面向低空微气象的GPU加速格子Boltzmann大涡模拟近实时米级三维城市风场重建框架及数值验证

《Developments in the Built Environment》：Near-real-time, meter-scale 3D urban wind modeling for low-altitude micrometeorology: Numerical verification of a GPU-accelerated lattice Boltzmann framework

　　

本研究提出面向复杂城市气象环境中低空飞行事件的近实时、米级三维城市风模拟框架。该框架通过将稀疏观测与高效微尺度流动建模相耦合来重建高分辨率风场。框架把格子Boltzmann方法大涡模拟（lattice Boltzmann method large-eddy simulation, LBM-LES）、可显式解析真实建筑细节的高保真城市形态重建以及观测驱动边界同化整合为面向真实城市区域的快速端到端流程。研究采用中国广州密集城市区域的多站点多普勒激光雷达（Doppler lidar）测量进行评估。系统在单块NVIDIA A800 80G GPU（graphics processing unit，图形处理器）上，对公里级区域以5 m分辨率在约5 min内重建三维风场。通过受控观测削减、对保留激光雷达站点的独立验证以及网格分辨率和前体域范围的敏感性分析，检验框架的稳健性与准确性。结果表明，在复杂形态和有限观测条件下，垂直风结构与关键局地流动特征可被稳定再现，为近实时城市风重建提供了可扩展路径。

研究背景方面，低空经济与城市空中交通（urban air mobility, UAM）快速发展，无人机物流、城市空中交通、应急响应、巡检和测绘等低空作业通常贴近地表飞行，对时效性要求高，且处于高度复杂环境中。三维风场及其快速变化会影响飞行器稳定性、控制裕度、轨迹跟踪、能耗和任务成功率，并决定复杂城市地表上的安全运行包络。在超大城市中，建筑群、街谷、绿地和水体共同改变近地表动量与热量交换，造成强空间异质性和多尺度耦合。已有观测系统如Doppler lidar、气象塔和自动气象站可提供可靠时间序列，但受代表性、仪器惯性、空间密度和成本限制，难以重建小尺度城市三维风场。中尺度数值天气预报可提供格点预报，但向亚公里和更细尺度细化时受动力框架、垂直坐标、城市形态参数化和计算成本制约。计算流体力学（computational fluid dynamics, CFD）可表征复杂几何和局地湍流，但大涡模拟（large-eddy simulation, LES）成本高，雷诺平均Navier–Stokes（Reynolds averaged Navier–Stokes, RANS）存在湍流闭合误差，城市粗糙度和表面参数化仍不成熟。LBM具有复杂边界处理和并行优势，但现有城市微尺度研究多面向风环境评估、设计支持或灾后风险评估，而非观测约束、走廊导向的低空气象服务。Zhang et al. 开发的TH-MuSiC耦合天气研究与预报模式与LBM，但千万级网格端到端流程仍需数十分钟。因此，关键空白在于：能否以可负担计算成本，在复杂城市表面稳定产生高分辨率三维风场，并与现有气象观测和预报系统协同。研究人员为此开发并验证近实时、米级三维城市风重建框架，将高保真城市形态重建、GPU加速LBM-LES求解器和稀疏多站点Doppler lidar观测驱动边界条件整合，目标是在数分钟内提供公里级三维风场。研究结论表明，该框架可在复杂形态和有限观测下稳定再现垂直风结构和关键局地流动特征，为近实时城市风重建提供可扩展路径，对低空气象保障具有重要意义。

关键技术方法方面，研究人员采用GPU加速LBM-LES求解器FluidX3D，基于D₃Q₁₉离散速度模型、单松弛时间Bhatnagar–Gross–Krook碰撞、Smagorinsky–Lilly亚格子模型和科里奥利力，并采用浸入边界法处理地面、地形和建筑无滑移边界。地理预处理使用数字高程模型（digital elevation model, DEM）经反距离加权（inverse distance weighting, IDW）插值和高斯平滑，建筑来自3D-GloBFP数据集，并经体素化和射线追踪占用测试。边界条件由Doppler lidar水平风经普通Kriging、Delaunay三角剖分、k维树和k近邻重建，并进行质量通量一致性校正和合成湍流叠加。样本队列来源为广州气象局海心沙低空经济气象服务场景及广州低空飞行气象保障志愿者观测实验，使用6台Doppler lidar（GAW102、GAW103、GAW104、GAW105、GAW110、GAW111），选取2025年9月10日17:00—19:00（UTC+08:00）无降水、跨站数据完整且中等偏强背景风时段。

研究结果方面，首先在原理验证中，AIJ Case A孤立1:1:2方柱风洞验证显示，在建筑宽B=32 m、高H=64 m、屋顶高度参考风速U_H=4.49 m/s、2 m网格下，z/H=1.25处平均风速FAC2为0.93、命中率q为0.97，中心垂直剖面相关系数为0.97，TKE的FAC2为0.90；但近地面z/H=0.125处平均风速FAC2为0.74、q为0.62，TKE的FAC2降至0.31，表明近地湍流预测仍是限制。AIJ Case E城市建筑区验证中，采用1 m网格和80个采样点，研究人员方法的平均绝对误差（mean absolute error, MAE）为0.143，接近Fluent RANS可实现k-ε模型的0.138和Fluent LES的0.144。密度流锋验证采用25.6 km×6.4 km域内冷椭圆位温扰动，25 m网格下300—900 s平均绝对锋位置差为3.85%；与已发表动态亚格子LES在12.5 m网格下比较，600、750、900 s锋位置绝对相对差分别为0.310%、0.659%、0.488%，平均为0.486%，表明耦合动量—热力传输和浮力驱动锋演变可被表征。

4.1 网格收敛与重体素化（Convergence of mesh and re-voxelization）：研究人员通过体积加权概率密度函数（probability density function, PDF）和累积分布函数（cumulative distribution function, CDF）分析建筑尺寸，发现约80%体积建筑短边小于50 m。比较2、5、10、20、50 m五种网格，2 m和5 m与原始体素几何高度一致且保留超过99%固体体积；10 m开始遗漏小建筑并使部分大建筑体积偏差，约8%目标建筑短边小于网格；20 m下超过30%建筑体积低于阈值，许多小建筑退化为摩擦元；50 m完全失去建筑几何特征。风廓线比较显示强风时不同网格较相似，低风时差异显著，10、20、50 m低估地表摩擦导致近地风速廓线不发展；5 m是仍保留关键建筑几何和近地廓线结构的最粗测试分辨率。两点相关在12个网格内保持高相关，能量谱在Nyquist波数一半以下近似k^?5/3，无谱堆积，支持LES解析合理。

4.2 边界效应与松弛区（Boundary effect and relaxation zone）：研究人员测试约2 km、4 km和8 km前驱域。下游风场在不同前驱域下显著重叠，说明级联效应可修正，结构风效应可可靠重建，下游边界吸收性能可接受。但上游存在未充分发展区，2 km和4 km域东侧入口缓冲约700 m，8 km域因建筑稀疏需超过1 km。高阶量涡度显示小域入口涡度被低估，向下游逐渐收敛；出口处湍流动能累积，影响区约300 m。水平风廓线表明，4 km和8 km在强风下显示更多小尺度结构，2 km不足；但8 km侧边界远离关注区，Kriging退化为长距离外推，侧边界不确定性增加，廓线反而较4 km和2 km差。

4.3 风场特征（Wind fields characteristics）：研究人员在18:30中等风条件下分析风场。20—100 m高度风场复杂，流线扭曲、局地辐合、分叉和回流明显，近地风速较低，摩擦耗散显著，并可识别通道化风廊和地形加速区；20 m处可见小尺度涡和低层建筑尾流。约200 m处流线更连贯，主风向更清晰，小尺度湍流减少，逐渐脱离地表粗糙度直接影响。300 m以上流线近乎平行并呈准二维分层，主风向均匀，风速随高度单调增加，背景风主导。研究还捕捉到街谷风、建筑非定常尾流、多高层建筑尾流及居住区风，支持该框架的空间分辨能力。

4.4 水平风廓线与质量控制（Horizontal wind profile and quality control）：验证时刻为17:10、18:10和18:30，最高有效观测高度分别为800 m、400 m和400 m。Case 1用5台lidar输入并验证GAW111，17:10多数高度偏差低于0.5 m/s，其他时刻在200 m以上存在较大差异。Case 2与Case 1偏差特征相似，最大偏差约在400 m。Case 3用3台lidar输入，整体验证指标改善，GAW105绝对误差多低于0.3 m/s，仅300—400 m偏差约0.5 m/s，GAW110除最低层外误差低于0.5 m/s，三个验证站一致性较好。Case 4仅用2台lidar输入并验证4站，可稳定再现垂直变化趋势，但误差均值和最大值较Case 3略增。共611对模型—观测点，MAE为0.383—0.534 m/s，均方根误差（root mean square error, RMSE）为0.466—0.696 m/s。与仅Kriging基线比较，本方法MAE和RMSE较高但偏差最小，为?0.058 m/s。高度分辨误差显示0—100 m MAE为0.531 m/s，200—400 m误差较大，400—600 m误差较低。Kriging方差表明重构不确定性随位置、高度和分析时间变化。结论是，稀疏观测可推断其他区域垂直结构和定量特征，但本方法会显式重建局地流动不稳定性、局地回流和剪切湍流，导致偏离平滑平均廓线。

4.5 物理时间收敛与准稳态处理（Physical-time convergence and quasi-steady treatment）：研究人员分析1 s滑动窗口平均TKE沿测量线的演变。前约30 s由LBM启动/声学涡形成和耗散主导；30—70 s通过与近地建筑和摩擦相互作用，从初始层流状态向湍流结构发展；约100 s后TKE围绕持续湍流平台波动，进入准稳态湍流状态。40 000步对应400 s物理时间，远长于初始流动发展阶段，为获得准稳态结果提供充分后发展区间。

讨论部分总结：该研究面向低空微气象服务，将稀疏lidar观测与GPU加速LBM-LES结合，实现复杂城市表面近实时米级三维风场重建。其意义在于可在数分钟内完成公里级、米级分辨率模拟，并与现有观测和预报系统形成互补，为低空运行提供可解释风场风险信息。局限包括仅评估单一无降水城市窗口、等温配置和可用水平风lidar观测；缺少脉动速度、湍流强度、阵风统计和直接垂直速度观测，因此这些量不能独立验证。未来需引入多大气稳定度垂直温度观测、脉动速度、阵风、湍流强度和垂直速度观测，扩展到地形起伏更明显站点，并评估强风和降水事件。

研究结论部分翻译如下：第一，基于LBM-LES，LatticeUrbanWind可高效处理低空风场模拟，考虑建筑诱导流、街谷和地形影响等三维复杂流型。第二，Doppler lidar与LBM-LES技术协同整合，为城市微气象风场全时空覆盖提供有效方案。第三，所开发LBM-LES流程的数值结果与观测吻合良好，证明其准确性和可靠性；该流程可在数分钟内完成跨越数公里、米级分辨率的GPU加速风场模拟。第四，网格策略对模拟结果影响显著；在本城市环境中，5 m是仍保留关键建筑几何和近地廓线结构的最粗测试分辨率，更粗网格低估地表剪切应力并导致风速廓线不发展。第五，前驱域大小决定关注区流是否充分发展；足够大的前驱域提供充分缓冲，使湍流特征得以重建，且流动发展所需缓冲长度受建筑密度强烈影响。研究最后指出，本文提出并验证了近实时低空微气象风CPU—GPU混合LBM-LES模拟；后续将关注LBM驱动边界多物理场耦合，包括垂直速度信息显式处理、热力浮力效应和高阶湍流场，并建立标准化工作流、数据集和基准，以促进可重复性和低空支持系统持续运行。