SOFT CUBE的开发：基于CFD模拟和城市建成环境的流量与温度综合分析

《Environmental Modelling & Software》：Development of SOFT CUBE: Synthesis of flows and temperatures based on CFD simulations and urban built environment

SOFT CUBE方法通过整合预计算的CFD场景数据库与LDAPS中尺度气象预报，生成高分辨率城市三维气象场，在降低70%-141分钟/案例计算成本的同时，将风速RMSE误差降低71%，温度误差降低17%，并保持与全动态CFD模型相近的统计一致性。

　　随着全球城市化进程的加速，越来越多的人口和基础设施集中于城市区域，使得城市在面对极端天气事件时更加脆弱。例如，热浪、干旱和强风等现象对城市环境和居民健康产生了深远影响。因此，迫切需要在城市尺度上获得高分辨率的气象和环境信息，以便更精确地进行城市气候模拟和环境评估。然而，目前的城市气候建模方法在空间分辨率和计算效率之间存在根本性的权衡，这限制了其在实时预报或大规模规划中的应用。

为了解决这一问题，研究人员提出了一种新的方法——SOFT CUBE（基于CFD模拟和城市建筑环境的流场与温度合成）。该方法通过构建基于CFD的预计算场景数据库，并将其与LDAPS（局部数据同化与预测系统）的预报相结合，以生成高分辨率的三维城市气象场。SOFT CUBE利用了城市大气过程中的时间尺度分离特性，即城市形态和地形在长时间内保持相对稳定，而气象条件如风速和温度则在更短的时间尺度上变化。这种方法能够在保证物理可解释性和城市形态真实性的前提下，显著降低计算成本，从而实现更高效的模拟。

在本研究中，研究人员在韩国京畿道水原市的一个2公里×2公里的区域内进行了测试。该区域西部靠近海洋，东北部为住宅区，西南部为工业区，具有多样化的城市地表覆盖类型。通过使用CFD模型进行模拟，构建了覆盖不同风速、风向、地表热对比和垂直梯度的6640个场景，从而生成了完整的数据库。这些数据库在模拟过程中用于匹配实时的LDAPS预报，以合成三维风场和温度场。与传统的LDAPS-CD模型相比，SOFT CUBE在风速预测中的RMSE（均方根误差）减少了71%，在空气温度预测中减少了17%，且每个案例的运行时间从141分钟缩短至3分钟。尽管在强垂直混合条件下预测精度有所下降，但结果仍与完全动态的CFD模拟在统计上保持一致。

SOFT CUBE的主要优势在于其能够在保持物理真实性的前提下，实现高效的计算。该方法利用CFD模拟生成的数据库，结合LDAPS的实时预报，通过线性插值和校正过程，快速重建高分辨率的城市气象场。这种方法特别适用于城市热风险评估和空气质量预测等实际应用。通过将CFD模拟的复杂城市几何结构和气象条件与LDAPS的中尺度预报相结合，SOFT CUBE能够在不牺牲物理可解释性的前提下，显著提升计算效率。

在方法论方面，SOFT CUBE利用了CFD模型进行模拟，以生成覆盖不同风速、风向和地表加热条件的场景数据库。为了确保模型的准确性，研究人员还采用了多乘性偏差校正方法，以调整LDAPS的输出。此外，为了模拟不同地表覆盖类型的热效应，研究人员使用了植被城市冠层模型（VUCM）。通过分析2021年一年的背景空气温度和地表温度，研究人员确定了地表与空气温度比值的五个区间，并基于此构建了相应的数据库。在这些数据库的基础上，SOFT CUBE能够快速合成三维的城市风场和温度场。

在合成过程中，SOFT CUBE首先利用LDAPS的背景气象信息（如风速、风向、空气温度和地表短波与长波辐射）进行插值，以生成粗糙层（RL）的风场和温度场。然后，针对背景层（BL），研究人员考虑了垂直风速梯度和温度梯度的影响，通过构建辅助数据库，进一步提高了合成的准确性。通过这种方法，SOFT CUBE能够生成高分辨率的三维城市气象场，而不会显著增加计算成本。

在结果部分，研究人员对SOFT CUBE和LDAPS-CD模型的预测进行了验证。在四个气象传感器站点，SOFT CUBE在风速预测中的RMSE和MBE（均值偏差误差）显著低于LDAPS-CD模型，且在空气质量预测中也表现出良好的一致性。尽管在某些情况下，如强对流或活跃的垂直混合条件，SOFT CUBE的预测存在一定的偏差，但整体上仍能与LDAPS-CD模型保持较高的统计一致性。这些结果表明，SOFT CUBE在风速和空气温度预测方面具有较高的准确性，并且能够有效地在城市尺度上进行高分辨率的气象模拟。

此外，研究人员还对两种模型的空间分布进行了比较。在某些特定的气象条件下，SOFT CUBE能够准确再现LDAPS-CD模型的风场和温度场，而在其他情况下，如强对流或垂直混合活跃的区域，其预测结果与LDAPS-CD模型的差异较大。这表明，SOFT CUBE在某些复杂的气象场景下仍存在局限性，尤其是在垂直混合过程的建模方面。因此，未来的研究可以考虑引入多层插值策略或机器学习校正模块，以更好地保持垂直结构的连续性。

总的来说，SOFT CUBE作为一种结合CFD模拟和LDAPS预报的方法，为城市气象建模提供了一种高效且可扩展的替代方案。尽管其在某些复杂气象条件下仍存在一定的局限性，但在大多数情况下，它能够提供与完全动态CFD模拟相当的准确性，同时大幅降低计算成本。这种方法在实时预报和大规模城市规划中具有重要的应用潜力，为城市热风险评估和空气质量预测提供了新的工具。未来的研究可以进一步优化SOFT CUBE，以提高其对垂直混合过程和地表物理过程的模拟精度，从而更好地服务于城市气候科学和环境管理。