大气运输和扩散在日本国家体育场内外康德 - 19气溶胶颗粒的扩散与消散中的应用，综合运输及扩散对日本国家体育场内外（东京奥林匹克体育场）

抽象的

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.介绍

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]，可以预测大气流动和气体扩散超过下以高精确度不同的热分层陡峭地形复杂，重点微尺度中尺度的信息。这CFD技术被称为研究所应用力学，九州大学，在复杂地形（RIAM紧凑型）气流的计算预测[10- - - - - -14]，湍流模型采用大涡模拟(LES)。基于RIAM-COMPACT的LES方法已经报道了许多研究成果，包括:(1)地形效应诱发局地强风的机理[10];（2）地形速度效果[11];(3)地形扰动引起的风力机故障[12];(4)水平轴风力机尾迹的空气动力学[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。气流分析师有许多优点，包括以下内容：（1）通过利用通常分布的付费和免费的地理空间数据资源，与3D城市数据建设相关的所需时间的显着减少（2）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（3)通过卫星照片、航拍照片、无人机(UAV)照片构建的三维城市数据，以及通过激光测量的点云数据构建的更复杂的三维城市数据，都可以轻松导入（4）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(5）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（6)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解决方案的总结

对于数值模拟，在一般的曲线并置的网格坐标系和在笛卡尔交错网格正交坐标系通过。对于数值技术，有限差分法（FDM）被采用，并且被用于湍流模型的大涡模拟（LES）模型。在LES模型中，一个空间滤波器施加到流场的各种尺度的分离涡到电网规模（GS），其比计算网格的细胞和亚网格尺度（SGS）部件，这是比小较大的部件计算网格单元。大规模的漩涡，即，湍流漩涡的GS部件，直接数值模拟，而无需使用物理上简化模型的。相反，能量的耗散，这是小规模的漩涡（即，SGS部件）的主要效果，根据SGS应力的基于物理的分析建模。

对于张量形式的流动控制方程( )，不可压缩流体的过滤连续性方程(式(1))和滤波Navier-Stokes方程(方程(2））被使用。当它成为考虑被动标量传输和扩散的必要时，被动标量的标准对流扩散方程（方程（3.））通过与等式耦合来解决（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.]使用，并获得通过基于所述亚当斯-Bashforth两步显式方法的时间推进方法。泊松压力方程用的是超松弛（SOR）方法来解决。对于所有空间上的离散除了在方程式的对流项（2），二阶中心差分格式涂布。对于对流项，三阶迎风差分格式涂布。通过Kajishima [插值技术21，用于以对流项离散形式出现的四阶中心差分。对于三阶迎风差分离散的对流项中数值扩散项的权重， 被使用，而不是 来自川村-川原计划[22[最小化数值扩散的影响。对于LES子级尺度建模，标准SMAGORINSKY模型[23)，模型系数( ）为0.1，加上墙阻尼函数(方程式(4) - (12）））。

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。简单的地形为例（隔离钟形山）

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)，由斯奈德和亨特在1984年制作[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: 在哪里是高度和是到山中心的距离。这里,当 ，我们定义 （山最大高度）。计算域具有的空间在流向方向( )， 沿展向( )，和垂直方向( ）.山上的中心位于下游流入边界。计算网格点数是 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 (均匀网格宽度)和 ．在该研究中，对水平空间网格分辨率和时间长度平均进行各种敏感分析。这些参数如表所示1．本研究使用的计算网格如图所示1．

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 ，当围绕孤立山丘形成的流场完全发展时(见图)2和3.）.仔细看看数字3.表明流动分离在山顶的顶部附近，并且分离的剪切层卷成分离的涡旋。孤立的漩涡形成大规模的漩涡，几乎定期铺在山的下游侧。在每个时间步骤中，示踪剂气体的最大浓度值（ ）在点源给出，再现连续的示踪气体排放，如图所示4．栈的位置为上风多项式山的中心。边界条件，使用的风洞实验条件通过Snyder和亨特[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， ，孤立的山丘和均匀的流动， ，被设置为 ，几乎和风洞实验中使用的一样( ）.同样,图4对应于图3.．在山后面的尾流区域的标量浓度的湍流夹带现象可以清楚地观察到。

在本研究中，对水平空间网格分辨率和时间平均进行了各种敏感分析，如表所示1．首先,使用数据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图5（a）和图6(一)中，可以看出，涡流区域的山和涡流中心的位置的后方形成的大小是在两种情况下几乎相同。随着这些数值结果，对应于图的时均浓度的标量场图5（a）和图6(一)在这两种情况下也得到了几乎相同的结果(见图)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，在壳体3中的水平网格分辨率为壳体1和壳体2的一半。结果，我们还将案例3设置为壳体1的非潜能时间增量的案例3和壳体2.垂直方向上的网格分辨率相同在这两种情况下。此外，两种情况下，时间长度平均是相同的。专注于时间平均流场，图图5（a）和图7(一)表明，虽然有在山顶的后方形成涡流区域的中心位置的微小差异，它的大小几乎相同。其结果是，没有显著差异在对应的时间平均浓度标量场被发现。数字8显示了位置标量浓度的垂直分布在图中显示的山丘中心下游3.到7．Case 1和Case 2在垂直方向上显示出几乎相同的行为。在Case 3中，最大浓度的高度略低于Case 1和Case 2，但最大值本身没有显著差异。

最后，在本研究中获得的数值结果的比较，通过乳橇和狩猎的中性壳体在风洞实验中的浓度分布进行测量[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显示与图相对应的仿真结果9．这里，通过使用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： 在哪里为匀流速度，是山的高度，是浓度，和为排放量。数值模拟结果与风洞试验结果比较表明，在孤立山的上游和下游，浓度分布在定性和定量上均吻合较好。

３．２．复杂地形案例(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］．本次研究的目标地形为日本筑波山(见图)11)，地势较为简单和孤立。

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 幂指数为 ．目标风向为98.5°，如图所示12．

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（ )，沿展向10公里( )，垂直方向4公里( ）.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 ．The grid resolution in the horizontal direction was 100 m, as shown in Figure11．垂直方向设置贴近地面，最小网格宽度为2.5 m。

我们考虑了地表附近的流型( ）得到的数值模拟结果如图所示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 -速度。无论是瞬时流场还是时间平均流场，在地表附近都可以确定流动碰撞、流动分离和局部流动加速等复杂流场。特别是筑波山周围被图中实线包围的区域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。

最后，在本研究中，并通过Hayashi等进行的风洞试验结果得到的数值模拟的比较。在2001年[25)提供。数字14显示了筑波山平均表面浓度等值线的测量在风洞实验为一个中立的情况。数字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 ．时间平均长度与山的时间相同。两种平均表面浓度轮廓的图案显示出非常相似。由于图中描述的地形表面附近的流动模式13，很明显，从Mt的Upwind点释放的羽流的中心轴直接受到影响。

4.气体扩散模型的应用测试在内务气流分析师LES求解实现

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

一般情况下，在对城市区域进行CFD模拟时，如图所示的四个过程16是必要的。输入图中显示的3D建筑数据的工作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。

AW3D [18]用于代表当前的地形、建筑、树木的位置和高度的数据。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，基于公开的平面图，使用3D建模软件SketchUP独立创建3D数据。根据UTM坐标系的位置和比例尺将创建的三维模型数据导入GIS中。气流分析师可以识别3D模型数据为DTM图像(TIFF格式)，ESRI shapefile，或CAD和BIM文件。通过这种方式，用户(规划者)可以轻松地生成用于CFD计算的网格。这样，规划者就不用再进行CFD的预处理，可以集中精力考虑仿真结果，并根据仿真结果修改方案。数字17展示了本次研究的主题日本国家体育场的状态，以及它的周围环境的电脑复制。本研究仅对日本国家体育场进行了数值风模拟(CFD模拟)，未考虑周边地形、建筑和表面粗糙度值。数字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。

4．2．数值结果与讨论

首先，我们考虑日本国家体育场内的流动模式的结构。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。数字图20（a）显示了无量纲 -速度和向量。接下来，我们通过将日本国家体育场分为三个主要区域来解释其内部流动模式的结构特征。以A地区为例，可以看到日本国家体育场外的风进入了体育场内部。值得一提的是，来自体育场外的风在当地加速，并向下吹到接近地面的地方。在B区，体育场屋顶的分离流对体育场内部的风吹出体育场起到了重要作用。也就是说，由于这种现象，由屋顶形成的分离流区的压力局部迅速下降，体育场内的风被带到了体育场外。在b区，体育场内的风大部分吹向了体育场外。另外，在C区，可以清楚地看到，体育场内的风有一部分吹向了体育场外。

我们创建了一个无量纲 -速度和矢量动画(如图所示图20（a）)，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)图20（b））被组织成示意图。如前所述，从上游侧面吹到地面的开放空间进入体育场内部的风，然后向上流动（见图中的流动 - a图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开放空间进入。然而，体育场内的大部分风，包括流动和流量-D，从这个大开放空间中离开了体育场。由于夹带现象，在流动-c中显示的体育场顶部的涡流区域的低压部分在流动-c中所示的屋顶上，由于夹带现象，进一步向体育场的外部拉动施用。数字21展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，体育场内的风在体育场内的水平和垂直方向进行三维流动。如上所述，本研究的数值结果准确地再现了如图所示的流型22．

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展示了体育馆内的体积源(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作为初始条件。数字24的标量浓度场的时间变化飞机。数字(24日)说明了计算标量浓度场后1.33秒的状态。在标量浓度场中，几乎不通风，大部分停留在地面附近。在图24（b），如图所示20.中，标量浓度，在体育场的屋顶附近形成涡流区域清楚地夹带和被发射到体育场的外部。自然通风的图中看到的效果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)．数字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）．详细检查该图表明，所有观众对标量浓度并不均匀高;也就是说，标量密度具有很多具有很多的区域。因此，建议进行许多初步模拟，例如在本研究中进行的那些，并进行有效动员（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。

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，我们假设日本国家体育场外有两个体积源(假设体积源包含COVID-19粒子)。一种方法是在近尾流区域内设置音量源(见图中的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 -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。

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．数字30.示出对应于图3D的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)．一系列的被动标量对流扩散现象发生在很短的时间。

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．数字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在一起表明以下内容：由于体积源位于体育场侧的流动区域内，一旦释放，被动标量浓度迅速扩散到体育场的下游侧。

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。

的利益冲突

所有作者宣布没有利益冲突。

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。

参考文献

1. W.罗迪，“绕钝体流动的LES和RANS计算的比较，”中国风力工业空气动力学杂志CHINESE，卷。69-71，pp。55-75,1997。视图:出版商的网站|谷歌学术
2. T.Stathopoulos，“计算风工程：过去的成就和未来挑战”中国风力工业空气动力学杂志CHINESE，卷。67-68，第509-532，1997。视图:出版商的网站|谷歌学术
3. r . n . Meroney“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， Fort Collins, CO .， 2004。
4. J. Franke，C.Hirsch，G.Jensen等，“关于使用CFD在风工程中使用的建议”城市风力工程和建筑空气动力学国际会议的诉讼程序， p. C.1.1-C1.11，比利时，2004。视图:谷歌学术
5. J. Sumner，C. S. Watters和C. Masson，“风能中的CFD：虚拟，多尺度风洞”，能量，第3卷，第2期。5, pp. 989-1013, 2010。视图:出版商的网站|谷歌学术
6. L. Cochran和R. Derickson，“一个物理建模者的计算风工程看法”，中国风力工业空气动力学杂志CHINESE，第99卷，第5期。4，第139-153页，2011。视图:出版商的网站|谷歌学术
7. B. Blocken，“计算风工程的50年:过去、现在和未来”，中国风力工业空气动力学杂志CHINESE，第129卷，第69-102页，2014。视图:出版商的网站|谷歌学术
8. A . J. F. van Heijst，“城市微气候CFD分析综述”，可再生和可持续能源评论， 2017, vol. 80, pp. 1613-1640。视图:出版商的网站|谷歌学术
9. 一个。Leelőssy, I. Lagzi, A. Kovács，和R. Mészáros，“对预测大气中放射性核素扩散的数值模型的回顾，”环境放射性杂志，卷。182，第20-33页，2018。视图:出版商的网站|谷歌学术
10. T.内田和K.荒木，“利用计算流体动力学(CFD)方法再现小尺度地形下游的局地强风区域”，工程建模与仿真，卷。2019年，2019年12页第12页。视图:出版商的网站|谷歌学术
11. T. Uchida和K. Sugitani，“复杂地形地形加速效应的数值和实验研究”，能量，第13卷，第2期15，第3896页，2020。视图:出版商的网站|谷歌学术
12. T. Uchida和Y. Kawashima，“评估由地形引起的湍流造成的风力涡轮机叶片损坏风险程度的新评估尺度”，能量，卷。12，不。13，p。2624,2019。视图:出版商的网站|谷歌学术
13. T. Uchida，流入剪切在扁平地形上风力涡轮机唤醒特性的影响，“能量，第13卷，第2期14，p。3745,2020。视图:出版商的网站|谷歌学术
14. T. Uchida和Y. Ohya，“利用RIAM-COMPACT进行气体扩散的数值模拟。第1部分条件不稳定的情况，“九州大学应用力学研究所报告，第126卷，第9-15页，2004。视图:谷歌学术
15. T. Uchida和Y. Ohya，“利用RIAM-COMPACT进行气体扩散的数值模拟。第2部分。情况稳定"九州大学应用力学研究所报告，第126卷，第17-22页，2004。视图:谷歌学术
16. https://www.esri.com/en-us/arcgis-marketplace/listing/products/06effa0bee204361a28bc00d5258dae3．
17. //http://www.esri.com/．
18. https://www.aw3d.jp/．
19. V. Vuorinen, M. Aarnio, M. Alava等人，“用与室内吸入SARS-CoV-2传播有关的数值模拟模拟气溶胶传输和病毒暴露，”安全科学，卷。130，第104866年，2020年。视图:出版商的网站|谷歌学术
20. J. Kim和P. Moin，“分数阶方法在不可压缩Navier-Stokes方程中的应用”，计算物理学，卷。59，没有。2，pp。308-323,1985。视图:出版商的网站|谷歌学术
21. T. Kajishima，“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，第60卷，第2期578页，第3319-3326页，1994。视图:出版商的网站|谷歌学术
22. T.川村，H.高见和K.桑原，“与周围的表面粗糙度的圆筒高雷诺数流的计算，”流体动力学研究， vol. 1, no. 12，第145-162页，1986。视图:出版商的网站|谷歌学术
23. J. Smagorinsky，“具有原始方程的一般循环实验。I.基本实验，“每月天气回顾，卷。91，没有。3，pp。99-164,1963。视图:出版商的网站|谷歌学术
24. W. H. Snyder和J. C. R.亨特“，从在围绕三维山-II分层和中性流动的点源湍流扩散。表面浓度的实验室测量，”大气环境，卷。18，不。10，1969年。视图:谷歌学术
25. T. Hayashi, M. Chino, H. Yamazawa等，“从风洞和大气扩散实验获得的有效叠加高度”，日本原子能研究所， 2001, JAERI-Tech 2001-034。视图:谷歌学术
26. https://www.jpnsport.go.jp/newstadium/．

版权

版权所有©2021孝德内田和亮阿拉亚。这是下发布的开放式访问文章知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。