一种城市屋顶风空间不确定性的定量估算方法

《Environments》:A Quantitative Method for Estimating Spatial Uncertainty of Urban Rooftop Winds

【字体: 大 中 小 】 时间:2026年07月03日 来源:Environments 4.3

编辑推荐:

  城市区域风场具有固有的空间变异性,亦称为空间不确定性。这种不确定性表现为相邻位置屋顶层测量值之间的显著差异,且其程度随昼夜变化。在气象学和环保领域,此类不确定性通常以概率分布描述。现有研究通常分别处理每个风矢量分量的不确定性,即风速和风向。该不确定性被假设为围

  
城市区域风场具有固有的空间变异性,亦称为空间不确定性。这种不确定性表现为相邻位置屋顶层测量值之间的显著差异,且其程度随昼夜变化。在气象学和环保领域,此类不确定性通常以概率分布描述。现有研究通常分别处理每个风矢量分量的不确定性,即风速和风向。该不确定性被假设为围绕均值对称分布,并以单一特征值表征。这种表示方法忽略了两个风矢量分量之间的相关性,从而可能导致与真实风况物理不一致的风矢量分量组合。本研究提出了一种量化城市屋顶风空间不确定性的方法,该方法基于协方差矩阵(量化屋顶空间风分量之间的关系)以及季节性马氏距离函数。研究利用代表性气象站样本和先前计算的季节性对数逻辑斯谛马氏距离函数,计算得到一个椭圆形容忍区域,以定量估算给定时间风矢量可能值的给定比例。该模型在特拉维夫都市区进行了验证。结果表明,空间风分布可以仅由四个气象站的小样本很好地表征。模型结果位于置信区间内,由此得出结论:该模型完全能够提供城市风场当前状态的准确描述。
本研究旨在解决城市屋顶风场空间不确定性的量化问题,提出了一种基于统计容忍区域的创新方法,相关成果发表于《Environments》期刊。

研究背景与问题:大气风是污染物、水汽和热量等标量输送与扩散的主要机制。时均风速决定平流过程,而湍流涡旋驱动横向和垂直扩散。在城市环境中,时均风是空气质量和污染物输送的关键决定因素,同时通过调节热量和水分输送显著影响行人热舒适度及城市热岛(Urban Heat Island, UHI)效应强度。此外,行人安全可能因上层强风偏转至街道层而受到威胁;无人驾驶飞行器(Unmanned Aerial Vehicle, UAV)在城市环境中的使用也高度敏感于盛行风,影响其操作范围、续航能力和安全裕度。然而,基于测量的城市时均风常表现出固有的空间变异性,特别是屋顶风测量值中,相邻位置可能存在显著差异。城市形态、建筑朝向、距大型水体距离等因素均会影响这种变异性。由于这种空间变异性,单一气象站无法充分代表城市风场,需要建立气象站网络。但密集网络的部署和维护是一项困难且昂贵的工程,需要协调和持续的质量保证。

关键技术方法:本研究采用两阶段方案,基于稀疏网络持续监测目标城市区域,并利用同一区域过去短期部署的密集网络数据。核心统计方法包括:(1)基于协方差矩阵构建椭圆形容忍区域,量化屋顶空间风分量之间的关系;(2)利用季节性马氏距离(Mahalanobis distance)函数描述空间不确定性。样本数据来源于1998年2月1日至1999年6月30日在特拉维夫都市区开展的风测量活动,该活动部署了22个气象站,使用Young 05103型风速仪以1 Hz频率测量,经Campbell Scientific CR10数据 logger处理后获得10分钟矢量平均风速和风向。研究选取了夏季和冬季各三个月作为学习数据集,留取一个月(冬季2月、夏季8月)作为验证数据集。通过概率-概率(P-P)图检验样本代表性,采用对数逻辑斯谛回归拟合经验马氏距离函数 M 与给定比例 P 的关系,并以相关系数 r^2 评估拟合优度。

研究结果:

样本代表性检验:在五个备选的四站样本中,选取靠近城市周界的A方案(7号、1号、12号和17号站),其马氏距离分布与总体概率-概率图中各点均接近等值线。冬季最大累积概率差异为2%,夏季为2.3%,显著优于其他备选方案(冬季4.5%-7.4%,夏季3.9%-7.5%)。

经验与理论马氏距离比较:经验YSTEMP所有点均位于等值线右下方,表明经验比例不超过理论值。夏季夜间和傍晚(2100 h、0400 h)比例达40%时两者接近,但冬季所有时间点理论比例大于10%时,以及夏季白天(0800 h、1200 h),理论比例均显著大于经验比例。

经验马氏距离函数:基于对数逻辑斯谛关系建立的季节性函数,夏季 r^2=0.9735,冬季 r^2=0.9943。夏季验证数据全部落入99%预测区间内;冬季77%落入预测区间,其中午间(1200 h)和夜间(0400 h)为82%,早晨(0800 h)和傍晚(2100 h)为73%。验证 r^2 分别为0.9753(夏季)和0.9707(冬季),学习集与验证集高度一致,无过拟合迹象。

讨论与结论:本研究提出的方法将城市屋顶风空间不确定性描述为椭圆形容计容忍区域,包含给定预期比例的空间风矢量总体。该方法基于实时稀疏网络测量和历史密集网络数据集,通过以下步骤实现统计投影:(1)输入四个代表性气象站的当前风矢量;(2)计算样本均值和协方差矩阵;(3)从历史密集网络数据估计的对数逻辑斯谛经验函数获取马氏距离值;(4)构建椭圆容忍区域,给出预期包含的风矢量比例。

研究证实,四个气象站的小样本即可准确表征城市空间风矢量总体。这一小样本代表性源于城市气象站间的统计依赖性——受共同大尺度气象现象影响,而非独立随机变量。切比雪夫不等式表明,对于任意二元分布,椭圆容忍区域至少包含 1-1/M^2 的风矢量总体;随着相关性增强,最小保证比例相应提高。

研究还发现,单一季节性马氏距离函数可适用于全天各流型,尽管空间均值和协方差矩阵随时间变化,但分布函数形式在季节内保持相对稳定。该统计模型在特拉维夫都市区的应用表明,基于实时样本均值、协方差矩阵及季节性马氏距离函数,可作为城市风场的统计模型,提供椭圆形容忍区域以包含给定预期比例的空间风矢量。

该方法针对水平均匀惯性亚层(位于冠层粗糙次层之上)设计,预期在具有明确惯性亚层的其他城市表现良好。但样本配置和规模需根据各城市特定的地形和形态特征以及日尺度大尺度流的变异性进行仔细分析。空间相关性检验可用于指示气象站冗余度,从而可能减少实现风矢量总体统计表征所需的样本量。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号