考慮動態(tài)吸收率的玻璃溫室覆蓋層溫度預測模型

張觀山，李天華，侯加林

·農(nóng)業(yè)生物環(huán)境與能源工程·

考慮動態(tài)吸收率的玻璃溫室覆蓋層溫度預測模型

張觀山，李天華，侯加林※

（1. 山東農(nóng)業(yè)大學機械與電子工程學院，泰安 271018；2. 山東省農(nóng)業(yè)裝備智能化工程實驗室，泰安 271018）

覆蓋層溫度是影響溫室熱環(huán)境的重要因素之一。為了實現(xiàn)溫室覆蓋層溫度預測，該研究以玻璃溫室覆蓋層為研究對象，綜合考慮太陽輻射吸收、對流換熱等能量傳遞形式，建立溫室覆蓋層溫度預測模型。為提高模型精度，該研究進一步提出溫室覆蓋層動態(tài)吸收率計算方法，并使用該方法將覆蓋層太陽輻射吸收率分為直射輻射吸收率、散射輻射吸收率與地表反射輻射吸收率分別計算，進而精確計算覆蓋層吸收太陽輻射。為驗證模型正確性及其精度，在山東省泰安市選擇3個時段開展相關(guān)驗證試驗并得出如下結(jié)論，溫室覆蓋層溫度預測值與測量值變化趨勢較為一致，模型計算值與覆蓋層溫度測量值的決定系數(shù)2最小為0.92，均方根誤差RMSE最大為2.05 ℃，通過與相關(guān)模型對比得出該研究提出的模型能夠精確預測覆蓋層溫度。

溫度；模型；溫室；覆蓋層；動態(tài)吸收率；太陽輻射；能量傳遞

0 引 言

近年來，中國引進諸多荷蘭紋絡(luò)型玻璃溫室，這些溫室全部配備荷蘭先進的環(huán)境管理系統(tǒng)，但由于運營成本高等問題，導致大部分乃至所有玻璃溫室的運營處于虧損狀態(tài)。究其原因，中國氣候與荷蘭氣候差異大，玻璃溫室需在中國冬季和夏季分別增加大量的能耗用以加熱和降溫，從而維持作物適宜的生長環(huán)境，其原有環(huán)境管理系統(tǒng)不再適用。因此，針對中國氣候特點，研究如何降低玻璃溫室能耗，提高玻璃溫室能源管理水平至關(guān)重要。

降低溫室能耗需精確評估溫室能耗需求[1-2]，精確評估溫室能耗需求需全面掌握溫室內(nèi)部能量傳遞規(guī)律[3-4]。溫室內(nèi)部能量傳遞是一個復雜的非線性系統(tǒng)[5]且受多個因素影響，其中覆蓋層溫度是影響溫室內(nèi)部能量傳遞及溫室內(nèi)熱環(huán)境的重要因素之一[6]。覆蓋層通過對流換熱與溫室內(nèi)空氣交換熱量進而影響室內(nèi)空氣溫度。覆蓋層通過長波輻射與土壤交換熱量影響土壤溫度，進而對作物根系溫度、土壤蒸散等產(chǎn)生間接影響。覆蓋層與作物通過長波輻射影響作物溫度，進而對作物呼吸作用、蒸騰作用產(chǎn)生間接的影響。覆蓋層溫度是計算以上能量交換的重要變量，并對以上能量交換過程具有決定作用，因此有必要準確獲取覆蓋層溫度。

覆蓋層溫度可通過傳感器測量或模型預測的方法獲取。傳感器測量方法主要有紅外線傳感器測量和熱電偶測量兩種方式，然而紅外線溫度傳感器測量方式在高溫時誤差較大[7]，熱電偶測量方式會因太陽輻射、熱輻射和空氣流動影響而產(chǎn)生誤差[8]。此外，Molina-Aiz等[9]提出使用防輻射罩遮擋熱電偶的方式測量覆蓋層溫度，但是該方式因熱電偶與防輻射罩之間間隙累積傳感器生成的熱量而產(chǎn)生測量誤差。

在覆蓋層溫度模型預測方面，諸多專家學者在研究溫室能量平衡模型的同時，也對覆蓋層溫度預測進行了研究。Abdul-Ghany等[10]開發(fā)了溫室能量平衡模型并在自然通風、噴灑降溫情況下對溫室內(nèi)部的微氣候包括覆蓋層溫度進行預測。Reyes-Rosas等[11]對自然通風狀況下的溫室建立能量平衡模型，該模型使用不同熱量傳遞系數(shù)描述頂窗通風與側(cè)窗通風對溫室內(nèi)熱環(huán)境的影響并實現(xiàn)覆蓋層溫度預測。Mobtaker等[12]對位于伊朗西北部的溫室建立能量平衡模型并對溫室覆蓋層溫度進行預測，模型假設(shè)覆蓋層太陽輻射吸收率為0.1。Singh等[13]根據(jù)質(zhì)量和熱量平衡原理對自然通風狀況下種植有黃瓜的溫室建立了溫室微氣候模型，該模型使用SIMULINK求解并計算得出覆蓋層溫度。中國大部分研究針對日光溫室[14-18]，鮮有針對玻璃溫室覆蓋層溫度測量及預測研究的相關(guān)報道。

總結(jié)前述文獻可發(fā)現(xiàn)，在覆蓋層溫度預測模型的構(gòu)建方面存在諸多不足，具體如下：

1）鮮有研究考慮覆蓋層吸收太陽輻射或?qū)⒏采w層太陽輻射吸收率設(shè)定為固定值。雖然覆蓋層太陽輻射吸收率較小，但如果不考慮覆蓋層吸收太陽輻射，則隨著時間的推移，所忽略的覆蓋層吸收太陽輻射會越累積越大，以至于在評估覆蓋層溫度時誤差越來越大。如果將覆蓋層太陽輻射吸收率設(shè)定為固定值，覆蓋層溫度預測誤差可能會小于忽略覆蓋層吸收率所產(chǎn)生的誤差，但將覆蓋層太陽輻射吸收率設(shè)定為固定值仍不能真實反映覆蓋層太陽輻射吸收率的真實變化規(guī)律。溫室覆蓋層太陽輻射吸收率是由太陽入射角、覆蓋層折射系數(shù)、消光系數(shù)等因素決定且隨時間動態(tài)變化[19]。同樣，隨著時間的推移，因?qū)⒏采w層太陽輻射吸收率設(shè)定為固定值造成覆蓋層吸收太陽輻射的累積誤差不斷增大，進而影響了覆蓋層溫度評估和溫室環(huán)境控制精度。綜上，忽略溫室覆蓋層吸收太陽輻射或?qū)⒏采w層太陽輻射吸收率設(shè)定為固定值會在預測覆蓋層溫度時產(chǎn)生較大誤差，有必要研究溫室覆蓋層太陽輻射動態(tài)吸收率計算方法，并將該方法應(yīng)用于溫室覆蓋層溫度評估以及溫室環(huán)境控制系統(tǒng)開發(fā)，以提高溫室環(huán)境控制精度。

2）多數(shù)模型驗證試驗期間室內(nèi)外環(huán)境變化幅度較小且試驗周期較短。室內(nèi)外環(huán)境變化幅度越大，試驗周期越長，模型精度越低[11]。只有模型在溫室內(nèi)外環(huán)境變化幅度大且試驗周期長的情況下具有較高精度，才能充分說明模型精度符合要求。

3）大部分研究僅將溫室屋頂作為覆蓋層進行研究，而沒有考慮四周墻體對溫室熱環(huán)境的影響。即使部分研究考慮了四周墻體對溫室熱環(huán)境的影響，但是這些研究假定溫室不同覆蓋面（屋頂，四周墻體）溫度相同。實際上，溫室不同覆蓋面溫度有一定差異（中午及夜間差異較大），將溫室不同覆蓋面溫度按照相同溫度處理會在預測溫室內(nèi)熱環(huán)境時產(chǎn)生較大誤差，因此有必要將溫室不同覆蓋面溫度分別計算以提高溫室熱環(huán)境預測精度。

針對上述問題，本研究建立溫室覆蓋層溫度預測模型，提出了溫室覆蓋層太陽輻射動態(tài)吸收率計算方法，并根據(jù)該方法將覆蓋層太陽輻射吸收率分為直射輻射吸收率、散射輻射吸收率與地表反射輻射吸收率分別計算，進而精確計算覆蓋層吸收太陽輻射以提高覆蓋層溫度預測精度。為了驗證模型正確性及精度，本研究分別選擇冬季寒冷（無作物）、夏季炎熱（無作物）以及秋季（有作物）3種溫室環(huán)境開展模型驗證試驗，每種情況試驗周期10 d，總試驗周期30 d。模型驗證試驗期間室內(nèi)外環(huán)境變化幅度大，試驗周期長，以驗證模型具有較大的適用范圍。

1 材料與方法

1.1 試驗溫室

試驗地點位于山東省泰安市夏張鎮(zhèn)（36°08'N，116°95'E），試驗對象為玻璃溫室（圖1）。溫室為南北朝向，長度5 m，寬度3 m，檐高2.05 m，脊高3 m，屋頂傾角26°。屋頂使用單層鋼化玻璃，厚度8 mm，溫室四周墻體使用單層鋼化玻璃，厚度6 mm。

圖1 溫室能量傳遞及溫度傳感器布局側(cè)視圖

1.2 溫室環(huán)境監(jiān)測

溫室環(huán)境監(jiān)測選用武漢漢秦信通科技有限公司生產(chǎn)的HQZDZ型數(shù)據(jù)采集器，數(shù)據(jù)采集時間分別為2019年1月26日—2019年2月4日，2019年7月11日—2019年7月20日，2019年10月14日—2019年10月23日，采集的數(shù)據(jù)包括室內(nèi)空氣溫度、覆蓋層溫度、土壤表層溫度、作物溫度、室外大氣溫度、室外太陽輻射照度、室外風速等。以上數(shù)據(jù)每5 min采集一次并通過GPRS傳送到遠程服務(wù)器，遠程服務(wù)器使用SQL Server數(shù)據(jù)庫存儲數(shù)據(jù)。溫室環(huán)境監(jiān)測傳感器技術(shù)參數(shù)如下：

1）室內(nèi)空氣溫度和室外空氣溫度選擇相同型號傳感器測量，傳感器型號為HQWD，精度±0.3 ℃，測量范圍?50～100 ℃。

2）覆蓋層溫度測量選用貼片溫度傳感器，型號為HQTPW，精度±0.3 ℃，測量范圍?50～100 ℃。溫室南北屋頂內(nèi)外表面及四周墻體內(nèi)外表面分別布置貼片溫度傳感器，并將不同覆蓋面內(nèi)外表面貼片溫度傳感器測量數(shù)據(jù)平均值分別作為不同覆蓋面溫度測量值。貼片溫度傳感器使用導熱系數(shù)為2.0 W/(m?K)的導熱硅膠覆蓋，以消除太陽輻射、熱輻射以及空氣流動對測量精度的影響，同時也避免了使用防輻射罩產(chǎn)生傳感器累積熱量而造成的誤差。

3）地表土壤溫度傳感器型號為HQTW，精度±0.5 ℃，測量范圍?50～80 ℃。

4）太陽輻射照度傳感器型號為HQTBQ，測量精度1 W/m2，測量范圍0～2 000 W/m2。

5）作物溫度使用紅外溫度傳感器測量，傳感器型號為HQS111，測量精度±0.2 ℃，測量范圍?50～100 ℃。

6）室外風速傳感器型號為HQFS，測量精度±0.3 m/s，測量范圍0～70 m/s。

2 覆蓋層溫度預測模型構(gòu)建方法及過程

覆蓋層溫度的影響因素包括太陽輻射吸收、對流換熱、長波輻射等能量交換形式（圖1）。覆蓋層吸收太陽輻射為覆蓋層表面太陽輻射照度與覆蓋層透射率的乘積，因此計算覆蓋層吸收太陽輻射需首先分別計算覆蓋層表面太陽輻射照度和覆蓋層透射率。表1為模型計算過程中所涉及符號的意義、單位及取值。

表1 模型符號及數(shù)值

2.1 溫室覆蓋層表面太陽輻射照度計算

覆蓋層吸收太陽輻射照度為覆蓋層表面太陽輻射照度與覆蓋層太陽輻射吸收率的乘積。計算覆蓋層吸收太陽輻射照度需首先計算覆蓋層表面太陽輻射照度。溫室覆蓋層表面太陽輻射由直射輻射、散射輻射和地表反射輻射3部分構(gòu)成[20]（圖1），并根據(jù)水平面太陽輻射o中直射輻射和散射輻射計算[21]。水平面太陽輻射o中散射輻射比例dif由式（1）確定[22]

式中太陽升起時sunup=1，其余時間sunup=0；dif1與dif2為計算散射輻射比例dif的中間變量，dif1通過式（2）確定

（2）

dif2則通過式（3）確定

sin為太陽高度角的余弦

atm為大氣透明度，通過式（5）確定[21]

式中Gsc為太陽常數(shù)[19]，W/m2，取常數(shù)值1 367；daynr為日期序號，例如1月1日，則daynr=1；z為太陽方位角，（°），通過式（7）計算[19]

為時角[23]，（°）如式（9）所示

式中為時間，s。

水平面太陽輻射o的直射分量與散射分量通過式（10）和式（11）計算

溫室不同覆蓋面太陽輻射照度S，W/m2，通過式（12）計算[24]

式中A為溫室不同覆蓋面面積，m2，根據(jù)溫室實際尺寸確定；R為溫室不同覆蓋面直射輻射強度與水平面直射輻射強度比值，通過式（14）計算[19]

式中為溫室不同覆蓋面相對水平面傾角，（°）；為溫室不同覆蓋面表面方位角，（°）。

R和R分別指溫室覆蓋層表面與天空和地面的視角系數(shù)，通過式（16）和式（17）計算[25]

2.2 溫室覆蓋層太陽輻射動態(tài)吸收率計算

溫室覆蓋層太陽輻射吸收率具體計算過程如下[19]：

溫室覆蓋層反射太陽輻射為垂直分量與平行分量平均值如式（20）所示

air和glass分別是光線入射角和折射角，（°），如圖2所示，滿足式（21）

注：nair為空氣折射系數(shù)；nglass為玻璃折射系數(shù)；θair為光線入射角，(°)；θglass為光線折射角，(°)。

覆蓋層吸收系數(shù)如式（22）所示

最后，溫室覆蓋層吸收率為入射光線垂直分量和平行分量吸收率的平均值如式（25）所示

2.3 溫室覆蓋層吸收太陽輻射計算

因溫室覆蓋層表面太陽輻射由直射輻射、散射輻射、地表反射輻射構(gòu)成[20]，為計算覆蓋層吸收太陽輻射，需分別計算覆蓋層直射輻射吸收率、散射輻射吸收率和地表反射輻射吸收率。根據(jù)前述覆蓋層太陽輻射動態(tài)吸收率計算方法，需首先計算覆蓋層直射輻射入射角、散射輻射入射角、地表反射輻射入射角。

太陽直射輻射入射角θ通過式（15）計算，θ為散射輻射等效為相同吸收率直射輻射對應(yīng)太陽入射角，通過式（26）計算[19]

θ,j為地表反射輻射等效為相同吸收率直射輻射對應(yīng)太陽入射角，通過式（27）計算[19]

溫室不同覆蓋面單位面積吸收太陽輻射瞬時值通過式（28）計算[24]

2.4 溫室覆蓋層能量平衡方程

綜合考慮溫室不同覆蓋面（南屋頂、北屋頂、南墻、北墻、東墻、西墻）太陽輻射吸收、對流換熱、長波輻射等能量傳遞形式（圖1），以溫室不同覆蓋面為對象，分別建立能量平衡方程（29）

式中c為覆蓋層密度，kg/m3；p,c為覆蓋層比熱容，J/(kg·K)；V,i為不同覆蓋面體積，m3；T,i為不同覆蓋面溫度，K；C,i為不同覆蓋面吸收太陽輻射，W，通過式（28）計算。

Q,i為室內(nèi)空氣與不同覆蓋面對流換熱交換熱量，W，通過式（30）計算[21]

式中A,i為不同覆蓋面面積，m2；a為室內(nèi)空氣溫度，K；,i為室內(nèi)空氣與不同覆蓋面內(nèi)表面對流換熱系數(shù)，通過式（31）計算[21]

Q,i為溫室覆蓋層與室外空氣對流換熱交換熱量，W，通過式（32）計算[26]

式中o為室外風速，m/s。

式中sky為天空溫度，K，通過式（36）計算[27]

2.5 覆蓋層溫度預測模型求解

模型輸入為室外大氣溫度、室外風速、室外太陽輻射照度、室內(nèi)空氣溫度、地表溫度、作物溫度以及溫室尺寸（表1）等數(shù)據(jù)，模型輸出為覆蓋層溫度。模型使用龍格庫塔四階積分求解算法以及MATLAB提供的常微分方程數(shù)值求解函數(shù)ode45進行求解，步長設(shè)置為5 min。

3 結(jié)果與分析

3.1 室內(nèi)外氣象條件

本研究通過對比3個試驗階段（1月26日—2月4日，7月11日—7月20日，10月14日—10月23日）覆蓋層溫度預測模型計算值與覆蓋層溫度測量值驗證模型精度。前2個階段溫室內(nèi)未種植作物且未采取任何加熱、降溫措施，第3個試驗階段溫室內(nèi)種植西紅柿。以上3個試驗階段分別代表冬季寒冷、夏季炎熱以及秋季種植作物的情況。圖3為試驗期間太陽輻射照度變化曲線。圖4為試驗期間室外空氣溫度、室內(nèi)空氣溫度、室內(nèi)地表溫度變化曲線。表2為試驗期間室內(nèi)外環(huán)境數(shù)據(jù)最大值、最小值、平均值統(tǒng)計結(jié)果。

第1個試驗階段太陽輻射照度日最大值變化范圍為191～647 W/m2，第2個試驗階段太陽輻射照度日最大值變化范圍為892～1 036 W/m2，第3個試驗階段太陽輻射照度日最大值變化范圍為285～803 W/m2。從表2得出，室外最高空氣溫度為37.3 ℃，室外最低空氣溫度為?12.3 ℃，室外空氣溫度變化幅度為49.6 ℃。室內(nèi)空氣溫度最高為66.5 ℃，室內(nèi)空氣溫度最低為?9.1 ℃，室內(nèi)空氣溫度變化幅度為75.6 ℃。室內(nèi)地表溫度最高為46.4 ℃，室內(nèi)地表溫度最低為0.6 ℃，室內(nèi)地表溫度變化幅度為45.8 ℃。

圖3 2019年3個試驗階段太陽輻射照度變化曲線

圖4 2019年3個試驗階段室內(nèi)空氣溫度、室外空氣溫度、室內(nèi)地表溫度曲線

本研究取不同覆蓋面內(nèi)外表面貼片溫度傳感器測量數(shù)據(jù)平均值分別作為不同覆蓋面溫度測量值，不同覆蓋面溫度測量值與模型計算值比較以確定模型精度。第1個試驗階段不同覆蓋面溫度測量值與不同覆蓋面內(nèi)外表面溫度的平均偏差（mean bias error, MBE）變化范圍為0.66～0.92 ℃。第2個試驗階段不同覆蓋面溫度測量值與不同覆蓋面內(nèi)外表面溫度的平均偏差MBE變化范圍為1.15～1.40 ℃。第3個試驗階段不同覆蓋面溫度測量值與不同覆蓋面內(nèi)外表面溫度平均偏差MBE變化范圍為0.61～0.81 ℃。以上數(shù)據(jù)說明不同覆蓋面溫度測量值與不同覆蓋面內(nèi)外表面溫度偏差較小。

本研究提出的覆蓋層太陽輻射動態(tài)吸收率計算方法沒有驗證其正確性的直接方法，只能通過驗證考慮動態(tài)吸收率玻璃溫室覆蓋層溫度預測模型精度的方式間接判定該方法是否正確。只要考慮覆蓋層動態(tài)吸收率的玻璃溫室覆蓋層溫度預測模型正確且覆蓋層溫度預測精度進一步提高，則說明本研究所提出的覆蓋層太陽輻射動態(tài)吸收率計算方法可行。溫室覆蓋層溫度受室內(nèi)外環(huán)境（室外太陽輻射照度、室外空氣溫度、室內(nèi)空氣溫度等）影響，室內(nèi)外環(huán)境變化幅度越大，試驗周期越長，模型精度越低[11]。因此為了更充分的驗證模型的精度，本研究不僅在太陽輻射變化幅度較大的情況下對模型進行驗證，還在室內(nèi)外空氣溫度變化幅度較大的情況下對模型進行了驗證。

表2 溫室環(huán)境數(shù)據(jù)最大值、最小值和平均值

注：階段1為2019年1月26日—2019年2月4日，階段2為2019年7月11日—7月20日，階段3為2019年10月14日—2019年10月23日。

Note: Stage 1 was from Jan 26, 2019 to Feb 4, 2019; stage 2 was from Jul 11, 2019 to Jul 20, 2019; stage 3 was from Oct 14, 2019 to Oct 23, 2019.

3.2 模型驗證結(jié)果與分析

圖5為第3個試驗階段溫室不同覆蓋面（屋頂、墻體）溫度計算值與測量值的對比結(jié)果。表3為3個試驗階段考慮覆蓋層動態(tài)吸收率與不考慮覆蓋層吸收率2種情況下模型精度對比統(tǒng)計結(jié)果。

圖5 第3個試驗階段溫室不同覆蓋面溫度計算值與測量值對比曲線

表3 考慮或不考慮覆蓋層吸收率兩種情況下模型精度對比

圖5結(jié)果顯示，溫室不同覆蓋面溫度測量值與計算值變化趨勢、最大值、最小值較為一致。模型在中午、夜間以及陰天（10月16日）預測值與測量值偏差較大。原因是覆蓋層溫度除了受太陽輻射影響外，還受覆蓋層與天空溫度的長波輻射、覆蓋層與空氣的對流換熱等因素影響，而長波輻射、對流換熱系數(shù)以及天空溫度等依據(jù)經(jīng)驗公式確定[28]。除此之外，溫室內(nèi)不同位置空氣溫度也有差異[29]，尤其在種植有作物的情況下，作物通過蒸騰作用、呼吸作用等影響溫室內(nèi)空氣溫度分布，進而增大了溫室內(nèi)空氣溫度測量誤差以及覆蓋層與室內(nèi)空氣對流換熱計算誤差。這些都會導致覆蓋層溫度預測模型與實際覆蓋層溫度之間存在誤差。

表3結(jié)果顯示，第1個試驗階段不同覆蓋面溫度測量值與計算值的決定系數(shù)（coefficient of determination,2）變化范圍為0.96～0.97，均方根誤差（root-mean-square error, RMSE）變化范圍為1.57～1.87 ℃，平均偏差MBE變化范圍為1.25～1.58 ℃。第2個試驗階段不同覆蓋面溫度測量值與計算值的決定系數(shù)2變化范圍為0.92～0.96，均方根誤差RMSE變化范圍1.34～2.05 ℃，平均偏差MBE變化范圍為1.00～1.42 ℃。第3個試驗階段溫室不同覆蓋面溫度測量值與計算值的決定系數(shù)2變化范圍為0.96～0.98，均方根誤差RMSE變化范圍為1.26～1.50 ℃，平均偏差MBE變化范圍為0.95～1.19 ℃。

通過對比考慮覆蓋層動態(tài)吸收率與不考慮覆蓋層吸收率覆蓋層溫度預測模型精度得出（表3），第1個試驗階段考慮動態(tài)吸收率覆蓋層溫度計算值與測量值的均方根誤差RMSE比不考慮覆蓋層吸收率最大降低了0.31 ℃，平均偏差MBE最大降低了0.21 ℃。第2個試驗階段考慮動態(tài)吸收率覆蓋層溫度計算值與測量值均方根誤差RMSE比不考慮覆蓋層吸收率最大降低了0.7 ℃，平均偏差MBE最大降低了0.53 ℃。第3個試驗階段考慮動態(tài)吸收率覆蓋層溫度計算值與測量值均方根誤差RMSE比不考慮覆蓋層吸收率最大降低了0.22 ℃，平均偏差MBE最大降低了0.15 ℃。通過對比發(fā)現(xiàn)考慮覆蓋層動態(tài)吸收率進一步提高了覆蓋層溫度預測模型精度。

此外，本研究使用室內(nèi)外空氣溫度、作物溫度、土壤溫度等參數(shù)測量值計算長波輻射、對流換熱等交換熱量對覆蓋層溫度進行了一定修正。溫室模型中，空氣溫度、作物溫度、土壤溫度等參數(shù)全部為計算值，則考慮覆蓋層動態(tài)吸收率對溫室模型精度提升效果會更加明顯。

3.3 與相關(guān)模型對比

Baptista等[30]在葡萄牙開展了溫室模型相關(guān)研究并對溫室覆蓋層溫度進行預測，該模型未考慮覆蓋層吸收太陽輻射，模型在室內(nèi)空氣溫度變化范圍為15～25 ℃情況下進行試驗驗證，通過計算得出覆蓋層溫度預測值與測量值均方根誤差為1.6 ℃。雖然該模型精度與本研究所開發(fā)模型精度相近，但以上模型精度驗證試驗期間室內(nèi)空氣溫度變化幅度遠小于本試驗（?9.1～66.5 ℃）。Singh 等[31]開發(fā)的MICGREEN模型，該模型未考慮覆蓋層動態(tài)吸收率，僅將覆蓋層太陽輻射吸收率設(shè)定為固定值0.20。模型在室內(nèi)空氣溫度變化范圍14～28 ℃的情況下對溫室覆蓋層溫度進行預測，覆蓋層溫度預測值與測量值均方根誤差為3.91 ℃。Taki等[27]建立了溫室數(shù)學模型并對溫室覆蓋層溫度預測精度進行了試驗研究，該模型沒有考慮太陽入射角與覆蓋層太陽輻射吸收率的關(guān)系，僅假設(shè)覆蓋層太陽輻射吸收率為0.017 3。模型驗證試驗在室內(nèi)空氣溫度20～40 ℃范圍下進行，覆蓋層溫度測量值與模型計算值均方根誤差RMSE為1.68 ℃,決定系數(shù)2=0.97。雖然該模型覆蓋層溫度預測精度與本研究所開發(fā)模型相近，但上述驗證試驗僅對比了7個小時覆蓋層溫度數(shù)據(jù)，且室內(nèi)空氣溫度變化范圍遠小于本研究。Reyes-Rosas等[11]開發(fā)了溫室能量平衡模型，并在自然通風情況下對溫室覆蓋層溫度進行預測，該模型雖考慮了覆蓋層吸收太陽輻射，但僅將覆蓋層太陽輻射吸收率設(shè)定為固定值0.03，而沒有考慮太陽入射角與覆蓋層吸收率的關(guān)系。該模型在作物生長期選擇5個非連續(xù)時段進行模型精度試驗驗證，此模型覆蓋層溫度預測值與測量值均方根誤差RMSE為2.3 ℃。

通過對比相關(guān)模型精度得出本研究構(gòu)建的溫室覆蓋層溫度預測模型具有更高精度，究其原因，溫室覆蓋層溫度預測模型采用覆蓋層太陽輻射動態(tài)吸收率精確計算覆蓋層吸收太陽輻射提高了模型預測精度。

3.4 溫室覆蓋層吸收太陽輻射分析

在充分驗證溫室覆蓋層溫度預測模型正確性及模型精度前提下，本研究根據(jù)溫室覆蓋層太陽輻射動態(tài)吸收率計算方法，對試驗溫室覆蓋層吸收太陽輻射進行了計算分析。本研究通過將式（28）計算的3個時間段不同覆蓋面單位面積吸收太陽輻射瞬時值積分，得到3個時間段不同覆蓋面單位面積吸收太陽輻射累積值，其結(jié)果如圖6所示。

圖6 溫室覆蓋層單位面積吸收太陽輻射

第2個試驗階段，南屋頂和北屋頂單位面積吸收太陽輻射相近且明顯高于四周墻體吸收太陽輻射，同時明顯高于另外2個試驗階段南屋頂和北屋頂單位面積吸收太陽輻射。南墻第2個階段單位面積吸收太陽輻射比第1個試驗階段少1.42 MJ。其原因是夏季太陽高度角增大，溫室屋頂太陽入射角減少，根據(jù)式（25），溫室屋頂太陽輻射吸收率增大，且太陽輻射照度增大，因此溫室屋頂吸收太陽輻射明顯增加。南墻太陽入射角隨太陽高度角增大而增大，根據(jù)式（25），南墻太陽輻射吸收率減小，雖然太陽輻射增強，但因南墻太陽輻射吸收率減小，南墻吸收太陽輻射減少。東墻和西墻單位面積吸收太陽輻射相近。北墻單位面積吸收太陽輻射最少（7.17 MJ/m2）。

第3個試驗階段，南屋頂和北屋頂吸收太陽輻射相比第2個試驗階段減小，且南屋頂比北屋頂單位面積多吸收了6.43 MJ太陽輻射。南墻第3個試驗階段比第2個試驗階段單位面積多吸收了3.83 MJ太陽輻射，其原因是秋季太陽高度角相比夏季降低，南墻太陽入射角減小，太陽輻射吸收率增大，南墻吸收太陽輻射增加。東墻和西墻單位面積吸收太陽輻射相近。北墻單位面積吸收太陽輻射最少（3.92 MJ/m2）。

總體來看，僅有南墻夏季單位面積吸收太陽輻射最少，其余覆蓋層夏季單位面積吸收太陽輻射最多。南屋頂和北屋頂在夏季單位面積吸收太陽輻射相近，其余季節(jié)南屋頂單位面積吸收太陽輻射多于北屋頂。北墻在任何時段吸收太陽輻射都最低，原因是北墻外表面僅有散射輻射和地表反射輻射。東墻和西墻單位面積吸收太陽輻射相近，原因是太陽東升西落，上午東墻表面太陽輻射和下午西墻表面太陽輻射相近。

第1個試驗階段南屋頂、北屋頂、南墻、北墻、東墻和西墻每平方米分別吸收太陽輻射為11.55、5.95、9.72、3.12、4.45和6.14 MJ，通過式（42）計算，以上吸收的太陽輻射將使不同覆蓋面溫度分別提高687.5 、354.1 、771.4 、247.6 、353.1 和487.3 ℃。第2個試驗階段南屋頂、北屋頂、南墻、北墻、東墻和西墻每平米分別吸收太陽輻射為19.60、19.21、8.30、7.17、10.27和10.46 MJ，通過式（42）計算，以上吸收的太陽輻射將使不同覆蓋面溫度分別提高1 166.7 、1 143.5 、658.7 、569.0 、815.0 和830.1 ℃。第3個試驗階段南屋頂、北屋頂、南墻、北墻、東墻、西墻每平米分別吸收的太陽輻射為15.66、9.23、12.13、3.92、6.92和6.51 MJ，通過式（42）計算，以上吸收的太陽輻射將使不同覆蓋面溫度分別提高932.1 、549.4 、962.6 、311.1 、549.2 和516.6 ℃。

通過以上分析得出，如果忽略覆蓋層吸收太陽輻射，覆蓋層吸收太陽輻射累積值將使覆蓋層溫度產(chǎn)生較大誤差。因影響覆蓋層溫度的因素還包括與室內(nèi)外空氣的對流換熱，與作物、土壤、天空溫度的長波輻射等，根據(jù)以上能量交換的經(jīng)驗公式，覆蓋層溫度升高，覆蓋層通過對流換熱、長波輻射等形式向室內(nèi)空氣、土壤等傳遞的熱量增加，進而使得覆蓋層溫度模型計算值與實測值保持一致。

4 結(jié) 論

本研究以玻璃溫室覆蓋層為研究對象，提出了溫室覆蓋層太陽輻射動態(tài)吸收率計算方法，進而建立一種考慮動態(tài)吸收率的溫室覆蓋層溫度預測模型，并在山東省泰安市夏張鎮(zhèn)開展模型精度驗證試驗，并將模型驗證結(jié)果與相關(guān)模型對比，得出以下結(jié)論：

1）溫室不同覆蓋面溫度預測值與測量值變化趨勢較為一致，模型計算值與覆蓋層溫度測量值的決定系數(shù)2最小0.92，均方根誤差RMSE最大為2.05 ℃，通過與相關(guān)模型對比得出本研究提出的模型具有更高的覆蓋層溫度預測精度。

2）本研究提出了溫室覆蓋層太陽輻射動態(tài)吸收率計算方法，根據(jù)該方法將覆蓋層太陽輻射吸收率分為直射輻射吸收率、散射輻射吸收率與地表反射輻射吸收率分別計算，并通過該方法精確計算覆蓋層吸收太陽輻射。

此外，本研究在充分驗證模型正確性及精度的前提下，利用溫室覆蓋層太陽輻射動態(tài)吸收率計算方法對覆蓋層不同試驗階段單位面積吸收太陽輻射規(guī)律進行量化分析。通過分析發(fā)現(xiàn)僅有南墻夏季單位面積吸收太陽輻射最少，其余覆蓋層夏季單位面積吸收太陽輻射最多。夏季南屋頂和北屋頂單位面積吸收太陽輻射相近，其余季節(jié)南屋頂單位面積吸收太陽輻射大于北屋頂。北墻在任何時段單位面積吸收太陽輻射都最低。東墻和西墻單位面積吸收太陽輻射數(shù)值相近。以上研究內(nèi)容及結(jié)果可為玻璃溫室結(jié)構(gòu)優(yōu)化、作物種植、溫室節(jié)能提供理論參考及相關(guān)數(shù)據(jù)，并對研究及認識太陽輻射在溫室的能量分配規(guī)律具有一定指導意義。

[1] Van Beveren P J M, Bontsema J, Van Straten G, et al. Minimal heating and cooling in a modern rose greenhouse[J]. Applied Energy, 2015, 137: 97－109.

[2] Ghasemi M H, Ajabshirchi Y, Ranjbar S F, et al. Solar energy conservation in greenhouse: Thermal analysis and experimental validation[J]. Renewable Energy, 2016, 96: 509－519.

[3] Ahamed M S, Guo H, Tanino K. Development of a thermal model for simulation of supplemental heating requirements in Chinese-style solar greenhouses[J]. Computers and Electronics in Agriculture, 2018, 150: 235－244.

[4] Taki M, Rohani A, Rahmati-Joneidabad M. Solar thermal simulation and applications in greenhouse[J]. Information Processing in Agriculture, 2018, 5(1): 83－113.

[5] Panwar N L, Kaushik S C, Kothari S. Solar greenhouse an option for renewable and sustainable farming[J]. Renewable and Sustainable Energy Reviews, 2011, 15(8): 3934－3945.

[6] Abdel-Ghany A M, Ishigami Y, Goto E, et al. A method for measuring greenhouse cover temperature using a thermocouple[J]. Biosystems Engineering, 2006, 95(1): 99－109.

[7] Kimball B A. Simulation of the energy balance of a greenhouse[J]. Agricultural Meteorology, 1973, 11: 243－260.

[8] Lamrani M, Boulard T, Roy J C, et al. Air flow and temperature patterns induced in a confined greenhouse[J]. Journal of Agricultural Engineering Research, 2001, 78(1): 75－88.

[9] Molina-Aiz F D, Valera D L, álvarez A J. Measurement and simulation of climate inside Almer??a-type greenhouses using computational fluid dynamics[J]. Agricultural and Forest Meteorology, 2004, 125(1/2): 33－51.

[10] Abdel-Ghany A M, Kozai T. Dynamic modeling of the environment in a naturally ventilated, fog-cooled greenhouse[J]. Renewable Energy, 2006, 31(10): 1521－1539.

[11] Reyes-Rosas A, Molina-Aiz F D, Valera D L, et al. Development of a single energy balance model for prediction of temperatures inside a naturally ventilated greenhouse with polypropylene soil mulch[J]. Computers and Electronics in Agriculture, 2017, 142: 9－28.

[12] Mobtaker H G, Ajabshirchi Y, Ranjbar S F, et al. Simulation of thermal performance of solar greenhouse in north-west of Iran: An experimental validation[J]. Renewable Energy, 2019, 135: 88－97.

[13] Singh M C, Singh J P, Singh K G. Development of a microclimate model for prediction of temperatures inside a naturally ventilated greenhouse under cucumber crop in soilless media[J]. Computers and Electronics in Agriculture, 2018, 154: 227－238.

[14] 孟力力，楊其長，Gerard P A B，等. 日光溫室熱環(huán)境模擬模型的構(gòu)建[J]. 農(nóng)業(yè)工程學報，2009，25(1)：164－170.

Meng Lili, Yang Qichang, Gerard P A B, et al. Visual simulation model for thermal environment in Chinese solar greenhouse[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2009, 25(1): 164－170. (in Chinese with English abstract)

[15] 許紅軍，曹晏飛，李彥榮，等. 日光溫室太陽輻射模型構(gòu)建及應(yīng)用[J]. 農(nóng)業(yè)工程學報，2019，35(7)：160－169.

Xu Hongjun, Cao Yanfei, Li Yanrong, et al. Establishment and application of solar radiation model in solar greenhouse[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(7): 160－169. (in Chinese with English abstract)

[16] 李元哲，吳德讓，于竹. 日光溫室微氣候的模擬與實驗研究[J]. 農(nóng)業(yè)工程學報，1994，10(1)：130－136.

Li Yuanzhe, Wu Derang, Yu Zhu. Simulation and test research of micrometeorology environment in a sun-light greenhouse[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 1994, 10(1): 130－136. (in Chinese with English abstract)

[17] 陳俐均，杜尚豐，李嘉鵬，等. 溫室環(huán)境溫度預測自適應(yīng)機理模型參數(shù)在線識別方法[J]. 農(nóng)業(yè)工程學報，2017，33(增刊1)：315—321.

Chen Lijun, Du Shangfeng, Li Jiapeng, et al. Online identification method of parameters for greenhouse temperature prediction self-adapting mechanism model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(Supp.1): 315－321. (in Chinese with English abstract)

[18] 吳春艷，趙新平，郭文利. 日光溫室作物熱環(huán)境模擬及分析[J]. 農(nóng)業(yè)工程學報，2007，23(4)：190－195.

Wu Chunyan, Zhao Xinping, Guo Wenli. Simulation and analysis of the temperature inside the sunlight greenhouse[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2007, 23(4): 190－195. (in Chinese with English abstract)

[19] Duffie J A, Beckman W A. Solar Engineering of Thermal Processes: Fourth Edition[M]. The United States of America: WILEY, 2013.

[20] K?yan M, Bing?l E, Meliko?lu M, et al. Modelling and simulation of a hybrid solar heating system for greenhouse applications using Matlab/Simulink[J]. Energy Conversion and Management, 2013, 72: 147－155.

[21] van Ooteghem Rachel J C. Optimal control design for a solar greenhouse[J]. IFAC Proceedings Volumes, 2010, 43(26): 304－309.

[22] van Ooteghem Rachel J C. Optimal Control Design for A Solar Greenhouse[D]. Wageningen: Wageningen University, 2007.

[23] Zhou Naijun, Yu Yaxiong, Yi Jinping, et al. A study on thermal calculation method for a plastic greenhouse with solar energy storage and heating[J]. Solar Energy, 2017, 142: 39－48.

[24] Al-Helal I M, Waheeb S A, Ibrahim A A, et al. Modified thermal model to predict the natural ventilation of greenhouses[J]. Energy and Buildings, 2015, 99: 1－8.

[25] Singh R D, Tiwari G N. Energy conservation in the greenhouse system: A steady state analysis[J]. Energy, 2010, 35(6): 2367－2373.

[26] Mohammadi B, Ranjbar S F, Ajabshirchi Y. Application of dynamic model to predict some inside environment variables in a semi-solar greenhouse[J]. Information Processing in Agriculture, 2018, 5(2): 279－288.

[27] Taki M, Ajabshirchi Y, Ranjbar S F, et al. Modeling and experimental validation of heat transfer and energy consumption in an innovative greenhouse structure[J]. Information Processing in Agriculture, 2016, 3(3): 157－174.

[28] 朱芳，朱松明，葉章穎，等. 密閉遮光型甲魚溫室熱環(huán)境模擬與試驗[J]. 農(nóng)業(yè)工程學報，2014，30(10)：182－192.

Zhu Fang, Zhu Songming, Ye Zhangying, et al. Thermal simulation and test in closed-shading turtle greenhouse[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(10): 182－192. (in Chinese with English abstract)

[29] 郭騰騰，涂潔磊，盛鈺清，等. 基于CFD穩(wěn)態(tài)模擬的光伏玻璃溫室溫度分布模擬計算[J]. 云南師范大學學報：自然科學版，2018，38(2)：11－15.

Guo Tengteng, Tu jielei, Sheng Yuzhang, et al. Simulation calculation of photovoltaic glass greenhouse temperature distribution based on CFD steady state simulation[J]. Journal of Yunnan Normal University: Natural Sciences Edition, 2018, 38(2): 11－15. (in Chinese with English abstract)

[30] Baptista F J, Bailey B J, Meneses J F, et al. Greenhouses climate modelling. Tests, adaptation and validation of a dynamic climate model[J]. Spanish Journal of Agricultural Research, 2010, 8(2): 285－298.

[31] Singh G, Singh P P, Lubana P P S, et al. Formulation and validation of a mathematical model of the microclimate of a greenhouse[J]. Renewable Energy, 2006, 31(10): 1541－1560.

Model for predicting the temperature of glass greenhouse cover considering dynamic absorptivity

Zhang Guanshan, Li Tianhua, Hou Jialin※

(1.271018,; 2.271018,)

The cover temperature has an important effect on the thermal behavior of the greenhouse. This research developed and validated a prediction model of the cover temperature considering dynamic cover absorptivity. The absorptivity of the cover changes with the time of day and depending on many parameters such as the refractive coefficient, extinction coefficient, and thickness of the cover. The dynamic absorptivity of the cover was used to improve the model's accuracy. The absorptivity of the cover was divided into the absorptivity of beam radiation, diffuse radiation, and ground-reflected radiation. This mathematical model also considered the thermodynamic exchanges between the cover and other components of the greenhouse including the convection, shortwave and longwave radiation. A computer program adopting the MATLAB standard solver ode45 was written to find a solution to the energy equations employing a fourth-order Runge–Kutta method. The input parameters of the model were the measurement of the meteorological environment and thermo-physical characteristics of the greenhouse components including those of the soil and inside air. The thermophysical characteristics of the greenhouse were determined by the material properties of the glass greenhouse and the construction scheme, which were not affected by the geographic location of the glass greenhouse. Initial input values for these equations were the measured temperatures of cover, soil, and air at t=0. Employing the computer program model built-in MATLAB, trends of temperature in the greenhouse were acquired by solving the unsteady-state energy balance equation for the structural components of the greenhouse and estimating heat absorbed by various surfaces. The model was validated utilizing measured data of three non-continuous periods of 10 days in three seasons in the north of China in Shandong province (36°08'N, 116°95'E). To predict the model accuracy, varying statistical indicators, including the root-mean-square error (RMSE), and the square of the correlation coefficient (2) was determined from data series. The model’s accuracy was verified by comparing the calculated temperatures with experimental measurements for the glass greenhouse. The best results were obtained with RMSE=1.26 ℃ and2=0.98 for the cover temperature. The worst results were obtained with RMSE=2.05 ℃ and2=0.92 for the cover temperature. Statistical analysis confirmed that the developed model was effective in forecasting the microclimate of the greenhouse. Finally, we compared the accuracy of this model with related research abroad. With the comparison, we concluded that the accuracy of the model was higher than that of the related research abroad. Because this research considered the dynamic absorptivity of the greenhouse cover creatively. Besides, this study had an energy analysis of solar radiation flux absorbed by the cover with the experimental greenhouse as a study case. The results indicated that the south wall absorbed less solar radiation in the summer period, while other walls and roofs absorbed more solar radiation in the summer period. The solar radiation absorbed by the east wall and the west wall was almost equal. The north wall absorbed the least solar radiation compared with other walls and roofs. It is clear that the quantification of solar radiation as demonstrated here is of great interest to the growers and is essential for the model’s accuracy and greenhouse management.

temperature; models; greenhouse; cover; dynamic absorptivity; solar radiation; energy transfer

2019-12-02

2020-02-14

十三五國家重點研發(fā)計劃項目智能農(nóng)機裝備專項“溫室智能化精細生產(chǎn)技術(shù)與裝備研發(fā)”（2017YFD0701500）；山東省現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系蔬菜產(chǎn)業(yè)創(chuàng)新團隊項目（SDAIT-05-11）

張觀山，實驗師，博士生，主要從事設(shè)施農(nóng)業(yè)研究。Email：zgsh9919@sdau.edu.cn

侯加林，教授，博士，主要從事設(shè)施農(nóng)業(yè)研究。Email：jlhou@sdau.edu.cn

10.11975/j.issn.1002-6819.2020.05.023

S625

A

1002-6819(2020)-05-0201-11

張觀山，李天華，侯加林. 考慮動態(tài)吸收率的玻璃溫室覆蓋層溫度預測模型[J]. 農(nóng)業(yè)工程學報，2020，36(5)：201－211. doi：10.11975/j.issn.1002-6819.2020.05.023 http://www.tcsae.org

Zhang Guanshan, Li Tianhua, Hou Jialin. Model for predicting the temperature of glass greenhouse cover considering dynamic absorptivity[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(5): 201－211. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.05.023 http://www.tcsae.org