基于夜間室內外溫差計算方法的日光溫室氣候分類

黎貞發，劉 濤，董朝陽，薛慶禹，劉淑梅

基于夜間室內外溫差計算方法的日光溫室氣候分類

黎貞發，劉 濤，董朝陽，薛慶禹，劉淑梅

（天津市氣候中心，天津 300074）

為了解決日光溫室園藝作物越冬栽培茬口合理安排問題，同時減少低溫災害風險，開展溫室保溫性評價并進行科學分類。該研究選取天津市3種典型日光溫室設置室內外小氣候觀測試驗，結合不同溫室構型及建筑材料，基于熱傳導原理形成日光溫室夜間室內外溫差計算方法，并以此為基礎評價不同類型溫室保溫能力，進而對天津地區主要日光溫室類型進行劃分，提出不同類別溫室適宜種植蔬菜建議。結果表明：1）溫室保溫常數能較好地反映日光溫室保溫性能差異，3種典型日光溫室保溫常數分別為20.34、15.84、13.21。2）溫差計算方法可以較好模擬不同類型日光溫室室內氣溫變化，溫差模擬值與實測值決定系數（R）在0.70以上，均方根誤差RMSE范圍為1.97%～3.86%。3）利用1960—2020年氣候觀測資料按氣候保證率80%計算其最低氣溫、最小濕度及最小風速值，模擬得到當地不同保溫能力日光溫室的極端最低溫度值為3～14 ℃，按照果蔬生長發育指標需求，提出日光溫室分類標準，可分為耐寒葉菜型、葉菜適宜型、果葉混合型、果菜適宜型及喜溫果菜型，并在2016—2020年溫室改造與評估實際應用中得到驗證。該研究可為解決中國日光溫室類型多且構型復雜，難以量化評價其保溫性能及合理安排種植茬口的難題提供方案參考。

溫度；日光溫室；傳熱系數；溫室構型；保溫常數；分類

0 引 言

據農業農村部農業機械化管理司發布的統計數據，2018年中國溫室面積達196.37 hm2，是2008年的2.4倍，栽培面積和產量穩步上升[1]。特別是2020年，《農業農村部關于加快推進設施種植機械化發展的意見》明確指出：到2025年，以塑料大棚、日光溫室和連棟溫室為主的種植設施總面積穩定在200萬hm2以上。日光溫室作為設施栽培的一種，其以后墻及山墻為保溫蓄能圍護墻體，以太陽能為主要能源進行越冬生產，采用單屋面塑料薄膜，特別適合中國三北地區開展越冬蔬菜種植，近年來發展迅速，近40%的設施蔬菜是由日光溫室提供[2]，日光溫室能否安全高效種植對于反季節蔬菜供應十分重要。然而，日光溫室基于用途、結構形式、覆蓋材料等方面的不同，有不同命名方式，同一類溫室基于不同角度、按不同方法可以劃分為多種類型[3-6]。實踐表明，通過以往溫室分類方式進行生產安排和規模化標準化種植，容易導致溫室果蔬茬口搭配不合理、作物品種選擇不科學、災害風險高等問題[7-8]，也是導致近年溫室效益下降的主要因素。因此，探索一種更科學合理且普適性強的日光溫室分類方法具有較強的迫切性和實際生產意義，也是目前一個重要的技術難點和研究熱點。

當前，各地多以溫室維護結構和材料來劃分類型，分類方式多種多樣。按照覆蓋材料可分為玻璃溫室、PC板溫室和薄膜溫室等，按照溫室構型可分為單體溫室（單拱棚溫室、單坡面溫室、雙坡面溫室等）和連棟溫室，按照溫室主體結構材料可分為金屬結構溫室和非金屬結構溫室等[9-11]。而在設施農業生產中，又將目前生產應用上的日光溫室劃分為“普通日光溫室”“第一代節能型日光溫室”“第二代節能型日光溫室”和“第三代節能型日光溫室”[12]。李清明等[13]指出山東地區日光溫室隨著跨度、高度增加，結構材料改良以及內部設備優化，命名分類方式采用“代”來進行標注，如“第二代日光溫室”“第三代日光溫室”，“五代”之后根據不同地區溫室改進特點改用年代進行標注和分類?？梢钥闯觯鲜龇诸惷绞诫m然可以直觀表明相關日光溫室構型、材料及當前優化水平，但也很難實現日光溫室的合理分類，主要表現在：同一構型溫室因生產地域不同，溫室所能提供作物的生長環境各不相同；同一地域因溫室建設類型不同或結構相同而保溫材料差異，其溫室內的小氣候環境也存在較大差異；在生產上難以開展規?；魑锓N植與管理。另外，通過總結單一類型溫室的技術成果難以推廣至其他構型溫室或其他地域，限制了技術方法的通用性。因此，基于溫室內氣候資源水平進行日光溫室分類對于設施農業生產及建立普適性溫室內環境預報模型具有重要指導意義，同時對提高溫室生產管理水平、合理溫室空間布局也極為必要[14-16]。另一方面，當前國內外相關專家針對溫室內環境氣候模擬研究較多，其中，國外專家主要基于物質交換和能力平衡角度進行研究[17-20]，國內專家則主要基于數據統計[21]、流體力學[22-23]、主成分分析[24]、神經網絡[25-28]、隨機森林算法[29]等方法來模擬預測溫室內環境。但以這些方法為基礎再進一步進行日光溫室氣候分類則存在很大困難，相關研究未見報道。

本研究以日光溫室室內外熱交換原理為基礎，綜合溫室各部分建筑材料的熱力學參數、構型以及幾何特征，根據溫室維持室內外溫室溫差的能力以及溫室所在地的冬季氣候資源狀況進行溫差分類，提出更為科學合理且普適性強的分類方法，為日光溫室設計和合理利用提供科學依據。

1 材料與方法

試驗于2011—2014年冬季（11月—翌年3月）在天津市北部設施農業聚集區的3種典型日光溫室內進行，方法推廣應用分別于2016—2018年冬季在天津薊州區侯家營恒豐蔬菜合作社種植基地和2019—2020年冬季在天津市武清區聚鴻莊園及清泰莊園2個園區內進行。試驗地點位于華北平原，多年平均氣溫12.3℃，年均日照時數2 527 h，年平均降水量564 mm，主要集中在6—10月。

1.1 試驗材料及設計

小氣候觀測試驗分別在天津市農業科學院武清基地（116.96°E，39.43°N，海拔6.95 m）、北辰雙街鎮（117.14°E，39.29°N，海拔5.16 m）、寶坻圣人莊（117.28°E，39.74°N，海拔9.12 m）內的3個典型二代日光溫室內進行。溫室具體建筑結構見圖1，主要包括前屋面、后墻、后坡和側墻四個圍護結構，涉及溫室脊高、跨度、后墻高、后坡投影和前屋面構型等主要參數。日光溫室圍護結構的組成及材料導熱率見表1，其中前屋面的主要建筑材料是塑料薄膜，夜間會覆蓋其他保溫材料，常見的有棉被、草簾、牛津布和帆布；后墻、側墻和后坡主要建筑材料為土、磚或苯板。

圖1 天津市典型日光溫室橫截面示意圖

表1 天津市典型日光溫室建筑材料

在3種典型溫室內部與外部分別放置氣象要素監測設備，室內觀測儀器為中環天儀（天津）氣象儀器有限公司生產的DZN1型農田小氣候觀測儀（氣溫測量范圍：-40～50 ℃，精度0.1 ℃；空氣濕度測量范圍：5%～100%，精度1%；總輻射測量范圍：0～1 400 W/m2，精度5 W/m2），觀測要素為室內空氣溫度和空氣濕度。室外觀測儀器為中環天儀（天津）氣象儀器有限公司生產的DZZ6型自動氣象站（氣溫測量范圍：-50～50 ℃，精度0.1 ℃；空氣濕度測量范圍：5%～100%，精度1%；風速測量范圍：0～60 m/s，精度0.1 m/s），觀測要素為室外空氣溫度、風速及空氣濕度。日光溫室內外監測設備數據采集頻率設定為10 min一次。

1.2 計算方法

1.2.1 室內外溫差計算方法

日光溫室是中國北方地區主要的蔬菜栽培設施。在越冬季節尤其是低溫天氣，日光溫室所能達到的內外溫差以及能保持的最低溫度是評價其保溫性能好壞的重要指標。對于無輻射增溫的夜間低溫，溫室的保溫性能與其建筑結構的綜合傳熱能力和種植區域的氣候條件密切相關。本研究給出了日光溫室夜間室內外溫差模型，溫差由公式（1）計算而得

式中?為日光溫室夜間室內外溫差，℃；為日光溫室室外氣溫，℃；為日光溫室室外風速，m/s；RH為日光溫室室外相對濕度，%；c為溫室保溫常數；T為溫度系數；W為風速系數；RH為濕度系數。其中，溫室保溫常數c為溫室室外氣溫為0、風速為0、空氣干潔（不含有水汽的純凈空氣）情況下溫室所能維持的室內外溫差值。

1.2.2 綜合傳熱系數計算

綜合傳熱系數決定于日光溫室圍護結構的傳熱性，由各層圍護的結構傳熱系數按照權重進行累加得到。綜合傳熱系數越高，日光溫室的保溫性能越差。日光溫室圍護結構包括后墻、后坡、側墻、前坡（包括前坡透明覆蓋材料及保溫被等），每個圍護結構由一層或多層材料構成。具體計算公式如下[30]

式中為日光溫室綜合傳熱系數；為日光溫室某一圍護結構的傳熱系數，W/m2·℃；為日光溫室某一圍護結構占綜合傳熱系數的權重，為某一圍護結構的傳熱阻，℃/W；R、R、R分別為內表面換熱阻、該圍護結構熱阻和外表面換熱阻，℃/W；為單層結構熱阻，℃/W；為材料層厚度，m；為材料導熱系數，W/m2·℃；為日光溫室某一圍護結構占綜合傳熱系數的權重；為日光溫室暴露在空氣中的總表面積，m2；為日光溫室某一圍護結構暴露在空氣中的表面積，m2。

1.2.3 溫差模型相關常數及系數模擬

保溫常數、溫度系數、風速系數及濕度系數與綜合傳熱系數密切相關，通過Matlab擬合50種常用擬合關系方程，分析對比得到最優相關方程如下所示

式中表示要素系數，包括溫度系數（T）、風速系數（W）及濕度系數（RH）；、、為待定參數，利用實際觀測數據及公式（1）曲線擬合獲得。

1.2.4 數學模型評價方法

選擇國際通用的指標和方法對日光溫室夜間室內外溫差計算方法準確性進行評價。首先對實際觀測值及模擬值通過趨勢線進行擬合，比較模擬值與實測值之間的吻合程度，同時選用統計指標對模型模擬能力進行定量的評價。本文選擇決定系數R及均方根誤差 RMSE進行實測值和模擬值擬合程度比較。

式中O為實際觀察值，S為數學模型模擬值，為樣本數。各評價指標說明：均方根誤差（RMSE）用于計算模擬值及實測值之間的偏差，越小說明模型模擬誤差越小。決定系數（R）用于衡量模擬值及實測值去實現的擬合程度，越接近1，說明模型模擬與實際值得吻合度越高。

2 結果與分析

2.1 日光溫室夜間室內外溫差模型的關鍵參數確定

根據天津市3種典型日光溫室的溫室構型數據資料，由公式（2）～（7）可得不同類型日光溫室綜合傳熱系數（表2），結果表明3種類型日光溫室中，寶坻綜合傳熱系數最低，其次為北辰，武清最高，說明寶坻保溫性能最高，其次為北辰，武清較差?；谇蟮玫木C合傳熱系數，通過公式（8）～（9）擬合2013—2014年室內外氣候數據，計算不同溫室保溫常數、溫度系數、濕度系數及風速系數的相關要素系數，結果如表3所示，進而得到不同溫室保溫常數、溫度系數、濕度系數及風速系數。

表2 不同類型日光溫室溫差模型參數表

表3 不同類型日光溫室溫差模型要素系數表

2.2 日光溫室夜間室內外溫差模型方法驗證

通過2013—2014 年夜間溫室內外實測溫度求算模型關鍵參數后，利用2011—2012年夜間溫室內外實測溫差及模擬溫差對模型主要參數進行驗證評估，模擬驗證結果如圖2所示。由圖2可知：3種溫室類型的室內外溫差模擬值與實測值的決定系數R均在0.70以上，RMSE分別為2.083、3.857和1.968 ℃?？梢钥闯觯展鉁厥沂覂韧鉁夭钅Ｐ涂梢暂^好模擬不同類型日光溫室室內外溫差變化，可以作為一種計算夜間日光溫室室內外溫差的有效方法。

2.3 基于溫差模型計算天津典型日光溫室最低溫

為了更好體現本方法在日光溫室保溫性能評估及種植茬口合理規劃的應用價值，本文以武清溫室為例，通過設定溫室達到不同保溫常數時，計算氣候保證率為80%（生產上認為保證率達到80%風險較為可控）條件下，溫室所能出現的最低氣溫。氣候保證率是表示氣候因子在某一界限值以上或以下出現的累積概率，用來表征某等級氣候因子保證出現的可能性的統計量。以氣候保證率為80%的最低溫度為界限，可以保證絕大多數年份下溫室正常生產，因此以該指標作為指導作物規?；瘶藴驶耘嗟目茖W依據。本文利用1961—2020年共60 a天津武清站氣候數據資料，計算得到氣候保證率為80%條件下的最低氣溫、最低濕度及最小風速分別為-11.4 ℃、48.0%及5.6 m/s。同時根據天津市不同品種越冬蔬菜種植對日光溫室保溫要求，分別計算保溫常數為22、19、17、15、13、10的溫室（按照天津典型日光溫室保溫要求，以16為基準，上下分別增減1、2、3得到）在指定氣候背景條件下所能維持的室內外溫差，根據室外最低氣溫獲得溫室內最低氣溫值，結果如表4所示。在指定外部條件下，保溫常數10、13、15、17、19和22的日光溫室室內維持溫差水平分別在14.4、17.1、19.0、21.0、22.9和25.8 ℃，最低氣溫分別為3.0、5.7、7.6、9.6、11.5和14.4 ℃。

2.4 基于保溫能力的天津典型日光溫室類型分類與應用

通常日光溫室越冬期間所能維持的極端最低溫度值是決定其能否安全種植不同蔬菜類型的主要指標，因此，本文以室內最低溫度為界限指標對天津地區溫室進行分類?；谠蕉陂g溫室維持內外溫差能力對天津市典型日光溫室進行分類，同時充分考慮溫室分布區域種植特點和溫室圍護結構，最終以其適宜種植的蔬菜類型進行命名并提供種植結構建議，具體分類結果如表5所示。其中，耐寒葉菜型：溫室保溫常數介于10～13，溫室在最冷月可保證最低氣溫高于3～6 ℃，此類溫室多為磚圍護結構，因前坡面占整個溫室圍護表面積比例高，散熱降溫快，可用于生產耐寒葉菜；葉菜適宜型：溫室保溫常數介于13～15，溫室在最冷月可保證最低氣溫高于6～8 ℃，此類溫室多為磚圍護結構，因前坡面占整個溫室圍護表面積比例較高，保溫性能受到一定影響，可用于生產一般葉菜；果葉混合型：溫室保溫常數介于15～19，溫室在最冷月可保證最低氣溫高于8～11 ℃，冬季生產月（12月至2月）高于10 ℃有效積溫大于596～960 ℃·d，此類溫室有兩種，一種是磚圍護結構，前坡面占整個溫室圍護表面積比例適中，保溫性能優于一般磚圍護結構，可用于生產葉菜及部分耐寒果菜，但風險較高易受凍害影響；另一種溫室多為土圍護結構，跨度較大，溫室前坡面散熱較大，因此保溫性略差，可用于西紅柿等對溫度需求不高的果菜生產，進行喜溫果菜種植時風險較高；果菜適宜型：溫室保溫常數介于19～22之間，溫室在最冷月可保證最低氣溫高于11～14 ℃，冬季生產月高于10 ℃有效積溫大于960～1 233 ℃·d，可用于一般果菜生產，如黃瓜、西紅柿等；喜溫果菜型：溫室保溫常數高于22，溫室在最冷月可保證最低氣溫高于14 ℃，冬季生產月高于10 ℃有效積溫大于1 233 ℃·d，利于對溫度要求較高的果菜進行生產。

表4 指定氣候背景下不同保溫常數日光溫室內外溫差維持能力

表5 基于溫差方程進行天津市日光溫室分類

基于上述計算公式和分類方法，在2016—2020年期間對天津市薊州恒豐蔬菜基地、武清聚鴻莊園和武清清泰莊園3個種植茄子、辣椒等茄果類蔬菜的設施園區開展日光溫室保溫性能評估應用。通過對3個園區溫室結構、建筑材料以及室外歷史氣象資料的收集整理，建立室內外溫差計算模型，得到溫室保溫常數及相關系數，完成溫室類別劃分。結果表明：3個園區日光溫室保溫常數為11.52～11.89，溫差值為15.3～16.8 ℃，偏冷年份溫室內最低氣溫為-1.3～2.1 ℃，正常年份溫室內最低氣溫3.5～4.2 ℃，偏暖年份溫室內為5.5～8.9 ℃，3個園區的日光溫室均屬于耐寒葉菜型溫室，在偏冷和正常年份種植喜溫茄果類蔬菜極易發生冷害和凍害，建議進行棚室結構改造、保溫材料替換，或改種葉菜。

3 討 論

本研究提出的日光溫室分類方法充分考慮了溫室所處氣候條件、建筑結構、建筑材料以及覆蓋材料，相較于單純以材料或構型作為分類依據的方法更具科學依據，同時也解決了以“代”、“型”、“改良”等關鍵詞作為類型標注的不規范做法[31-36]。此外，關鍵的溫差參數計算只用到常規氣候觀測資料和溫室基礎參數，可在有長期氣候觀測地區進行推廣應用，進而解決對不同地區、不同年代、不同結構以及不同材料日光溫室保溫性能評價與比較的問題，同時可以最大程度避免以往研究中因為缺乏試驗或數據樣本過少造成的模擬不準確[37-38]。

考慮到日光溫室實際生產立地條件及能量傳導過程復雜，本研究結果還存在一定不足和拓展方向。主要包括：1）研究時段為冬季（12月至次年2月），溫室分類依據是基于其所能維持的最低溫，沒有考慮低溫持續時間及低溫寡照、暴雪、強風等特殊天氣的影響；2）研究是在氣候保證率為80%條件下對日光溫室進行氣候分類，未考慮20%的極端氣候條件所造成的災害影響，后續需針對極端氣候條件下日光溫室所能維持的溫度水平和災害風險開展進一步研究；3）模擬計算結果是在溫室未采取加溫狀態下取得的，考慮到目前溫室普遍配備輔助加溫設施，下一步將針對有輔助加溫措施的溫室進行保溫性能評估研究；4）日光溫室內外溫差除主要受建筑材料及覆蓋材料熱傳導影響外還受溫室密閉性、溫室蓄熱能力及室內環境條件等方面影響[39-41]，下一步將嘗試采用計算流體力學（CFD）等方法對溫室內氣流場和溫度場等非穩態過程進行模擬，來考慮冷風滲透等因素的影響，完善和提高溫室保溫性的模擬方法和精度，提高溫室氣候分類的精確度。

4 結 論

本研究探索基于氣象觀測和熱傳導機理評價日光溫室保溫能力，提出了一種具有普適性的日光溫室分類新方法。

1）基于熱傳導機理新研發了一種日光溫室夜間室內外溫差計算方法用以評價日光溫室保溫能力，且方法通過了不同溫室不同年份驗證（模擬值與實測值決定系數2均在0.70以上，均方根誤差RMSE范圍為1.968～3.857 ℃。

2）基于保溫能力進行日光溫室氣候分類，天津地區日光溫室可以劃分為耐寒葉菜型、葉菜適宜性、果葉混合型、果菜適宜型及喜溫果菜型日光溫室。分類方法既考慮了溫室維護結構、材料等影響保溫性能的主要因素，同時也考慮了分類地區的長期氣候資源狀況，最終得到以保溫能力為主要指標的定量化分類結果，對推動規?；瘶藴驶瘻厥易魑锓N植管理具有實用價值，在針對多種構型日光溫室性能評估與分類方面進行了成功實踐。

[1] 中華人民共和國農業農村部農業機械化管理司. 農業機械化情況專刊2020年第1期[N/OL]. 2020-01-06[2021-08-10]. http://www.njhs.moa.gov.cn/nyjxhqk/202001/P020200106362040875833.

[2] 程陳，董朝陽，黎貞發，等. 日光溫室芹菜外觀形態及干物質積累分配模擬模型[J]. 農業工程學報，2021，37(10)：142-151.

Cheng Chen, Dong Chaoyang, Li Zhenfa, et al. Simulation model of external morphology and dry matter accumulation and distribution of celery in solar greenhouse[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(10): 142-151. (in Chinese with English abstract)

[3] 陳青云. 日光溫室的實踐與理論[J]. 上海交通大學學報：農業科學版，2008，26(5)：343-350.

Chen Qingyun. Progress of practice and theory in sunlightgreenhouse[J]. Journal of Shanghai Jiaotong University: Agricultural Science, 2008, 26(5): 343-350. (in Chinese with English abstract)

[4] 秦琳琳，陸林箭，石春，等. 基于物聯網的溫室智能監控系統設計[J]. 農業機械學報，2015，46(3)：261-267.

Qin Linlin, Lu Linjian, Shi Chun, et al. Implementation of IOT-based greenhouse intelligent monitoring system[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(3): 261-267. (in Chinese with English abstract)

[5] 趙喆，李興，王健，等. 新型連棟日光能溫室小氣候初探[J]. 西北農林科技大學學報：自然科學版，2020，48(5)：88-98.

Zhao Zhe, Li Xing, Wang Jian, et al. Preliminary study on microclimate of new multi-span solar energy greenhouse[J]. Journal of Northwest A＆F University: Natural Science Edition, 2020, 48(5): 88-98. (in Chinese with English abstract)

[6] 王孝卿，李楠，薛曉萍. 壽光日光溫室小氣候變化規律及模擬方法[J]. 中國農學通報，2012，28(10)：236-242.

Wang Xiaoqing, Li Nan, Xue Xiaoping. The microdimate change rules and simulation method of greenhouse in Shouguang city[J]. Chinese Agricultural Science Bulletin, 2012, 28(10): 236-242. (in Chinese with English abstract)

[7] 魏瑞江，孫忠富. 我國日光溫室小氣候研究進展與展望[J]. 西北農林科技大學學報，2014，42(12)：139-150.

Wei Ruijiang, Sun Zhongfu. Development and perspective of research on microclimate of sunlight greenhouse in China[J]. Journal oI Northwest A＆F University, 2014, 42(12): 139-150. (in Chinese with English abstract)

[8] 黎貞發，王鐵，劉德義，等. 日光溫室氣象監測與災害預警系統研制[J]. 氣象科技，2011，39(2)：247-252.

Li Zhenfa, Wang Tie, Liu Deyi, et al. Greenhouse weather monitoring and disaster warning system development[J]. Meterological Science and Technology, 2011, 39(2): 247-252. (in Chinese with English abstract)

[9] 李宗耕，李寶石，劉文科. 北京地區日光溫室室內外環境要素特征分析[J]. 農業工程，2019，9(6)：59-62.

Li Zonggeng, Li Baoshi, Liu Wenke. Feature analysis of indoor and outdoor environmental factors of solar greenhouse in Beijing[J]. Agricultural Engineering, 2019, 9(6): 59-62. (in Chinese with English abstract)

[10] 張繼波，薛曉萍，李楠，等. 持續寡照對溫室番茄開花座果，產量及果實品質的影響[J]. 氣象與環境學報，2020，36(2)：85-91.

Zhang Jibao, Xue Xiaoping, Li Nan, et al. Effects of continuous shading stress on flower-fruit, yield and fruit quality of greenhouse tomato[J]. Journal of Meteorology and Environment, 2020, 36(2): 85-91. (in Chinese with English abstract)

[11] 徐超，王明田，楊再強，等. 高溫對溫室草莓光合生理特性的影響及脅迫等級構建[J]. 應用生態學報，2021，32(1)：231-240.

Xu Chao, Wang Mingtian, Yang Zaiqiang, et al. Effects of high temperature on photosynthetic physiological characteristics of strawberry seedlings in greenhouse and construction of stress level[J]. Chinese Journal of Applied Ecology, 2021, 32(1): 231-240. (in Chinese with English abstract)

[12] 李天來. 我國日光溫室產業發展現狀與前景[J]. 沈陽農業大學學報，2005，36(2)：131-138.

Li Tianlai. Current situation and prospects of greenhouse industry development in China[J]. Journal of Shenyang Agricultural University, 2005, 36(2): 131-138. (in Chinese with English abstract)

[13] 李清明，魏珉，張大龍. 山東省日光溫室結構類型[J]. 農業工程技術，2018，38(19)：26-32.

Li Qingming, Wei Min, Zhang Dalong. Structure types of sunlight greenhouse in Shandong[J]. Agricultural Engineering Technology, 2018, 38(19): 26-32. (in Chinese with English abstract)

[14] 毛罕平，晉春，陳勇. 溫室環境控制方法研究進展分析與展望[J]. 農業機械學報，2018，49(2)：1-13.

Mao Hanping, Jin Chun, Chen Yong. Research progress and prospect on control methods of greenhouse environment[J]. Transactions of the Chinese Society for Agricultural Machinery, 2018, 49(2): 1-13. (in Chinese with English abstract)

[15] 趙麗玲，頡建明，趙貴賓. 不同日光溫室結構類型溫光特性研究[J]. 西南農業學報，2015，28(4)：1803-1808.

Zhao Liling, Xie Jianming, Zhao Guibin. Study structure and characteristics of temperature and light in different solar greenhouse[J]. Southwest China Journal of Agricultural Sciences, 2015, 28(4): 1803-1808. (in Chinese with English abstract)

[16] 陳正法，梁稱福，黃小平. 四湖地區節能日光溫室結構和原理[J]. 農業工程學報，2000，16(1)：75-78.

Chen Zhengfa, Liang Chengfu, Huang Xiaoping. Structure and principle of energy-saving solar greenhouse in Sihu area of Hubei province[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2000, 16(1): 75-78. (in Chinese with English abstract)

[17] Nebbali R, Roy J C, Boulard T. Dynamic simulation of the distributed radiative and convective climate within a cropped greenhouse[J]. Renewable Energy, 2012, 43: 111-129.

[18] Seginer I, Boulard T, Bailey B J. Neural network models of the greenhouse climate[J]. J Agric Eng Res, 1994, 59(3): 203-216.

[19] Patil S L, Tantau H J, Salokhe V M. Modelling of tropical greenhouse temperature by auto regressive and neural network models[J]. Biosystems Eng, 2008, 99(3): 423-431.

[20] Ferreira P M, Faria E A, Ruano A E. Neural network models in greenhouse air temperature prediction[J]. Neurocomputing, 2002, 43(1): 51-75.

[21] 柳芳，王鐵，劉淑梅. 天津市二代節能型日光溫室內部溫濕度預測模型：以西青為例[J]. 中國農業氣象，2009，30(增刊1)：86-89.

Liu Fang, Wang Tie, Liu Shumei. Research on temperature and humidity forecasting model for energy saving solar greenhouse in Tianjin: Taking Xiqing as an example[J]. Chinese Journal of Agrometeorology, 2009, 30(Suppl. 1): 86-89. (in Chinese with English abstract)

[22] 任守綱，楊薇，王浩云，等. 基于CFD的溫室氣溫時空變化預測模型及通風調控措施[J]. 農業工程學報，2015，31(13)：207-214.

Ren Shougang, Yang Wei, Wang Haoyun, et al. Prediction model on temporal and spatial variation of air temperature in greenhouse and ventilation control measures based on CFD[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(13): 207-214. (in Chinese with English abstract)

[23] 鮑恩財，鄒志榮，張勇. 主動蓄熱日光溫室不同氣流方向后墻傳熱CFD模擬[J]. 農業工程學報，2018，34(22)：169-177.

Bao Encai, Zou Zhirong, Zhang Yong. CFD simulation of heat transfer in back-wall of active thermal-storage solar greenhouse with different airflow directions[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(22): 169-177. (in Chinese with English abstract)

[24] 李寧，申雙和，黎貞發，等. 基于主成分回歸的日光溫室內低溫預測模型[J]. 中國農業氣象，2013，34(3)：306-311.

Li Ning, Shen Shuanghe, Li Zhenfa, et al. Forecast model of minimum temperature inside greenhouse based on principal component regression[J]. Chinese Journal of Agrometeorology, 2013, 34(3): 306-311. (in Chinese with English abstract)

[25] 程曼，袁洪波，蔡振江，等. 基于全局變量預測模型的溫室環境控制方法[J]. 農業工程學報，2013，29(25)：177-183.

Cheng Man, Yuan Hongbo, Cai Zhenjiang, et al. Environment control method in greenhouse based on global variable prediction model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(25): 177-183. (in Chinese with English abstract)

[26] 鄒偉東，張百海，姚分喜，等. 基于改進型極限學習機的日光溫室溫濕度預測與驗證[J]. 農業工程學報，2015，31(24)：194-200.

Zou Weidong, Zhang Baihai, Yao Fenxi, et al. Verification and forecasting of temperature and humidity in solar greenhouse based on improved extreme learning machine algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(24): 194-200. (in Chinese with English abstract)

[27] 陳昕，唐湘璐，李想，等. 二次聚類與神經網絡結合的日光溫室溫度二步預測方法[J]. 農業機械學報，2017，48(增刊)：353-358.

Chen Xin, Tang Xianglu, Li Xiang, et al. Two-steps prediction method of temperature in solar greenhouse based on twice cluster analysis and neural network[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(Suppl): 353-358. (in Chinese with English abstract)

[28] 郁瑩珺，徐達宇，壽國忠，等. 基于經驗模態分解和小波神經網絡的溫室溫濕度預測[J]. 江蘇農業科學，2019，47(1)：211-216.

Yu Yingjun, Xu Dayu, Shou Guozhong, et al. Prediction of greenhouse temperature and humidity based on empirical mode decomposition and wavelet neural network[J]. Jiangsu Agricultural Sciences, 2019, 47(1): 211-216. (in Chinese with English abstract)

[29] 劉紅，黨曉東，都全勝，等. 基于隨機森林算法的日光溫室內氣溫預測模型研究[J]. 中國農學通報，2020，36(25)：95-100.

Liu Hong, Dang Xiaodong, Du Quansheng, et al. Temperature prediction model in solar greenhouse based on stochastic forest algorithm[J]. Chinese Agricultural Science Bulletin, 2020, 36(25): 95-100. (in Chinese with English abstract)

[30] 薛慶禹，黎貞發，宮志宏，等. 一種日光溫室夜間室內外溫差的估算方法：CN106204306B [P]. 2019-06-25[2021-08-10].

[31] 劉淑梅，薛慶禹，李春，等. 天津地區不同墻體處理對日光溫室保溫性能影響初探[J]. 中國農學通報，2012，28(35)：170-179.

Liu Shumei, Xue Qingyu, Li Chun, et al. Effects of different wall treatments on thermal insulation of solar greenhouse in Tianjin area[J]. Chinese Agricultural Science Bulletin, 2012, 28(35): 170-179. (in Chinese with English abstract)

[32] 張勇，許英杰，陳瑜，等. 新型相變材料蓄放熱性能測試及在溫室內的應用[J]. 農業工程學報，2021，37(7)：218-226.

w Zhang Yong, Xu Yingjie, Chen Yu, et al. Heat storage and release performance of new phase change material and its application in greenhouse[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(7): 218-226. (in Chinese with English abstract)

[33] 鮑恩財，曹晏飛，鄒志榮，等. 不同結構主動蓄熱墻體日光溫室傳熱特性[J]. 農業工程學報，2019，35(3)：189-197.

Bao Encai, Cao Yanfei, Zou Zhirong, et al. Characteristic of heat transfer for active heat storage wall with different structures in Chinese solar greenhouse[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(3): 189-197. (in Chinese with English abstract)

[34] 錢旭同. 改善蔬菜溫室結構性能的研究[J]. 中國農業科學，1963，4(2)：36-44.

Qian Xutong. Study on improving the structure and performance of vegetable greenhouse[J]. Scientia Agricultura Sinica, 1963, 4(2): 36-44. (in Chinese with English abstract)

[35] 曹晏飛，荊海薇，趙淑梅，等. 日光溫室后屋面投影寬度與墻體高度優化[J]. 農業工程學報，2017，33(7)：183-189.

Cao Yanfei, Jing Haiwei, Zhao Shumei, et al. Optimization of back roof projection width and northern wall height in Chinese solar greenhouse[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(7): 183-189. (in Chinese with English abstract)

[36] 黎貞發，于紅. 持續低溫及低溫連陰天氣下幾種典型日光溫室保溫性能評價環境因素模擬[J]. 中國農學通報，2013，29(23)：123-128.

Li Zhenfa, Yu Hong. Analysis of insulation performance of several typical greenhouses under continuous low temperature and overcast weather[J]. Chinese Agricultural Science Bulletin, 2013, 29(23): 123-128. (in Chinese with English abstract)

[37] 王孝卿，李楠，薛曉萍. 壽光日光溫室小氣候變化規律及模擬方法[J]. 中國農學通報，2012，28(10)：236-242.

Wang Xiaoqing, Li Nan, Xue Xiaoping. The microclimate change rules and simulation method of greenhouse in Shouguang city[J]. Chinese Agricultural Science Bulletin, 2012, 28(10): 236-242. (in Chinese with English abstract)

[38] 富建魯，周長吉，王柳. 連棟玻璃溫室采暖熱負荷計算方法[J]. 農業工程學報，2020，36(21)：235-242.

Fu Jianlu, Zhou Changji, Wang Liu. Methods for calculation of heating load in gutter-connected glasshouse[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(21): 235-242. (in Chinese with English abstract)

[39] 喬正衛，鄒志榮，張立明，等. 4種日光溫室保溫被室內的試驗性能測試[J]. 西北農林科技大學學報：自然科學版，2008，36(6)：153-158.

Qiao Zhengwei, Zou Zhirong, Zhang Liming, et al. Laboratory test of four kinds of heat preservation quilts for solar greenhouse[J]. Journal of Northwest A&F University: Natural Science Edition, 2008, 36(6): 153-158. (in Chinese with English abstract)

[40] 鮑恩財，曹晏飛，鄒志榮，等. 節能日光溫室蓄熱技術研究進展[J]. 農業工程學報，2018，34(6)：1-14.

Bao Encai, Cao Yanfei, Zou Zhirong, et al. Research progress of thermal storage technology in energysaving solar greenhouse[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(6): 1-14. (in Chinese with English abstract)

[41] 張恩太，范濤，錢寶玲，等. 日光溫室冬季環境因子變化關系研究[J]. 中國農學通報，2017，33(22)：90-94.

Zhang Entai, Fan Tao, Qian Baoling, et al. Change relationship of environmental factors in sunlight greenhouse in winter[J]. Chinese Agricultural Science Bulletin, 2017, 33(22): 90-94. (in Chinese with English abstract)

Climate classification of solar greenhouse based on the calculation method for indoor and outdoor temperature difference at night

Li Zhenfa, Liu Tao, Dong Chaoyang, Xue Qingyu, Liu Shumei

(,300074,)

Various types of solar greenhouses with complex configurations have been widely used in China in recent years. Evaluating the thermal insulation performance of a solar greenhouse can greatly contribute to accurately arranging the cultivation stubble of horticultural crops in winter. The risk of low temperature can also be reduced, according to the optimal classification of solar greenhouses. In this study, a comprehensive model was proposed to clarify the relationship between vegetable planting and the climate types of the solar greenhouse using an indoor-outdoor temperature difference at night. An experiment was also conducted in the winter periods of 2011—2014 (from November to March of the following year) in the facility agricultural cluster in the northern Tianjin, located at North China Plain with an annual average temperature of 12.3 ℃, the average sunshine hours of 2 527 h, and the average precipitation of 564 mm. Three typical solar greenhouses were selected to observe the indoor and outdoor microclimate. A calculation model was also established using the indoor-outdoor temperature difference, according to the different structure configurations, building materials, and heat conduction in the solar greenhouse. The thermal insulation performance of solar greenhouses was evaluated to determine the climate classification. The results showed that: 1) The thermal insulation constant (c) was an excellent indicator to evaluate the thermal insulation performance of the solar greenhouses. The specific values were 20.34, 15.84, and 13.21 for the three typical solar greenhouses, respectively. 2) The calculation model well simulated the temperature changes in the solar greenhouses with the coefficient of determination (2) higher than 0.70, and the root mean square error (RMSE) 1.968-3.857 ℃, indicating an outstanding performance of the model. 3) The extremely minimum temperature was obtained ranging from 3 ℃ to 14.4 ℃ for the different types of solar greenhouses using the minimum temperature, humidity, and wind speed, according to the climate observation from 1960 to 2020 with the climate guarantee rate of 80%. According to the growth and development indicators of fruits and vegetables, a new classification standard was proposed for the solar greenhouses, including the cold-tolerant leafy vegetables, leafy vegetable suitability, fruit-leaf mixed type, fruit-vegetable suitable, and temperature-loving fruit-vegetable type. Moreover, this classification was verified in the actual application of greenhouse renovation and evaluation in the planting base of Hengfeng vegetable cooperative in Houjiaying, Jizhou City, Tianjin in the winter of 2016-2018, as well as in the two parks of Juhong and Qingtai manor, Wuqing City, Tianjin of China in the winter of 2019-2020. Hence, these findings and recommendations can provide strong support to guide the vegetable planting in the different types of solar greenhouses.

temperature; solar greenhouse; heat transfer coefficient; greenhouse configuration; insulation constant; classification

黎貞發，劉濤，董朝陽，等. 基于夜間室內外溫差計算方法的日光溫室氣候分類[J]. 農業工程學報，2021，37(22)：194-201.doi：10.11975/j.issn.1002-6819.2021.22.022 http://www.tcsae.org

Li Zhenfa, Liu Tao, Dong Chaoyang, et al. Climate classification of solar greenhouse based on the calculation method for indoor and outdoor temperature difference at night[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(22): 194-201. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.22.022 http://www.tcsae.org

2021-08-10

2021-11-03

天津市農業科技成果轉化與推廣項目（201502150）；國家自然科學基金項目（31901398）

黎貞發，正研級高級工程師，研究方向為設施園藝環境監測與調控、都市農業氣象服務技術。Email：lzfaaa@126.com

10.11975/j.issn.1002-6819.2021.22.022

S625.2

A

1002-6819(2021)-22-0194-08