🌱 温室气候控制 实时模型

依据：数字背后的模型

模拟器使用的每一个关系式及其来源。标注为假设的常数是示意性校准值。

气温遵循能量平衡：太阳辐射带入热量，热量经覆盖层和通风空气散出，蒸发水分耗热，再加上加温。

C·dT/dt = τ·I·(1 − 0.6·0.75·screen) − λ·(E_crop + E_fog) + Q_heat + (U·Ac/Af + ρc_p·Q_v)·(T_out − T) + G_soil·(T_soil − T)[1]假设：温室尺寸、热容量、天窗、遮阳幕、喷雾和作物系数均为现代玻璃温室的示意值；物理模型是一个混合均匀的单一空气体积。真实场地需要逐项标定这些常数。

覆盖层热损失 = U × 面积 × 温差；关闭遮阳幕会降低 U，晴朗的夜空则会使其升高。

U = 6.2 − (6.2 − 4.0)·screen W/m²K (single glass → with thermal blanket); ×(1 + 0.25·clear sky) at night[1]假设：温室尺寸、热容量、天窗、遮阳幕、喷雾和作物系数均为现代玻璃温室的示意值；物理模型是一个混合均匀的单一空气体积。真实场地需要逐项标定这些常数。

通风量等于渗漏加上风驱动经开启天窗的气流。

Q_v = (N·H/3600 + vent·C_w·max(1, u_wind))·(1 − 0.4·screen), N = 0.75 h⁻¹[1][4]假设：温室尺寸、热容量、天窗、遮阳幕、喷雾和作物系数均为现代玻璃温室的示意值；物理模型是一个混合均匀的单一空气体积。真实场地需要逐项标定这些常数。

饱和水汽压随温度急剧上升；VPD 表示空气离饱和还有多远。

e_s(T) = 0.6108·exp(17.27·T / (T + 237.3)) kPa; VPD = e_s(T) − e_a; RH = e_a / e_s(T)[2]

水汽平衡：蒸腾和喷雾增加水汽，通风和冷玻璃上的冷凝减少水汽。

H·dχ/dt = E_crop + E_fog − Q_v·(χ − χ_out) − k_c·(Ac/Af)·(1 − 0.7·screen)·max(0, e_a − e_s(T_cover)), χ = e·M_w/(R·T)[6][2]假设：温室尺寸、热容量、天窗、遮阳幕、喷雾和作物系数均为现代玻璃温室的示意值；物理模型是一个混合均匀的单一空气体积。真实场地需要逐项标定这些常数。

蒸腾由辐射驱动部分和干燥空气（VPD）驱动部分组成。

E_crop = A·(1 − e^(−k·LAI))·I_in/λ + B·LAI·VPD (A 0.45, k 0.64, LAI 3, B 0.02 kg/m²·h·kPa by day)[3]假设：温室尺寸、热容量、天窗、遮阳幕、喷雾和作物系数均为现代玻璃温室的示意值；物理模型是一个混合均匀的单一空气体积。真实场地需要逐项标定这些常数。

喷雾的降温效果以蒸发量为限：每升约 2.45 MJ，干燥空气中比潮湿空气中蒸发得更多。

E_fog = fog·0.4 kg/m²·h × min(1, VPD/0.8); each evaporated kg removes λ = 2.45 MJ of sensible heat; the rest wets leaves[1][2]假设：温室尺寸、热容量、天窗、遮阳幕、喷雾和作物系数均为现代玻璃温室的示意值；物理模型是一个混合均匀的单一空气体积。真实场地需要逐项标定这些常数。

CO₂ 平衡：施放增加，通风和作物吸收减少。

H·dC/dt = dose − Q_v·(C − C_out) − P_net; dosing ≈ 5.5 g/m²·h holds ≈ 1000 ppm at 1 air change per hour[1]

光合作用对光照、CO₂、温度和 VPD 作出响应；CO₂ 响应采用已发表的温室果菜经验法则。

P = P_ref·(1 − e^(−I_in/300))·exp(150/400 − 150/C)·f(T: 1 at 17–27 °C)·f(VPD) (from the CO₂ rule dP/P = 1.5 %·(1000/C)² per 100 ppm)[5][7]假设：温室尺寸、热容量、天窗、遮阳幕、喷雾和作物系数均为现代玻璃温室的示意值；物理模型是一个混合均匀的单一空气体积。真实场地需要逐项标定这些常数。

作物胁迫计数：过热、过冷，或湿度高到足以引发灰霉病的小时数。

heat hours: T > 35 °C · cold hours: T < 10 °C · disease-risk hours: RH ≥ 90 % or wet leaves · GDD = Σ max(0, T − 10)·Δt[1][7][8][10]

室外天气：日温度曲线、恒定露点、被云层削弱的日照，以及随机的云量和风速波动。

T_out = T̄ + A·cos(2π(h − 15)/24); e_out = e_s(T_dew); I = I_clear·(1 − 0.75·N^3.4); cloud N and wind fluctuate (normal, seeded)[9][2]假设：温室尺寸、热容量、天窗、遮阳幕、喷雾和作物系数均为现代玻璃温室的示意值；物理模型是一个混合均匀的单一空气体积。真实场地需要逐项标定这些常数。

模型使用的其他常数。

height 4.5 m · cover/floor 1.2 · τ 0.8 · heat capacity 30 kJ/m²K · heating ≤ 180 W/m² · screen blocks 60 % of light (75 % of that as heat) and 40 % of air exchange, and hides 70 % of the cold glass (condensation) · vents 0.016 m³/s·m² per m/s wind · soil 2 W/m²K · fog ≤ 0.4 L/m²·h · CO₂ ≤ 8 g/m²·h · P_ref 4 g CO₂/m²·h · condensation 1.9·10⁻⁸ kg/m²·s·Pa假设：温室尺寸、热容量、天窗、遮阳幕、喷雾和作物系数均为现代玻璃温室的示意值；物理模型是一个混合均匀的单一空气体积。真实场地需要逐项标定这些常数。

随机性：带种子的 mulberry32 生成器；所用分布包括均匀分布、指数分布（逆 CDF）、正态分布（Box–Muller）和泊松分布（Knuth）。种子会显示出来，并且可以分享。

来源

1. ANSI/ASAE EP406.4 JAN2003 (R2008) — Heating, Ventilating and Cooling Greenhouses (eq. 1–4, Table 1 U-values, Table 2 infiltration: new glass or fiberglass 0.50–1.0 h⁻¹, §5.8.5 CO₂ injection, §7.1.3 temperature limits); since withdrawn, available from ASABE as a historical document — American Society of Agricultural and Biological Engineers, 2003
2. R. G. Allen, L. S. Pereira, D. Raes, M. Smith — Crop evapotranspiration, FAO Irrigation and Drainage Paper 56 (eq. 11 saturation vapour pressure, eq. 14 dew point, λ = 2.45 MJ/kg) — FAO, Rome, 1998
3. M. Baille, A. Baille, J. C. Laury — A simplified model for predicting evapotranspiration rate of nine ornamental species vs. climate factors and leaf area — Scientia Horticulturae 59:217–232, 1994
4. T. Boulard, A. Baille — Modelling of air exchange rate in a greenhouse equipped with continuous roof vents — Journal of Agricultural Engineering Research 61(1):37–48, 1995
5. E. M. Nederhoff — Effects of CO₂ concentration on photosynthesis, transpiration and production of greenhouse fruit vegetable crops (PhD thesis; CO₂ rule) — Wageningen Agricultural University, 1994
6. B. H. E. Vanthoor, C. Stanghellini, E. J. van Henten, P. H. B. de Visser — A methodology for model-based greenhouse design: Part 1, a greenhouse climate model for a broad range of designs and climates — Biosystems Engineering 110:363–377, 2011
7. R. R. Shamshiri et al. — Review of optimum temperature, humidity, and vapour pressure deficit for microclimate evaluation and control in greenhouse cultivation of tomato: a review — International Agrophysics 32:287–302, 2018
8. Identifying and Managing Three Major Disease Threats in Greenhouse Tomatoes: Leaf Mold, Gray Mold, and Bacterial Wilt (SPES-820) — Virginia Cooperative Extension
9. F. Kasten, G. Czeplak — Solar and terrestrial radiation dependent on the amount and type of cloud — Solar Energy 24:177–189, 1980
10. G. S. McMaster, W. W. Wilhelm — Growing degree-days: one equation, two interpretations — Agricultural and Forest Meteorology 87:291–300, 1997