基于统计超载框架的污染物湍流扩散精确评估与不确定性量化方法研究

针对室内外污染物湍流扩散过程中存在的时空异质性和随机性难题，研究团队创新性提出统计超载框架（statistical overloading framework），通过单次Euler–Lagrange LES模拟实现全空间源-汇组合的暴露风险评估，建立DFR（delta function response）与SFR（step function response）的统计关联，为气溶胶传播防控提供高精度计算范式。

　　

在城市化进程加速与公共卫生事件频发的背景下，空气中污染物和气溶胶的传播机制成为环境科学与健康领域的核心议题。传统评估方法受限于湍流的混沌特性和空间异质性，难以准确量化暴露风险。尤其疫情期间，2米社交距离建议的制定缺乏对通风条件下污染物扩散路径的系统研究，暴露出现有模型在捕捉湍流脉动（turbulent fluctuations）和空间变异（spatial inhomogeneity）方面的不足。

为解决这一难题，由K.A. Krishnaprasad领衔的国际团队在《Journal of Aerosol Science》发表创新研究，提出统计超载框架（statistical overloading framework）。该研究通过单次大规模Euler–Lagrange大涡模拟（LES），在10×10×3.2 m³
标准房间内追踪数百万粒子轨迹，首次实现对所有可能源-汇组合的暴露风险同步评估。研究突破性地将污染物传输过程解耦为发射（emission）与传输（transport）两个独立过程，并定义δ函数响应（DFR）和阶跃函数响应（SFR）作为基础物理量，建立任意排放场景下累积污染物浓度均值与标准差的普适计算公式。

关键技术方法包括：1）基于LES的湍流场解析与Langevin亚网格模型；2）统计超载技术实现全空间粒子同步释放与追踪；3）时空非相关采样构建等效系综平均；4）DFR/SFR卷积运算量化传输过程。

【Statistical description】
通过定义精细尺度DFR（即单次δ函数排放后汇处的瞬时浓度响应），推导出系综平均DFR及其两时间关联函数。研究表明，湍流导致的浓度波动标准差与DFR时间积分方差呈正比，验证了统计超载框架对湍流变异（variability due to turbulence）的捕捉能力。

【Homogenization and quantification of spatial variation】
针对空间异质性挑战，提出分级均匀化策略：局部均匀化保留源-汇距离依赖性，全局均匀化获得空间平均风险。数据显示，当源-汇采样点密度达0.1/m³
时，空间变异系数收敛至5%以内。

【Cumulative exposure】
建立阶跃排放场景下累积浓度n?(T)的显式表达式，揭示暴露时长T与湍流特征时间尺度的非线性关系。典型案例显示，当T超过湍流积分时间10倍时，相对标准差可降低至15%。

【Conclusions】
该研究创立了湍流扩散问题的严格统计描述框架，其创新性体现在：1）通过统计超载技术将传统需数千次模拟的源-汇组合评估压缩至单次计算；2）提出的DFR/SFR理论体系可推广至DNS/RANS等多尺度模拟；3）制定的粒子数、采样频率等参数选择准则为后续研究提供标准化流程。成果不仅为室内病原体传播风险评估提供新范式，更在药物递送（drug delivery）、火山灰扩散（tephra dispersal）等领域具有广阔应用前景。研究获得美国国家科学基金会（NSF）和LG电子等机构资助，相关算法已应用于城市空气质量管理（urban air quality management）和机翼液滴撞击（droplet impingement on airfoils）等跨学科研究。