文章提出一种基于LiDAR和地籍数据的城市风场快速自动模拟框架。通过Python脚本集成气象预测数据生成边界条件，采用Ear Clipping算法构建LoD 1.2建筑模型，并创新性地提出分离式风洞法：先进行稳态城市风场模拟，再提取路径风场数据驱动瞬态无人机仿真。验证表明，该方法与气象站实测数据高度吻合（风向一致性系数ρ_c=0.985，风速ρ_c=0.853），无人机载荷模拟误差<5%的同时，计算时间从24小时缩短至2小时。该框架为城市规划及无人机路径优化提供高效工具。
城市复杂风场受建筑群、地形和植被交互影响，传统CFD模拟面临几何建模耗时、边界条件设定复杂等挑战。随着无人机城市应用场景扩展（如医疗配送、灾害响应），亟需高精度且高效的风场预测工具。本研究集成LiDAR点云与地籍数据，开发全自动城市风场重建流程，结合气象预测生成物理一致的边界条件，并创新性提出分离式风洞法以优化无人机飞行仿真效率。
基于西班牙公开LiDAR数据集（0.5-14点/㎡分类数据）和QGIS地籍插件，开发Python算法实现地形与建筑几何同步生成。地形通过Morphing运动变形域匹配真实高程，建筑采用LoD 1.2简化模型（依据地籍轮廓与LiDAR平均高度）。建筑底面三角化采用Ear Clipping算法：识别凸顶点构成"耳部"三角面片并迭代裁剪，最终生成封闭流形几何（图1c）。该流程完全自动化，输入坐标区域即可输出仿真就绪模型。
集成三家气象服务数据（MeteoGalicia/AEMET/OpenMeteo），通过RANS模型中性大气边界层对数律生成物理边界条件：
\[v(z)=\frac{u_{*}}{\kappa}\ln\left(\frac{z+z_{0}}{z_{0}}\right)\]
其中 \(u_*\) 为摩擦速度，\(z_0\) 为粗糙度参数。植被效应通过LiDAR分类标签（低/中/高植被）映射差异化 \(z_0\) 值实现，避免直接建模的计算负担。
针对无人机全域模拟计算成本高的问题，提出两级解耦策略：
该方法将计算时间从>24小时压缩至2小时，背景网格量减少7倍。网格无关性验证表明，0.2m基础尺寸可平衡精度与效率（力载荷误差<1%）。
以圣地亚哥大学气象站为基准（10分钟间隔实测数据），对比三种气象预测驱动的仿真结果：
线性回归分析证实仿真结果与实测值斜率接近1（图7），验证了几何重建与边界条件生成的有效性。
在马德里Cuatro Caminos区直线路径对比两种方法：
载荷时序曲线高度吻合（图8），证明分离仿真在保持精度的同时显著提升效率。
本研究实现城市风场CFD模拟的全流程自动化，创新性分离式风洞法为无人机路径规划提供高效工具。主要贡献包括：
该方法可扩展至建筑通风优化、污染物扩散研究等领域，推动智慧城市环境模拟从离线分析向实时决策演进。