La viabilidad, seguridad y eficiencia de una misión de drones en un entorno urbano están fuertemente influenciadas por las condiciones atmosféricas. Sin embargo, los modelos meteorológicos numéricos no pueden manejar rejillas de alta resolución que capturen geometrías urbanas; generalmente están ajustados para obtener las mejores resoluciones que oscilan entre 1 y 10 km. Para habilitar la movilidad aérea urbana, se están desarrollando nuevas técnicas de pronóstico basadas en diferentes métodos, como la asimilación de datos, el análisis variacional, algoritmos de aprendizaje automático y análisis de series temporales. La mayoría de estos métodos requieren generar una base de datos de campo de viento urbano utilizando códigos de CFD acoplados con modelos de mesoescala. La calidad y precisión de esa base de datos determina la exactitud de las técnicas de pronóstico. Esta revisión describe los últimos avances en simulaciones de CFD aplicadas al viento urbano y las alternativas que existen para el acoplamiento con el modelo de mesoescala. Primero, se introducen los distintos modelos de turbulencia, analizando sus ventajas y limitaciones. En segundo lugar, se presenta un estudio de la malla, explorando cómo debe adaptarse a las características del entorno urbano. Luego, se describen las diversas alternativas para la definición de las condiciones de contorno y los métodos de interpolación para las condiciones iniciales. Como un paso clave, se presentan los métodos de reducción de orden disponibles aplicables a los modelos, de modo que el tamaño y la operatividad de la base de datos de viento puedan reducirse tanto como sea posible. Finalmente, se presentan las técnicas de asimilación de datos y la validación del modelo.