摘要：城市建筑形态对粗糙子层（Roughness Sublayer, RSL）内的流动特征具有重要影响，但建筑形态与城市近地层风场和湍流特征之间的定量响应关系仍缺乏认识。针对这一问题，本文利用建筑物可分辨的大涡模拟（Large-eddy simulation, LES）， 针对多种理想化建筑阵列开展数值试验，结合理论分析、统计回归和机器学习方法，系统探究了不同建筑形态下城市粗糙子层内风场和湍流特征，进一步建立了基于建筑形态参数的参数化方案。首先，基于理论分析提出了一种适用于城市粗糙子层的平均风速廓线模型，并利用大涡模拟数据对模型系数进行标定，建立了显式包含建筑形态参数的风速廓线模型。验证结果表明，该模型能够准确再现粗糙子层内平均风速的垂直特征，尤其在冠层内部显著优于传统指数型风速廓线模型。其次，揭示了弥散效应对城市湍流交换的定量贡献，并建立了数据驱动的预测模型。研究发现，由建筑物空间非均匀性引发的弥散效应对湍流具有显著贡献。在不同建筑布局下，弥散动量通量与湍流动量通量的比值介于 −0.5 到 0.5 之间，弥散动能与湍流动能的比值普遍大于 0.5。基于此，构建了一维 U-Net 架构的深度学习模型，实现了由建筑形态参数到湍流廓线的精细预测。此外，探究了建筑物形态对冠层阻力系数的影响机制，建立了两者之间的定量关系，并发现街谷高宽比 ℎ/???? 是影响阻力系数变化的主导因子。该研究成果可为城市尺度风环境评估、城市冠层模式发展提供了理论依据与技术支撑。
 

大涡模拟,城市粗糙子层,建筑物形态