Analysis of urban wind conditions and wildfire smoke dispersion for downtown Montréal using computational fluid dynamics
Notice bibliographique
Résumé
Urban wind conditions and air quality have the potential to affect the majority of the world's population. Specifically, smoke from wildfires is increasingly posing risks to people living in cities as it is transported by the wind, making a more complete understanding of how atmospheric flow affects air quality in urban environments necessary. Computational fluid dynamics is used to investigate the flow and smoke dispersion characteristics in Montréal on July 17, 2023, between 16:00 and 22:00 UTC. This day exhibited moderate southwest winds carrying significant amounts of wildfire smoke into the city. Reynolds-averaged Navier-Stokes simulations using the standard k-ε and Shear Stress Transport k-ω turbulence models are compared against measurements of wind velocity and PM2.5 concentration from an anemometer, a Doppler lidar , and an air quality monitoring station. While the models are shown to accurately predict the urban boundary layer wind profile , only the k-ε model provides satisfactory predictions of wind speed in comparison with the anemometer, stressing the importance of accurately modeling dynamics on the building scale. The effect of the turbulent Schmidt number is investigated, for which the value of 0.6 most accurately reproduces the dispersion phenomena near the air quality monitoring station. Concentrations of the wildfire smoke are found to vary significantly across areas of the city, as some building morphologies are found to direct pollution to regions where it becomes trapped. Additional discussion of local wind and air quality characteristics is presented to better inform citizens of potential risks.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».