快速局地城市微气候模拟器：未见城市形态中的风场与温度场

arXiv:2503.19708v3 公告类型：replace-cross 摘要：城市微气候涵盖受建筑几何形态影响的风场和温度场，对建筑能耗、行人风舒适度、污染物扩散、城市热岛效应及公共健康具有重要影响。传统计算流体力学（CFD）的计算成本过高，难以用于快速评估；而许多深度学习方法需要大量训练数据，且难以泛化至未见过的布局。本研究提出 Fast Localized Urban Microclimate Emulator（FLUME），这是一个基于傅里叶神经算子的快速、数据高效且具备几何感知能力的框架，用于预测三维风场和温度场。FLUME 假设，在给定来流和热力强迫条件下，这些平均场的大部分空间变化由周围建筑的几何形态控制。该框架引入 Multi-Directional Distance Feature（MDDF），在由可见性界定的自适应空间尺度上捕捉几何信息。通过将仅包含 23 个城市街区的模拟数据分解为较小的三维局部块，并加入预先计算的 MDDF 信息，FLUME 能够利用有限的 CFD 数据进行学习。在未见过的城市布局上，该模型的流向速度平均绝对误差为 0.2 m/s，温度平均绝对误差为 0.19$^{\circ}$C。深度集成为认知不确定性提供了实用的代理度量，而保形预测则将这些估计转换为经过校准的预测区间。集成预测的离散程度与局部预测误差呈正相关，其中屋顶高度处的剪切层、建筑尾流以及近地面垂直速度的不确定性更大。这些结果表明，FLUME 有望用于城市设计和城市气候研究中的快速情景评估。