边界入流风场扰动对模拟城市大气扩散的影响

董龙翔,左洪超,杨 宾,陈继伟,马凯明,余 晔(.兰州大学大气科学学院,半干旱气候变化教育部重点实验室,甘肃 兰州 70000；.中国科学院西北生态环境资源研究院,寒旱区陆面过程与气候变化重点实验室,甘肃 兰州 70000；.中国人民解放军98部队,甘肃 兰州 7000)

边界入流风场扰动对模拟城市大气扩散的影响

董龙翔1,2,左洪超1*,杨 宾1,陈继伟3,马凯明3,余 晔2(1.兰州大学大气科学学院,半干旱气候变化教育部重点实验室,甘肃 兰州 730000；2.中国科学院西北生态环境资源研究院,寒旱区陆面过程与气候变化重点实验室,甘肃 兰州 730000；3.中国人民解放军93811部队,甘肃 兰州 730020)

借助计算流体动力学(CFD)模式Fluent分析中性层结下边界入流风场(即风速和风向)扰动对地面点源释放情景下城市大气扩散过程的影响,其中边界入流条件以风速和湍流动能廓线的形式给出.研究发现 CFD模式能够合理刻画实际城市中的特征流型(如涡旋,峡谷效应等),而且模拟的风速、风向和湍流动能均与观测数据吻合较好.敏感性试验结果表明,城区内的流场和湍流以及与之密切相关的污染物空间分布对边界入流风速和风向的扰动十分敏感.而这可能是造成已有研究中浓度模拟值与观测值不一致的主要原因之一.因此,在模拟城市大气扩散过程时应当考虑边界入流风场不确定性对模拟结果的影响.

城市扩散；中性层结；CFD；边界条件；数值试验

目前,全球超过 1/2的人口居住于城市当中,而且预计这一比例将在2050年增至三分之二[1].城市中的人类活动极大地促进了经济的繁荣和社会的发展,但同时也造成大气环境质量的恶化.由于城市空气质量与人类健康密切相关,一直以来受到民众的广泛关注[2].另一方面,911恐怖袭击事件发生之后,危险物质有意(或意外)释放形成的非传统大气环境污染事件(例如,恐怖分子的毒气袭击行为,化工厂危险气体意外泄漏等)对城市居民的潜在威胁也开始受到政府和科学家的重视[3].

城市大气扩散模型可用于预测有毒气体的分布范围和浓度量级,而这些定量的模拟结果对于事故预警和应急救援以及灾害评估至关重要.目前的城市大气扩散模型主要分为两类,一类是基于高斯理论的经验模型,而另一类是复杂的计算流体动力学(CFD)模型.相比于简单的高斯扩散模型,CFD模式考虑了复杂的城市建筑结构对流场的影响,能够较好地刻画气流和建筑物相互作用形成的湍流涡旋,而且仅需要最小限度的参数化,但不足之处是更加耗时[4].随着计算机硬件技术的提升和数值算法的改进,CFD模式已经广泛地用于解决城市中不同运动尺度上的大气流动和扩散问题.具体的应用从简单到复杂,主要包括单体建筑[5],理想街谷[6-9],障碍物阵列[10]和实际城市环境[11-13]等方面.这些研究加深了我们对城市下垫面上的流动和扩散过程的理解,也促进了模式的验证和改进.然而,上述稳态的模拟工作假定边界入流条件恒定不变,而实际大气受边界层湍流的影响,风场和湍流即使在很短的时间范围内也是变化的.这种风场和湍流的扰动究竟会对模拟结果产生什么样的影响,目前仍缺乏全面认识.因此,有必要研究边界入流条件扰动对下风方城区内的流场和污染物扩散的影响.由于An等[14]最近的研究指出下风区的风速和湍流对边界入流湍流动能的扰动并不敏感,故这里主要考虑风速和风向这两个关键边界入流参数.本文采用Standard k-ε湍流模型结合组分输送方程,对中性大气层结下地面点源释放污染物在城市中的扩散过程进行数值模拟,并且基于实测的风场和湍流数据验证了模式的模拟性能,进一步通过敏感性数值试验定量分析了边界入流风速和风向扰动对城区内流场和污染物扩散的影响.

图1 精细化气象观测网(3km×3km)内的观测点位置Fig.1 Locations of observation sites in a 3km×3km meteorological observation network

1 外场试验简介

2011年10月1～14日期间在甘肃省榆中县城区开展了较大规模的“城市气象/示踪试验”(UMTE 2011),该试验的主要目的是研究高架源排放情景下污染物在复杂城市下垫面上的输送和扩散特征,同时也为大气扩散模型模拟性能的检验提供可靠的试验数据.图1为试验区域内气象观测点和释放源的位置分布.区域内共设有 10个常规气象观测站(P3-P12)对城市冠层顶部的水平风、温度、湿度和气压进行观测,而气象要素在垂直方向上的分布是由风廓线雷达(P1)和系留气球探空(P2)获取.3套涡旋相关系统(CSAT3/Li-7500, Campbell)分别安装在P13、P14和P15点位用于观测湍流通量,其中站点P13和P14的仪器架设在楼顶之上3m高处,而P15位于广场草坪之上6m高处.Rs1和Rs2代表高架排放源的位置.鉴于本文主要探讨城区内流场及地面点源释放情景下的污染物扩散对边界入流风场扰动的响应,这里对高架源示踪试验部分内容不做说明,完整的试验介绍可以参见文献[15-16].此外,试验获取的观测数据已经用于CFD模型模拟性能的评估和检验[17-18].

2 数值模拟

2.1 城市几何模型与网格化

基于实际测量的数据建立榆中县城区的三维几何模型,如图2所示, 图中的黑色实心圆点代表地面SF6释放位置(RS),区域1～3分别代表源附近、高层建筑区和建筑密集区.在模型的构建过程中力求城市模型与实际建筑结构相一致,以使模型误差对计算结果的影响降到最低.计算域的长宽高分别为2300、1900和300m.区域内接近80%建筑物的高度分布在 15～21m之间,平均高度 Zh为 18m,即城市冠层的高度.整个区域采用非结构网格进行划分,并且对地表和建筑物附近的网格进行局部加密处理(最小分辨率为 1m),从而更加细微地刻画建筑物对流场的影响.最终生成3734986个四面体网格单元,节点数为695814个.

图2 计算域内的建筑分布Fig.2 Distribution of buildings in the computation domain

2.2 求解设置

本研究使用商业CFD软件Fluent对地面点源释放情景下污染物的输送和扩散过程进行数值模拟,并且采用稳态模拟(即模拟固定的一个时刻).模式中的基本控制方程(即动量方程和连续方程)用于描述流场,而组分输送方程用于模拟污染物的输送和扩散.关于Fluent模式的详细描述参见 Fluent使用手册[19].湍流模型选用Standard k-ε方案.近壁面采用标准壁函数.控制方程组的求解采用SIMPLE算法,空间离散方法为二阶迎风格式.

地表和建筑物表面设置为无滑移边界,顶端为对称边界,计算域的东侧和南侧边界为速度入流边界,北侧和西侧边界为流出边界.质量入口应用于释放源RS(图2中黑色实心圆点),以SF6作为示踪物,释放速率为 1kg/s.速度入口设为风速(u)、湍流动能(k)和湍流耗散率(ε)的垂直廓线,这3个量根据Richards等[20]提出的方程给出:

式中: κ为卡曼常数,值为0.4;摩擦速度u*取观测平均值0.41;粗糙度z0根据文献[21]估算得到,取值为0.35;模型常数Cµ值为0.09.

2.3 试验设计

虽然城市环境中大气污染物的输送和扩散过程受动力因素(如风速、风向和湍流)和热力因素(如大气稳定度和温度层结)两个方面的影响.但城市中热量的分布极不均匀且缺乏观测数据,在模式中很难对其进行合理地表征.为了使问题简化,研究中仅考虑大气层结为中性的情况,即不考虑热力因素的作用.

为了研究地面点源释放情景下边界入流风速和风向扰动对城区内流场及污染物扩散的影响,共设置有5个数值试验,各试验的详细情况列于表 1.控制试验(C1)中的边界入流风速由式(1)给出,据此计算的 10m 处风速(3.5m/s)与榆中县气象局(距县城 3km)的观测值(3.3m/s)较为接近,而风向整层均取为观测值 132°.需要说明的一点是控制试验C1模拟的时刻为2011年10月7日15:00时,所以本文的对比时刻均与该模拟时刻一致(下同).

3 结果与讨论

3.1 模拟的流场分布及其与观测结果的对比

图3为控制试验中离地面10m高处不同子区域(图2)的水平流场分布.从图3可以看出,不规则分布的建筑物和街道会显著改变城市冠层内的流场,表现为一些典型的城市特征流型(例如,分流、汇合、涡旋和峡谷效应等).在地面释放源附近,沿东南-西北走向主干街道上的风速明显高于附近区域(图3a),街谷内较强的气流(即峡谷效应引起的峡谷风)有助于污染物的输送和清除.同样,在高层建筑区两个不同建筑之间也会形成类似的峡谷风(图3b).另一方面,受城市粗糙单元的阻挡和拖曳作用的影响,建筑物背风侧和尾流区以及建筑物密集区(图 3c)的风速明显偏小甚至为静风状态,大气扩散能力弱.此外,由于受地面建筑物结构的影响相对较小,城市冠层顶部风向较为一致且接近于边界入流风向.

图3 垂直截面上的速度矢量Fig.3 Vertical cross section of velocity vectors

图4 控制试验中离地10m高处的流场Fig.4 Velocity vectors 10m above the ground level (AGL) for the control experiment

图5 控制试验中各观测点的观测值与CFD模拟值对比Fig.5 Comparison of simulated and observed for the control experiment at each observation site

图4为气流在垂直截面(沿图3c中线段AB获取)上的分布.城市街谷内以及两幢建筑之间的流型由顺时针涡旋结构主导,在迎风面一侧为下沉气流,而背风面为上升气流.通常认为街谷内污染物会被背风面上升流输送至顶部,然后在湍流扩散作用下穿过街谷顶部强剪切层进入上部自由流场中,部分污染物也会沿迎风面回流到街谷底部,形成污染物的循环流动[22].与动量和污染物在垂直方向上的输送相类似,街谷顶部剪切层生成的湍流也会沿迎风面向下传输.此外,街谷两侧建筑物的高低配置会改变涡旋的强度,进而影响污染物的垂直对流混合过程.相比于下阶梯型街谷(即迎风向建筑高于下风向建筑,反之称为上阶梯型街谷)配置,上阶梯型街谷内的涡旋强度明显更强(图4).

为了检验CFD模式对复杂城市环境中的风场和湍流的模拟性能,将控制试验 C1中的模拟结果与外场试验实测数据进行对比,如图5所示.可以看出,不同站点的风速、风向和湍流动能模拟值与观测值总体上非常接近,其中风速和湍流动能的平均绝对偏差分别为0.3m/s和0.09m2/s2,而风向的模拟值相比于观测值整体偏南,平均绝对偏差为 17°.上述结果表明在假定大气层结为中性的条件下,CFD模式能够较好地描述实际城市环境中的流场和湍流特征.

3.2 风速扰动对流场和浓度分布的影响

图6为不同边界入流风速时离地面2m高处的风场和示踪物(SF6)浓度分布以及对应的浓度等值面.由图 6可见,当边界入流风速减小(增大)时,城区内地面附近水平风速相应地减弱(增强),而污染物的水平分布范围和浓度量级相比于控制试验明显增大(减小),但由于城区内的风向并没有发生明显的改变(图 6a～c),不同边界入流风速对应的污染烟羽形态相似.这些结果与我们的预期结果也是一致的.另外,风向的差异使得污染物在城市冠层上下的输送方向不一致.例如,冠层内污染烟羽在峡谷风的作用下沿街谷分布,而冠层顶部烟羽输送方向偏向于主干街道左侧,与边界入流风向接近(图6d-f).

为了定量地考察风速和机械湍流及污染物浓度与边界入流风速之间的关系,选取近场的 2个区域N和F(图6a)进行分析,结果列于表2.需要说明的是对垂直速度做取绝对值的处理,以避免区域平均时正负值相抵消的问题.控制试验中区域 N的平均水平风速、垂直速度、湍流动能和SF6浓度值分别为 0.67m/s、0.054m/s、0.17m2/s2和 55×10-6,体积分数.当边界入流风速减小(增大)50%,区域N的平均水平风速、垂直速度和湍流动能分别减小49%、46%和75%(增大49%、44%和82%),浓度值则增加131%(减少40%).而区域F的结果与区域N相类似(表2).总的来说,城市冠层内水平和垂直速度的变化与边界入流风速的扰动幅度接近,而湍流动能的响应明显更加强烈.

图6 不同边界入流风速时离地2m高处的风场和SF6浓度(阴影)分布以及浓度等值面(15×10-6,体积分数).黑色长箭头代表边界入流风向Fig.6 Simulated wind field, SF6concentration (shaded) at 2m AGL, and the corresponding concentration isosurfaces (15×10-6) at different boundary inflow wind velocity. The black long arrow represents the direction of inflow

表2 边界入流风速扰动对各区域(图6a中区域N和F)风速和湍流及浓度的影响Table 2 The influence of boundary inflow wind velocity fluctuation on wind velocity, TKE and concentration in the two regions (i.e., region N and F in Figure.6a)

图7 夜间观测的TKE与城市冠层顶部平均风速之间的关系Fig.7 The relationship between observed TKE and wind velocity above the urban canopy layer in nighttime

进一步利用夜间的观测数据(大气为中性层结)对湍流动能和城市冠层顶部平均风速之间的关系进行检验,如图7所示.需要说明的是站点P13和P14位于城市冠层之上,而P15位于冠层内.可以看出,湍流动能随着城市冠层顶部平均风速的增大而增大,而且两者之间存在正相关性,不同站点的线性相关系数均达到0.7(通过置信度为99%的显著性检验),这主要是由于冠层顶部的强剪切层随着边界入流风速的增大而增强,从而促使流场的平均动能更多地转化为机械湍流.前面的模拟结果与这里的观测结果也是相一致的.此外,站点P13和P14的线性拟合斜率相同,且要高于站点P15的拟合斜率值,说明在相同的边界入流风速增量下,冠层顶部的湍流动能增量大于冠层之内.

3.3 风向扰动对流场和浓度分布的影响

边界入流风向扰动对城区内风场和污染物浓度分布的影响如图8所示.可以看出,即便是较小幅度(15°)的边界入流风向扰动,释放源下风方地面附近的污染物浓度分布也会呈现出与控制试验(图 8a)完全不同的形态.在试验 C4中(风向为 117°),由于污染物的分布位置沿逆时针方向偏转(图8b),区域F1的平均浓度值增加57%,而区域 F2则减少 38%(表 3).在试验 C5中(风向为148°),污染物呈带状分布且高浓度区向下风方较远处延伸(图8c),区域F2的平均浓度值增幅高达138%.上述结果说明地面污染物浓度分布对于边界入流风向扰动十分敏感,而这可能是造成已有城市扩散研究中[11,17-18]浓度观测值与模拟值存在较大偏差的主要原因之一.

与前面的结果相对应,污染物浓度等值面(即污染烟羽)的形状也存在显著差异.当边界入流风向与主干街道之间的夹角较大时(图 8e),污染烟羽相比于控制试验(图8d)有所加宽,而在夹角较小时,冠层上下的污染烟羽相互重合且宽度明显变窄(图8f).这与已有的观测结果(即污染烟羽随着入流风向与街道间夹角的增大而加宽)也是相吻合的[23].

城区内的风速和风向以及湍流动能对边界入流风向扰动的响应存在明显的区域差异(表3).例如,试验C4中区域F1和F2中湍流动能相比于试验C1分别减少20%和增加67%.上述污染物空间形态的差异正是因为城区内流场和湍流分布的差异所致.从较大的空间尺度上(如城市尺度)来看,风速和风向仍是影响污染物输送和扩散的主导因子.例如,在试验C4中区域F1的浓度值增加是由于上层烟羽的偏转所致,试验 C5中污染物的输送则主要受强峡谷风的平流作用影响.而湍流扩散作用可能主要体现在较小的局地尺度上(如街谷内、单个建筑物周围).

准确预测污染物在复杂城市环境中的输送和扩散过程对于突发事件(如化工厂危险气体泄漏、恐怖分子的毒气袭击等)的应急响应和人群疏散至关重要.本研究认为边界入流风场扰动是影响CFD模式模拟结果准确度的一个关键因素,在以后的模拟研究中应当对此予以考虑,譬如,采取集合平均的方法或许有助于模拟性能的改进.此外,CFD模式的模拟性能还与网格分辨率、模式参数和物理过程简化等[24-26]密切相关,需要开展相应的研究工作进一步量化这些因素对模拟结果的影响.

图8 不同边界入流风向时离地2m高处的风场和SF6浓度(阴影)分布以及浓度等值面(15×10-6).黑色长箭头代表边界入流风向Fig.8 Simulated wind field, SF6concentration (shaded) at 2m AGL, and the corresponding concentration isosurfaces (15×10-6) at different boundary inflow wind direction. The black long arrow represents the direction of inflow

表3 边界入流风向扰动对各区域(图8a中区域N、F1和F2)风速和湍流及浓度的影响Table 3 The influence of boundary inflow wind direction fluctuation on wind velocity, TKE and concentration in thethree regions (i.e., region N, F1 and F2 in Figure.8a)

4 结论

4.1 CFD模式能够再现中性层结下实际城市环境中的三维流场结构(例如,分流、汇合、涡旋和峡谷效应等),而且模拟的风速和风向以及湍流动能与外场试验观测数据均吻合较好.

4.2 边界入流风速扰动会明显改变城区内的风速和湍流,其中湍流动能的响应最为强烈,但区域内的风向没有发生显著改变.城区内风速和风向以及湍流对边界入流风向扰动的响应则存在明显的区域差异.

4.3 城区内污染物的空间分布对于边界入流风场的扰动非常敏感,即便是小幅的边界入流风向扰动(15°)也会显著改变污染烟羽的空间形态.而这可能是造成现有研究中浓度模拟值与观测值偏差较大的主要原因之一.

[1]United Nations. World Urbanization Prospects: the 2014Revision, Highlights. Technical Report ST/ESA/SER.A/352 [R]. Department of Economic and Social Affairs, Population Division, 2014.

[2]Parrish D D, Zhu T. Clean air for megacities [J]. Science, 2009, 326(5953):674-675.

[3]Batchvarova E, Gryning S E. Progress in urban dispersion studies [J]. Theoretical and applied climatology, 2006,84(1-3):57-67.

[4]Hendricks E A, Diehl S R, Burrows D A, et al. Evaluation of a fast-running urban dispersion modeling system using Joint Urban 2003field data [J]. Journal of Applied Meteorology and Climatology, 2007,46(12):2165-2179.

[5]Ai Z T, Mak C M. CFD simulation of flow and dispersion around an isolated building: Effect of inhomogeneous ABL and near-wall treatment [J]. Atmospheric Environment, 2013,77:568-578.

[6]Baik J J, Kim J J. A numerical study of flow and pollutant dispersion characteristics in urban street canyons [J]. Journal of applied meteorology, 1999,38(11):1576-1589.

[7]蒋德海,蒋维楣,苗世光.城市街道峡谷气流和污染物分布的数值模拟 [J]. 环境科学研究, 2006,19(3):7-12.

[8]王 乐,张云伟,顾兆林.动态风场及交通流量下街道峡谷内污染物扩散模拟 [J]. 中国环境科学, 2013,32(12):2161-2167.

[9]杨 方,钟 珂,亢燕铭.街道峡谷对称性对污染物扩散的影响[J]. 中国环境科学, 2015,35(3):706-713.

[10]Warner S, Platt N, Heagy J F, et al. Comparisons of transport and dispersion model predictions of the Mock Urban Setting Test field experiment [J]. Journal of applied meteorology and climatology, 2006,45(10):1414-1428.

[11]Flaherty J E, Stock D, Lamb B. Computational fluid dynamic simulations of plume dispersion in urban Oklahoma City [J]. Journal of Applied Meteorology and Climatology, 2007,46(12): 2110-2126.

[12]Lundquist J K, Chan S T. Consequences of urban stability conditions for Computational Fluid Dynamics simulations of urban dispersion [J]. Journal of applied meteorology and climatology, 2007,46:1080-1097.

[13]Hanna S R, Brown M J, Camelli F E, et al. Detailed simulations of atmospheric flow and dispersion in downtown Manhattan: An application of five computational fluid dynamics models [J]. Bulletin of the American Meteorological Society, 2006,87(12): 1713-1726.

[14]An K, Fung J C H, Yim S H L. Sensitivity of inflow boundary conditions on downstream wind and turbulence profiles through building obstacles using a CFD approach [J]. Journal of Wind Engineering and Industrial Aerodynamics, 2013,115:137-149.

[15]董龙翔,左洪超,董文成.兰州市榆中县城区重气示踪试验的初步分析 [J]. 兰州大学学报 (自然科学版), 2013,49(5):644-650.

[16]陈继伟,左洪超,马凯明.城市冠层上下大气湍流特征分析 [J].高原气象, 2014,33(4):967-976.

[17]董文成,左洪超,邵 毅,等.Fluent在城区内流场及污染扩散模拟的适用性检验 [J]. 环境科学与技术, 2014,37(2):61-68.

[18]邵 毅,张述文,左洪超,等.榆中县城大气污染物扩散的观测实验与数值模拟 [J]. 中国环境科学, 2013,33(7):1223-1230.

[19]ANSYS FLUENT 15.0users guide manual [Z]. USA: ANSYS Inc., 2014.

[20]Richards P J, Hoxey R P. Appropriate boundary conditions for computational wind engineering models using the k-ε turbulence model [J]. Journal of wind engineering and industrial aerodynamics, 1993,46:145-153.

[21]Stull R B. An introduction to boundary layer meteorology [M]. Springer Science & Business Media, 1988:378-380.

[22]顾兆林,张云伟.城市街谷的空气流动与污染物扩散研究——物理模型的发展及数学模拟 [J]. 地球环境学报, 2011,2(2):362-373.

[23]Flaherty J E, Lamb B, Allwine K J, et al. Vertical tracer concentration profiles measured during the Joint Urban 2003 dispersion study [J]. Journal of Applied Meteorology and Climatology, 2007,46(12):2019-2037.

[24]Tominaga Y, Stathopoulos T. CFD simulation of near-field pollutant dispersion in the urban environment: A review of current modeling techniques [J]. Atmospheric Environment, 2013,79: 716-730.

[25]Amorim J H, Rodrigues V, Tavares R, et al. CFD modelling of the aerodynamic effect of trees on urban air pollution dispersion [J]. Science of the Total Environment, 2013,461:541-551.

[26]Tominaga Y, Stathopoulos T. Turbulent Schmidt numbers for CFD analysis with various types of flow field [J]. Atmospheric Environment, 2007,41(37):8091-8099.

《中国环境科学》再次获评“RCCSE中国权威学术期刊(A+)”,位列学科榜首

《中国环境科学》在武汉大学中国科学评价研究中心发布的第四届中国学术期刊评价中获评“RCCSE中国权威学术期刊(A+)”.中国学术期刊评价按照各期刊的期刊学术质量和影响力指标综合得分排名,将排序期刊分为A+、A、A-、B+、B、C 6个等级,评价的6201种中文学术期刊中有316种学术期刊获评权威期刊(A+),A+为得分排名前5%的期刊.此次获得“RCCSE中国权威学术期刊(A+)”称号的环境类期刊有3种,《中国环境科学》在环境科学技术与资源科学技术学科内荣登榜首.

Influence of boundary inflow wind fluctuation on simulated urban atmospheric diffusion.

DONG Long-xiang1,2, ZUO Hong-chao1*, YANG Bin1, CHEN Ji-wei3, MA Kai-ming3, YU Ye2(1.Key Laboratory for Semi-Arid Climate Change, Ministry of Education, College of Atmospheric Sciences, Lanzhou University, Lanzhou 730000, China；2.Key Laboratory for Land Process and Climate Change in Cold and Arid Regions, Northwest Institute of Eco-Environment and Resource, Chinese Academy of Sciences, Lanzhou 730000, China；3.Unit of 93811of Pepole’s Liberation Army, Lanzhou 730020, China). China Environmental Science, 2017,37(9)：3210～3219

The impact of the inflow wind fluctuation (i.e. wind velocity and wind speed) on the urban pollutant dispersion from a point source released at ground level under neutral stratification was analyzed using the computational fluid dynamics (CFD) model Fluent, where the boundary inflow conditions were provided in the form of wind velocity and turbulence profiles. Results suggested that the CFD model could reproduce the characteristic flow pattern (e.g. vortex, channeling, and so on) observed in actual urban environment, and the simulated wind velocity, wind direction and turbulence kinetic energy were in good agreement with observations. The results from a set of sensitivity experiments showed that the flow field and turbulent kinetic energy as well as the spatial distribution of pollutants in the urban area were very sensitive to the fluctuation of inflow wind speed and wind direction. This may be one of the main reasons for the inconsistency between the observed and the simulated concentrations in previous studies. Therefore, the uncertainty of boundary inflow should be considered in future simulation studies on urban atmospheric diffusion.

urban diffusion；neutral stratification；CFD；boundary condition；numerical experiments

X51

A

1000-6923(2017)09-3210-10

2016-12-14

国家“973”计划项目(2011CB706903);国家自然科学基金资助项目(41275019,41475009)

* 责任作者, 教授, zuohch@lzu.edu.cn

董龙翔(1988-),男,甘肃秦安人,博士,主要从事大气扩散数值模拟研究.发表论文5篇.