韋玉翡，趙建貴，高安琪，白云飛，李志偉

（山西農(nóng)業(yè)大學(xué)農(nóng)業(yè)工程學(xué)院，山西 太谷 030801）

溫室技術(shù)水平的高低直接影響著農(nóng)作物的產(chǎn)量和品質(zhì)，要對溫室環(huán)境因子進(jìn)行綜合控制，創(chuàng)造作物生長發(fā)育的最適宜條件，實(shí)現(xiàn)作物的增產(chǎn)、穩(wěn)產(chǎn)，就需要建立溫室小氣候模型［1］。溫室小氣候模型的建立是優(yōu)化溫室結(jié)構(gòu)、優(yōu)化綜合控制以及智能決策的有力工具。通過分析溫室小氣候模型可以深入了解室內(nèi)環(huán)境因子間的關(guān)系及不同因子間的相互作用，并預(yù)測下一時(shí)刻的因子值，為溫室環(huán)境的控制策略提供必要依據(jù)及為溫室作物提供最佳的生長環(huán)境［2］。

對溫室環(huán)境調(diào)控而言，溫室小氣候動(dòng)態(tài)預(yù)測模型有著舉足輕重的意義，主要分為2 種：一種是以能量平衡方程和質(zhì)量平衡方程為依據(jù)的溫室模型；另一種是基于輸入輸出數(shù)據(jù)的模型（包括線性模型、非線性模型、黑箱模型等），該法僅需采集溫室內(nèi)外環(huán)境因子的數(shù)據(jù)，與溫室結(jié)構(gòu)類型無關(guān)。在國內(nèi)外研究中，基于能量守恒定律，Businger［2］建立了首個(gè)依據(jù)室內(nèi)環(huán)境因素來確定室溫的溫室小氣候模型；Ra?sheed 等［3］建立多跨度溫室的模擬模型，并采用瞬態(tài)系統(tǒng)模擬程序來模擬溫室微環(huán)境；Marina 等［4］綜合考慮溫室特點(diǎn)，以溫度及內(nèi)部濕度為參數(shù)，創(chuàng)造有利于植物的生產(chǎn)條件。澳大利亞Kerstin 等［5］提出了多環(huán)境中對產(chǎn)量相關(guān)性狀的多季重復(fù)測量、遙感技術(shù)在田間監(jiān)測中的誤差和關(guān)鍵表型的高通量分析等表型研究瓶頸問題。郁瑩珺［6］、溫永菁［7］、蘇春杰［8］等利用環(huán)境因子建立了不同條件下溫室環(huán)境模型；宿文［9］、劉曉艷等［10］根據(jù)溫室能量和質(zhì)量平衡原理建立模型；張園園［11］采用ELM 的方法建立溫室預(yù)測模型；周潔［12］、李獻(xiàn)軍等［13］、范瓊［14］通過無線傳感器網(wǎng)絡(luò)實(shí)時(shí)獲取溫室環(huán)境數(shù)據(jù)建立模型；鄒秋瀅等［15］采用自適應(yīng)神經(jīng)模糊推理系統(tǒng)（ANFIS）對溫室小氣候環(huán)境因子進(jìn)行辨識建立預(yù)測模型；徐立鴻等［16］、秦琳琳等［17］對現(xiàn)有的溫室系統(tǒng)模型進(jìn)行分析，指出各自的不足和局限性。由以上研究可以看出，機(jī)理模型在溫室小氣候動(dòng)態(tài)預(yù)測方面切實(shí)可行。由于早期溫室受資金及技術(shù)條件的約束，并未配備氣候調(diào)節(jié)設(shè)施，在溫室小氣候的建模中主要考慮室外天氣變化影響［17，18］，未考慮氣候調(diào)節(jié)設(shè)備動(dòng)作的影響，且目前預(yù)測模型多數(shù)只考慮一部分環(huán)境因素進(jìn)行預(yù)測，并未涵蓋一些重要的影響因素以致預(yù)測精度不高，影響后續(xù)智能決策和綜合控制的效果。本模型充分考慮溫室構(gòu)造、溫室內(nèi)外部各項(xiàng)環(huán)境因子及介入設(shè)施的影響，有效提高了預(yù)測精度。

1 材料與方法

1.1 試驗(yàn)地概況

為實(shí)現(xiàn)研究目標(biāo)，在山西農(nóng)業(yè)大學(xué)工學(xué)院（東經(jīng)112°34′，北緯37°25′）旁建造了一個(gè)玻璃溫室。溫室為東西走向，總占地面積為125 m（212.5 m×10.0 m）。溫室四周底部由鋼筋混凝土作基礎(chǔ)墊層（室外地面0.5 m 下），四周采用砌體結(jié)構(gòu)（磚、石，距室外地面0.6 m），四根邊柱搭建玻璃結(jié)構(gòu)，玻璃框架采用鋁合金作為玻璃連接體，玻璃采用有機(jī)玻璃（厚2.5 cm）。溫室東西側(cè)設(shè)置前后門，南側(cè)設(shè)置濕簾（共4 扇），北側(cè)設(shè)置風(fēng)機(jī)（共2 臺(tái)），西北方向設(shè)置天窗（共4 扇），頂部設(shè)有保溫被、遮陽簾，內(nèi)有加熱管道（表面積為43 m2）、熱風(fēng)機(jī)等加熱設(shè)施。溫室內(nèi)設(shè)備由計(jì)算機(jī)控制，包括熱風(fēng)機(jī)的開關(guān)，濕簾、保溫被、遮陽簾、風(fēng)機(jī)組等的開啟，天窗開啟角度等。

1.2 試驗(yàn)材料

溫室內(nèi)種植番茄（Solanum lycopersicumSolyc）歐美佳。該品種為高抗TY 病毒、強(qiáng)耐寒、低溫弱光下能正常彭果、每節(jié)生4~6 果的無限生長型番茄。由育苗公司采用穴盤育苗，于9 月26 日移栽至實(shí)驗(yàn)溫室培養(yǎng)槽的椰糠基質(zhì)袋中，每袋長100 cm，寬20 cm，高7 cm，每袋均勻定植4 株，種植深度5 cm，種植3行，行距為90 cm，株距為25 cm。試驗(yàn)期間，側(cè)蔓和卷須摘除及下部老葉去除保持一致。

1.3 試驗(yàn)方法

試 驗(yàn) 時(shí) 間 為 2019 年 10 月 1 日 至 2020 年 1 月 20日，自11 月開始啟用加熱設(shè)施（熱水管道、暖風(fēng)機(jī)）。利用溫室監(jiān)測系統(tǒng)的采集節(jié)點(diǎn)采集室內(nèi)外太陽全輻射、室內(nèi)外溫濕度、二氧化碳濃度、風(fēng)速、風(fēng)向、熱水管道進(jìn)出水溫度、基質(zhì)溫度、土壤溫度（土壤5 cm處）等參數(shù)，均勻?qū)⒉杉?jié)點(diǎn)部署于溫室內(nèi)外，網(wǎng)關(guān)定時(shí)向采集節(jié)點(diǎn)發(fā)送“同步巡檢”指令，對覆蓋范圍內(nèi)所有采集節(jié)點(diǎn)巡檢，自動(dòng)建立與解除通信鏈路，若出現(xiàn)網(wǎng)絡(luò)故障，系統(tǒng)將自修復(fù)運(yùn)行和采集、傳送數(shù)據(jù)。采集數(shù)據(jù)和傳輸過程具有延遲性，故網(wǎng)關(guān)設(shè)置為每隔6 min 向采集節(jié)點(diǎn)發(fā)送“點(diǎn)名輪詢”指令，即所有數(shù)據(jù)通過計(jì)算機(jī)控制系統(tǒng)自動(dòng)記錄并保存數(shù)據(jù)，計(jì)算機(jī)每隔6 min 對采集的數(shù)據(jù)記錄并保存一次。

1.4 項(xiàng)目測定

1.4.1 溫室小氣候溫度動(dòng)態(tài)模型 根據(jù)熱力學(xué)有關(guān)理論可知，單位時(shí)間溫室內(nèi)熱量的積累等于溫室內(nèi)熱量儲(chǔ)存的變化率［10］，即室內(nèi)的熱量平衡動(dòng)態(tài)模型如下。

式中，Qa為溫室內(nèi)部空氣熱量，W/m2；Qr為太陽輻射熱量，W/m2；Qp為暖氣管道供熱量，W/m2；Qw為溫室圍護(hù)結(jié)構(gòu)傳熱量，W/m2；Qs為葉面、土壤與空氣的熱交換量，W/m2；Ql為燈具散熱能量，W/m2；Qv為通風(fēng)損失熱量，W/m2；Qg為溫室覆蓋層與外界交換的損失熱量，W/m2；Qe為蒸騰作用吸收的熱量，W/m2；Qh為濕簾風(fēng)機(jī)的熱交換吸收熱量，W/m2。

具體公式如下：

由于Qh、Qs、Ql在模型驗(yàn)證期間對溫室溫度的影響微乎其微，故在計(jì)算中未做考慮。Ti為溫室空氣熱力學(xué)溫度，K；T0為溫室外空氣熱力學(xué)溫度，K；S0為室外太陽輻射，W/m2；τ為溫室太陽輻射透射率，其為一天測量的室內(nèi)輻射總和與一天測量的室內(nèi)太陽輻射總和之比；TP為管道熱水熱力學(xué)溫度，K；hP為熱水管道傳遞系數(shù)，W/（m2·K）；G為通風(fēng)窗的空氣交換率，m3/h；hc為溫室內(nèi)部空氣透過覆蓋層與溫室外部空氣的熱交換系數(shù)，hc=A+Bv（單層覆蓋物，A=6，B=0.5；雙層覆蓋物，A=4，B=0.2；v為風(fēng)速）；As為溫室覆蓋物表面積，m2。式中其他各參數(shù)的意義及具體值詳見表1。

1.4.2 溫室小氣候相對濕度動(dòng)態(tài)模型 相對濕度是溫室環(huán)境的重要狀態(tài)變量。根據(jù)物質(zhì)和能量平衡原理，溫室內(nèi)的水汽平衡動(dòng)態(tài)模型如下［10］。

式中，h為溫室平均高度（溫室容積與地表面積之比，V/Af），m；Et為植物蒸騰作用釋放的水氣量，即植物的蒸騰速率，kg/（m2·s）；Eshebei為增濕或除濕設(shè)備啟動(dòng)后，溫室內(nèi)減少或增加的水分（增濕為正，除濕為負(fù)），kg/（m2·s）；Ev為通風(fēng)換氣和空氣滲透帶走的水分，kg/（m2·s）；Econd為在圍護(hù)結(jié)構(gòu)和覆蓋物上水蒸氣的凝結(jié)速度，kg/（m2·s）；Wt為水和空氣的比率，kg/kg。

具體公式如下：

式中，Ct為經(jīng)驗(yàn)常數(shù)（與葉面指數(shù)LAI呈函數(shù)關(guān)系）；Rn為作物冠層上方的太陽輻射度（Rn=0.55S0，一般略高于室外太陽輻射度的50%），W/m2；ht為作物和空氣之間的熱量轉(zhuǎn)移系數(shù)（與作物冠層上方的太陽輻射度Rn、葉面積指數(shù)LAI呈函數(shù)關(guān)系），W/（m2·K）；β為溫度變化對飽和水蒸氣壓力影響的綜合系數(shù)；λ為水的蒸發(fā)潛熱，kJ/kg；γ為在空氣相對濕度不變的情況下，水蒸氣壓力因溫度變化的斜率；Q為濕度調(diào)節(jié)設(shè)備的流量，kg/s；Udt為供熱設(shè)施引發(fā)室內(nèi)每平方米增加的熱量，W/m2；ei為溫室內(nèi)部空氣的水蒸氣壓力，Pa；e0為溫室外部空氣的水蒸氣壓力，Pa；Tg為覆蓋物的內(nèi)表面熱力學(xué)溫度，℃；xi、x0為相對濕度。

其中，在T攝氏溫度下時(shí)絕對濕度的計(jì)算公式如下：

式中，RH為絕對濕度。

表1 溫度和濕度模型參數(shù)

1.5 數(shù)據(jù)分析

為了驗(yàn)證所建冬季溫室小氣候預(yù)測模型的準(zhǔn)確度和精確度，采集生長期的溫室數(shù)據(jù)（自9 月26 日開始，幼苗期10 d，開花期28 d，結(jié)果期32 d）。各生育期采集的數(shù)據(jù)先進(jìn)行預(yù)處理，剔除異常和無效數(shù)據(jù)，再代入溫室小氣候動(dòng)態(tài)模型計(jì)算預(yù)測值，并通過Microsoft Excel 2019 計(jì)算各類誤差。

2 結(jié)果與分析

2.1 單天溫度和相對濕度動(dòng)態(tài)變化分析

選取10 月11 日內(nèi)外環(huán)境因子的各項(xiàng)數(shù)據(jù)，并分別繪制該日室內(nèi)外溫度、相對濕度及其相應(yīng)預(yù)測值的曲線分布，結(jié)果如圖1、圖2 所示。由圖1 可見，溫室內(nèi)溫度晝夜變化為白天高、夜晚低。由于溫室熱量主要來源于室外溫度和太陽輻射量，在白天尤其是14：00 左右二者同時(shí)達(dá)到最大值，故此刻溫度達(dá)到一天中的最大值。白天時(shí)室外的輻射較大，而夜晚溫室熱量主要來源于白天室內(nèi)熱量，在夜晚5：00室外溫度達(dá)最小值，且白天累積熱量基本消耗殆盡，故夜晚5：00 溫度到達(dá)一天中的最小值。經(jīng)對比10月 11 日的室內(nèi)溫度和預(yù)測溫度，在 8：00—17：00 預(yù)測溫度大于室內(nèi)溫度，而18：00 之后基本低于室內(nèi)溫度。溫室內(nèi)的相對濕度也是溫室小氣候的一個(gè)重要組成部分，相對濕度過高或過低對作物的生長都很不利。由圖2 可見，與室內(nèi)溫度相反，室內(nèi)相對濕度晝夜變化呈白天低、夜晚高的規(guī)律，這種情況在太陽輻射量大時(shí)顯得非常突出，故白天加濕、降溫是調(diào)節(jié)溫度和濕度的一個(gè)方案，夜晚應(yīng)保持一定的通風(fēng)、降低濕度，以預(yù)防病蟲害的發(fā)生率。

2.2 有無加熱設(shè)施介入時(shí)溫度和相對濕度動(dòng)態(tài)變化分析

針對2019 年10 月10—19 日溫室小氣候環(huán)境在設(shè)置加熱設(shè)施前后5 d 的溫度和相對濕度預(yù)測值與實(shí)際值對比分析，得到玻璃溫室在有無加熱設(shè)施情況下各時(shí)間段溫度和相對濕度的變化情況。圖3、圖4 分別為其溫度和相對濕度的變化曲線。

由圖3可見，加熱設(shè)施進(jìn)入溫室后，在沒有加熱設(shè)施下，室內(nèi)最高溫度為33.44 ℃，最低溫度為6.42 ℃，平均溫度為17.11 ℃，溫度相差最大為27.02 ℃；而在加熱設(shè)施工作情況下，最高溫度為35.46 ℃，最低溫度為4.83 ℃，平均溫度為17.73 ℃，溫度相差最大為30.63 ℃。經(jīng)計(jì)算室內(nèi)溫度預(yù)測模型相對誤差在3.30%~10.91%，絕對誤差在0.66~1.75 ℃，均方根誤差在0.83~2.50 ℃。

由圖4 可見，在無加熱設(shè)施時(shí)，正午時(shí)段最小相對濕度維持在48%左右，夜間相對濕度極大值在93%以上。加熱設(shè)施工作時(shí)，正午時(shí)段最小相對濕度在35%左右，夜晚極大值在85%之上。從圖3、圖4 可以看出，室內(nèi)溫度和相對濕度的預(yù)測線與實(shí)測線的走勢都很接近，但相對濕度度量值較溫度度量值大得多，故2 條曲線的擬合度不及溫度預(yù)測的擬合度。但室內(nèi)相對濕度預(yù)測模型精度還是較高的，它的相對誤差在1.49%~8.99%，絕對誤差在1.05~4.83 個(gè)百分點(diǎn)，均方根誤差在0.58%~4.91%。

2.3 生育期試驗(yàn)分析

為進(jìn)一步探究模型的精確度，在各生育期各取5 d（幼苗期 10 月 1—5 日，開花期 10 月 27—31 日，結(jié)果期11 月11—15 日）來驗(yàn)證。圖5、圖6 分別為各生育期溫度、相對濕度的曲線分布。

由圖5 可知，整個(gè)生育期，溫度預(yù)測值和實(shí)際值曲線趨勢基本一致，由于冬季室外溫度的逐漸降低，基本關(guān)閉通風(fēng)窗（正午時(shí)小幅開啟），故預(yù)測值溫度也呈下降趨勢（加熱設(shè)施介入，趨勢并不大）。溫度在整個(gè)時(shí)期最高達(dá)35.73 ℃，最低為3.62 ℃，各時(shí)期最大絕對誤差分別達(dá)1.76、1.67、1.30 ℃，最大相對誤差分別達(dá)9.79%、8.91%、7.18%，最大均方根誤差分別達(dá)2.50、1.87、1.51 ℃，絕對誤差、相對誤差和均方根誤差的平均值均在結(jié)果期數(shù)值最小，幼苗期最大（表2）。

表2 預(yù)測溫度和相對濕度誤差統(tǒng)計(jì)分析

相比室內(nèi)溫度變化，室內(nèi)相對濕度變化更為劇烈，最大值和最小值出現(xiàn)多次振蕩且差值較大，但總體上相對濕度預(yù)測值與實(shí)際值的變化趨勢是一致的。相對濕度在整個(gè)時(shí)期最高達(dá)98.41%，最低為29.64%，各時(shí)期最大相對誤差分別為4.83%、2.66%、1.73%，最大絕對誤差分別為8.99、4.89、2.36 個(gè)百分點(diǎn)，最大均方根誤差分別為4.91%、2.71%、1.82%，三者與溫度誤差類型的變化趨勢相同。

溫度、相對濕度動(dòng)態(tài)模型的預(yù)測值與實(shí)際值曲線如圖1 至圖6 所示，二者有著較好的擬合關(guān)系。在整個(gè)生育期內(nèi)，溫度和相對濕度的絕對誤差分別為1.18 ℃、1.19 個(gè)百分點(diǎn)；相對誤差分別為7.49%、2.86%；均方根誤差溫度為1.36 ℃、相對濕度為1.96%。由此可見，運(yùn)用擴(kuò)充后的機(jī)理模型對溫室小氣候進(jìn)行環(huán)境因子預(yù)測是行之有效的，建立的機(jī)理模型考慮因素較為全面有效，對溫室小氣候環(huán)境因子預(yù)測效果較好，為后續(xù)溫室小氣候環(huán)境智能控制奠定了基礎(chǔ)。

3 小結(jié)與討論

由本研究結(jié)果可知，隨室外溫度及室外太陽輻射量的增加，室內(nèi)溫度亦逐漸增加，總體趨勢與室外溫度一致，但略滯后于太陽輻射量（太陽輻射正午達(dá)最大值，溫度下午14 時(shí)達(dá)最大值）。無加熱設(shè)施時(shí)，室內(nèi)溫度直接由室外高溫導(dǎo)致，而冬季室內(nèi)溫度主要依靠室外溫度及加熱設(shè)施提供溫度。從2 條溫度曲線可見，正午時(shí)分的預(yù)測溫度高于實(shí)際值，這主要是由于正午的太陽輻射量高，室外溫度持續(xù)處在高溫下使得預(yù)測溫度略高于正常值。在夜間無太陽輻射，室內(nèi)外溫度的測量較為一致，預(yù)測值無太陽輻射量這部分?jǐn)?shù)值，故總體低于室內(nèi)溫度。溫室室內(nèi)濕度改變主要受植物蒸騰速率、室內(nèi)溫度以及通風(fēng)換氣的影響。正午時(shí)分隨室溫不斷上升到最大值，室內(nèi)相對濕度會(huì)下降，維持在36%左右。在夜間隨氣溫逐漸降低使空氣中容納的飽和水氣壓降低，致使相對濕度下降，當(dāng)溫度降至最低時(shí)，相對濕度往往上升至最高。

對于改善溫室環(huán)境的控制和管理效率，溫室小氣候模型有著顯著的效果［19］。一方面，它是認(rèn)識溫室機(jī)理的理論基礎(chǔ)，另一方面，溫室的氣候預(yù)測和控制依據(jù)也取決于它［20-23］。通過分析溫室內(nèi)外影響溫濕度的環(huán)境因子、溫室結(jié)構(gòu)、作物生理作用以及介入設(shè)施來建立溫室溫濕度動(dòng)態(tài)平衡方程，結(jié)果顯示建立的模型方法簡單有效，進(jìn)一步提高了精度且能有效降低試驗(yàn)成本。根據(jù)實(shí)際采集的數(shù)據(jù)，此模型能很好地預(yù)測溫濕度動(dòng)態(tài)變化，為后續(xù)溫室智能控制以達(dá)到作物生長發(fā)育的適宜條件打下基礎(chǔ)，從而實(shí)現(xiàn)作物高產(chǎn)、穩(wěn)產(chǎn)及利潤最大化。