Large-eddy simulation of a droplet-laden air-flow over a waved water surface

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

Large-eddy simulation of the dynamics of a turbulent, droplet-laden air-flow over a waved water surface has been carried out. Sufficiently small droplets (with diameter up to 300 micron) are considered which allows us to neglect their deformation. Collisions between the droplets as well as their evaporation are also not taken into account. The droplet mass fraction is prescribed sufficiently small, such that their impact on the air-flow is negligible; the surface wave is prescribed and not affected by either droplets or air-wind. Numerical model is based on the solution of three-dimensional, filtered over subgrid-scale fluctuations, Eulerian equations of air-phase motion, and thr Lagrangian equations of individual droplets motion. A turbulent-viscosity concept is employed for the closure for the subgrid stresses in the air-velocity equations where the kinetic energy of the pulsations unresolved by the mesh is determined by the solution of a prognostic equation. The model is verified by a comparison with the results of a direct numerical simulation of the full equations of motion of the air and dispersed phases. Phase-averaged profiles of the air velocity and momentum flux and droplet concentration for different Reynolds numbers of the carrier flow and droplet injection scenarios are obtained.

全文:

受限制的访问

作者简介

O. Druzhinin

Instiute of applied physics RAS

编辑信件的主要联系方式.
Email: druzhinin@ipfran.ru
俄罗斯联邦, Nizhny Novgorod ул. Ульянова 46, 603950

参考

  1. Белоцерковский О.М. Численное моделирование в механике сплошных сред. М.: Наука, 1984. 520 с.
  2. Глазунов А.В. Вихреразрешающее моделирование турбулентности с использованием смешанного динамического локализованного замыкания. Часть I. Формулировка, задачи, описание модели и диагностические численные тесты // Изв. РАН. Физика атмосферы и океана. 2009. Т. 45. № 1. С. 7–28.
  3. Филлипс О.М. Динамика верхнего слоя океана. Л.: Гидрометеоиздат, 1980. 319 с.
  4. Andreas E.L., Jones K.F., Fairall C.W. Production velocity of sea spray droplets // J. Geophys. Res . 2010. V. 115. C12065. doi: 10.1029/2010JC006458.
  5. Andreas E.L., Mahrt L., Vickers D. An improved bulk air–sea surface flux algorithm, including spray-mediated transfer // Q. J. R. Meteorol. Soc. 2015. V. 141. P. 642–654. doi: 10.1002/qj.2424
  6. Bortkovskii R.S. Air-sea exchange of heat and moisture during storms. Dodrecht: D. Reidel. 1987. 206 pp. doi: 10.1007/978-94-017-0687-2.
  7. Druzhinin O.A. On Droplet-Mediated Sensible and Latent Heat Transfer in the Marine Atmospheric Boundary Layer: “Polar Low” Versus “Tropical Cyclone” Conditions // Boundary-Layer Meteorology. 2021. V. 178. P. 43–62. https://doi.org/10.1007/s10546-020-00557-2
  8. Druzhinin O.A., Troitskaya Yu.I., Zilitinkevich S.S. The study of droplet-laden turbulent air-flow over waved water surface by direct numerical simulation // J. Geophys. Res. Oceans. 2017. V. 122. P. 1789–1807.
  9. Edson J.B., Fairall C.W. Spray droplet modeling. 1. Lagrangian model simulation of the turbulent transport of evaporating droplets // J. Geophys. Res. 1994. V. 99 (C12). P. 25295–25311.
  10. Gent P.R., Taylor P.A. A numerical model of the air flow above water waves // J. Fluid Mech. 1976. V. 77. P. 105–128.
  11. Fletcher C.A.J. Computational Techniques for Fluid Dynamics. 2nd ed. Springer, 1991. P. 493.
  12. Michałek W.R., Kuerten J.G.M., Zeegers J.C.H., Liew R., Pozorski J., Geurts B.J. A hybrid stochastic-deconvolution model for large-eddy simulation of particle-laden flow // Physics of Fluids. 2013. V. 25. P. 123302. doi: 10.1063/1.4849536
  13. Mueller J.A., Veron F. Impact of sea spray on air–sea fluxes. Part I: Results from Stochastic Simulations of Sea Spray Drops over the Ocean // J. Phys. Oceanogr. 2014. V. 44. P. 2817–2834. doi: 10.1175/JPO-D-13-0245.1.
  14. Peng T., Richter D. Sea spray and its feedback effects: assessing bulk algorithms of air–sea heat fluxes via direct numerical simulations // J. Phys. Oceanogr. 2019. V. 49. P. 1403–1421. doi: 10.1175/JPO-D-18-0193.1
  15. Piomelli U., Balaras E. Wall-layer models for large-eddy simulations // Annu. Rev. Fluid Mech. 2002. V. 34. P. 349–374.
  16. Pozorski J., Apte S.V. Filtered particle tracking in isotropic turbulence and stochastic modeling of subgrid-scale dispersion // Int. J. Multiphase Flow. 2009. V. 35. No. 2. P. 118–128.
  17. Richter D.H., Dempsey A.E., Sullivan P.P. Turbulent transport of spray droplets in the vicinity of moving surface waves // J. Phys. Oceanogr. 2019. V. 49. P. 1789–1807. https://doi.org/10.1175/jpo-d-19-0003.1
  18. Robinson S.K. Coherent motions in the turbulent boundary layer // Annu. Rev.Fluid Mech. 1991. V. 23. P. 601–639. http://dx.doi.org/10.1146/annurev.fl.23.010191.003125.
  19. Thorpe S.A. Dynamical processes of transfer at the sea surface // Progress in Oceanography. 1995. V. 35. P. 315–352.
  20. Troitskaya Y.I., Ezhova E.V., Soustova I.A., Zilitinkevich S.S. On the effect of sea spray on the aerodynamic surface drag under severe winds // Ocean Dynamics. 2016. V. 66. P. 659–669. https://doi.org/10.1007/s10236-016-0948-9
  21. Troitskaya Yu., Kandaurov A., Ermakova O., Kozlov D., Sergeev D., Zilitinkevich S. Bag-breakup fragmentation as the dominant mechanism of sea-spray production in high winds // Scientific Reports. 2017. V.7. P. 1614. https://doi.org/10.1038/s41598-017-01673-9
  22. Troitskaya Yu., Kandaurov A., Ermakova O., Kozlov D., Zotova A., Sergeev D. The Small-Scale Instability of the Air–Water Interface Responsible for the Bag-Breakup Fragmentation // J. Phys. Oceanography. 2023. V. 52. P. 493–517. doi: 10.1175/JPO-D-21-0192.1
  23. Sullivan P.P., Edson J.B., Hristov T., McWilliams J.C. Large eddy simulations and observations of atmospheric marine boundary layers above nonequilibrium surface waves //J. Atmos. Sci. 2008. V. 65. P. 1225–1245. doi: 10.1175/2007JAS2427.1
  24. Wells M.R., Stock D.E. The effect of crossing trajectories on the dispersion of particles in a turbulent flow // J. Fluid Mech. 1983. V. 136. P. 31–62.
  25. Zeng X., Zhao M., Dickinson R.E. Intercomparison of bulk aerodynamic algorithms for the computation of sea surface fluxes using TOGA COARE and TAO data // J. Clim. 1998. V. 11. P. 2628–2644.

补充文件

附件文件
动作
1. JATS XML
下载
2. Fig. 1. Schematic diagram of the numerical experiment (see text).

下载 (17KB)
索引源数据
3. Fig. 2. Profiles of the mean velocity (a) and its root-mean-square fluctuations ( ). Results of LES and DNS calculations in black and blue; η is the distance from the water surface. Asymptotics (14) is shown by a short dash (a); the root-mean-square velocity of subgrid fluctuations is shown by a long dash (b,c,d).

下载 (36KB)
索引源数据
4. Fig. 3. Distribution of phase-averaged fields of the horizontal (a,b) and vertical (c,d) components of velocity, pressure (e,f), and momentum flux (g,h) in DNS (a,c,e,g) and LES (b,d,f,h) calculations in the near-surface air layer (z < 0.1). The increment of the isolines is 0.02 (a,b), 0.001 (c,d), 0.2 (e,f), and 5 × 10–5 (g,h). Negative values are shown with a dash.

下载 (107KB)
索引源数据
5. Fig. 4. Distribution of phase-averaged droplet concentration fields for uniform (a,b) and non-uniform (c,d) injection cases in DNS (a,c) and LES (b,d) calculations. The increment of the isolines is 4 × 10–5 (a,b) and 10–4 (c,d).

下载 (37KB)
索引源数据
6. Fig. 5. Profiles of the average droplet concentration C in DNS (long dash) and LES calculations for non-uniform (a) and uniform (b) injection cases. Short dashes indicate profiles in LES without stochastic forcing.

下载 (15KB)
索引源数据
7. Fig. 6. Profiles of the mean velocity (a), kinetic energy of the filtered velocity field pulsations and subgrid pulsations (b), and droplet concentration (c) in LES calculations with the Reynolds number Re = 105. The distance from the water surface equal to the height of the viscous sublayer (η = 5η*) and the wave amplitude (η = a) is marked with a short dash (a). The dash indicates the asymptotics (14) (a), kinetic energy of the subgrid pulsations (b), and droplet concentration in LES without using stochastic forcing (c).

下载 (22KB)
索引源数据
8. Fig. 7. Distribution of phase-averaged fields of the horizontal and vertical components of velocity (a,b), pressure (c), and momentum flux (d) of the air flow, and concentration (e,f) and the force of droplet impact on air (g,h) in LES calculations with Re = 105 in the near-surface air layer (z < 0.1). Negative values are shown as dashes.

下载 (79KB)
索引源数据


Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».