CN114154300B - 一种城市热环境与空气污染物浓度实时感知地图建立方法 - Google Patents

一种城市热环境与空气污染物浓度实时感知地图建立方法 Download PDF

Info

Publication number
CN114154300B
CN114154300B CN202111293591.2A CN202111293591A CN114154300B CN 114154300 B CN114154300 B CN 114154300B CN 202111293591 A CN202111293591 A CN 202111293591A CN 114154300 B CN114154300 B CN 114154300B
Authority
CN
China
Prior art keywords
parameters
air
pollutant
thermal environment
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111293591.2A
Other languages
English (en)
Other versions
CN114154300A (zh
Inventor
沈鹏元
王美林
王波
王玺
余磊
齐贺
叶泳仪
邢晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Graduate School Harbin Institute of Technology
China Construction Science and Technology Group Co Ltd
Original Assignee
Shenzhen Graduate School Harbin Institute of Technology
China Construction Science and Technology Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Graduate School Harbin Institute of Technology, China Construction Science and Technology Group Co Ltd filed Critical Shenzhen Graduate School Harbin Institute of Technology
Priority to CN202111293591.2A priority Critical patent/CN114154300B/zh
Publication of CN114154300A publication Critical patent/CN114154300A/zh
Application granted granted Critical
Publication of CN114154300B publication Critical patent/CN114154300B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Remote Sensing (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种城市热环境与空气污染物浓度实时感知地图建立方法，利用ENVI‑met软件对城市热环境和空气污染物进行模拟，绘制热舒适云图和空气污染云图，通过编程和图片坐标的定义将云图和参数自动显示在ArcGIS软件的电子地图中，形成热环境和空气污染物感知地图，实现了对城市微环境的实时模拟。本发明可对城市热环境和空气污染物进行实时地图显示，为合理规划、改善城市区域微环境提供数据支持。

Description

一种城市热环境与空气污染物浓度实时感知地图建立方法
技术领域
本发明涉及城市空气污染与微气候技术领域，具体涉及一种城市热环境与空气污染物浓度实时感知地图建立方法。
背景技术
城市体量与密度的增加，导致了大规模的土地覆盖类型改变，使城市地表微气候受到破坏。城市化不仅与城市热岛效应加剧有直接联系，还复杂化了城市原始下垫面类型，不断提高城市粗糙度，导致城市边界层内部湍流换热量降低，改变了多尺度下的城市冠层区气候环境，造成热岛、湿岛、干岛、雨岛、混浊岛等五种特殊的局地气候效应。热岛效应和逆温层效应使对流减弱，创造了雾霾的小气候条件。
室外热舒适的实验测试实际上是对局地微气候的测试，实测参数包括空气温度、地表温度、和平均辐射温度、风速、相对湿度、黑球温度等，并选择多个测点以分析不同类型的室外环境因素对热舒适的影响。现有的环境空气质量指数已经从空气污染指数转变为空气质量指数，从检查TSP、NO2、SO2三种大气污染物改变到SO2、NO2、PM10、PM2.5、O3、CO六种大气污染物。部分研究的污染物数据来源于国家环境机构监测数据库，而多数研究根据研究对象，设置测试点。由于受到测量方法、测量设备、环境条件及人力投入等因素的限制，在不可控环境边界条件下，收集有限采集点的数据，街谷微环境实测研究很难同时得到详细全面的表面温度、空气温度、流场参数、污染物浓度等数据。
大量研究表明，计算流体动力学(CFD)模拟技术在各类建筑、街区尺度的微环境研究中都具有良好的应用效果。利用CFD模型进行的空气质量和污染物暴露研究、城市建筑规划、交通管理和污染预测是目前街道峡谷空气污染物扩散模型的研究热点。此外，CFD软件还可以模拟、量化不同城市形态的室外热舒适。在模拟的过程中，与实际情况对比时，会出现不可避免的偏差。虽然模型与实际的情景、物理过程相类似，但由于数据库、控制方程组、计算方法是固定的，模拟时只能尽量选择与实际情况较为相近的参数。
ENVI-met模型基于流体力学和非静力学的高分辨率三维城市微气候的CFD模型，由德国波鸿大学地理研究所的Bruse等于1998年开发。常被应用于城市街区的热舒适度和污染物扩散的模拟、街区通风效能评价、建筑耗能研究等领域。与其他CFD模拟相似，ENVI-met模型也是通过建立几何模型，并定义其边界条件和初始条件，通过解数学模型方程组，计算出所需参数。现有技术对热舒适度和污染物的模拟无法快速定位其所处的环境，且无法与监测数据实时对比分析。此外，受到计算机数据处理能力的限制，ENVI-met软件通常只能模拟一段时间内的微环境。本发明采用ENVI-met对城市热环境和空气污染物模拟，结合固定点监测，可实时、长期、准确掌握城市区域的微环境现状，及其变化趋势。
发明内容
针对上述现有技术存在的问题，本发明提出了一种城市热环境与空气污染物浓度实时感知地图建立方法，可对城市热环境和空气污染物进行实时地图显示，为合理规划，改善城市区域热环境提供数据支持。
本发明是通过以下技术方案得以实现的：
一种城市热环境与空气污染物浓度实时感知地图建立方法，包括以下步骤：
S1，以监测点为中心，获取1000m×1000m计算域内的矢量地图，在ENVI-met中建立三维模型，并区分不同的模型属性，所述模型属性包括建筑、地面、大气、植被、土壤、水体；
S2，对三维模型进行网格划分，并确定每个模型属性的网格尺寸；
S3，设定热物性参数、边界条件、基地位置、模拟时间、地面参数和建筑参数，边界条件包括三维模型内各个传热传质表面的边界性质、气象参数和污染物参数；
S4，根据上述参数和边界条件，确定数学模型；
S5，输入气象参数和污染物参数，采用数学模型进行计算，得出热环境参数和空气污染物浓度，制作并输出热环境云图和空气污染物云图；
S6，将热环境云图和空气污染物云图在ArcGIS中显示，形成感知地图。
S7，搭建实验平台，获取监测点的实时热环境参数和空气污染物浓度；
S8，对实验获取的参数数据进行分析，得到监测点的热环境实时数据和空气污染物实时数据；
S9，将S8获得的分析数据与步骤S5得出的数据进行对比，若误差小于10％，则继续步骤S6；若误差大于10％，则调整模型，重复步骤S3-S5，直至误差小于10％，再继续步骤S6。
作为本发明的优选方案之一，所述气象参数包括风速、风向、温度、湿度、云量；污染物参数包括污染源类型、污染源形式位置、污染物排放速率。
作为本发明的优选方案之一，输入的初始参数中，气象参数和污染物排放速率随模拟时间动态变化，所述每个模拟时间对应的气象参数和污染物排放速率通过编程从网页自动获取，并编辑为ENVI-met可识别的输入模式。
作为本发明的优选方案之一，所述热环境参数包括室外热舒适指标、温度、风速和风向，室外热舒适指标为标准有效温度。
作为本发明的优选方案之一，所述方法还包括：
步骤S5中，数学模型计算的初始时间由用户设置，当步骤S8获得的监测点的温度或空气污染物浓度超过上一个时刻的20％，则重新启动步骤S5，并输出该时刻的模拟结果。
作为本发明的优选方案之一，步骤S7中，采用微型环境空气质量在线监测***监测室外污染物浓度和微气候；采用日照辐射计监测室外太阳辐射强度；采用黑球温度变送器监测室外黑球温度。
作为本发明的优选方案之一，步骤S7中，微型环境空气质量在线监测***、日照辐射计和黑球温度变送器监测到的数据，传输至计算机；
步骤S8中，通过计算机自动分析监测点的热环境现状和空气污染现状。
作为本发明的优选方案之一，计算机设有报警装置，当气温超过35℃，或空气质量指标高于50时，所述报警装置发出预警。
相比于现有技术，本发明具备以下有益效果：
本发明利用ENVI-met软件对城市热环境和空气污染物进行模拟，绘制热舒适云图和空气污染云图，通过编程和图片坐标的定义将云图和参数自动显示在在ArcGIS软件的电子地图中，形成热环境和空气污染物感知地图，实现了对城市微环境的实时模拟。采用实验测试与数值模拟的研究方法，并结合计算机编程，本发明具有以下特点：
自动远程获取实验测试参数，并简单计算、质量分析。当气温超过35℃，或空气质量指数超过50，则发出警报。具有自动计算、分析、警报的功能。
自动获取最近的国家站点气象参数和空气污染物浓度，并整理为EMVI-met可识别的格式，启动软件计算并输出结果。且模拟结果与实验参数自动进行对比。当温度或空气污染物浓度超过上一个时刻的20％时，再次启动软件机型模拟计算。可获得准确、实时、有效的室外热环境和空气污染感知地图。
模拟结果云图和测点参数自动在ArcGIS软件中展示，可快速定位研究区域的地理位置，并可切换显示多个参数。在多个测点时，可快速显示城市区域的热环境和空气污染感知地图。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为监测点模拟区域的模型平面地图；
图2为监测点三维模型的1000m×1000m计算域三维平面示意图；
图3为实测温度日计算时间点及输出变量的变化曲线；
图4为人体参数设置界面示意图；
图5为监测点计算域内的热环境云图；
图6为监测点计算域内的空气污染物云图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细的说明。
本实施例提供一种城市热环境与空气污染物浓度实时感知地图建立方法，包括以下步骤：
S1，以监测点为中心，获取1000m×1000m计算域内的矢量地图。本实施例以新闻大厦监测点为例，模拟区域如图1所示，记录了道路、建筑、绿地等信息；以该模拟区域为准，在ENVI-met中建立三维模型，并区分不同的模型属性，所述模型属性包括建筑、地面、大气、植被、土壤、水体等，如图2所示。
S2，对三维模型进行网格划分，并确定每个模型属性的网格尺寸。对建筑、植被、水体、道路等尺寸予以确定，以防止多处模型失真的情况发生。
S3，设定热物性参数、边界条件、基地位置、模拟时间、地面参数、建筑参数、植被参数和水体参数，边界条件包括三维模型内各个传热传质表面的边界性质、气象参数和污染物参数。
热物性参数包括墙体传热系数、屋顶传热系数、墙面反射率和屋顶反射率等涉及到传热过程的参数；气象参数包括风速、风向、温度、湿度、云量；污染物参数包括污染源类型、污染源形式位置、污染物排放速率。
S4，根据上述参数，确定数学模型。
数学模型包括大气模型、土壤模型、植物模型、地表及建筑表面模型、颗粒物沉降模型等，这些模型可在ENVI-met中根据热物性参数和边界条件予以选择。
S5，输入气象参数和污染物参数，采用数学模型进行计算，得出热环境参数和空气污染物浓度，制作并输出热环境云图和空气污染物云图。
初始参数的设置如表1所示，包括气象参数、坐标(时区)等，污染物参数包括污染源类型、形式位置和排放速率，路面空气污染物排放速率依据车流量、车型、排放率等机型计算，并设置为线源。线源是指将整条道路上的所有汽车排放看作是一条线上的污染物排放，并依据汽车的种类、数量、车速等设置线源的排放速率。
表1初始参数设置
Figure BDA0003335809730000061
Figure BDA0003335809730000071
S6，将热环境云图和空气污染物云图在ArcGIS中显示，形成感知地图。
本实施例中，所述热环境参数包括室外热舒适指标、温度、风速和风向，室外热舒适指标为标准有效温度；标准有效温度(SET)的定义为：身着标准服装(热阻0.6clo)的人处于相对湿度50％、空气近似静止、空气温度与平均辐射温度相同的环境中，若此时的平均皮肤温度和皮肤湿度与某一实际环境和实际服装热阻条件下相同，则人体在标准环境和实际环境中会有相同的散热量，此时标准环境的空气温度就是实际所处环境的标准有效温度SET。所述空气污染物参数包括空气污染物浓度。空气质量指标(AQI)由空气污染物浓度计算得出，用于表述空气质量等级。空气质量等级为优时，AQI低于50。
输入的初始参数中，气象参数和污染物排放速率随模拟时间动态变化，所述每个模拟时间对应的气象参数和污染物排放速率通过编程从网页自动获取，并编辑为ENVI-met可识别的输入模式。
为验证模拟的准确性，本申请还搭建了实验平台，对监测点进行实时检测，获取热环境参数和空气污染物参数，与模拟数据予以对比，保证感知地图的准确性。具体如下：
S7，搭建实验平台，获取监测点的实时热环境参数和空气污染物参数。
热环境及空气污染物实测参数包括温度、湿度、风速、大气压力、黑球温度、太阳辐射、SO2、NO2、CO、O3、PM10、PM2.5，对应的设备如表2所示。测试数据可用于对测点附近的热环境和热舒适进行分析、推算和预测，以及验证数值模拟结果的正确性和准确性。
表2实验测试仪器量程和精度
Figure BDA0003335809730000081
S8，对实验获取的参数数据进行分析，得到监测点的热环境实时数据和空气污染物实时数据；
S9，将S8获得的分析数据与步骤S5得出的数据进行对比，若误差小于10％，则继续步骤S6；若误差大于10％，则调整模型，重复步骤S3-S5，直至误差小于10％，再继续步骤S6。
步骤S7中，采用微型环境空气质量在线监测***监测室外污染物浓度和微气候；采用日照辐射计监测室外太阳辐射强度；采用黑球温度变送器监测室外黑球温度。
微型环境空气质量在线监测***、日照辐射计和黑球温度变送器监测到的数据，传输至计算机；计算机自动分析监测点的热环境现状和空气污染现状。
计算机设有报警装置，当气温超过35℃，或空气质量指标超过50时，所述报警装置发出预警，提醒室外环境存在健康风险。
步骤S5中，数学模型计算的初始时间由用户设置，当步骤S8获得的监测点的温度或空气污染物浓度超过上一个时刻的20％，则重新启动步骤S5，并输出该时刻的模拟结果。
例如：模拟设置初始时间设置为早上8:00，当温度或空气污染物变化率超过上一个时刻点的20％时，重新启动软件计算，并输出该时刻的模拟结果。以某一天的空气温度变化为例，如图3所示，在早上8点开始计算，此时的温度为27.45℃，当温度超过32.94℃时，再次开始计算。在下午13:50，温度才超过32.94℃，为33.06℃，再次开始模拟计算。并以此为基准，温度低于26.45℃时，再次启动计算程序。
基于上述模型的建立和实验测试，可得到监测点为中心1000×1000m范围内的热环境与空气污染物浓度实时感知地图。
通过模拟计算，可得出城市热环境参数和空气污染物浓度。室外热环境部分包括标准有效温度、温度、风速和风向。标准有效温度值涉及到人体生理参数，其设置如图4所示。以2021年5月22日中午12：00的模拟标准有效温度云图为例，如图5所示。主要空气污染物浓度分布云图以2021年5月22日中午12：00的PM10结果为例，如图6所示。之后，通过定义输出图片的坐标，结合编程，各参数和云图将自动显示在ArcGIS软件的电子地图中，形成热环境和空气污染物感知地图。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的保护范围内。

Claims (5)

1.一种城市热环境与空气污染物浓度实时感知地图建立方法，其特征在于，包括以下步骤：S1，以监测点为中心，获取1000m×1000m计算域内的矢量地图，在ENVI-met中建立三维模型，并区分不同的模型属性，所述模型属性包括建筑、地面、大气、植被、土壤、水体；
S2，对三维模型进行网格划分，并确定每个模型属性的网格尺寸；
S3，设定热物性参数、边界条件、基地位置、模拟时间、地面参数、建筑参数、植被参数和水体参数，边界条件包括三维模型内各个传热传质表面的边界性质、气象参数和污染物参数；
S4，根据热物性参数、边界条件基地位置、模拟时间、地面参数、建筑参数、植被参数和水体参数，确定数学模型；
S5，输入气象参数和污染物参数，采用数学模型进行计算，得出热环境参数和空气污染物浓度，制作并输出热环境云图和空气污染物云图；
S6，将热环境云图和空气污染物云图在ArcGIS中显示，形成感知地图；
S7，搭建实验平台，获取监测点的实时热环境参数和空气污染物浓度；
S8，对实验获取的参数数据进行分析，得到监测点的热环境实时数据和空气污染物实时数据；
S9，将S8获得的分析数据与步骤S5得出的数据进行对比，若误差小于10％，则继续步骤S6；若误差大于10％，则调整模型，重复步骤S3-S5，直至误差小于10％，再继续步骤S6；
所述气象参数包括风速、风向、温度、湿度、云量；污染物参数包括污染源类型、污染源形式位置、污染物排放速率；
输入的初始参数中，气象参数和污染物排放速率随模拟时间动态变化，每个模拟时间对应的气象参数和污染物排放速率通过编程从网页自动获取，并编辑为ENVI-met可识别的输入模式；
所述方法还包括：步骤S5中，数学模型计算的初始时间由用户设置，当步骤S8获得的监测点的温度或空气污染物浓度超过上一个时刻的20％，则重新启动步骤S5，并输出该时刻的模拟结果。
2.根据权利要求1所述的方法，其特征在于：所述热环境参数包括室外热舒适指标、温度、风速和风向，室外热舒适指标为标准有效温度。
3.根据权利要求1所述的方法，其特征在于：
步骤S7中，采用微型环境空气质量在线监测***监测室外污染物浓度和微气候；采用日照辐射计监测室外太阳辐射强度；采用黑球温度变送器监测室外黑球温度。
4.根据权利要求3所述的方法，其特征在于：
步骤S7中，微型环境空气质量在线监测***、日照辐射计和黑球温度变送器监测到的数据，传输至计算机；
步骤S8中，通过计算机自动分析监测点的热环境现状和空气污染现状。
5.根据权利要求4所述的方法，其特征在于：计算机设有报警装置，当气温超过35℃，或空气质量指标高于50时，所述报警装置发出预警。
CN202111293591.2A 2021-11-03 2021-11-03 一种城市热环境与空气污染物浓度实时感知地图建立方法 Active CN114154300B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111293591.2A CN114154300B (zh) 2021-11-03 2021-11-03 一种城市热环境与空气污染物浓度实时感知地图建立方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111293591.2A CN114154300B (zh) 2021-11-03 2021-11-03 一种城市热环境与空气污染物浓度实时感知地图建立方法

Publications (2)

Publication Number Publication Date
CN114154300A CN114154300A (zh) 2022-03-08
CN114154300B true CN114154300B (zh) 2023-07-07

Family

ID=80458783

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111293591.2A Active CN114154300B (zh) 2021-11-03 2021-11-03 一种城市热环境与空气污染物浓度实时感知地图建立方法

Country Status (1)

Country Link
CN (1) CN114154300B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115618462B (zh) * 2022-10-10 2024-06-28 哈尔滨工业大学 一种基于缩尺模型物理仿真的城市街区局地风热环境耦合预测方法
CN116090673B (zh) * 2023-04-07 2023-09-26 广东工业大学 一种交通源pm2.5动态预测方法及***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105760453A (zh) * 2016-02-03 2016-07-13 东南大学 一种城市微气候数字地图
CN113252851A (zh) * 2021-05-19 2021-08-13 安徽理工大学环境友好材料与职业健康研究院(芜湖) 一种基于NB-IoT和边缘计算的大气污染监测***

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104950349A (zh) * 2014-09-04 2015-09-30 国网山东省电力公司应急管理中心 一种基于电网gis的卫星云图实时预警方法及装置
CN105868393B (zh) * 2016-04-18 2019-02-01 东南大学 一种城市中心微热岛数字地图的制作和显示方法
CN108460135A (zh) * 2018-03-07 2018-08-28 济宁中科云天环保科技有限公司 基于gis的批量云图生成方法
CN110069887B (zh) * 2019-05-05 2022-04-15 腾讯科技（深圳）有限公司 一种驾驶仿真方法、装置、设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105760453A (zh) * 2016-02-03 2016-07-13 东南大学 一种城市微气候数字地图
CN113252851A (zh) * 2021-05-19 2021-08-13 安徽理工大学环境友好材料与职业健康研究院(芜湖) 一种基于NB-IoT和边缘计算的大气污染监测***

Also Published As

Publication number Publication date
CN114154300A (zh) 2022-03-08

Similar Documents

Publication Publication Date Title
Yang et al. Spatial differentiation of urban wind and thermal environment in different grid sizes
Yang et al. Urban form and air pollution disperse: key indexes and mitigation strategies
Liang et al. The relationship between urban form and heat island intensity along the urban development gradients
CN114154300B (zh) 一种城市热环境与空气污染物浓度实时感知地图建立方法
Paas et al. A comparison of model performance between ENVI-met and Austal2000 for particulate matter
Yuan et al. Multilayer urban canopy modelling and mapping for traffic pollutant dispersion at high density urban areas
Toja-Silva et al. On the urban geometry generalization for CFD simulation of gas dispersion from chimneys: Comparison with Gaussian plume model
CN110597932B (zh) 一种基于遥感影像的环境综合评估预测方法
CN110084418A (zh) 一种突发大气污染事故应急监测的监测点优化布设方法
Xu et al. Temporal and spatial variations of urban climate and derivation of an urban climate map for Xi'an, China
Kastner et al. Eddy3D: A toolkit for decoupled outdoor thermal comfort simulations in urban areas
Zheng et al. Predicting the influence of subtropical trees on urban wind through wind tunnel tests and numerical simulations
CN115408962B (zh) 基于cfd模拟和测风激光雷达的风场重建方法及***
Zaïdi et al. Numerical simulations of the microscale heterogeneities of turbulence observed on a complex site
CN110174106A (zh) 一种基于pm2.5的健康步行路径规划方法及终端设备
Kim et al. Improving ozone modeling in complex terrain at a fine grid resolution: Part I–examination of analysis nudging and all PBL schemes associated with LSMs in meteorological model
Li et al. Bayesian inversion of inflow direction and speed in urban dispersion simulations
Zou et al. Impact of eddy characteristics on turbulent heat and momentum fluxes in the urban roughness sublayer
Nazarian et al. Multiscale modeling techniques to document urban climate change
Richmond-Bryant et al. Air pollutant retention within a complex of urban street canyons
Butler et al. WindWizard: a new tool for fire management decision support
Ying et al. City-scale ventilation analysis using 3D buildings with Guangzhou case
Fadavi et al. Evaluation of AERMOD for distribution modeling of particulate matters (Case study: Ardestan Cement Factory)
Liu et al. Sensor layout strategy for source term estimation of external pollution sources in urban neighbourhoods
Kastner et al. Streamlining meshing methodologies for annual urban CFD simulations

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant