基于插值方法的溫室溫度場(chǎng)可視化仿真分析*

肖雪朋，程曼，袁洪波，王起帆

(河北農(nóng)業(yè)大學(xué)機(jī)電工程學(xué)院，河北保定，071000)

0 引言

溫室是設(shè)施農(nóng)業(yè)的重要組成部分，其內(nèi)部小氣候環(huán)境因子有溫度、濕度、CO2濃度，光輻射強(qiáng)度等，其中溫度是一個(gè)主導(dǎo)因素。溫室內(nèi)保持適宜的溫度對(duì)作物健康生長(zhǎng)非常重要，但是溫室內(nèi)溫度空間分布不均衡，不同位置處的溫度分布差異性大，復(fù)雜的溫度分布模式不但導(dǎo)致其對(duì)熱能的利用率也相對(duì)較低，而且還會(huì)使不同區(qū)域的作物生長(zhǎng)情況產(chǎn)生差異，甚至降低綜合產(chǎn)量。對(duì)溫室溫度的空間分布進(jìn)行可視化仿真，可以直觀的描述溫度的空間分布狀態(tài)，對(duì)于提高溫室作物管理效率、環(huán)境調(diào)控和溫室的結(jié)構(gòu)優(yōu)化的具有重要的現(xiàn)實(shí)意義[1]。

近些年，國(guó)內(nèi)外學(xué)者進(jìn)行了大量溫室溫度變化的研究，并建立了豐富的溫室環(huán)境模型?？傮w來(lái)說(shuō)，對(duì)于溫室內(nèi)溫度變化的研究可以分為機(jī)理分析法和試驗(yàn)測(cè)量法[2]兩種方法。機(jī)理分析法是一種基于理論的方法，機(jī)理分析法一般根據(jù)質(zhì)量守恒方程和能量守恒方程，利用計(jì)算流體力學(xué)(Computational Fluid Dynamics，CFD)技術(shù)[3]進(jìn)行分析和計(jì)算；主要用于研究溫室在通風(fēng)[4-6]、加溫[7-9]、降溫[10-12]等過(guò)程中溫度場(chǎng)的變化情況，以及在此基礎(chǔ)上的溫室結(jié)構(gòu)優(yōu)化改進(jìn)[13-14]如溫室墻壁厚度及材料選擇[15-18]、溫室跨度選擇[19-20]、排氣孔結(jié)構(gòu)和開(kāi)口尺寸選擇[21-23]等。機(jī)理分析法主要通過(guò)數(shù)值運(yùn)算來(lái)進(jìn)行溫室小氣候的模擬和仿真，計(jì)算過(guò)程繁瑣且需要確定的參數(shù)眾多，很多參數(shù)很難通過(guò)傳感器進(jìn)行測(cè)量，只能通過(guò)估算的方式進(jìn)行近似計(jì)算，所以其計(jì)算精度直接受到這些參數(shù)取值的影響[24]。此外，溫室在長(zhǎng)期的使用過(guò)程中，有些參數(shù)如透光率、圍護(hù)結(jié)構(gòu)導(dǎo)熱系數(shù)等參數(shù)會(huì)發(fā)生一定的改變[25]，而這些變化難以量化，這些因素都會(huì)影響到機(jī)理法的計(jì)算結(jié)果。試驗(yàn)測(cè)量法主要通過(guò)各種測(cè)量?jī)x器或傳感器進(jìn)行溫室環(huán)境信息的獲取，在此基礎(chǔ)上對(duì)溫室的墻體[26]、地面和空氣的熱傳遞[27]，溫室的溫度分布[28]的進(jìn)行研究。試驗(yàn)法得到的結(jié)果與其獲取信息的傳感器的精度和數(shù)量直接相關(guān)，為了得到較為精確的模型，需要搭建相對(duì)復(fù)雜的試驗(yàn)環(huán)境，對(duì)于不同的條件，可能還需要多次重復(fù)試驗(yàn)，成本投入大、試驗(yàn)周期長(zhǎng)。將試驗(yàn)測(cè)量和機(jī)理分析方法結(jié)合，可以簡(jiǎn)化溫室溫度場(chǎng)分析的過(guò)程，簡(jiǎn)單快速根據(jù)溫室數(shù)據(jù)構(gòu)建模型研究溫室溫度環(huán)境的變化規(guī)律。

本文利用傳感器采用數(shù)據(jù)，基于不同的插值方法對(duì)溫室溫度場(chǎng)分布進(jìn)行了計(jì)算，并進(jìn)行了溫度場(chǎng)可視化仿真分析，比較了不同插值方法的優(yōu)劣及其適用條件，為溫室溫度場(chǎng)分布規(guī)律研究提供了一種有益的方法。

1 材料與方法

1.1 試驗(yàn)地點(diǎn)與時(shí)間

試驗(yàn)地點(diǎn)為河北省保定市河北農(nóng)業(yè)大學(xué)東校區(qū)，屬于暖溫帶大陸性季風(fēng)氣候區(qū)。試驗(yàn)用溫室為一面坡型鋼架結(jié)構(gòu)玻璃溫室，坐北朝南，南偏西3°，東西方向長(zhǎng)10 m，跨度為2.5 m，前屋面高2.1 m，后屋面高3.3 m。覆蓋物為4mm浮法玻璃，透光率大于83%，地面水泥硬化，栽培模式為槽式基質(zhì)栽培。溫室主要能量來(lái)源為太陽(yáng)輻射，試驗(yàn)時(shí)間為2019年7—9月，根據(jù)室外小型氣象站氣象數(shù)據(jù)選取典型晴天和陰天環(huán)境進(jìn)行瞬時(shí)，短期，中長(zhǎng)期的溫度場(chǎng)的繪制。其中，8月11—12號(hào)為典型的陰天天氣，溫度為21 ℃～29 ℃，9月1—2號(hào)為晴天天氣，溫度為15 ℃～31 ℃，8月8—16號(hào)為短期的天氣數(shù)據(jù)，包含晴天及降溫的天氣類(lèi)型，8月30號(hào)—9月10號(hào)為長(zhǎng)期的天氣數(shù)據(jù)，包含多種天氣情況。

1.2 試驗(yàn)環(huán)境構(gòu)建

溫室內(nèi)溫度采集使用溫濕度傳感器SHT20(濕度測(cè)量范圍：0～100%RH，測(cè)量精度：±3%RH，濕度分辨率：0.1%RH；溫度測(cè)量范圍：-40 ℃～125 ℃，測(cè)量精度：±0.3 ℃，溫度分辨率0.1 ℃)采集數(shù)據(jù)，測(cè)試之前對(duì)傳感器進(jìn)行校正。以溫室東西方向1/2處溫室剖面為主要測(cè)量平面，在垂直方向共設(shè)置了0 m、0.35 m、1.2 m、2 m四個(gè)高度層面，水平方向設(shè)置0 m、0.4 m、0.8 m、1.2 m、1.6 m、2 m、2.5 m七個(gè)層面。每層均勻分布7個(gè)傳感器，溫室頂部均勻分布5個(gè)傳感器，共33個(gè)溫度傳感器，同時(shí)測(cè)量1.8 m處太陽(yáng)輻射強(qiáng)度。玻璃溫室示意圖如圖1所示。溫室內(nèi)部太陽(yáng)輻射由JTBQ-2總輻射傳感器(光譜范圍：280～3 000 nm，測(cè)量范圍：0～2 000 W/m2，準(zhǔn)確度±2%，靈敏度7～14 μV/(W/m2))采集。外界溫度與光照由氣象站采集記錄。

圖1 傳感器部署示意圖

1.3 試驗(yàn)環(huán)境構(gòu)建

溫度采集與處理功能主要由STM32單片機(jī)實(shí)現(xiàn)，單片機(jī)通過(guò)引腳控制傳感器采集數(shù)據(jù)，然后將信號(hào)處理后通過(guò)串口輸出環(huán)境參數(shù)數(shù)據(jù)。所有測(cè)量數(shù)據(jù)的采集間隔為10 min，數(shù)據(jù)上傳至電腦儲(chǔ)存。電腦將數(shù)據(jù)儲(chǔ)存為txt文件，可以實(shí)時(shí)儲(chǔ)存數(shù)據(jù)及查閱歷史數(shù)據(jù)。

1.4 數(shù)據(jù)分析方法

數(shù)據(jù)處理采用Matlab2018a，運(yùn)算平臺(tái)計(jì)算機(jī)的配置為：CPU為AMD R-2600主頻3.8 GHz，內(nèi)存為DDR4頻率3 000 Hz容量16 G。根據(jù)采樣點(diǎn)收集的溫度數(shù)據(jù)，使用插值算法對(duì)數(shù)據(jù)進(jìn)行擴(kuò)充，實(shí)現(xiàn)溫度場(chǎng)的擬合和圖像繪制。

插值是在一組已知數(shù)據(jù)點(diǎn)的范圍內(nèi)添加新數(shù)據(jù)點(diǎn)，而且函數(shù)運(yùn)算結(jié)果穿過(guò)樣本數(shù)據(jù)點(diǎn)的技術(shù)。使用插值算法可以實(shí)現(xiàn)填充缺失的數(shù)據(jù)、對(duì)現(xiàn)有數(shù)據(jù)進(jìn)行平滑處理以及進(jìn)行預(yù)測(cè)等功能。根據(jù)樣本數(shù)據(jù)的結(jié)構(gòu)，插值分為兩類(lèi)：插入網(wǎng)格數(shù)據(jù)(meshgrid)，數(shù)據(jù)部分為軸對(duì)齊網(wǎng)格格式的樣本數(shù)據(jù)，數(shù)據(jù)格式要求為有序數(shù)據(jù)。內(nèi)插散點(diǎn)數(shù)據(jù)(griddata)，數(shù)據(jù)部分為散點(diǎn)格式的樣本數(shù)據(jù)，數(shù)據(jù)中的點(diǎn)沒(méi)有結(jié)構(gòu)或其相對(duì)位置間的順序要求。由于網(wǎng)格上的數(shù)據(jù)插值運(yùn)算時(shí)，數(shù)據(jù)不能缺失，要求數(shù)據(jù)為標(biāo)準(zhǔn)的矩陣。也不容易按實(shí)際比例顯示空間溫度分布。當(dāng)數(shù)據(jù)類(lèi)型標(biāo)準(zhǔn)時(shí)采用網(wǎng)格的數(shù)據(jù)點(diǎn)和散點(diǎn)數(shù)據(jù)點(diǎn)插值結(jié)果相同。散點(diǎn)插值方便查詢(xún)坐標(biāo)上的數(shù)據(jù)靈活性更強(qiáng)。綜合考慮采用散點(diǎn)插值的方式。

插值運(yùn)算過(guò)程分為幾個(gè)步驟：(1)創(chuàng)建散點(diǎn)數(shù)據(jù)集。(2)創(chuàng)建Delaunay三角剖分，并查詢(xún)插值點(diǎn)位置(查詢(xún)點(diǎn)是griddata執(zhí)行插值的位置)。(3)選擇插值方式計(jì)算。通常情況下，整個(gè)插值過(guò)程通過(guò)一次函數(shù)調(diào)用完成，插值結(jié)果曲面始終穿過(guò)x、y和z定義的數(shù)據(jù)點(diǎn)即樣本值v。

散點(diǎn)插值中數(shù)據(jù)樣本點(diǎn)的樣本值v與坐標(biāo)中x、y和z空間位置對(duì)應(yīng)，樣本點(diǎn)唯一。以溫室的地面東北角為空間原點(diǎn)，建立傳感器的空間坐標(biāo)，確定傳感器的空間位置。

在進(jìn)行散點(diǎn)插值前對(duì)數(shù)據(jù)預(yù)處理進(jìn)行劃分，構(gòu)建三角剖分?jǐn)?shù)據(jù)結(jié)構(gòu)體使數(shù)據(jù)相對(duì)合理的分配以求包圍查詢(xún)點(diǎn)。三角剖分是指幾何中將平面對(duì)象細(xì)分為三角形，并且可以通過(guò)類(lèi)似的擴(kuò)展將高維度的幾何圖像細(xì)分為二維的三角形。劃分結(jié)果滿足所有的面均為三角面且沒(méi)有相交的邊、三角面內(nèi)不含數(shù)據(jù)點(diǎn)(端點(diǎn)除外)、所有三角面組成數(shù)據(jù)的凸包。

根據(jù)插值數(shù)據(jù)的需求，在劃分的三角形中找到查詢(xún)點(diǎn)位置，計(jì)算值取決于后續(xù)步驟的插值算法。散點(diǎn)插值提供5種運(yùn)算方式，如表1所示。

表1 散點(diǎn)插值方式區(qū)別

1.5 插值運(yùn)算結(jié)果

在MATLAB中調(diào)用插值函數(shù)將空氣溫度數(shù)據(jù)3×5差值為6×10，對(duì)比實(shí)際測(cè)量值與插值數(shù)據(jù)區(qū)別。MATLAB編程：vq=griddata(x, y, z, v, xq, yq, zq, method)，method可以根據(jù)插值方式選擇‘Linear’、‘Nearest’、‘Natural’、‘Cubic’或‘V4’。

表2 原始數(shù)據(jù)

Linear線性插值在查詢(xún)點(diǎn)插入的值是基于三角網(wǎng)結(jié)構(gòu)體頂點(diǎn)樣本鄰點(diǎn)數(shù)值的線性插值。已知兩數(shù)據(jù)點(diǎn)坐標(biāo)用直線連接，以求在直線上其他的點(diǎn)進(jìn)行插值計(jì)算。表3為L(zhǎng)inear插值數(shù)據(jù)結(jié)果。

表3 Linear插值數(shù)據(jù)

Nearest最近鄰點(diǎn)插值在查詢(xún)點(diǎn)插入的值是距三角網(wǎng)結(jié)構(gòu)體頂點(diǎn)樣本最近的值。已知插值點(diǎn)的坐標(biāo)與兩數(shù)據(jù)點(diǎn)間的空間位置，選取與插值點(diǎn)距離近的數(shù)據(jù)點(diǎn)數(shù)值為插值結(jié)果。表4為Nearest插值數(shù)據(jù)結(jié)果。

表4 Nearest插值數(shù)據(jù)

Natural自然鄰點(diǎn)插值在查詢(xún)點(diǎn)插入的值是基于三角網(wǎng)結(jié)構(gòu)體臨近點(diǎn)對(duì)查詢(xún)點(diǎn)的貢獻(xiàn)率計(jì)算的插值結(jié)果。自然鄰點(diǎn)插值時(shí)先對(duì)所有樣本點(diǎn)創(chuàng)建泰森多邊形，當(dāng)對(duì)未知點(diǎn)進(jìn)行插值時(shí),就會(huì)修改這些泰森多邊形并對(duì)未知點(diǎn)生成一個(gè)新的泰森多邊形。表5為Natural插值數(shù)據(jù)結(jié)果。

表5 Natural 插值數(shù)據(jù)

Cubic三次插值在查詢(xún)點(diǎn)插入的值基于三角網(wǎng)結(jié)構(gòu)體頂點(diǎn)樣本鄰點(diǎn)數(shù)值的三次卷積插值結(jié)果。根據(jù)已知數(shù)據(jù)構(gòu)造出三次多項(xiàng)式，用構(gòu)造多項(xiàng)式的極小點(diǎn)逼近尋求已知點(diǎn)函數(shù)的極小點(diǎn)的方法，求構(gòu)造多項(xiàng)式導(dǎo)數(shù)為零的根，作為已知點(diǎn)函數(shù)的極小點(diǎn)的近似，重復(fù)應(yīng)用這一方法進(jìn)行迭代計(jì)算，直到得出滿足事先給出的精度要求為止，然后進(jìn)行插值。表6 為Cubic插值數(shù)據(jù)結(jié)果。

表6 Cubic 插值數(shù)據(jù)

V4插值方式數(shù)據(jù)劃分非基于三角剖分，采用的是MATLAB自定義的4個(gè)樣本點(diǎn)進(jìn)行樣條函數(shù)插值方式。表7為V4插值數(shù)據(jù)結(jié)果。

表7 V4插值數(shù)據(jù)

Cubic和V4方法生成平滑曲面，而Linear和Nearest分別具有零階導(dǎo)數(shù)和一階導(dǎo)數(shù)不連續(xù)的特性。Nearest插值方式不符合空氣溫度漸變的規(guī)律，最后選擇Cubic，Linear，Natural，V4這四種方式對(duì)比。

試驗(yàn)過(guò)程：(1)將儲(chǔ)存的環(huán)境數(shù)據(jù)由TXT轉(zhuǎn)換成Excel文檔。(2)在Matlab編程，導(dǎo)入傳感器空間分布數(shù)據(jù),環(huán)境數(shù)據(jù)。(3)設(shè)置多核并行運(yùn)算，插值運(yùn)算類(lèi)型，運(yùn)算精度等參數(shù)。(4)輸出溫度場(chǎng)平面圖，運(yùn)算時(shí)間，及數(shù)據(jù)保存。

2 結(jié)果與分析

2.1 插值數(shù)據(jù)量確定

將溫度數(shù)據(jù)經(jīng)過(guò)圖像化處理形成溫度分布圖片，可以直觀、迅速、準(zhǔn)確地呈現(xiàn)出溫室內(nèi)部溫度的分布規(guī)律，為進(jìn)行溫度調(diào)節(jié)研究提供方便。數(shù)據(jù)量的大小決定著畫(huà)面的清晰度和預(yù)測(cè)數(shù)據(jù)的準(zhǔn)確性，同時(shí)影響著運(yùn)算速度。首先需要確定適宜的插值后數(shù)據(jù)量，插值數(shù)據(jù)量可以由式(1)計(jì)算得到。

Number=(T_max-T_min)/Scale

(1)

式中：Number——插值數(shù)據(jù)量；

T_max——進(jìn)行插值計(jì)算時(shí)傳感器測(cè)量的最高溫度；

T_min——進(jìn)行插值計(jì)算時(shí)傳感器測(cè)量的最低溫度；

Scale——傳感器分辨率。

選取2019年9月1日溫室的環(huán)境數(shù)據(jù)，同一時(shí)刻測(cè)量平面最高溫度和最低溫度最大差值20 ℃，根據(jù)傳感器分辨率0.1 ℃，由于試驗(yàn)溫室主要測(cè)量面近似方形，最高溫度出現(xiàn)在南側(cè)附近和最低溫度出現(xiàn)在北側(cè)墻體，橫向、縱向插值產(chǎn)生的200×200數(shù)據(jù)生成圖片。然后分別生成7×7，25×25，50×50，100×100，400×400的數(shù)據(jù)量生成圖片，將圖片保存成相同大小。在Matlab中將圖片灰度化化，逐像素點(diǎn)比較相似。結(jié)果如圖2不同算法插值數(shù)據(jù)量與數(shù)據(jù)可視化后相似度關(guān)系曲線，當(dāng)數(shù)據(jù)為200×200時(shí)四種方式相似度均超過(guò)95%。圖3為不同插值方式200×200與400×400灰度圖，從圖片中已經(jīng)看不到差別，可以認(rèn)為200×200的數(shù)據(jù)量滿足圖形繪制要求。

圖2 不同算法插值數(shù)據(jù)量與數(shù)據(jù)可視化后相似度關(guān)系曲線

2.2 相同天氣下不同插值方式的溫度數(shù)據(jù)的比較

為了比較不同插值方式的溫度數(shù)據(jù)的準(zhǔn)確性，采用插值與實(shí)際采集值對(duì)比的方式。9月1—2日為典型的晴天天氣(2019-09-01日最高溫度31 ℃最低溫度15 ℃晴南風(fēng)微風(fēng)；2019-09-02日最高溫度31 ℃最低溫度15 ℃西南風(fēng)2級(jí))，8月11—12日為典型的連陰天天氣(2019-08-11日最高溫度26 ℃最低溫度21 ℃，東北風(fēng)4級(jí)；2019-08-12日最高溫度29 ℃最低溫度21 ℃東北風(fēng)3級(jí))將數(shù)據(jù)中各點(diǎn)依次刪除。利用剩余數(shù)據(jù)對(duì)該點(diǎn)進(jìn)行預(yù)測(cè)，計(jì)算值與測(cè)量值差值反映運(yùn)算方式的準(zhǔn)確性，由于刪去1個(gè)數(shù)據(jù)點(diǎn)時(shí)對(duì)圖片的整體影響過(guò)小，采用坐標(biāo)點(diǎn)取值的方式，取值與采集值做差，得到的數(shù)值取絕對(duì)值，最后計(jì)算每個(gè)點(diǎn)不同時(shí)間段的平均值，間隔半小時(shí)計(jì)算一次。數(shù)據(jù)處理結(jié)果如表8所示，晴天數(shù)據(jù)中最大值61.9 ℃，數(shù)據(jù)中最小值24 ℃，平均值38.8 ℃，陰天數(shù)據(jù)中最大值37.0 ℃，數(shù)據(jù)中最小值25.3 ℃，平均值30.2 ℃。結(jié)果顯示：空氣溫度尤其是空間中心位置的插值數(shù)據(jù)誤差較小，地面、墻體、覆蓋物周?chē)臏囟葦?shù)據(jù)插值數(shù)據(jù)誤差較大，可能由于壁面溫度與氣溫相差較多，導(dǎo)致經(jīng)過(guò)插值運(yùn)算誤差較大。Cubic插值方式誤差最小，V4插值方式誤差最大，Natural和Linear相似。地面附近數(shù)據(jù)誤差較大。

(a) Cubic插值方式200×200與400×400灰度圖

表8 不同插值算法數(shù)據(jù)誤差

2.3 不同天氣數(shù)據(jù)下不同插值方式的溫度數(shù)據(jù)誤差平均值的比較

誤差平均值如表9所示，晴天時(shí)由于陽(yáng)光充足溫室效應(yīng)明顯，溫度變化較劇烈。不同部位的溫室壁面接受到的輻射不同，空氣與壁面溫差較大，導(dǎo)致誤差的平均值增大。陰天溫度變化平緩，溫室空氣、壁面溫度在小范圍內(nèi)變化，誤差平均值小。晴天兩天，一周、兩周、三種環(huán)境預(yù)測(cè)數(shù)據(jù)誤差平均值相似。總體四種環(huán)境預(yù)測(cè)數(shù)據(jù)誤差平均值中：Cubic、Natural、Liner誤差平均值明顯小于V4誤差平均值。數(shù)據(jù)中最小值25.3 ℃，平均值30.2 ℃。結(jié)果顯示：空氣溫度尤其是空間中心位置的插值數(shù)據(jù)誤差較小，地面、墻體、覆蓋物周?chē)臏囟葦?shù)據(jù)插值數(shù)據(jù)誤差較大，可能由于壁面溫度與氣溫相差較多，導(dǎo)致經(jīng)過(guò)插值運(yùn)算誤差較大。Cubic插值方式誤差最小，V4插值方式誤差最大，Natural和Linear相似。地面附近數(shù)據(jù)誤差較大。

表9 誤差平均值

2.4 不同插值方式運(yùn)算時(shí)間的比較

不同插值方式運(yùn)算對(duì)計(jì)算機(jī)的資源占用存在差別。Matlab中并行運(yùn)算可以減少運(yùn)算時(shí)間，但是選擇合適的運(yùn)算方式也十分重要。采用相同的程序框架，讀取環(huán)境數(shù)據(jù)、傳感器位置數(shù)據(jù)、對(duì)數(shù)據(jù)加工形成矩陣、設(shè)置圖片的輸出樣式、只改變插值方式，比較運(yùn)算時(shí)間。數(shù)據(jù)量采用200×200大小，運(yùn)算三次取平均值，運(yùn)算時(shí)間結(jié)果如表10所示。結(jié)果顯示夜晚溫度差異較小、運(yùn)算溫度范圍小、計(jì)算量小時(shí)間短，中午溫室內(nèi)溫度分布不均，中午溫度差異較大、運(yùn)算溫度范圍大、計(jì)算量大運(yùn)算時(shí)間較夜晚運(yùn)算時(shí)間長(zhǎng)?？傮w運(yùn)算時(shí)間Liner運(yùn)算時(shí)間最短，V4運(yùn)算時(shí)間最長(zhǎng)，Cubic和Natural處于兩者之間。

2.5 不同插值方式可視化比較

圖4為溫室不同插值方式溫度場(chǎng)分布。Cubic插值方式結(jié)果等溫線平滑，溫度變化平緩。Liner插值方式結(jié)果等溫線粗糙，等溫線存在突變情況。Natural插值方式結(jié)果處于兩者之間, V4生成的溫度場(chǎng)分布圖與其他三種方法的結(jié)果有著顯著的不同，壁面與空氣之間沒(méi)有變化趨勢(shì)，與實(shí)際情況存在較大差距，表明該方法不適用于溫度場(chǎng)插值化的可視表達(dá)。

圖5為2019年9月1日玻璃溫室不同插值方式溫度最低時(shí)刻溫度場(chǎng)分布。夜晚，沒(méi)有加溫時(shí)，熱源是地面、墻體的蓄熱。熱損失主要有三部分：通過(guò)地面沿橫向傳到室外地面；通過(guò)縫隙傳到室外空氣；溫室內(nèi)的空氣以對(duì)流輻射和凝結(jié)等方式，向覆蓋材料的內(nèi)壁面?zhèn)鲗?dǎo)，通過(guò)熱傳導(dǎo)方式再擴(kuò)散到覆蓋材料的外表面，之后再以輻射方式散失到周?chē)Ｐ纬傻孛?、墻體附近溫度高，覆蓋物玻璃附近溫度低溫，室內(nèi)部大部分空氣溫度均勻的情況。Liner和Natural插值結(jié)果相似，靠近墻體部分出現(xiàn)了溫度變化梯度，Cubic插值結(jié)果在溫室上部出現(xiàn)了溫度分布溫度變化梯度，符合熱空氣上升的自然規(guī)律，V4插值結(jié)果溫室范圍內(nèi)，頂部出現(xiàn)高溫區(qū)域不符氣溫變化規(guī)律。

(a) Cubic插值溫度場(chǎng)

(a) Cubic插值溫度場(chǎng)

圖6為2019年9月1日玻璃溫室不同插值方式早上日出時(shí)刻溫度場(chǎng)分布。早晨太陽(yáng)升起，溫室效應(yīng)使溫室內(nèi)漸漸升溫，升溫從溫室下部地面附近開(kāi)始。溫室內(nèi)部的空氣溫度基本相同，內(nèi)部的溫度分布較為穩(wěn)定。對(duì)比夜晚的溫度數(shù)據(jù)，壁面與空氣均有明顯的溫度升高。Liner和Natural插值結(jié)果相似，地面附近溫度較高，室內(nèi)空氣大部分溫度均衡，Cubic插值結(jié)果在南側(cè)出現(xiàn)了部分高溫區(qū)域，空氣升溫從南部開(kāi)始, V4插值結(jié)果溫室范圍內(nèi)，頂部、南部出現(xiàn)高溫區(qū)域。

圖7為2019年9月1日玻璃溫室不同插值方式中午溫度最高時(shí)刻溫度場(chǎng)分布。

(a) Cubic插值溫度場(chǎng)

(a) Cubic插值溫度場(chǎng)

從圖7可以明顯看出溫室南側(cè)靠近玻璃區(qū)域?yàn)楦邷鼐奂瘏^(qū)，而北側(cè)墻體的位置溫度較低，說(shuō)明在中午，南側(cè)位置由于優(yōu)先接收太陽(yáng)輻射而且輻射較強(qiáng)，空氣溫度明顯高于墻體；溫室上部溫度較低的原因可能是由于溫室上部的建筑物遮擋，影響了光照條件，溫度在水平方向上中間高、北側(cè)較低，在豎直方向上部高、地面較低，Cubic、Liner和Natural三種方式插值結(jié)果相似，V4上部同樣出現(xiàn)高溫與其他三種方式存在差別。

圖8為2019年9月1日玻璃溫室不同插值方式下午日落時(shí)刻溫度場(chǎng)分布。傍晚時(shí)，太陽(yáng)下落太陽(yáng)輻射減少。溫室內(nèi)地面、墻體溫度大于覆蓋物的溫度，室內(nèi)空氣處于降溫的狀態(tài)，溫度較為均勻。Cubic插值結(jié)果在下部出現(xiàn)了部分高溫區(qū)域，空氣接近地面和墻體時(shí)溫度較高。Liner和Natural插值結(jié)果相似，Liner插值結(jié)果出現(xiàn)溫度突變，V4上部墻體同樣出現(xiàn)高溫，中下部出現(xiàn)低溫。

(a) Cubic插值溫度場(chǎng)

3 結(jié)論

借助MATLAB平臺(tái)高效的數(shù)值計(jì)算及完備的圖形處理功能，對(duì)獲取的大量溫度數(shù)據(jù)進(jìn)行批預(yù)處理。將數(shù)字?jǐn)?shù)據(jù)經(jīng)過(guò)圖像化處理轉(zhuǎn)化為溫度分布圖，是數(shù)據(jù)可視化方面重要的方式。不同插值運(yùn)算結(jié)果的溫度場(chǎng)研究總結(jié)如下。

1) 插入數(shù)據(jù)量以傳感器精度和溫度差為依據(jù)，插值結(jié)果可以反應(yīng)溫室內(nèi)的溫度場(chǎng)細(xì)節(jié)，圖片邊緣較為順滑，運(yùn)算量適宜。

2) 不同的天氣情況對(duì)插值的誤差影響較大，與溫度的波動(dòng)范圍有關(guān)。Cubic、Natural、Liner插值運(yùn)算的誤差結(jié)果近似，平均誤差均在1.5 ℃內(nèi)，且均小于V4。

3) Cubic、Natural、Liner三種插值方式中，Cubic運(yùn)算時(shí)間最長(zhǎng)，Natural運(yùn)算時(shí)間其次，Liner運(yùn)算時(shí)間最短，平均每次運(yùn)算2.816 s，需要大量溫度場(chǎng)圖運(yùn)算時(shí)Liner插值方式較為適宜。

4) Cubic插值運(yùn)算輸出圖片溫度變化平滑，且具有溫度的水平梯度，接近溫室溫度的變化規(guī)律效果好。圖片能夠較好地反映出溫室的溫度場(chǎng)。Cubic插值方式適用于展示研究某一時(shí)刻的溫度場(chǎng)。