張良　管澤鋒　洪亞杰

摘要：針對屋頂全開窗型溫室，開展基于溫室動態(tài)模型與多元線性回歸模型的溫度預測的理論與試驗，分析不同模型對溫度預測的效果?；谀芰科胶夥匠探厥覄討B(tài)溫度模型，依據測量的溫室環(huán)境因子數據，對溫度進行預測，溫度模型實測值與模擬值比較可知，R2=0.855 3，均方誤差（mean squared error，簡稱MSE）為0.842 8；溫室覆蓋層溫度模型實測值與模擬值比較可知，R2=0.862 7，MSE=0.852 5。建立相應的線性回歸方程，以此對溫室空氣溫度與溫室覆蓋層溫度進行預測，空氣溫度實測值與模擬值比較可知，R2=0.682 2，MSE=0.603 9；溫室覆蓋層溫度實測值與模擬值比較可知，R2=0.678 9，MSE=0.633 7。

關鍵詞：溫室；動態(tài)模型；能量平衡方程；線性回歸；溫濕度傳感器

中圖分類號： S625.5+1文獻標志碼： A

文章編號：1002-1302（2017）15-0182-03

溫室作為農業(yè)生產的一種基礎設施，在農業(yè)生產中可以改善作物生長環(huán)境，使反季節(jié)的作物得到培育。對于普通溫室來說，夏季氣溫較高，溫室內空氣溫度必須經過調節(jié)與控制才能滿足溫室內作物生長基本需求，由于控制過程存在擾動和時間延遲，對控制溫室來說增加了一定難度。對屋頂全開窗型溫室來說，由于特殊性結構，溫室頂窗可以全部打開，加大了通風面積，在江南地區(qū)已經開始規(guī)?；褂?。針對屋頂全開窗型溫室溫度的精確模擬與預測在溫室環(huán)境控制方面具有十分重要的意義和應用價值。

關于溫室內溫度模型的研究始于20世紀60年代，Bot建立了溫室內簡單的溫度靜態(tài)模型[1]。Van Henten針對以往的溫室模型提出了動態(tài)與靜態(tài)相結合的溫室模型[2]，模型提供了溫室內一些環(huán)境參數的計算方法及計算目的。Abdel-Ghany等基于熱能動力學理論對溫室內的自由能與動態(tài)能量、輸入與輸出等進行了系統分析，建立了包含作物生長的溫室動態(tài)環(huán)境模型[3]。Joudi等建立了用于預測溫室內空氣溫度與土壤溫度的動態(tài)模型，通過試驗測量溫室內外環(huán)境參數，包含能提供溫室內空氣溫度和其他環(huán)境因素等來準確預測土壤與溫室內空氣之間熱交換[4-5]。Patil等以自回歸平均模型和神經網絡自回歸模型作為研究方法，根據一段時間內環(huán)境因子的數據建立模型，用以模擬溫室內環(huán)境變化情況，2種模型都對溫室溫度有很好的模擬效果，但自回歸模型優(yōu)于神經網絡自回歸模型[6]。金志鳳等對普通塑料大棚進行了研究，建立了基于逐步回歸的溫室空氣溫度模型，模型以試驗數據作為輸入，對溫室內空氣溫度進行預測。結果表明，冬季、春季的R2分別為0.912、0.887，RMSE分別為2.3、2.7 ℃[7]。目前，國內外針對普通溫室的溫度預測研究已初具規(guī)模，然而以屋頂全開窗型溫室作為研究對象，使用溫室能量平衡建模與多元線性回歸作為分析手段的研究尚不多見。

本研究是在前人研究的基礎上，針對屋頂全開窗型溫室進行理論與試驗研究，利用能量平衡方程建立溫室內空氣溫度與溫室覆蓋層溫度的理論模型，利用模型模擬溫室內溫度并與多元線性回歸模型進行對比，分析不同模型對溫度預測的效果。

1材料與方法

1.1試驗對象

試驗溫室位于上海市金山區(qū)中華村，地理位置為 12°16′E、30°79′N。試驗時間為8月2日—3日，此時上海地區(qū)氣溫較高，室外風速較低。

試驗溫室為34跨，分為東部、西部、中部3個部分，選取中部2棟未種植作物的獨立溫室進行試驗。溫室面積為 512 m2（64 m×8 m），溫室覆蓋層為4 mm浮法玻璃。

1.2試驗方法

試驗期間為滿足相鄰溫室作物的基本生產，溫室遮陽網展開，頂窗全部打開。

在溫室內使用ZDR-3WIS溫濕度傳感器（含3路溫度、1路濕度傳感器，測量溫度范圍為-40～100 ℃，精度為 ±0.1 ℃，相對濕度測量范圍為0～100%，精度為±3%）進行溫濕度測量。為保障測量效果，使用12個溫濕度傳感器，分別測量室內空氣溫度、土壤表面溫度以及溫室覆蓋層溫度，每個環(huán)境因子測量采用4個傳感器，測量結果取平均值。室內輻射使用手持環(huán)境記錄儀記錄，輻射測量精度<5%，測量范圍0～2 000 W/m2，分辨率為1 W/m2[8]。

室外環(huán)境采用北京天裕德有限公司的TYD-ZS2型環(huán)境數據記錄儀記錄相關氣象數據。其中溫度測量精度為 ±0.1 ℃，測量范圍為-40～80 ℃，分辨率為0.1 ℃；環(huán)境相對濕度精度為±2%，測量范圍為0～100%，分辨率為0.1%；風向精度為±3°，測量范圍為0°～360°，分辨率為1°；風速精度為±0.3 m/s，測量范圍為0～70 m/s，分辨率為0.1 m/s。環(huán)境數據記錄儀放置在溫室大門正南面15 m的位置，無遮擋物。室內外傳感器布點如圖1所示。

1.3數據分析

用MATLAB軟件對試驗數據進行處理并作圖。

2溫室溫度模型

為準確模擬溫室內空氣溫度與溫室覆蓋層溫度，可將溫室系統分為土壤表層、溫室覆蓋層、內部空氣3個部分。本研究的模型是基于溫室能量平衡方程推導的溫室溫度動態(tài)模型，模型成立須要滿足以下幾個條件：（1）溫室內無作物；（2）溫室看作是一個集中系統；（3）溫室地表和覆蓋層看作是灰度表面；（4）溫室空氣溫度與溫室土壤表層溫度看作是均勻的。

由能量平衡方程推出溫室內部溫度與時間關系的方程：

3結果與分析

3.1動態(tài)模型溫度預測

溫度模型是基于溫室質能平衡方程來進行的溫室溫度的模擬預測，基于8月3日測量的環(huán)境數據，利用所求出的溫度動態(tài)模型，對溫室內空氣溫度與溫室覆蓋層溫度進行模擬預測。由圖2可知，溫室內空氣溫度模擬值與實測值之間變化趨勢一致，但模擬溫度值比實測溫度值明顯偏低，R2=0.855 3、MSE=0.842 8。溫室空氣溫度模型在一定程度上能反映溫室內空氣溫度變化情況，但仍有一定偏差。endprint

由圖3可知，溫室覆蓋層溫度模擬值與實測值之間也存在一定偏差，但是模擬值的溫度變化趨勢與實測值大體相同，R2=0.862 7，MSE=0.852 5，與溫室內空氣溫度模擬值和實測值變化情況類似；模擬值與實測值在08：00—12：00時間段內有一定的差異，模型基本能反映溫室覆蓋層溫度變化趨勢。

總體而言， 溫室溫度模型能在一定程度上反映溫室空氣溫度與溫室覆蓋層溫度的變化趨勢，但不能做到對溫室空氣溫度與覆蓋層溫度的精確預測。

3.2回歸分析模型預測

以2015年8月2日08：00—16：00的試驗時間作為模擬時段，利用8月3日測量的室內外環(huán)境因子的數值對原有線性回歸方程進行預測驗證。

根據8月2日的環(huán)境因子數據，建立溫室內空氣溫度的線性回歸模型：

以多元回歸方程作為溫室內空氣溫度與溫室覆蓋層溫度的預測模型，以8月3日測得的溫室覆蓋層溫度與溫室內空氣溫度作為實測值進行對比。

由圖4可知，使用多元線性回歸分析的溫室內空氣溫度模擬值與實測值較為接近，模擬值基本能反映溫室內空氣溫度隨時間變化的規(guī)律。R2=0.682 2，MSE=0.603 9。

由圖5可知，溫室覆蓋層溫度的模擬值與實測值接近，模擬值能反映溫室覆蓋層的溫度變化情況。R2=0.678 9，MSE=0.633 7。與09：00—11：00時間段相比，在12：00—16：00時間段，溫室覆蓋層溫度的模擬值與實測值的差距較小。

3.3溫度模型與線性回歸對比

溫室溫度動態(tài)模型與線性回歸方程對溫室空氣溫度以及溫室覆蓋層溫度的預測對比如圖6、圖7所示?？梢钥闯?，2種模型都對溫室空氣溫度以及溫室覆蓋層溫度有一定的模擬效果，動態(tài)模型和線性回歸都能在一定程度上預測溫室內空氣溫度與溫室覆蓋層溫度。

4結論

本研究提出針對屋頂全開窗型溫室的基于能量平衡方程的溫室空氣溫度與溫室覆蓋層溫度的理論模型，利用此理論模型預測溫室內溫度，并與多元線性回歸模型對溫度的預測結果進行對比，分析不同模型對溫度預測的效果。

溫室動態(tài)模型對溫室空氣溫度與溫室覆蓋層溫度有較好的模擬效果，空氣溫度模型實測值與空氣溫度的模擬值相比可知，R2=0.855 3，MSE=0.842 8；溫室覆蓋層溫度的實測值與模擬值進行比較可知，R2=0.862 7，MSE=0.852 5。

依據測量數據建立線性回歸方程，對溫室空氣溫度與溫室覆蓋層溫度進行預測，溫室空氣溫度實測值與模擬值比較可知，R2=0.682 2，MSE=0.603 9；溫室覆蓋層溫度實測值與模擬值比較可知，R2 =0.678 9，MSE=0.633 7。

對比溫室動態(tài)模型與線性回歸模型對溫室內空氣溫度與溫室覆蓋層溫度的預測效果，溫室動態(tài)模型對溫室內空氣溫度與溫室覆蓋層溫度預測效果雖然精度稍有欠缺，但受已知數據的影響較小，在特定情況下能為溫室內溫度預測提供一定的指導。

參考文獻：

[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，符國槐，黃海靜，等. 基于BP神經網絡的楊梅大棚內氣溫預測模型研究[J]. 中國農業(yè)氣象，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.endprint