论文部分内容阅读
摘要：针对屋顶全开窗型温室，开展基于温室动态模型与多元线性回归模型的温度预测的理论与试验，分析不同模型对温度预测的效果。基于能量平衡方程建立温室动态温度模型，依据测量的温室环境因子数据，对温度进行预测，温度模型实测值与模拟值比较可知，R2=0.855 3，均方误差（mean squared error，简称MSE）为0.842 8；温室覆盖层温度模型实测值与模拟值比较可知，R2=0.862 7，MSE=0.852 5。建立相应的线性回归方程，以此对温室空气温度与温室覆盖层温度进行预测，空气温度实测值与模拟值比较可知，R2=0.682 2，MSE=0.603 9；温室覆盖层温度实测值与模拟值比较可知，R2=0.678 9，MSE=0.633 7。
关键词：温室；动态模型；能量平衡方程；线性回归；温湿度传感器
中图分类号： S625.5 1文献标志码： A
文章编号：1002-1302（2017）15-0182-03
温室作为农业生产的一种基础设施，在农业生产中可以改善作物生长环境，使反季节的作物得到培育。对于普通温室来说，夏季气温较高，温室内空气温度必须经过调节与控制才能满足温室内作物生长基本需求，由于控制過程存在扰动和时间延迟，对控制温室来说增加了一定难度。对屋顶全开窗型温室来说，由于特殊性结构，温室顶窗可以全部打开，加大了通风面积，在江南地区已经开始规模化使用。针对屋顶全开窗型温室温度的精确模拟与预测在温室环境控制方面具有十分重要的意义和应用价值。
关于温室内温度模型的研究始于20世纪60年代，Bot建立了温室内简单的温度静态模型[1]。Van Henten针对以往的温室模型提出了动态与静态相结合的温室模型[2]，模型提供了温室内一些环境参数的计算方法及计算目的。Abdel-Ghany等基于热能动力学理论对温室内的自由能与动态能量、输入与输出等进行了系统分析，建立了包含作物生长的温室动态环境模型[3]。Joudi等建立了用于预测温室内空气温度与土壤温度的动态模型，通过试验测量温室内外环境参数，包含能提供温室内空气温度和其他环境因素等来准确预测土壤与温室内空气之间热交换[4-5]。Patil等以自回归平均模型和神经网络自回归模型作为研究方法，根据一段时间内环境因子的数据建立模型，用以模拟温室内环境变化情况，2种模型都对温室温度有很好的模拟效果，但自回归模型优于神经网络自回归模型[6]。金志凤等对普通塑料大棚进行了研究，建立了基于逐步回归的温室空气温度模型，模型以试验数据作为输入，对温室内空气温度进行预测。结果表明，冬季、春季的R2分别为0.912、0.887，RMSE分别为2.3、2.7 ℃[7]。目前，国内外针对普通温室的温度预测研究已初具规模，然而以屋顶全开窗型温室作为研究对象，使用温室能量平衡建模与多元线性回归作为分析手段的研究尚不多见。
本研究是在前人研究的基础上，针对屋顶全开窗型温室进行理论与试验研究，利用能量平衡方程建立温室内空气温度与温室覆盖层温度的理论模型，利用模型模拟温室内温度并与多元线性回归模型进行对比，分析不同模型对温度预测的效果。
1材料与方法
1.1试验对象
试验温室位于上海市金山区中华村，地理位置为 12°16′E、30°79′N。试验时间为8月2日—3日，此时上海地区气温较高，室外风速较低。
试验温室为34跨，分为东部、西部、中部3个部分，选取中部2栋未种植作物的独立温室进行试验。温室面积为 512 m2（64 m×8 m），温室覆盖层为4 mm浮法玻璃。
1.2试验方法
试验期间为满足相邻温室作物的基本生产，温室遮阳网展开，顶窗全部打开。
在温室内使用ZDR-3WIS温湿度传感器（含3路温度、1路湿度传感器，测量温度范围为-40～100 ℃，精度为 ±0.1 ℃，相对湿度测量范围为0～100%，精度为±3%）进行温湿度测量。为保障测量效果，使用12个温湿度传感器，分别测量室内空气温度、土壤表面温度以及温室覆盖层温度，每个环境因子测量采用4个传感器，测量结果取平均值。室内辐射使用手持环境记录仪记录，辐射测量精度<5%，测量范围0～2 000 W/m2，分辨率为1 W/m2[8]。
室外环境采用北京天裕德有限公司的TYD-ZS2型环境数据记录仪记录相关气象数据。其中温度测量精度为 ±0.1 ℃，测量范围为-40～80 ℃，分辨率为0.1 ℃；环境相对湿度精度为±2%，测量范围为0～100%，分辨率为0.1%；风向精度为±3°，测量范围为0°～360°，分辨率为1°；风速精度为±0.3 m/s，测量范围为0～70 m/s，分辨率为0.1 m/s。环境数据记录仪放置在温室大门正南面15 m的位置，无遮挡物。室内外传感器布点如图1所示。
1.3数据分析
用MATLAB软件对试验数据进行处理并作图。
2温室温度模型
为准确模拟温室内空气温度与温室覆盖层温度，可将温室系统分为土壤表层、温室覆盖层、内部空气3个部分。本研究的模型是基于温室能量平衡方程推导的温室温度动态模型，模型成立须要满足以下几个条件：（1）温室内无作物；（2）温室看作是一个集中系统；（3）温室地表和覆盖层看作是灰度表面；（4）温室空气温度与温室土壤表层温度看作是均匀的。
由能量平衡方程推出温室内部温度与时间关系的方程：
3结果与分析
3.1动态模型温度预测
温度模型是基于温室质能平衡方程来进行的温室温度的模拟预测，基于8月3日测量的环境数据，利用所求出的温度动态模型，对温室内空气温度与温室覆盖层温度进行模拟预测。由图2可知，温室内空气温度模拟值与实测值之间变化趋势一致，但模拟温度值比实测温度值明显偏低，R2=0.855 3、MSE=0.842 8。温室空气温度模型在一定程度上能反映温室内空气温度变化情况，但仍有一定偏差。 由图3可知，温室覆盖层温度模拟值与实测值之间也存在一定偏差，但是模拟值的温度变化趋势与实测值大体相同，R2=0.862 7，MSE=0.852 5，与温室内空气温度模拟值和实测值变化情况类似；模拟值与实测值在08：00—12：00时间段内有一定的差异，模型基本能反映温室覆盖层温度变化趋势。
总体而言， 温室温度模型能在一定程度上反映温室空气温度与温室覆盖层温度的变化趋势，但不能做到对温室空气温度与覆盖层温度的精确预测。
3.2回归分析模型预测
以2015年8月2日08：00—16：00的试验时间作为模拟时段，利用8月3日测量的室内外环境因子的数值对原有线性回归方程进行预测验证。
根据8月2日的环境因子数据，建立温室内空气温度的线性回归模型：
以多元回归方程作为温室内空气温度与温室覆盖层温度的预测模型，以8月3日测得的温室覆盖层温度与温室内空气温度作为实测值进行对比。
由图4可知，使用多元线性回归分析的温室内空气温度模拟值与实测值较为接近，模拟值基本能反映温室内空气温度随时间变化的规律。R2=0.682 2，MSE=0.603 9。
由图5可知，温室覆盖层温度的模拟值与实测值接近，模拟值能反映温室覆盖层的温度变化情况。R2=0.678 9，MSE=0.633 7。与09：00—11：00时间段相比，在12：00—16：00时间段，温室覆盖层温度的模拟值与实测值的差距较小。
3.3温度模型与线性回归对比
温室温度动态模型与线性回归方程对温室空气温度以及温室覆盖层温度的预测对比如图6、图7所示。可以看出，2种模型都对温室空气温度以及温室覆盖层温度有一定的模拟效果，动态模型和线性回归都能在一定程度上预测温室内空气温度与温室覆盖层温度。
4结论
本研究提出针对屋顶全开窗型温室的基于能量平衡方程的温室空气温度与温室覆盖层温度的理论模型，利用此理论模型预测温室内温度，并与多元线性回归模型对温度的预测结果进行对比，分析不同模型对温度预测的效果。
温室动态模型对温室空气温度与温室覆盖层温度有较好的模拟效果，空气温度模型实测值与空气温度的模拟值相比可知，R2=0.855 3，MSE=0.842 8；温室覆盖层温度的实测值与模拟值进行比较可知，R2=0.862 7，MSE=0.852 5。
依据测量数据建立线性回归方程，对温室空气温度与温室覆盖层温度进行预测，温室空气温度实测值与模拟值比较可知，R2=0.682 2，MSE=0.603 9；温室覆盖层温度实测值与模拟值比较可知，R2 =0.678 9，MSE=0.633 7。
对比温室动态模型与线性回归模型对温室内空气温度与温室覆盖层温度的预测效果，温室动态模型对温室内空气温度与温室覆盖层温度预测效果虽然精度稍有欠缺，但受已知数据的影响较小，在特定情况下能为温室内温度预测提供一定的指导。
参考文献：
[1]Bot G P A. Greenhouse climate：from physical processes to a dynamic model[D]. The Netherlands：Agriculture of University Wageningen，1983：55-58.
[2]Van Henten E J. Greenhouse climate management：an optimal control approach[D]. The Netherlands：Agriculture of University Wageningen，1994：32-33.
[3]Abdel-Ghany A M，Al-Helal I M. Solar energy utilization by a greenhouse：general relations[J]. Renewable Energy，2011，36（1）：189-196.
[4]Joudi K A，Farhan A A. A dynamic model and an experimental study for the internal air and soil temperatures in an innovative greenhouse[J]. Energy Conversion and Management，2015，91：76-82.
[5]de Zwart H F. Analyzing energy saving options in greenhouse cultivation using a simulation model[D]. The Netherlands：Agriculture University Wageningen，1996：24-25.
[6]Patil H J，Srivastava A K，Kumar S，et al. Selective isolation，evaluation and characterization of antagonistic actinomycetes against Rhizoctonia solani[J]. World Journal of Microbiology and Biotechnology，2010，26（12）：2163-2170.
[7]金志鳳，符国槐，黄海静，等. 基于BP神经网络的杨梅大棚内气温预测模型研究[J]. 中国农业气象，2011，32（3）：362-367.
[8]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.
[9]Bot G P A. Physical modelling of greenhouse climate[J]. The Computerized Greenhouse：Automatic Control Application in Plant Production，1993：51.
关键词：温室；动态模型；能量平衡方程；线性回归；温湿度传感器
中图分类号： S625.5 1文献标志码： A
文章编号：1002-1302（2017）15-0182-03
温室作为农业生产的一种基础设施，在农业生产中可以改善作物生长环境，使反季节的作物得到培育。对于普通温室来说，夏季气温较高，温室内空气温度必须经过调节与控制才能满足温室内作物生长基本需求，由于控制過程存在扰动和时间延迟，对控制温室来说增加了一定难度。对屋顶全开窗型温室来说，由于特殊性结构，温室顶窗可以全部打开，加大了通风面积，在江南地区已经开始规模化使用。针对屋顶全开窗型温室温度的精确模拟与预测在温室环境控制方面具有十分重要的意义和应用价值。
关于温室内温度模型的研究始于20世纪60年代，Bot建立了温室内简单的温度静态模型[1]。Van Henten针对以往的温室模型提出了动态与静态相结合的温室模型[2]，模型提供了温室内一些环境参数的计算方法及计算目的。Abdel-Ghany等基于热能动力学理论对温室内的自由能与动态能量、输入与输出等进行了系统分析，建立了包含作物生长的温室动态环境模型[3]。Joudi等建立了用于预测温室内空气温度与土壤温度的动态模型，通过试验测量温室内外环境参数，包含能提供温室内空气温度和其他环境因素等来准确预测土壤与温室内空气之间热交换[4-5]。Patil等以自回归平均模型和神经网络自回归模型作为研究方法，根据一段时间内环境因子的数据建立模型，用以模拟温室内环境变化情况，2种模型都对温室温度有很好的模拟效果，但自回归模型优于神经网络自回归模型[6]。金志凤等对普通塑料大棚进行了研究，建立了基于逐步回归的温室空气温度模型，模型以试验数据作为输入，对温室内空气温度进行预测。结果表明，冬季、春季的R2分别为0.912、0.887，RMSE分别为2.3、2.7 ℃[7]。目前，国内外针对普通温室的温度预测研究已初具规模，然而以屋顶全开窗型温室作为研究对象，使用温室能量平衡建模与多元线性回归作为分析手段的研究尚不多见。
本研究是在前人研究的基础上，针对屋顶全开窗型温室进行理论与试验研究，利用能量平衡方程建立温室内空气温度与温室覆盖层温度的理论模型，利用模型模拟温室内温度并与多元线性回归模型进行对比，分析不同模型对温度预测的效果。
1材料与方法
1.1试验对象
试验温室位于上海市金山区中华村，地理位置为 12°16′E、30°79′N。试验时间为8月2日—3日，此时上海地区气温较高，室外风速较低。
试验温室为34跨，分为东部、西部、中部3个部分，选取中部2栋未种植作物的独立温室进行试验。温室面积为 512 m2（64 m×8 m），温室覆盖层为4 mm浮法玻璃。
1.2试验方法
试验期间为满足相邻温室作物的基本生产，温室遮阳网展开，顶窗全部打开。
在温室内使用ZDR-3WIS温湿度传感器（含3路温度、1路湿度传感器，测量温度范围为-40～100 ℃，精度为 ±0.1 ℃，相对湿度测量范围为0～100%，精度为±3%）进行温湿度测量。为保障测量效果，使用12个温湿度传感器，分别测量室内空气温度、土壤表面温度以及温室覆盖层温度，每个环境因子测量采用4个传感器，测量结果取平均值。室内辐射使用手持环境记录仪记录，辐射测量精度<5%，测量范围0～2 000 W/m2，分辨率为1 W/m2[8]。
室外环境采用北京天裕德有限公司的TYD-ZS2型环境数据记录仪记录相关气象数据。其中温度测量精度为 ±0.1 ℃，测量范围为-40～80 ℃，分辨率为0.1 ℃；环境相对湿度精度为±2%，测量范围为0～100%，分辨率为0.1%；风向精度为±3°，测量范围为0°～360°，分辨率为1°；风速精度为±0.3 m/s，测量范围为0～70 m/s，分辨率为0.1 m/s。环境数据记录仪放置在温室大门正南面15 m的位置，无遮挡物。室内外传感器布点如图1所示。
1.3数据分析
用MATLAB软件对试验数据进行处理并作图。
2温室温度模型
为准确模拟温室内空气温度与温室覆盖层温度，可将温室系统分为土壤表层、温室覆盖层、内部空气3个部分。本研究的模型是基于温室能量平衡方程推导的温室温度动态模型，模型成立须要满足以下几个条件：（1）温室内无作物；（2）温室看作是一个集中系统；（3）温室地表和覆盖层看作是灰度表面；（4）温室空气温度与温室土壤表层温度看作是均匀的。
由能量平衡方程推出温室内部温度与时间关系的方程：
3结果与分析
3.1动态模型温度预测
温度模型是基于温室质能平衡方程来进行的温室温度的模拟预测，基于8月3日测量的环境数据，利用所求出的温度动态模型，对温室内空气温度与温室覆盖层温度进行模拟预测。由图2可知，温室内空气温度模拟值与实测值之间变化趋势一致，但模拟温度值比实测温度值明显偏低，R2=0.855 3、MSE=0.842 8。温室空气温度模型在一定程度上能反映温室内空气温度变化情况，但仍有一定偏差。 由图3可知，温室覆盖层温度模拟值与实测值之间也存在一定偏差，但是模拟值的温度变化趋势与实测值大体相同，R2=0.862 7，MSE=0.852 5，与温室内空气温度模拟值和实测值变化情况类似；模拟值与实测值在08：00—12：00时间段内有一定的差异，模型基本能反映温室覆盖层温度变化趋势。
总体而言， 温室温度模型能在一定程度上反映温室空气温度与温室覆盖层温度的变化趋势，但不能做到对温室空气温度与覆盖层温度的精确预测。
3.2回归分析模型预测
以2015年8月2日08：00—16：00的试验时间作为模拟时段，利用8月3日测量的室内外环境因子的数值对原有线性回归方程进行预测验证。
根据8月2日的环境因子数据，建立温室内空气温度的线性回归模型：
以多元回归方程作为温室内空气温度与温室覆盖层温度的预测模型，以8月3日测得的温室覆盖层温度与温室内空气温度作为实测值进行对比。
由图4可知，使用多元线性回归分析的温室内空气温度模拟值与实测值较为接近，模拟值基本能反映温室内空气温度随时间变化的规律。R2=0.682 2，MSE=0.603 9。
由图5可知，温室覆盖层温度的模拟值与实测值接近，模拟值能反映温室覆盖层的温度变化情况。R2=0.678 9，MSE=0.633 7。与09：00—11：00时间段相比，在12：00—16：00时间段，温室覆盖层温度的模拟值与实测值的差距较小。
3.3温度模型与线性回归对比
温室温度动态模型与线性回归方程对温室空气温度以及温室覆盖层温度的预测对比如图6、图7所示。可以看出，2种模型都对温室空气温度以及温室覆盖层温度有一定的模拟效果，动态模型和线性回归都能在一定程度上预测温室内空气温度与温室覆盖层温度。
4结论
本研究提出针对屋顶全开窗型温室的基于能量平衡方程的温室空气温度与温室覆盖层温度的理论模型，利用此理论模型预测温室内温度，并与多元线性回归模型对温度的预测结果进行对比，分析不同模型对温度预测的效果。
温室动态模型对温室空气温度与温室覆盖层温度有较好的模拟效果，空气温度模型实测值与空气温度的模拟值相比可知，R2=0.855 3，MSE=0.842 8；温室覆盖层温度的实测值与模拟值进行比较可知，R2=0.862 7，MSE=0.852 5。
依据测量数据建立线性回归方程，对温室空气温度与温室覆盖层温度进行预测，温室空气温度实测值与模拟值比较可知，R2=0.682 2，MSE=0.603 9；温室覆盖层温度实测值与模拟值比较可知，R2 =0.678 9，MSE=0.633 7。
对比温室动态模型与线性回归模型对温室内空气温度与温室覆盖层温度的预测效果，温室动态模型对温室内空气温度与温室覆盖层温度预测效果虽然精度稍有欠缺，但受已知数据的影响较小，在特定情况下能为温室内温度预测提供一定的指导。
参考文献：
[1]Bot G P A. Greenhouse climate：from physical processes to a dynamic model[D]. The Netherlands：Agriculture of University Wageningen，1983：55-58.
[2]Van Henten E J. Greenhouse climate management：an optimal control approach[D]. The Netherlands：Agriculture of University Wageningen，1994：32-33.
[3]Abdel-Ghany A M，Al-Helal I M. Solar energy utilization by a greenhouse：general relations[J]. Renewable Energy，2011，36（1）：189-196.
[4]Joudi K A，Farhan A A. A dynamic model and an experimental study for the internal air and soil temperatures in an innovative greenhouse[J]. Energy Conversion and Management，2015，91：76-82.
[5]de Zwart H F. Analyzing energy saving options in greenhouse cultivation using a simulation model[D]. The Netherlands：Agriculture University Wageningen，1996：24-25.
[6]Patil H J，Srivastava A K，Kumar S，et al. Selective isolation，evaluation and characterization of antagonistic actinomycetes against Rhizoctonia solani[J]. World Journal of Microbiology and Biotechnology，2010，26（12）：2163-2170.
[7]金志鳳，符国槐，黄海静，等. 基于BP神经网络的杨梅大棚内气温预测模型研究[J]. 中国农业气象，2011，32（3）：362-367.
[8]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.
[9]Bot G P A. Physical modelling of greenhouse climate[J]. The Computerized Greenhouse：Automatic Control Application in Plant Production，1993：51.