MétaCan
Menu
Retour à la cohorte
Enregistrement W7116116381 · doi:10.82417/8bws-s539

Characteristics of street canyon flow using large-eddy simulation with a drag-porosity modelled atmospheric boundary layer

2025· other· en· W7116116381 sur OpenAlexfundno aff

Notice bibliographique

RevueEspace ÉTS (ETS) · 2025
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAgence Nationale de la Recherche
Mots-clésTurbulencePlanetary boundary layerAirflowDragCanyonBoundary layerUrban climatologyLarge eddy simulationClear-air turbulenceComputational fluid dynamics

Résumé

récupéré en direct d'OpenAlex

Turbulence and turbulent structures are key characteristics of atmospheric boundary layer flows, playing a crucial role in momentum and energy transport. The presence of urban roughness significantly influences turbulence generation and modulation, as large-scale atmospheric turbulent structures interact with smaller-scale, canopy-induced structures.The traditional way to solve the near-wall region of the obstacle in computational fluid dynamics simulations of urban canopy flows requires large computational cost. Research shows that an additional sink term of the drag force varying with height added to the momentum equation can serve to reproduce the key features in high Reynolds number boundary layer flows. Hence, the drag-porosity model is explored in the present work to simulate a realistic unsteady, neutral, Coriolis-free atmospheric boundary layer developing over the urban canopy implicitly using Large-Eddy Simulation (LES) in OpenFOAM v2406. A comprehensive analysis of one-point turbulence statistics, two-dimensional energy spectra, two-point correlation functions, and the interaction between the most energetic scales identifies characteristic features commonly observed in wall-bounded turbulent flows. Although the drag-porosity model does not capture the flow structure within the canopy, because the obstacles are not explicitly represented, it is efficient and low-cost when used as a precursor simulation, with satisfying accuracy for successive obstacle-resolving LES.The street-canyon configuration is a simple model to study airflow in nearby city streets, helping us understand street-scale ventilation and air quality, which affect pedestrian-level comfort and air quality. To further investigate street canyon flows, a successor simulation is conducted on a street canyon, represented as two bars with a canyon height-to-width ratio of 1, within a staggered cube array having a 25% plan area packing density, representing urban roughness. Using inlet conditions from the above-mentioned precursor simulation based on the drag-porosity approach, the setup includes two rows of staggered cubes downstream of the inlet, followed by a street canyon to allow full flow development. Downstream of the canyon, another two rows of staggered cubes and a drag-porous region are introduced before the outlet to minimize numerical instabilities that could propagate upstream, potentially compromising accuracy or causing the simulation to terminate. The full presentation will include a comprehensive analysis of one-point turbulence statistics, integral length scales, and two-point correlations are compared with previously obtained experimental results, in the wall-normal direction and at the roof level. The street canyon simulation expands the dataset for street canyon studies and serves as a crucial step toward the development of reduced-order models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,321
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,261
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEspace ÉTS (ETS)Travaux en français237 207