模拟微尺度风场在复杂地形通过提供更实际的边界条件的CFD模型,该模型可以为风场模拟提供更高的空间分辨率。社区的各种气象微尺度模型已应用于模拟城市流动。例如,平行的大涡模拟模型(PALM) LES解算器22)使用的是(21)模拟当地的风力条件在实际城市环境(市区芬兰赫尔辛基)在实际大气边界层条件下。

近年来,大量的风工程研究风用大气和CFD建模进行了耦合系统随着计算机硬件和计算资源迅速发展。文献[23]WRF-LES用来驱动开源领域操作和操作(OpenFOAM)模拟不稳定Reynolds-Averaged n - s(巨蜥)湍流模型模拟的冷锋风电试验基地在山坡上。从塔风速的评价与测量,“无人飞行系统”数据显示,这种耦合能够模拟各种流微观特性合理。相似的结果出现在(24使用离线单向耦合系统模拟风场的红嘴山鸦山在中国。文献[18)耦合的CFD软件OpenFOAM WRF模式探讨大气边界层结构,周围的风,以及污染物的分散的组合区域内沈阳,中国,发现OpenFOAM仿真由中尺度WRF仿真是一个可靠的方法来理解建筑周围的复杂的流动和扩散。在这篇文章中,我们将使用离线单向耦合的LES使用OpenFOAM和WRF-LES大气模拟来模拟城市在俄罗斯国立馆风。

本文结构如下:在部分2观察使用,安装使用大气模型和CFD模型的数值模拟,耦合方法。和数值试验的结果和讨论部分中给出3,最后的结论部分4。

2。方法和材料

2.1。观察

俄克拉荷马城Micronet (OKCNET)是一个操作表面观察网络旨在提高监控在俄克拉荷马城,俄克拉何马州,和见解在大气过程,如城市热岛和雷暴进化。俄克拉荷马城(俄)是一个快速发展的城市,人口在2000年到2010年之间增加了10%以上。此外,大多数机场有质量保证的数据收集和俄是一种罕见的城市地区测量活动,即OKCNET,由俄克拉何马州气候调查和2008年和2013年之间在城市化的中心城市为了理解城市边界层中大气过程的复杂性质,尤其是粗糙子层。因此,俄是一个有价值的领域来研究城市市区风过程中粗糙度子层。图1显示的位置俄克拉何马州,俄市中心的研究区域。


图1
前左面板:俄克拉荷马城的位置(蓝色)和俄克拉何马州的状态为红色。黑色的点显示了俄克拉荷马城的位置。右上方面板:三个建模域:D1与黑色虚线矩形,用红点划条线矩形D2, LES域(D3)和绿色的实线。黑色的点显示了俄克拉荷马城的位置。中间左面板:谷歌地球2 d图像俄市中心和红色的矩形指示CFD领域水平边界与相应的维度。中间右面板:谷歌地球2 d图像CFD建模域和建筑分隔的红色矩形。左面板底部:线框的CFD领域地面边界。红色的星星代表六个Micronet站的位置。每一个位置的名称在白框所示每个红星。右下角的面板:俄克拉荷马城的3 d模型。

OKCNET由40台包括4中尺度网络(MESONET)站和36 Micronet电台安装在交通信号灯。6站在俄市中心保留我们的研究。表16站的特点表明,将用于比较和评估。使用WINDCAP传感器收集到的数据和一个0.3年代的准确性−1(25),以接近实时的质量保证在一个1分钟的间隔。图1显示的位置6 Micronet站在俄的市中心。

表1
列表的六个Micronet站在市中心俄及其对应的纬度,经度和海拔高度(a.s.l)。
2.2。WRF模式设置

WRF模式被用来提供CFD模型的边界条件。近年来,WRF是在学术研究和工业中被广泛使用26,27]。一个完全可压缩和nonhydrostatic ARW模块采用动态框架。模拟三个领域(D1、D2和D3)如图1。水平分辨率的D1, D2和D3 3公里,1公里,400米。这三个领域是集中在97.51529ºW和35.47239ºN。表2显示了三个域的设置。最外层的D1、中间D2和内层的D3域有74×61,112×97、150×130年南北和东西方向网格点。WRF模型包含80垂直水平和最低30水平低于1公里。自适应时间的步进是用来保证数值稳定WRF模式。表3显示了配置和使用的参数化仿真在D1和D2。仿真/ D3,类似的参数化使用,除了没有使用PBL参数化,使用的小漩涡subgrid-scale参数化建模是1.5 TKE闭合。LES假设TKE等解决涡流非常远高于模拟涡流的TKE不是D3,验证和仿真的水平分辨率400是用于测试的影响流的动态地形平滑。两个PBL模式对D2风力模拟测试;一个是外地的,另一种是本地:延世大学(YSU)和Mellor-Yamada-Janjic (MYJ)计划。YSU方案是一个一阶关闭,外地涡流扩散系数(K)理论方法与PBL的显式治疗前(31日]。该方案提供了一个更新countergradient通量项最初包含在中程预测(MRF)计划。这里,PBL顶部是由最低的水平湍流通量存在(热量、动量和水分)。YSU计划更新在WRF version 3.4中占一个错误的代码在动量扩散系数的计算32]。作者在文献[32]声称这提高风速估计稳定政权通过减少垂直混合和是唯一的PBL模式集中改善风。MYJ方案是一个当地的混合,1.5订单关闭,预后TKE计划,操作用于北美中尺度预报系统(南)。TKE垂直分布控制通过一个主混合长度,用于TKE预算方程(33]。当地的关闭意味着只有小湍流涡贡献占TKE分布。比较模拟在D2使用不同类型的两个不同的积云参数化图所示2。第一个是Kain-Fritsch计划(30.)这是一个质量流量或水分融合方案,不同的云流程包括对流上升气流,下行气流夹带,逸出,云的建模。第二个是Betts-Miller-Janjic积云计划(33- - - - - -35)这是一个放松的调整计划大规模环境对参考热力学概要文件。这个比较域D2域显示一个很小的区别,这区别两个模拟本地可以高达4%,因为在冬季大气主要是稳定的。Kain-Fritsch方案用于WRF模拟设置。

表2
CPU时间的两个模拟:1公里使用OpenFOAM仿真利用WRF和苹果。
表3
WRF模式配置和物理参数化输入。

图2
相对偏差(%)的风速之间的两个模拟:一个使用Kain-Fischer方案,另使用Betts-Miller-Janjic方案。
2.3。CFD模型设置

CFD模型,OpenFOAM软件包版本6的c++库是一组用于解决复杂的流体力学问题。在这项研究中,我们使用pisoFoam解算器是不可压缩的瞬态解算器和湍流与分裂的运营商使用隐式压力(庇索)算法。庇索是一种有效的方法来解决navier - stokes方程在非定常问题,解决LES过滤方程。

该算法可以总结如下:(1)设置边界条件。(2)解决离散动量方程来计算一个中间速度场。(3)计算细胞的质量通量的面孔。(4)解决压力方程。(5)正确的质量通量在单元的面孔。(6)基于新的压力场的正确速度。(7)更新边界条件。(8)重复3规定的次数。(9)从1增加时间步,重复。

步骤4和5的规定的次数可以重复正确的非正交性。

计划用来模拟各种navier - stokes方程总结在表4。

表4
数值方案利用CFD模拟S5和S6。

图1显示了水平建筑配置在表面与红框显示真正的建筑建模。真正的建筑及其复杂形状简化。呼啸山庄中发现https://skyscraperpage.com/diagrams/?stateID=64。平均身高51米,257.4米的最高和最低的建筑和30 m,分别。一个非均匀网格包含六面体和split-hexahedral细胞三维网格。最近的WRF数据从一个网格的位置CFD领域被用来提供OpenFOAM初始和边界条件。此外,地面边界条件设置为“墙”(狄利克雷)和顶部边界设置为“对称”(纽曼)。四侧边界条件设置为“补丁”边界条件。“补丁”允许不同类型的边界条件根据流行的风向。例如,如果盛行风向是东北、北部和东部域边界是公元前狄利克雷和南部和西部边界诺伊曼速度。

网格是使用snappyHexMesh实用工具生成的。这个选项包括符合表面通过迭代,精炼开始网和变形结果split-hex网。

2.4。耦合方法

WRF模式的水平间距从几百米到公里不同于数米的CFD模型。因此,WRF和CFD模型的耦合是一项极具挑战性的任务。

为了解决这一问题的解决分歧,我们使用克雷斯曼插值(36]。

风速在CFD网格边界点脸只取决于距离附近的WRF网格点的制定(1), 是风在CFD网格点和速度吗 NWRF代表WRF网格点的数量影响了CFD网格点。 是风在WRF网格点和速度吗 代表了加权函数取决于P (x)之间的距离计算流体动力学y计算流体动力学,z计算流体动力学(x)和附近WRF网格点我y我,z我)如图3。使用两个加权函数:克雷斯曼和巴恩斯方案解释部分{5.1}和{5.2},分别为:


图3
克雷斯曼插值函数的示意图。正方形和圆点指CFD和WRF网格点,分别。

父母对孩子的沟通领域保证了每小时通过边界条件数据流。空间作为一个耦合的插值WRF网格的CFD网格通过初始和边界条件模拟气流建筑。

田野沟通OpenFOAM是三个速度分量。插值方法包括两个步骤:(1)细胞的中心的坐标的四个侧脸和顶面从笛卡尔形式转化为地理形式。(2)三维空间插值的字段从瞬时WRF每小时产生输出。

此外,CFD模型运行了一个小时,从解决字段初始化之前的运行。向上的一个小时是不够的spine-up效果达到一个平衡。文献[37发现一个向上的需要好几天,直到达到平衡。参考文献(37,38)使用24小时向上时间平衡向上的影响。在这项研究中,考虑到计算能力和项目时间表,向上的一个小时。

2.4.1。克雷斯曼方法

图3显示了一个示意图克雷斯曼插值函数的P代表了CFD网格点和O1阿,2阿,3代表WRF网格点。黑色的圆圈表示每个WRF网格点的影响范围。它可以出现在图中给出的例子3风速在点P的影响只有通过O1和O2但不是啊3。加权函数被定义为(2),rl和rz代表的水平和垂直影响半径WRF分别网格点。克雷斯曼加权函数取决于水平(dxy)和纵向(dz)之间的距离的CFD网格点坐标(xpyp,zp)和附近WRF网格点的坐标(x我y我,z我)所定义的(3)和(4),分别。自从WRF数据不稀疏,两个水平和垂直半径rh和rz的影响力都设置为1公里假设湍流的各向同性。文献[39)使用影响半径520公里的平均站分离(250)的两倍。这就是为什么一个值的影响半径1公里,大约是两倍的平均间距WRF(400米)的数据往往是一个合理的妥协undersmoothing和oversmoothing之间。湍流各向同性的假设将在3.5节讨论两个模拟相比:rh= rz和其他与r = 1公里h和r = 1公里z= 500代表湍流各向异性。

2.4.2。巴恩斯的方法

因为巴恩斯方案最初是专为卧式过滤器,我们使用的是广义的3 d巴恩斯方案由陆和空气40]所定义的(5),lh和 是水平和垂直长度尺度参数:

2.5。模拟的总结

所有执行模拟、类型、域和配置和使用参数化表进行了总结5。

表5
描述S1、S2、S3、S4 S5,和S6包括类型、分辨率、域名、时间步骤,耦合方法。
2.6。Model-Measurements比较法

为了评估数值模拟的准确性和时间相关,统计成绩表中定义6计算:模拟是指( ),观察到的意思( ),均方根误差(RMSE)、相关(R),意味着偏见(MB)。

表6
这项工作中使用的数据的定义。o我和s我观测和模拟风速时我。n是数据的数量。

3所示。结果和讨论

3.1。总体评价

使用不同的模拟评估模拟风速对观察六Micronet站及其统计比较如表所示7。

表7
统计模型来测量比较时每小时风速模拟两天。测量的意思是1.99年代−1。

在仿真期间因为低表面加热,大气中主要是稳定/ D2如图4之间的垂直温度梯度的潜在20.0和2.5米是正的。大气是中立分层在一些稀疏的地区主要位于北部的D2。


图4
潜在的温度差异在D2 20.0和2.5米。

观察到的低风速慢值低于3 m s−1在六个站。所有高估了风速模拟:模拟意味着范围从2.17到4.36年代−1对测量的1.99年代−1。偏见的观察到的意思是0.3年代的16%−1平均偏差,最小可检测不同的WINDCAP传感器。耦合模拟(S5和S6)更好的性能比WRF模拟(S1, S2、S3和S4)相关性较高(58%),降低错误(0.70 - -0.72米−1),和偏见(16 - 18%);模拟S5和S6 2.03和2.17年代−1分别对观察到的风速(1.99年代−1)。这种差异主要是由于高分辨率的耦合模拟和微尺度地形特征的一个更好的表示(建筑)和风力城市树冠内的湍流。S5能够准确预测风速的相关性为58%,和16%的最低意味着偏见和S1模拟偏差为236%,因为粗分辨率越高(3公里)相比,所有其他模拟。所有WRF模拟(S1, S2、S3和S4)高估风速平均偏差超过100%,因为地形地貌和提单上的不确定性参数化。利用WRF LES模型模拟水平分辨率达到400的显示了一个微不足道的差异作为模拟意味着从3.42下降到3.39年代−1和MB略从143减少到140%。

根据风速的时间序列图所示5,所有WRF模拟,即S2, S2、S3、S4,显示更高的差异在第二次模拟天四个模拟预测观察到每小时风速的两倍多。图6显示了模拟的风速和风向的水平切片/ CFD领域在2 m, 35 m,并使用S5 200在两个不同的时期:1月1日晚上12点,1月2日下午6点。


图5
时间变化的模拟和观测风速6 Micronet站:KCB103(前左面板),KCB104面板(右上角),KCB105(中间左面板),KCB106(中间右面板),KCB107左面板(下图),和KCB108(右下角的面板)。

图6
前面板:片模拟风速在市中心俄1月1日凌晨用S5的高度4米(前左面板),35米(顶部中间面板),200(右上角面板)。底部面板:片模拟风速在市中心俄1月2日下午6点用S5的高度4米左面板(下图),35米(底部中间面板),200(右下角的面板)。执行可视化ParaView软件(41]。黑色的箭头显示风向向量。

1月1日晚上12点,从西北方向吹来的风的角度314度与5.56年代−1在当风吹从SSE方向的角154度与1.11年代的速度−1。图6还显示如何构建块,周围的空气流动的行为展示了微尺度风背后的流动特性,比如涡度和建筑物之间,文丘里效应观察之间的建筑,和角加速度风速几乎两倍由于尖锐的建筑形状。向下运动也观察到,因为建筑物高度的差异创造动荡的再循环。

所示的统计对比表8- - - - - -10显示模拟S1、S2和S3预计类似的风速在六站都站位于相同的3公里,1公里网格单元。S4显示了不同风速KCB105,坐落在一个不同的比其他五个站400网格单元。

表8
在KCB103和KCB104风速统计数据。
表9
在KCB105和KCB106风速统计数据。
表10
在KCB107和KCB108风速统计数据。

此外,OpenFOAM之间的计算时间和WRF仿真比较。考虑到分辨率不同,OpenFOAM模拟大约需要7次超过1公里的WRF模拟解决嵌套域D2。表2显示了中央处理单元(CPU)的时间1小时模拟使用使用OpenFOAM S2和莱斯。

3.2。水平分辨率的影响

对比两个中尺度模拟S1和S2略有改善预测风速的模拟意味着在所有车站从4.36下降到3.42年代−1,分别。这轻微的改进是由于地形和地形高度的更好的表示如网格细胞表示在图所示7:D1的地形高度从180年到660年m.a.s.l范围。在一个时间范围从250年到450年m.a.s.l时。在D2。比较也表明,虽然一个小的改进模拟风速的六站增加水平分辨率为MB从238%提高到143%,差异仍然因为不确定性的分数,地形高度,和功能。虽然LES模拟S4显示了一个微不足道的差异作为模拟意味着从3.42下降到3.39年代−1,S4并不能够解决城市风的湍流运动,因为不确定性在地形地貌表明平滑地形从1000米到400米似乎并不影响水流动力条件。除此之外,有关漩涡规模低于400米在日间和夜间PBL,不能被这种离散化设置。如前所述,Cuxart [42),最低水平分辨率用于LES落入惯性子范围的湍流谱是100米。


图7
左面板:模型对D1的地形高度。右面板:模型对D2的地形高度。
3.3。PBL模式的影响

S2和S3的比较表明,S2接近YSU参数化的观察和预测略好风速比MYJ参数化:模拟使用S2是3.42年代−1这是低于3.69毫秒的S3之一吗−1和S2的平均偏差(143%)低于S3 (161%)。这种差异主要是由于这一事实YSU方案考虑了非局部动力混合,YSU对待垂直混合更实际,因为湍流漩涡可以跨越。图8显示之间的相对不同的风速D2 S3和S2。风速度10 m.a.g.l。高达20%的差异在D2 PBL模式的影响。


图8
地图的相对差异之间的风速在D2 S2和S3在仿真期间。
3.4。耦合方案的影响

S5和S6的比较表明,模拟风速利用S5稍微接近观察2.03 m·s−1(S5)超过2.17 m·s−1使用S6。因此,巴恩斯插值略有高估了风速的界限域导致轻微高估的风速。图9表明,这种差异小于2%,主要位于湍流涡度的地区,即建筑物角落和唤醒和建筑物之间的文丘里效应是可见的。


图9
水平切片的高度4米之间的相对差异风速模拟使用S5和S6。
3.5。水平分辨率对阵风的影响的预测

狂风也无人航空的一个重要安全挑战特别是使用小型无人机。比较阵风可预测性这里显示是通过比较上尾巴预测风速的概率密度函数使用不同的模拟:S1, S2, S4和S5。

图10表明,预测风力变化探索使用PDF是不同的在四个模拟和表11显示了四个pdf的平均值和标准偏差。风pdf的S1和S4高斯/对数正态形状的时候风pdf S2和S5显示异常的风速与第二个峰值1.3年代−1约。最高风速变化(2.60年代−1)被发现使用耦合仿真S5增加风速、阵风的预测。这种区别是强迫的耦合方法由于地形特性更好的建模在S5而非平坦地形建模利用WRF模式。


图10
概率密度函数(pdf)和直方图的风速模拟S1, S2, S4和S5。
表11
PDF平均值和标准偏差的风速模拟S1, S2, S4和S5。

PDF的耦合模拟S5和S4最低可变性(1.12年代−1)确认400决议属于湍流灰色地带和莱斯假设太粗,不足以提供准确的表示垂直运输和阵风即使在冬天稳定的大气状况。

3.6。各向同性和各向异性湍流的建模

根据大气稳定性条件,可以各向异性湍流(43]。通过修改各向异性是考虑水平和垂直长度尺度的耦合过程。湍流各向同性的假设是然后检查通过比较两个模拟:S5 Lh = Lv = 1公里,Lh和Lv = 500 = 1公里。图11显示了两个模拟之间的绝对差异在1月1日凌晨在4米的高度。各向异性湍流的模拟预测更高的风速。流截面的差异主要是位于成为限制,在建筑物的边缘,可高达0.7年代−1几乎12%的风速预测的WRF-1公里,wrf - les - 400 m。这个结果证实了当地各向同性假设在柯尔莫哥洛夫的理论44],惯性子范围内湍流尺度有关。类似的结论被发现在陈的工作45)通过比较艾迪耗散率(EDR1/3从多普勒激光雷达和20赫兹风速计在香港国际机场(中国)。


图11
两个模拟预测风速之间的绝对差异:(1)Lh = Lv = 1公里,(2)Lh和Lv = 500 = 1公里。

4所示。结论

本研究探讨了为期两天的模拟城市市中心的气流俄克拉何马州通过使用WRF-OpenFOAM耦合模型。四个WRF数值模拟进行了使用不同水平分辨率和不同边界层参数化。提高风速预测的1公里WRF模拟。WRF-LES仿真400决议无法捕捉的小规模风力漩涡表明表示地形组合地区是至关重要的,准确地预测城市风证明WRF设置和计划不适合解决城市风的水平分辨率属于湍流灰色地带。WRF与两个不同的城市树冠模型模拟是这里没有显示,但他们之间没有发现显著差异预测风速。通过比较风能分布预测的模拟在不同的决议,狂风的建模是更好的代表通过耦合模拟。敏感性研究湍流各向同性和各向异性在模拟显示,两天的稳定的分层,可以视为各向同性湍流,主要在城市冠层尺度在惯性子范围之内。可以进行更深入的分析湍流尺度未来一旦高频数据从风速计或遥感仪器使用光谱分析是可用的。

从这个初步研究,仿真能够准确预测风速的方法在六个城市电台的耦合模拟大气WRF-LES模型用于地形OpenFOAM提供边界条件模型拓扑是更好的代表。未来的工作应该关注敏感性研究OpenFOAM没有建筑运行验证输入数据的分辨率的影响,比较明确的解决湍流的影响。

这些模拟的基础领域的决策支持工具,以避免和动态地理围墙为无人机操作基于车辆宽容风速。发现城市气流在存在复杂的建筑集群,在不同大气边界层结构。轻微的差异被发现之间的耦合模拟使用巴恩斯和克雷斯曼插值方案。更健壮的高空风的比较可以利用遥感数据进行仪器我们雷达或激光雷达。

从实际观测未来的工作将集中在摄入最佳风速计放置到WRF-CFD模型和影响评估的改进预测风速和更准确地再现地方性风效果。为了实施这一模式,很多敏感的研究和测试本文中提到的需要进行除了CFD模拟的加速度使用机器学习或模型降阶技术。

数据可用性

使用的数据来支持这个研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由北达科他州大学。俄克拉何马州Mesonet数据提供了通过由俄克拉荷马Mesonet联营的俄克拉何马州立大学和俄克拉荷马大学的。继续资助维护俄克拉何马州的纳税人提供的网络。