CN111708389A - 温室内环境数据生成方法 - Google Patents
温室内环境数据生成方法 Download PDFInfo
- Publication number
- CN111708389A CN111708389A CN202010140833.3A CN202010140833A CN111708389A CN 111708389 A CN111708389 A CN 111708389A CN 202010140833 A CN202010140833 A CN 202010140833A CN 111708389 A CN111708389 A CN 111708389A
- Authority
- CN
- China
- Prior art keywords
- greenhouse
- time
- air temperature
- temperature
- environment data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000005855 radiation Effects 0.000 claims description 96
- 238000004364 calculation method Methods 0.000 claims description 95
- 230000029553 photosynthesis Effects 0.000 claims description 70
- 238000010672 photosynthesis Methods 0.000 claims description 70
- 238000001816 cooling Methods 0.000 claims description 38
- 230000008859 change Effects 0.000 claims description 29
- 230000001186 cumulative effect Effects 0.000 claims description 25
- 238000010438 heat treatment Methods 0.000 claims description 24
- 230000007613 environmental effect Effects 0.000 claims description 20
- 238000005286 illumination Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 18
- 238000012937 correction Methods 0.000 description 16
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 101100234408 Danio rerio kif7 gene Proteins 0.000 description 2
- 101100221620 Drosophila melanogaster cos gene Proteins 0.000 description 2
- 241000227653 Lycopersicon Species 0.000 description 2
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 2
- 101100398237 Xenopus tropicalis kif11 gene Proteins 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000003760 hair shine Effects 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005057 refrigeration Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 238000009331 sowing Methods 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 240000007124 Brassica oleracea Species 0.000 description 1
- 235000003899 Brassica oleracea var acephala Nutrition 0.000 description 1
- 235000011301 Brassica oleracea var capitata Nutrition 0.000 description 1
- 235000001169 Brassica oleracea var oleracea Nutrition 0.000 description 1
- 241000282994 Cervidae Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 101150118300 cos gene Proteins 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 235000012055 fruits and vegetables Nutrition 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 239000002420 orchard Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/12—Sunshine duration recorders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Environmental & Geological Engineering (AREA)
- Agronomy & Crop Science (AREA)
- Ecology (AREA)
- Health & Medical Sciences (AREA)
- Animal Husbandry (AREA)
- Atmospheric Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Automation & Control Theory (AREA)
- Primary Health Care (AREA)
- Environmental Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Biodiversity & Conservation Biology (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的目的在于提供一种温室内环境数据生成方法,通过使用以不同日期以及不同地区来提供的气象数据,容易地生成高精度的农业用温室的温室内环境数据,从而能够容易地实现高精度的农作物育成预测。其特征在于,具有:温室外环境数据生成步骤,控制单元从气象数据中使用与由地点信息确定的位置最近的地区气象数据,生成农业用温室的位置处的温室外环境数据;温室内环境数据生成步骤,使用在温室外环境数据生成步骤生成的温室外环境数据和温室参数,生成温室内环境数据。
Description
技术领域
本发明涉及一种使用以不同日期以及不同地区来提供的气象数据来生成农业用温室的温室内环境数据的温室内环境数据生成方法。
背景技术
在我国的农业生产中,对于农业经营的稳定化、流通的稳定化,预先且精准地预测农业生产的收获量逐渐成为不可或缺的技术。并且在近来的智能农业(IoT化、AI活用)等中,也因其实用性获得巨大关注。
从以往提出有多种预测收获量的方案(例如专利文献1)。对于简易地预测农作物的生长一般使用“有效累计温度”。被认为在对比文件1中所记载的卷心菜等叶茎菜类中能够期待其具有可承受实际应用的精度。
然而,已知在番茄等果菜类中,对于从播种到开花时期、从开花到收获时期等的预测,仅通过有效累计温度不能够提出足够的精度(非专利文献1)。
此外,虽然在使用农业用温室的整年连续栽培中,能够从播种到开花时期提出足够的预测精度,但是在对我公司的种植区的验证实验中已获知了果园中的开花时机或者收获开始时机等出现较大的偏差。因此,将“温室内的有效日照量”作为环境参数进行测量并预测成为了一个课题。
自动气象数据采集***(AMeDAS:Automated Meteorological Data AcquisitionSystem)于1974年11月1日开始运行,目前在全国约有1300处(间隔约17公里)观测降水量的观测所,其中约50处观测日照量,其所测量的数据能被一般用户广泛获得。
但是,对于在全国约50处观测到的“日照量”,将日本气象厅的数据作为实际种植区数据直接应用时,存在有地点粒度较粗、在其他观测地并非记录日照量而是日照时间等各种问题。
另外,提出有通过使用航拍图像数据来校正一般数据,并将其作为种植区数据应用于产量预测的机构(专利文献2)。
此外,在非专利文献2记载了计算在特定日期的特定时刻的太阳高度的计算公式。
现有技术文献
专利文献
专利文献1:特许第5853780号公报
专利文献2:特开2015-49号公报
非专利文献
非专利文献1:小林尚司、岛地英夫、池田英男,“关于利用营养液栽培的番茄的一步骤栽培的研究(第2报)”,农业设施,农业施设学会,1998年3月25日,第28卷,4号,第203-208页
非专利文献2:J.W.Spencer,“太阳位置的傅立叶级数表示(Fourier seriesrepresentation of the position of the Sun)”,Search 2,162·172(1971)
发明内容
发明要解决的技术问题
与不应用自然环境而以完全密封型进行的植物工厂等相比,农业用温室具有由于使用了自然能源而相应地能量效率较高的优点。
但是相对地被指出存在如下问题:即,由于天气影响使得温室内环境随时间序列较大地变化,由于温室设置区域(纬度、经度)不同也对温室内环境产生较大影响,结果,由于外部因素从而难以预测生产量。
对温室内环境产生特别大的影响的因素也同样是有效日照量。例如,由于有效日照量变动使得室内温度的上升、下降时刻发生,难以预测温室内环境参数。
对于以上这样的问题,提出有在农业用温室内配置传感器,直接获取数据的机构。
但是,对于通过传感器等获取数据存在如下问题:即,根据温室的数量设置温度、照度传感器等的成本较高,温室建成后,最低程度也需要相当于种植期的期间(半年至一年)的数据累积,特别是在开始新的耕种时数据没有收集,从而无法用于进入农业前的可行性研究。另外,由于照度值根据照度传感器在温室内的安装位置不同而存在较大偏差,因此还存在难以用一个传感器来估计温室内的平均日照值的问题。
虽然专利文献2的方法对田地、水田、露地栽培是有效的方法,但是通过航拍图像无法获知农业用温室内部的环境,从而无法应用于温室栽培。
此外,将日照时间的不同时间值直接转换为日照量不同时间值是极其困难的。
本发明的目的在于提供一种温室内环境数据生成方法,通过使用以不同日期以及不同地区来提供的气象数据,容易地生成高精度的农业用温室的温室内环境数据,从而能够容易地实现高精度的农作物育成预测。
用于解决上述技术问题的方案
第1方案所记载的本发明的温室内环境数据生成方法中,使用如下数据:地点信息2,确定农业用温室的位置;温室参数,至少包括区别所述农业用温室的结构的温室类型、所述农业用温室的楼栋朝向、所述农业用温室为单栋或连栋的区别、用于所述农业用温室的遮光帘的个数、保温设备的使用时间段、加热设备的使用时间段以及制冷设备的使用时间段的任一个;气象数据,以不同日期以及不同地区来提供,从而控制单元生成所述农业用温室的温室内环境数据,该温室内环境数据生成方法包括如下步骤:温室外环境数据生成步骤,所述控制单元从所述气象数据中使用与由所述地点信息2确定的所述位置最近的地区气象数据,生成所述农业用温室的所述位置处的温室外环境数据;温室内环境数据生成步骤,使用在所述温室外环境数据生成步骤生成的所述温室外环境数据和所述温室参数,生成所述温室内环境数据。
第2方案所记载的本发明是在第1方案所记载的温室内环境数据生成方法中,将所述温室内环境数据设为温室内光合作用有效辐射照度时,使用晴或雨等昼间的天气概况作为所述气象数据,在所述温室外环境数据生成步骤具有:天气判定步骤(S3,S3x),使用所述天气概况判定日照不足;历法运算步骤(S5,S6),通过使用所述地点信息2运算在所述位置处的特定日期的时刻t的太阳高度,根据所述太阳高度运算所述特定日期的可光照时间;日累计日照量运算步骤(S7,S7x),使用在所述天气判定步骤判定的所述日照不足以及在所述历法运算步骤计算出的所述可光照时间,运算所述特定日期的日累计日照量;日照量日变化大致形状运算步骤(S8),运算在所述历法运算步骤运算的所述特定日期的所述可光照时间的每单位时间的日照量变化;每单位时间日照量运算步骤(S9),使用在所述日累计日照量运算步骤运算的所述日累计日照量以及在所述日照量日变化大致形状运算步骤运算的所述日照量变化,运算所述特定日期的所述每单位时间的日照量;每设定时间光合作用有效辐射照度运算步骤(S10),将在所述每单位时间日照量运算步骤运算的所述每单位时间的所述日照量转换为辐射照度,运算每设定时间的所述辐射照度,将在所述每设定时间光合作用有效辐射照度运算步骤运算的所述每设定时间的所述辐射照度作为每设定时间温室外光合作用有效辐射照度,在所述温室内环境数据生成步骤中,使用所述每设定时间温室外光合作用有效辐射照度和所述温室参数,生成所述温室内光合作用有效辐射照度。
第3方案所记载的本发明是在第2方案所记载的温室内环境数据生成方法中,在所述天气判定步骤中,判定在所述天气概况是否包含雨、雪或雨夹雪的文字,若包含所述文字则判定为所述日照不足。
第4方案所记载的本发明是在第3方案所记载的温室内环境数据生成方法中,在所述天气判定步骤中,若在所述天气概况包含阵雨、阵雪或阵雨夹雪的所述文字,则不判定为所述日照不足。
第5方案所记载的本发明是在第2方案所记载的温室内环境数据生成方法中,在所述天气判定步骤中,判定在所述天气概况是否包含大雨、大雪、暴雨、暴雪、雷雨、雨夹雪、中雨或中雪的文字,若包含所述文字,则判定为所述日照不足。
第6方案所记载的本发明是在第1方案所记载的温室内环境数据生成方法中,将所述温室内环境数据设为温室内部气温时,使用最高气温和最低气温作为所述气象数据,在所述温室外环境数据生成步骤具有:历法运算步骤(S5,S6y),通过使用所述地点信息2运算在所述位置处的特定日期的时刻t的太阳高度,根据所述太阳高度运算所述特定日期的日出时刻、正午时刻以及日落时刻;时间带判定步骤(S15),判定计算温室外部气温的时刻属于从所述日出时刻至所述正午时刻、从所述正午时刻至所述日落时刻或者从所述日落时刻至第二天日出时刻的哪一个时间带;每单位时间气温运算步骤(S16),使用在所判定的不同的所述时间带获取到的所述最高气温和所述最低气温,运算所述特定日期的所述每单位时间的气温;每设定时间气温运算步骤(S17),将在所述每单位时间气温运算步骤运算的所述每单位时间的所述气温运算为每设定时间的所述气温,将在所述每设定时间气温运算步骤运算的所述每设定时间的所述气温作为每设定时间温室外部气温,在所述温室内环境数据生成步骤中,使用所述每设定时间温室外部气温和所述温室参数,生成所述温室内部气温。
第7方案所记载的本发明是在第6方案所记载的温室内环境数据生成方法中,在所述温室内环境数据生成步骤中,将所述温室内部气温区分为日落至日出的夜间温室内部气温和所述日出至所述日落的昼间温室内部气温,在所述农业用温室进行加热动作或制冷动作的情况下,对所述夜间温室内部气温使用所述加热动作或所述制冷动作的设定最低温度,在所述加热动作的时间带中所述外部气温高于所述设定最低温度的情况下以及在所述制冷动作的时间带中所述温室外部气温低于所述设定最低温度的情况下,使用所述外部气温替代所述设定最低温度。
第8方案所记载的本发明是在第6方案所记载的温室内环境数据生成方法中,在所述温室内环境数据生成步骤中,将所述温室内部气温区分为日落至日出的夜间温室内部气温和所述日出至所述日落的昼间温室内部气温,在所述农业用温室通过开窗进行冷却动作的情况下,对所述昼间温室内部气温使用所述冷却动作的设定最高温度,在由温室内光合作用有效辐射照度决定的温度小于所述设定最高温度的情况下,使用由所述温室内光合作用有效辐射照度决定的所述温度替代所述设定最高温度,在所述外部气温高于所述设定最高温度的情况下,使用所述外部气温替代所述设定最高温度。
发明效果
根据本发明,使用以不同日期以及不同地区来提供的气象数据,能够容易地生成高精度的农业用温室的温室内环境数据,通过使用生成的温室内环境数据,能够容易地实现高精度的农作物育成预测。
附图说明
图1是示出本发明的一实施例中的温室内环境数据生成方法的流程图。
图2是以功能实现单元表示该温室内环境数据生成方法的框图。
图3是示出用于该温室内环境数据生成方法的数据量的说明图。
图4是示出本发明的另一实施例的温室内环境数据生成方法的流程图。
图5是以功能实现单元表示该温室内环境数据生成方法的框图。
图6是示出用于该温室内环境数据生成方法的数据量的说明图。
图7是示出本发明的又一实施例中的温室内环境数据生成方法的一天的日照量变化的大致形状ltr(t)和在某一时刻一瞬间接受到日照时的温度变化的大致形状Tresp(t)的概念图。
图8是示出本实施例的温室内环境数据生成方法的流程图。
图9是以功能实现单元表示该温室内环境数据生成方法的框图。
图10是示出用于该温室内环境数据生成方法的数据量的说明图。
具体实施方式
本发明的第1实施方式的温室内环境数据生成方法具有:温室外环境数据生成步骤,控制单元从气象数据中使用与由地点信息确定的位置最近的地区气象数据,生成农业用温室的位置处的温室外环境数据;温室内环境数据生成步骤,使用在温室外环境数据生成步骤生成的温室外环境数据和温室参数,生成温室内环境数据。根据本实施方式,通过使用以不同日期以及不同地区来提供的气象数据,能够容易地生成高精度的农业用温室的温室内环境数据,通过使用生成的温室内环境数据,能够容易地实现高精度的农作物育成预测。
本发明的第2实施方式是在第1实施方式的温室内环境数据生成方法中,将温室内环境数据设为温室内光合作用有效辐射照度时,使用晴或雨等昼间的天气概况作为气象数据,在温室外环境数据生成步骤中具有:天气判定步骤,使用天气概况判定日照不足;历法运算步骤,通过使用地点信息运算农业用温室的位置处的特定日期的时刻t的太阳高度,根据太阳高度运算特定日期的可光照时间;日累计日照量运算步骤,使用在天气判定步骤判定出的日照不足、以及在历法运算步骤计算出的可光照时间,运算特定日期的日累计日照量;日照量日变化大致形状运算步骤,运算在历法运算步骤运算的特定日期的可光照时间的每单位时间的日照量变化;每单位时间日照量运算步骤,使用在日累计日照量运算步骤运算的日累计日照量、以及在日照量日变化大致形状运算步骤运算的日照量变化,运算特定日期的每单位时间的日照量;每设定时间光合作用有效辐射照度运算步骤,将在每单位时间日照量运算步骤运算的每单位时间的日照量转换为辐射照度,运算每设定时间的辐射照度,将在每设定时间光合作用有效辐射照度运算步骤运算的每设定时间的辐射照度作为每设定时间温室外光合作用有效辐射照度,在温室内环境数据生成步骤中使用每设定时间温室外光合作用有效辐射照度和温室参数,生成温室内光合作用有效辐射照度。根据本实施方式,在温室外环境数据生成步骤中,能够使用日照时间和昼间的天气概况运算每设定时间温室外光合作用有效辐射照度,在温室内环境数据生成步骤中,由于使用该每设定时间温室外光合作用有效辐射照度能够生成温室内光合作用有效辐射照度,因此能够生成高精度的农业用温室的温室内环境数据。
本发明的第3实施方式是在第2实施方式的温室内环境数据生成方法中,在天气判定步骤中判定在天气概况是否包含雨、雪或雨夹雪的文字,若包含文字则判定为日照不足。根据本实施方式,通过考虑到对日照量产生影响的天气概况从而能够生成高精度的温室内环境数据。
本发明的第4实施方式是在第3实施方式的温室内环境数据生成方法中,在天气判定步骤中,若在天气概况中包含阵雨、阵雪或阵雨夹雪的文字,则不判定为日照不足。根据本实施方式,能够提高温室内光合作用有效辐射照度的精度。
本发明的第5实施方式是在第2实施方式的温室内环境数据生成方法中,在天气判定步骤中,判定在天气概况是否包含大雨、大雪、暴雨、暴雪、雷雨、雨夹雪、中雨或中雪的文字,若包含文字,则判定为日照不足。根据本实施方式,通过考虑到对日照量产生影响的天气概况从而能够生成高精度的温室内环境数据。
本发明的第6实施方式是在第1实施方式的温室内环境数据生成方法中,将温室内环境数据设为温室内部气温时,使用最高气温和最低气温作为气象数据,在温室外环境数据生成步骤中具有:历法运算步骤,通过使用地点信息来运算在位置处的特定日期的时刻t的太阳高度,根据太阳高度运算特定日期的日出时刻、正午时刻(太阳位于正南的时刻)以及日落时刻;时间带判定步骤,判定计算出温室外部气温的时刻属于日出时刻至正午时刻、正午时刻至日落时刻或者日落时刻至第二天日出时刻的哪一个时间带;每单位时间气温运算步骤,使用在所判定的不同时间带获取到的最高气温和最低气温,运算特定日期的每单位时间的气温;每设定时间气温运算步骤,将在每单位时间气温运算步骤运算的每单位时间的气温运算为每设定时间的气温,将在每设定时间气温运算步骤运算的每设定时间的气温作为每设定时间温室外部气温,在温室内环境数据生成步骤中,使用每设定时间温室外部气温和温室参数生成温室内部气温。根据本实施方式,在温室外环境数据生成步骤中,能够使用最高气温和最低气温运算每设定时间温室外部气温,在温室内环境数据生成步骤中,由于使用该每设定时间温室外部气温能够生成温室内部气温,因此能够生成高精度的农业用温室的温室内环境数据。
本发明的第7实施方式是在第6实施方式的温室内环境数据生成方法中,在温室内环境数据生成步骤中,将温室内部气温区分为日落至日出的夜间温室内部气温、和日出至日落的昼间温室内部气温,在农业用温室进行加热动作或制冷动作的情况下,对夜间温室内部气温使用加热动作或制冷动作中的设定最低温度,在加热动作的时间带的外部气温高于设定最低温度的情况下、以及在制冷动作的时间带的温室外部气温低于设定最低温度的情况下,使用外部气温替代设定最低温度。根据本实施方式,即使在农业用温室进行加热动作或制冷动作的情况下,也能够提高温室内部气温的精度。
本发明的第8实施方式是在第6实施方式的温室内环境数据生成方法中,在温室内环境数据生成步骤中,将温室内部气温区分为日落至日出的夜间温室内部气温和日出至日落的昼间温室内部气温,在农业用温室通过开窗进行冷却动作的情况下,对昼间温室内部气温使用冷却动作的设定最高温度,在由温室内光合作用有效辐射照度决定的温度小于设定最高温度的情况下,使用由温室内光合作用有效辐射照度决定的温度替代设定最高温度,在外部气温高于设定最高温度的情况下,使用外部气温替代设定最高温度。根据本实施方式,即使在农业用温室通过开窗进行冷却动作的情况下,也能够提高温室内部气温的精度。
实施例
下面对本发明的温室内环境数据生成方法的一实施例进行说明。
图1是示出本实施例的温室内环境数据生成方法的流程图,图2是以功能实现单元表示该温室内环境数据生成方法的框图,图3是示出用于该温室内环境数据生成方法的数据量的说明图。
用户通过输入确定农业用温室的位置的地点信息2(参照图2)(S1),从气象数据库1按照不同日期获取与用户输入的地点最近的日本气象厅AMeDAS的“昼间的天气概况”(S2)。
在S1中输入的地点信息2是“地点名(都道府县、市区街村)”或“纬度”“经度”。可以根据“地点名(都道府县、市区街村)”确定“纬度”以及“经度”。地点信息2至少能够确定纬度即可。
使用在S2获取的不同日期的天气概况判定日照不足(S3)。
S3中的天气判定步骤在图2所示的天气判定部3中进行。
在S3中的天气判定步骤中,使用晴或雨等昼间的天气概况判定日照不足。
例如,判定在昼间的天气概况是否包含“雨”“雪”或“雨夹雪”的文字,在包含“雨”“雪”或“雨夹雪”的文字的情况下判定为日照不足,设立“降水标志”。但是,如果在天气概况中包含阵雨、阵雪或阵雨夹雪的文字则不判定为日照不足。此外,在“阴转雨有阵雪”的情况下判定为“日照不足”。这样,通过考虑到对日照量产生影响的天气概况,从而能够生成高精度的温室内环境数据。
另外,从气象数据库1获取与用户输入的地点最近的日本气象厅AMeDAS的“日照时间(日累计值)”(S4)。
在S5中,根据用户输入的地点信息运算特定日期的时刻t的太阳高度。
在特定日期的时刻t的太阳高度h(t)[°]能根据以下算式计算。
sinh(t)=cosΦcosδcos[15(t-12)]-sinΦsinδ
δ[°]=(180/π)(0.006918-0.399912cosθ+0.070257sinθ-0.006758cos2θ+0.000907sin2θ-0.002697cos3θ+0.00148sin3θ)(非专利文献2)
θ[°]=360(d-1)/365
其中,d:从1月1日起的天数[天,将1月1日作为1],Φ:纬度[°]
由于太阳正午高度为h(12)[°]
sinh(12)=cosΦcosδ-sinΦsinδ
由于日出、日落时刻时约为h(t)=0[°],所以昼长L[h]=(日落时刻-日出时刻)可以通过以下算式求出。
L=(2/15)acos(-tanΦtanδ)
根据上述算式,可以根据太阳高度运算特定日期的可光照时间(S6)。
实际上,由于日出是太阳完全从地平线露出的时刻,日落是太阳完全被地平线遮挡的时刻,因此并不是h(t)=0[°]。另外,还存在其他影响日出、日落的因素。
因此,为了符合实际测量值对上述算式进行修正使用。
L=(2/15)acos(tanβ-tanΦtanδ)
tanβ=K1+K2sin(Φ+α)
参数
K1、K2:系数,α:相位参数
S5以及S6是历法运算步骤,在历法运算步骤中,通过使用地点信息运算在农业用温室的位置处的特定日期的时刻t的太阳高度,根据太阳高度运算特定日期的可光照时间。S5以及S6中的历法运算步骤在图2所示的历法运算部4中进行。
使用在S4获取的日照时间、在天气判定步骤(S3)判定出的日照不足、以及在历法运算步骤(S5以及S6)计算出的可光照时间,运算特定日期的日累计日照量(S7)。S7中的历法运算步骤在图2所示的日累计日照量运算部5中进行。
对于在S4获取的日照时间,在气象数据库1中的数据获取间隔小于1日的情况下,累计每天0时0分1秒至24时0分0秒的值而得到每天的日照时间数据Ds[h]。
例如,在每10分钟的日照时间数据Xm(t)的情况下,对每天0时10分到24时0分的值进行平均而得到每天的日照时间数据Ds[h]。
DS=(1/60)Σ[Xm(t)](对0时10分~24时0分求和)
因此,每10分钟的日照时间数据Xm(t)例如为Xm(9点10分):8分、Xm(9点20分):10分、Xm(9点30分):10分、Xm(9点40分):10分、Xm(9点50分):2分、Xm(10点0分):0分……,从0时10分至24时0分累计这些数据后,每天的日照时间为Σ[Xm(t)][分],除以60后单位成为[小时]。
在S7中的日累计日照量运算步骤中,根据以下算式计算日累计日照量lG[J/m2]。
lG=DS(C1+C2sinh+C3sin2h)+QR(C4+C5L)
输入值
DS:日照时间[h]
L:昼长[h]=(日落时刻-日出时刻)
h:太阳的正午高度[°]
参数
C1~C5:系数
Q:短日照时间校正系数(日照时间为小于阈值Dth:Q(<1),Dth以上:1)
R:降水校正系数(存在日照不足:R(<1),没有日照不足:1)
参数C1~C5、Q、R、Dth例如通过以下的方法决定。
对于计量全天日照量的日本气象厅AMeDAS,对1年间的日照量推移进行最小平方解析决定参数。考虑到纬度,对以下5个AMeDAS进行解析。此外,例如每10年重新确定参数也很重要。
札幌(北纬43.06度)、盛冈(北纬39.70度)、大阪(北纬34.68度)、鹿儿岛(北纬31.56度)、石垣岛(北纬24.34度)
在S8中,运算在历法运算步骤(S5、S6)中运算的特定日期的可光照时间的每单位时间的日照量变化。S8中的日照量日变化大致形状运算步骤在图2所示的日照量日变化大致形状运算部6中进行。
在S8的日照量日变化大致形状运算步骤中,根据以下算式计算每单位时间(例如10分钟)的日照量变化的大致形状lmdl(t)[J/m2]。
lmdl(t)=l0P1/sinh(t)sinh(t){1+0.033cos[360(d-2)/365]}
输入
d:从1月1日起的天数[天,将1月1日作为1]
h(t):时间t的太阳的正午高度[°]
常数
I0:太阳常数(4.9176MJ/m2)
P:大气透过率(0.7)
此外,对于本实施例将P作为常数处理。
在S9中,使用在日累计日照量运算步骤(S7)中运算的日累计日照量、以及在日照量日变化大致形状运算步骤(S8)中运算的日照量变化,运算特定日期的每单位时间的日照量。S9中的每单位时间日照量运算步骤在图2所示的每单位时间日照量运算部7中进行。
在S9中的每单位时间日照量运算步骤中,使对每单位时间(例如10分钟)的日照量变化的大致形状lmdl(t)[J/m2]累计1天的量而得的值与根据日照时间推测的日累计日照量lG[J/m2]一致,得到每10分钟的日照量lm(t)[J/m2]。
lm(t)={lG/Σ[lmdl(t)]}lmdl(t)(对0时10分~24时0分求和)
在S10中,将在每单位时间日照量运算步骤(S9)运算的每单位时间的日照量转换为辐射照度,运算每设定时间(例如60分钟)的光合作用有效辐射照度。S10中的每设定时间光合作用有效辐射照度运算步骤在图2所示的每设定时间光合作用有效辐射照度运算部8中进行。
在S10中的每设定时间光合作用有效辐射照度运算步骤中,将每10分钟的日照量lm(t)[J/m2]转换成辐射照度[W/m2],将每小时10分~60分的值进行平均,得到每设定时间(例如60分钟)的辐射照度Eh(t)[W/m2]。
Eh(t)=(1/6)Σ[lm(t)/600](对10分~60分求和)
然后,将在每设定时间光合作用有效辐射照度运算步骤(S10)运算的每设定时间的辐射照度作为每设定时间温室外光合作用有效辐射照度。
此外,优选将每小时的光合作用有效辐射照度(日照的可视光成分的辐射照度)Eeff(t)[W/m2]设为全辐射照度的50%。
Eeff(t)=(1/2)Eh(t)
像这样,S1至S10为温室外环境数据生成步骤,从气象数据中使用与由地点信息所确定的位置最近的地区气象数据,生成农业用温室的位置处的温室外环境数据,运算每设定时间温室外光合作用有效辐射照度。
此外,图3(a)是示出用于每设定时间温室外光合作用有效辐射照度的输入数据的说明图。
然后,基于温室的结构以及遮光帘使用状况,根据每设定时间温室外光合作用有效辐射照度生成每设定时间温室内光合作用有效辐射照度。
在S11输入温室参数,该温室参数至少包含区别农业用温室的结构的温室类型、农业用温室的楼栋朝向、农业用温室为单栋或连栋的区别以及用于农业用温室的遮光帘的个数的任一个。
S11中的温室参数的输入中,例如,用户通过从列表中选择“纬度”“温室类型”“楼栋朝向”“单栋或连栋的区别”“遮光帘的有无”,输入“遮光帘的透光率”“展开遮光帘的光合作用有效辐射照度的阈值”“来自侧面的日照的贡献率”“地表面反射校正系数”“薄膜污垢系数”来进行。
在S12中,使用在S10的每设定时间光合作用有效辐射照度运算步骤运算的每设定时间温室外光合作用有效辐射照度和在S11输入的温室参数,运算温室内光合作用有效辐射照度。S12的每设定时间温室内光合作用有效辐射照度运算步骤在图2所示的光合作用有效辐射照度转换部9中进行。
在S12的每设定时间温室内光合作用有效辐射照度运算步骤中,根据用户的输入信息以及日期来选择通过“纬度”“月”“温室类型”“楼栋朝向”“单栋、连栋的区别”来区分的、从屋顶以及侧面入射的日照的比率(Froof、Fside)。
对温室外光合作用有效辐射照度Eout(t)乘以上述比率Froof、Fside计算出来自屋顶以及侧面的日照量,分别对来自屋顶的日照乘以帘的透光率(TR),对来自侧面的日照乘以贡献率(TS),校正日照量。
对校正后的日照量的总和乘以“地表面反射校正系数(Crefl)”“薄膜污垢系数(Cdirt)”,计算出温室内光合作用有效辐射照度Ein(t)。
以下为最终的计算式。
Ein(t)=Eout(t)(1+Crefl)(1-Cdirt)(FroofTR+FsideTS)
在S13中,输出在S12的每设定时间温室内光合作用有效辐射照度运算步骤运算的每设定时间的温室内光合作用有效辐射照度。
像这样,S11至S13为温室内环境数据生成步骤,使用在温室外环境数据生成步骤生成的温室外环境数据和温室参数来生成温室内环境数据,从而生成每设定时间温室内光合作用有效辐射照度。
此外,图3(b)以及图3(c)为示出用于每设定时间温室内光合作用有效辐射照度的输入数据的说明图。
根据本实施例,在温室外环境数据生成步骤(S1~S10)中,能够使用日照时间和昼间的天气概况运算每设定时间温室外光合作用有效辐射照度,在温室内环境数据生成步骤(S11~S13)中,由于使用该每设定时间温室外光合作用有效辐射照度能够生成温室内光合作用有效辐射照度,因此能够生成高精度的农业用温室的温室内环境数据。
以下对本发明的温室内环境数据生成方法的另一实施例进行说明。
图4是示出本实施例的温室内环境数据生成方法的流程图,图5是通过功能实现单元表示该温室内环境数据生成方法的框图,图6是示出用于该温室内环境数据生成方法的数据量的说明图。此外,对于与图1以及图2相同的构成或相同的处理标注相同的附图标记并省略说明。
本实施例是在没有实际测量日照时间数据的情况下,使用“天气概况”生成每小时的温室外光合作用有效辐射照度的方法。
使用在S2x获取的不同日期的天气概况判定日照不足(S3x)。
S3x的天气判定步骤在图5所示的天气判定部3x中进行。
S3x的天气判定步骤中,判定在天气概况是否包含大雨、大雪、暴雨、暴雪、雷雨、雨夹雪、中雨或中雪的文字,若包含文字则判定为日照不足。
通过考虑对日照量产生影响的天气概况来针对日照不足提供校正系数,从而能够生成高精度的温室内环境数据。例如,判定在昼间的天气概况的文字列是否包含“晴”“多云(多雲)”“阴”“阵雨、雷阵雨、阵雪、雷阵雪”“小雨、小雪”“中雨、中雪”,并提供与上述文字分别对应的校正系数。
对于“大雨、大雪”“暴雨、暴雪”“雷雨”“雨夹雪”,提供和“中雨、中雪”相同的校正系数。
对于表示“雾”“霾”以及黄砂的“浮尘(能见度为10km以上)”“扬沙(能见度为1km以上小于10km)”“沙尘暴(能见度为小于1km)”,提供和“阴”相同的校正系数。
在包含2种以上天气的情况下,对校正系数不加权来进行平均。
像这样,通过改变校正系数,根据天气概况的不同阶段性地判定日照不足的程度。
S7x的日累计日照量运算步骤在图5所示的天气判定部5x中进行。
S7x的日累计日照量运算步骤中,根据以下算式计算日累计日照量IG[J/m2]。
lG=E(S)(C1+C2sinh+C3sin2h)+E(R)(C4+C5L)
输入
L:昼长[h]=(日落时刻-日出时刻)
h:太阳的正午高度[°]
参数
C1~C5:系数
S:直达日照量校正系数(晴:1,多云:s(<1),其他天气:0)
R:天空散射日照量校正系数(适用于晴以外的各天气:r1~r5(<1),晴:1)
E(S)、E(R):校正系数的平均值
参数C1~C5、s、r1~r5例如由以下的方法确定。
对在无锡市的农业用温室中实际测量的一年的日照量推移进行最小平方解析,确定参数。
图6(a)是示出用于每设定时间温室外光合作用有效辐射照度的输入数据的说明图,图6(b)是示出直达日照量校正系数(S)和天空散射日照量校正系数(R)的说明图。此外,例如每10年重新确定参数也很重要。
根据本实施例,在温室外环境数据生成步骤(S1~S10)中,能够使用昼间的天气概况运算每设定时间温室外光合作用有效辐射照度,在温室内环境数据生成步骤(S11~S13)中,由于使用该每设定时间温室外光合作用有效辐射照度能够生成温室内光合作用有效辐射照度,因此能够生成高精度的农业用温室的温室内环境数据。
以下对本发明的温室内环境数据生成方法的又一实施例进行说明。
本实施例是在无法从外部获取每小时的气温数据的情况下,使用“日本气象厅AMeDAS的最高、最低气温”来生成每小时的温室外部气温。
本实施例基于图7所示的假设。
图7是示出一天的日照量变化的大致形状ltr(t)和在某一时刻一瞬间接受到日照时的温度变化的大致形状Tresp(t)的概念图。
图7(a)示出了一天的日照量变化的大致形状ltr(t),假设一天的气温是由当天的日照量引起的温度上升和向地球外的散热引起的温度下降所决定的。
图7(b)示出了从接受日照开始随时间经过的温度变化的大致形状Tresp(t)。此外,降温的时间常数τ设为管理者规定的参数。
若做出这样的假设,
则一天的气温变化T(t)由以下的叠加积分求出。
T(t)=∫Tresp(t′)ltr(t-t′)dt′
图8是示出本实施例的温室内环境数据生成方法的流程图,图9是通过功能实现单元表示该温室内环境数据生成方法的框图,图10是示出用于该温室内环境数据生成方法的数据量的说明图。此外,对于与图1以及图2相同的构成或相同的处理标注相同的附图标记并省略说明。
用户通过输入确定农业用温室的位置的地点信息2(参照图8)(S1),从气象数据库1按照不同日期获取与用户输入的地点最近的日本气象厅AMeDAS的“最高气温”以及“最低气温”(S2y)。
在S1输入的地点信息2是“地点名(都道府县、市区街村)”或“纬度”“经度”。可以根据“地点名(都道府县、市区街村)”确定“纬度”以及“经度”。地点信息2至少能够确定纬度即可。
在S6y中,运算特定日期的日出时刻、正午时刻、日落时刻。
如上所述,昼长L[h]=(日落时刻-日出时刻)可以通过以下算式求出。
L=(2/15)acos(tanβ-tanΦtanδ)
tanβ=K1+K2sin(Φ+α)
参数
K1、K2:系数,α:相位参数
半昼长(h)L1/2=L/2
日出时刻(h)tsr=12-L1/2-(1/15)(εt+λ-λ0)
正午时刻(h)tc=12-(1/15)(εt+λ-λ0)
日落时刻(h)tss=12+L1/2-(1/15)(εt+λ-λ0)
εt:近时差[°],λ:经度[°],λ0:标准时间子午线的经度[°]
近时差能够根据以下算式计算。
εt[°]=(180/π)(0.000075+0.001868cosθ-0.032077sinθ-0.014615cos2θ-0.04089sin2θ)(非专利文献2)
θ[°]=360(d-1)/365
其中,d:从1月1日起的天数[天,将1月1日作为1]
由此,能够运算特定日期的日出时刻、正午时刻、日落时刻。
在S14中,为了运算温室外部气温,生成根据输入量得到的以下参数。S14中的参数的生成在图9所示的参数生成部10中进行。
最高气温Tmax
最低气温Tmin
和第二天的最低气温差(℃)Tmin*=Tmin(当天的第二天)-Tmin(当天)
校正最高气温(℃)Tmax*=2(Tmax-Tmin)-(7/4)Tmin*
在S15,将想要计算温室外部气温的时刻与日出时刻、正午时刻、日落时刻比较并判定其属于(A)日出~正午、(B)正午~日落、(C)日落~第二天日出的哪个时间带内。S15的时间带判定步骤在图9所示的时间带判定部11中进行。
(A)日出~正午
T(t)=Tmin+Tmin*(t-tc+L1/2)2/2L1/2 2+Tmax*τ{t-tc-τ+L1/2+τexp[-(t-tc+L1/2)/τ]}/L1/2 2
(B)正午~日落
T(t)=Tmin-Tmin*{(t-tc-L1/2)2-2L1/2 2}/2L1/2 2+Tmax*τ{-t+tc+τ+L1/2-τ[2-exp(-L1/2/τ)]exp[-(t-tc)/τ]}/L1/2 2
(C)日落~第二天日出
T(t)=Tmin+Tmin*+Tmax*τ2{exp(L1/2/τ)+exp(-L1/2/τ)-2}exp[-(t-tc)/τ]/L1/2 2
在S16中,使用叠加积分的结果来运算每单位时间(例如10分钟)的气温T(t)[℃]。S16中的每单位时间气温运算步骤在图9所示的每单位时间气温运算部7y中进行。
在S17中,将在每单位时间气温运算步骤(S16)中运算的每单位时间的气温运算为每设定时间(例如60分钟)的气温。S17中的每设定时间气温运算步骤在图9所示的每设定时间气温运算部8y中进行。
在S17的每设定时间气温运算步骤中,对于每10分钟的气温T(t′)[℃],将每小时10分~60分的值进行平均来得到每设定时间(例如60分钟)的气温Th(t)[℃]。
Th(t)=(1/6)ΣT(t′)(对10分~60分求和)
然后,将在每设定时间气温运算步骤(S17)运算的每设定时间的气温作为每设定时间温室外部气温。
像这样,S1至S17是温室外环境数据生成步骤,从气象数据中使用与由地点信息确定的位置最近的地区气象数据,生成农业用温室的位置处的温室外环境数据,运算每设定时间温室外部气温。
此外,图10(a)是示出用于每设定时间温室外部气温的运算的输入数据的说明图。
接着,基于温室的结构以及保温设备使用状况,根据每设定时间温室外部气温生成每设定时间温室内部气温。
在S11中输入温室参数,该温室参数至少包含农业用温室的结构、保温设备的使用时间段、加热设备的使用时间段以及制冷设备的使用时间段的任一个。
在S11的温室参数的输入中,例如,用户输入“夏季、冬季开始日”“夏季、冬季的设定最高温度、最低温度”,并从列表中选择“加热设备的有无”“制冷设备的有无、使用时间段”“窗开关的有无”“保温帘的有无”,在使用加热、制冷设备和保温帘的情况下通过输入使用时间段来进行。
在S12y中,使用在S17中的每设定时间气温运算步骤运算的每设定时间温室外部气温和在S11所输入的温室参数,运算温室内部气温。S12y中的每设定时间温室内部气温运算步骤在图9所示的气温转换部9y中进行。
在气温转换部9y进行的向温室内部气温的转换中,优选地将温室内部气温区分为日落至日出的夜间温室内部气温、和日出至日落的昼间温室内部气温,更优选地将昼间温室内部气温区分为日出到上午(升温中)以及傍晚至日落(降温中)的升降气温带、和升温或降温变化较少的正午气温带。
对于夜间温室内部气温,在没有加热动作或制冷动作的情况下,将外部气温作为温室内部气温,在存在加热动作或制冷动作的情况下,将设定最低温度作为温室内部气温。此外,在加热时外部气温高于设定最低温度的情况下、以及在制冷时外部气温低于设定最低温度的情况下,将外部气温作为温室内部气温。
对于昼间温室内部气温特别是升降气温带中的昼间温室内部气温,在窗关闭的情况下,优选地将由温室内光合作用有效辐射照度所决定的温度作为温室内部气温。此外,对于由温室内光合作用有效辐射照度所决定的温度将在后文描述。
另外,对于昼间温室内部气温特别是升降气温带中的昼间温室内部气温,在通过开窗冷却的情况下,将由温室内光合作用有效辐射照度所决定的温度在到达设定最高温度的时间内作为温室内部气温,在外部气温高于设定最高温度的情况下,将外部气温作为温室内部气温。
对于昼间温室内部气温特别是正午气温带的昼间温室内部气温,在没有制冷动作的情况下,将由温室内光合作用有效辐射照度所决定的温度作为温室内部气温,在通过开窗冷却的情况下将设定最高温度作为温室内部气温。但是在由温室内光合作用有效辐射照度所决定的温度小于设定最高温度的情况下关闭窗。即,温室内部气温设为由温室内光合作用有效辐射照度所决定的温度。另外,在外部气温高于设定最高温度的情况下,将外部气温作为温室内部气温。
对于昼间温室内部气温特别是正午气温带的昼间温室内部气温,在利用制冷装置冷却的情况下,将设定最高温度作为温室内部气温。
此外,在保温帘的使用时间段中,若以下A~C的条件全部满足则将温室内部气温提高1.5℃。
A.并非利用制冷装置将温室内维持在设定最高温度的状态。
B.并非利用加热、制冷将温室内维持在设定最低温度的状态。
C.窗户没有打开。
在本实施例的气温转换部9y中示出了使用根据最高温度以及最低温度运算的外部气温的情况,但优选地每小时从“外部气温”“由温室内光合作用有效辐射照度所决定的温度”“设定最高温度”“设定最低温度”中选择温室内部气温。
由温室内光合作用有效辐射照度所决定的温度Tsr通过以下算式计算出。
Tsr=Tout+a[(1-bCrefl)/(1+Crefl)]Ein
Tout:外部气温(℃)、Ein:温室内光合作用有效辐射照度(W/m2)、Crefl:地表面反射校正系数、a:转换系数(℃·m2/W)、b:升降温抑制系数
其中,在加热动作中或者制冷装置进行的制冷动作中,将Tout分别用设定最低温度、设定最高温度来替换。
在S13y中,输出在S12y的每设定时间温室内部气温运算步骤中运算的每设定时间的温室内部气温。
像这样,S11至S13y为温室内环境数据生成步骤,使用在温室外环境数据生成步骤所生成的温室外环境数据和温室参数生成温室内环境数据,生成每设定时间温室内部气温。
此外,图10(b)是示出用于每设定时间温室内部气温的运算的输入数据的说明图。
根据本实施例,在温室外环境数据生成步骤(S1~S17)中,能够使用最高气温和最低气温运算每设定时间温室外部气温,在温室内环境数据生成步骤(S11~S13y)中,由于使用该每设定时间温室外部气温能够生成温室内部气温,因此能够生成高精度的农业用温室的温室内环境数据。
另外,根据本实施例,在温室内环境数据生成步骤中,通过将温室内部气温区分为日落至日出的夜间温室内部气温、和日出至日落的昼间温室内部气温,在农业用温室进行加热动作或制冷动作的情况下,对夜间温室内部气温使用加热动作或制冷动作中的设定最低温度,在加热动作的时间带中外部气温高于设定最低温度的情况下、以及在制冷动作的时间带中外部气温低于设定最低温度的情况下,通过使用外部气温替代设定最低温度,从而即使在农业用温室进行加热动作或制冷动作的情况下,也能够提高温室内部气温的精度。
另外,根据本实施例,在温室内环境数据生成步骤中,通过将温室内部气温区分为日落至日出的夜间温室内部气温、和日出至日落的昼间温室内部气温,在农业用温室通过开窗进行冷却动作的情况下,对昼间温室内部气温使用冷却动作中的设定最高温度,在由温室内光合作用有效辐射照度决定的温度小于设定最高温度的情况下,使用由温室内光合作用有效辐射照度决定的温度替代设定最高温度,在外部气温高于设定最高温度的情况下,通过使用外部气温替代设定最高温度,从而即使在农业用温室通过开窗进行冷却动作的情况下,也能够提高温室内部气温的精度。
工业实用性
根据本发明的温室内环境数据生成方法,通过使用以不同日期以及不同地区来提供的气象数据,能够容易地生成高精度的农业用温室的温室内环境数据,通过使用生成的温室内环境数据,能够容易地实现高精度的农作物育成预测。
附图标记说明
1 气象数据库
2 地点信息
3 天气判定部
3x 天气判定部
4 历法运算部
5 日累计日照量运算部
5x 日累计日照量运算部
6 日照量日变化大致形状运算部
7 每单位时间日照量运算部
7y 每单位时间气温运算部
8 每设定时间光合作用有效辐射照度运算部
8y 每设定时间气温运算部
9 光合作用有效辐射照度转换部
9y 气温转换部
10 参数生成部
11 时间带判定部
t 时刻。
Claims (8)
1.一种温室内环境数据生成方法,使用如下数据:
地点信息,确定农业用温室的位置;
温室参数,至少包括区别所述农业用温室的结构的温室类型、所述农业用温室的楼栋朝向、所述农业用温室为单栋或连栋的区别、用于所述农业用温室的遮光帘的个数、保温设备的使用时间段、加热设备的使用时间段以及制冷设备的使用时间段的任一个;
气象数据,以不同日期以及不同地区来提供,
从而控制单元生成所述农业用温室的温室内环境数据,
该温室内环境数据生成方法包括如下步骤:
温室外环境数据生成步骤,所述控制单元从所述气象数据中使用与由所述地点信息确定的所述位置最近的地区气象数据,生成所述农业用温室的所述位置处的温室外环境数据;
温室内环境数据生成步骤,使用在所述温室外环境数据生成步骤生成的所述温室外环境数据和所述温室参数,生成所述温室内环境数据。
2.如权利要求1所述的温室内环境数据生成方法,其特征在于,
将所述温室内环境数据设为温室内光合作用有效辐射照度时,
使用晴或雨等昼间的天气概况作为所述气象数据,
在所述温室外环境数据生成步骤具有:
天气判定步骤,使用所述天气概况判定日照不足;
历法运算步骤,通过使用所述地点信息运算在所述位置处的特定日期的时刻t的太阳高度,根据所述太阳高度运算所述特定日期的可光照时间;
日累计日照量运算步骤,使用在所述天气判定步骤判定的所述日照不足以及在所述历法运算步骤计算出的所述可光照时间,运算所述特定日期的日累计日照量;
日照量日变化大致形状运算步骤,运算在所述历法运算步骤运算的所述特定日期的所述可光照时间的每单位时间的日照量变化;
每单位时间日照量运算步骤,使用在所述日累计日照量运算步骤运算的所述日累计日照量以及在所述日照量日变化大致形状运算步骤运算的所述日照量变化,运算所述特定日期的所述每单位时间的日照量;
每设定时间光合作用有效辐射照度运算步骤,将在所述每单位时间日照量运算步骤运算的所述每单位时间的所述日照量转换为辐射照度,运算每设定时间的所述辐射照度,
将在所述每设定时间光合作用有效辐射照度运算步骤运算的所述每设定时间的所述辐射照度作为每设定时间温室外光合作用有效辐射照度,
在所述温室内环境数据生成步骤中,
使用所述每设定时间温室外光合作用有效辐射照度和所述温室参数,生成所述温室内光合作用有效辐射照度。
3.如权利要求2所述的温室内环境数据生成方法,其特征在于,
在所述天气判定步骤中,
判定所述天气概况中是否包含雨、雪或雨夹雪的文字,
若包含所述文字,则判定为所述日照不足。
4.如权利要求3所述的温室内环境数据生成方法,其特征在于,
在所述天气判定步骤中,
若所述天气概况中包含阵雨、阵雪或阵雨夹雪的所述文字,则不判定为所述日照不足。
5.如权利要求2所述的温室内环境数据生成方法,其特征在于,
在所述天气判定步骤中,
判定所述天气概况中是否包含大雨、大雪、暴雨、暴雪、雷雨、雨夹雪、中雨或中雪的文字,
若包含除所述晴以外的所述文字,则判定为所述日照不足。
6.如权利要求1所述的温室内环境数据生成方法,其特征在于,
将所述温室内环境数据设为温室内部气温时,
使用最高气温和最低气温作为所述气象数据,
在所述温室外环境数据生成步骤具有:
历法运算步骤,通过使用所述地点信息运算在所述位置处的特定日期的时刻t的太阳高度,根据所述太阳高度运算所述特定日期的日出时刻、正午时刻以及日落时刻;
时间带判定步骤,判定计算温室外部气温的时刻属于从所述日出时刻至所述正午时刻、从所述正午时刻至所述日落时刻或者从所述日落时刻至第二天日出时刻的哪一个时间带;
每单位时间气温运算步骤,使用在所判定的不同的所述时间带获取到的所述最高气温和所述最低气温,运算所述特定日期的所述每单位时间的气温;
每设定时间气温运算步骤,将在所述每单位时间气温运算步骤运算的所述每单位时间的所述气温运算为每设定时间的所述气温,
将在所述每设定时间气温运算步骤运算的所述每设定时间的所述气温作为每设定时间温室外部气温,
在所述温室内环境数据生成步骤中,
使用所述每设定时间温室外部气温和所述温室参数,生成所述温室内部气温。
7.如权利要求6所述的温室内环境数据生成方法,其特征在于,
在所述温室内环境数据生成步骤中,
将所述温室内部气温区分为日落至日出的夜间温室内部气温和所述日出至所述日落的昼间温室内部气温,
在所述农业用温室进行加热动作或制冷动作的情况下,
对所述夜间温室内部气温使用所述加热动作或所述制冷动作中的设定最低温度,
在所述加热动作的时间带中所述外部气温高于所述设定最低温度的情况下以及在所述制冷动作的时间带中所述温室外部气温低于所述设定最低温度的情况下,使用所述外部气温替代所述设定最低温度。
8.如权利要求6所述的温室内环境数据生成方法,其特征在于,
在所述温室内环境数据生成步骤中,
将所述温室内部气温区分为日落至日出的夜间温室内部气温和所述日出至所述日落的昼间温室内部气温,
在所述农业用温室通过开窗进行冷却动作的情况下,
对所述昼间温室内部气温使用所述冷却动作中的设定最高温度,
在由温室内光合作用有效辐射照度决定的温度小于所述设定最高温度的情况下,使用由所述温室内光合作用有效辐射照度决定的所述温度替代所述设定最高温度,
在所述外部气温高于所述设定最高温度的情况下,使用所述外部气温替代所述设定最高温度。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019-049363 | 2019-03-18 | ||
JP2019049363A JP6788288B2 (ja) | 2019-03-18 | 2019-03-18 | ハウス内環境データ生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111708389A true CN111708389A (zh) | 2020-09-25 |
CN111708389B CN111708389B (zh) | 2021-10-26 |
Family
ID=72536491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010140833.3A Active CN111708389B (zh) | 2019-03-18 | 2020-03-03 | 温室内环境数据生成方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6788288B2 (zh) |
CN (1) | CN111708389B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1384608A (zh) * | 2001-03-15 | 2002-12-11 | 欧姆龙株式会社 | 发射脉冲***式传感器 |
WO2008061976A1 (de) * | 2006-11-20 | 2008-05-29 | Institut für Gemüse- und Zierpflanzenbau e.V. | Verfahren und anordnung zur kohlendioxid-versorgung von in einem gewächshaus angebauten pflanzen |
JP2011205948A (ja) * | 2010-03-29 | 2011-10-20 | Teiraazu Kumamoto Kk | 農業用ハウスの開閉装置用制御システム及び開閉装置を利用した農業用ハウスの温度制御方法 |
CN102736596A (zh) * | 2012-06-11 | 2012-10-17 | 南京农业大学 | 基于作物信息融合的多尺度温室环境控制*** |
CN102882223A (zh) * | 2011-07-11 | 2013-01-16 | 陈巍 | 水风光和生物质多能集成互补发电方法及装置 |
CN103237380A (zh) * | 2013-03-15 | 2013-08-07 | 西北农林科技大学 | 基于多因子耦合的光环境智能调控***方法与*** |
CN103609378A (zh) * | 2013-05-29 | 2014-03-05 | 尹永华 | 水稻垄式株穴定位栽培方法 |
CN105265202A (zh) * | 2014-06-16 | 2016-01-27 | 东洋罗基泰克有限公司 | 用于栽培植物的基于位置的日光管理方法及其装置 |
US20160323972A1 (en) * | 2011-03-11 | 2016-11-03 | Ilumi Solutions, Inc. | LED Lighting Device |
CN106155144A (zh) * | 2016-08-17 | 2016-11-23 | 石家庄市农林科学研究院 | 一种温室环境调控方法及装置 |
JPWO2016009581A1 (ja) * | 2014-07-15 | 2017-04-27 | 日本電気株式会社 | 業務状態分析システム |
JP2017127281A (ja) * | 2016-01-22 | 2017-07-27 | 学校法人酪農学園 | 栽培環境管理装置、栽培環境管理方法および栽培環境管理プログラム |
CN107278699A (zh) * | 2016-04-12 | 2017-10-24 | 株式会社有机尼科 | 农业用大棚的施工方法 |
CN107656564A (zh) * | 2016-07-26 | 2018-02-02 | 株式会社有机尼科 | 农业用温室内环境控制装置 |
CN108073204A (zh) * | 2016-11-15 | 2018-05-25 | 株式会社有机尼科 | 农业用环境控制装置 |
CN109424215A (zh) * | 2017-08-27 | 2019-03-05 | 南京乐朋电子科技有限公司 | 可活动式楼房 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4822082B2 (ja) * | 2008-02-06 | 2011-11-24 | 有限会社菊地園芸 | マンゴーの加温施設による栽培方法 |
JP5113595B2 (ja) * | 2008-04-04 | 2013-01-09 | 株式会社Nttファシリティーズ | 建物内植物生育システム、及び建物内植物生育システムの制御方法 |
JP5298386B2 (ja) * | 2009-01-30 | 2013-09-25 | 国立大学法人愛媛大学 | 対話型居住環境緑化デザイン支援システム |
JP5406653B2 (ja) * | 2009-09-30 | 2014-02-05 | パナソニック株式会社 | 日射調節装置 |
JP2014026378A (ja) * | 2012-07-25 | 2014-02-06 | Nec Casio Mobile Communications Ltd | 端末装置、サーバ装置、情報処理システム、情報処理方法、およびプログラム |
JP6256821B2 (ja) * | 2012-08-23 | 2018-01-10 | パナソニックIpマネジメント株式会社 | 農業用ハウス |
JP6160945B2 (ja) * | 2013-01-11 | 2017-07-12 | パナソニックIpマネジメント株式会社 | 室温推定装置、プログラム |
JP6683449B2 (ja) * | 2015-10-01 | 2020-04-22 | 日本無線株式会社 | 独立電源システム及び独立電源システムの制御方法 |
JP2017142178A (ja) * | 2016-02-10 | 2017-08-17 | 株式会社Csソリューション | 日変化予測プログラム、日変化予測装置および日変化予測方法 |
JP6172346B1 (ja) * | 2016-06-17 | 2017-08-02 | 積水ハウス株式会社 | エネルギーマネジメントシステム |
US10983249B2 (en) * | 2017-09-14 | 2021-04-20 | Farmers Edge Inc. | Indicator interpolation to predict a weather state |
JP6673441B2 (ja) * | 2018-11-12 | 2020-03-25 | 井関農機株式会社 | 栽培施設 |
-
2019
- 2019-03-18 JP JP2019049363A patent/JP6788288B2/ja active Active
-
2020
- 2020-03-03 CN CN202010140833.3A patent/CN111708389B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1384608A (zh) * | 2001-03-15 | 2002-12-11 | 欧姆龙株式会社 | 发射脉冲***式传感器 |
WO2008061976A1 (de) * | 2006-11-20 | 2008-05-29 | Institut für Gemüse- und Zierpflanzenbau e.V. | Verfahren und anordnung zur kohlendioxid-versorgung von in einem gewächshaus angebauten pflanzen |
EP2094075A1 (de) * | 2006-11-20 | 2009-09-02 | Institut für Gemüse- & Zierpflanzenbau e.V. | Verfahren und anordnung zur kohlendioxid-versorgung von in einem gewächshaus angebauten pflanzen |
JP2011205948A (ja) * | 2010-03-29 | 2011-10-20 | Teiraazu Kumamoto Kk | 農業用ハウスの開閉装置用制御システム及び開閉装置を利用した農業用ハウスの温度制御方法 |
US20160323972A1 (en) * | 2011-03-11 | 2016-11-03 | Ilumi Solutions, Inc. | LED Lighting Device |
CN102882223A (zh) * | 2011-07-11 | 2013-01-16 | 陈巍 | 水风光和生物质多能集成互补发电方法及装置 |
CN102736596A (zh) * | 2012-06-11 | 2012-10-17 | 南京农业大学 | 基于作物信息融合的多尺度温室环境控制*** |
CN103237380A (zh) * | 2013-03-15 | 2013-08-07 | 西北农林科技大学 | 基于多因子耦合的光环境智能调控***方法与*** |
CN103609378A (zh) * | 2013-05-29 | 2014-03-05 | 尹永华 | 水稻垄式株穴定位栽培方法 |
CN105265202A (zh) * | 2014-06-16 | 2016-01-27 | 东洋罗基泰克有限公司 | 用于栽培植物的基于位置的日光管理方法及其装置 |
JPWO2016009581A1 (ja) * | 2014-07-15 | 2017-04-27 | 日本電気株式会社 | 業務状態分析システム |
JP2017127281A (ja) * | 2016-01-22 | 2017-07-27 | 学校法人酪農学園 | 栽培環境管理装置、栽培環境管理方法および栽培環境管理プログラム |
CN107278699A (zh) * | 2016-04-12 | 2017-10-24 | 株式会社有机尼科 | 农业用大棚的施工方法 |
CN107656564A (zh) * | 2016-07-26 | 2018-02-02 | 株式会社有机尼科 | 农业用温室内环境控制装置 |
CN106155144A (zh) * | 2016-08-17 | 2016-11-23 | 石家庄市农林科学研究院 | 一种温室环境调控方法及装置 |
CN108073204A (zh) * | 2016-11-15 | 2018-05-25 | 株式会社有机尼科 | 农业用环境控制装置 |
CN109424215A (zh) * | 2017-08-27 | 2019-03-05 | 南京乐朋电子科技有限公司 | 可活动式楼房 |
Non-Patent Citations (1)
Title |
---|
单寄干: ""建筑物冷热负荷计算方法国内外发展情况"", 《建筑技术通讯(暖通空调)》 * |
Also Published As
Publication number | Publication date |
---|---|
JP2020154353A (ja) | 2020-09-24 |
CN111708389B (zh) | 2021-10-26 |
JP6788288B2 (ja) | 2020-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rahman et al. | Within canopy temperature differences and cooling ability of Tilia cordata trees grown in urban conditions | |
Golden et al. | A comparative study of the thermal and radiative impacts of photovoltaic canopies on pavement surface temperatures | |
Escobar et al. | Solar energy resource assessment in Chile: Satellite estimation and ground station measurements | |
Perez et al. | Green vertical systems for buildings as passive systems for energy savings | |
Bausch | Remote sensing of crop coefficients for improving the irrigation scheduling of corn | |
Herrero et al. | Parameterization of atmospheric longwave emissivity in a mountainous site for all sky conditions | |
Gémes et al. | Satellite based analysis of surface urban heat island intensity | |
Bakhshoodeh et al. | Exploring the evapotranspirative cooling effect of a green façade | |
Al-Sanea et al. | Adjustment factors for the ASHRAE clear-sky model based on solar-radiation measurements in Riyadh | |
Novak | Use of the UTCI in the Czech Republic | |
Đekić et al. | The study of effects of greenery on temperature reduction in urban areas | |
Rashid et al. | Trees’ cooling effect on surrounding air temperature monitoring system: Implementation and observation | |
Eckmann et al. | Measuring and modeling microclimate impacts of Sequoiadendron giganteum | |
CN111708389B (zh) | 温室内环境数据生成方法 | |
Rožnovský et al. | Microclimate evaluation of the Hradec Králové city using HUMIDEX | |
Potchter et al. | The climatic effect of a manmade oasis during winter season in a hyper arid zone: The case of Southern Israel | |
Kejna et al. | Spatial differentiation of global solar radiation in Toruń and its suburban area (Central Poland) in 2012 | |
KR101796245B1 (ko) | 경계층 기온감률 경시변화 예측 시스템과 그 방법 | |
Sett et al. | Estimation of instantaneous evapotranspiration using remote sensing based energy balance technique over parts of North India | |
Potchter et al. | Urban Greenery as a tool for city cooling: The Israeli experience in a variety of climatic zones | |
Jegede | Diurnal variations of net radiation at a tropical station—Osu; Nigeria | |
Ahmed et al. | Distribution of total and diffuse solar radiation at Lahore, Pakistan | |
Vardavas et al. | Water resources in the desertification-threatened Messara Valley of Crete: estimation of potential lake evaporation | |
Rosenberry | Climate of the Cottonwood Lake area | |
Heinl et al. | Diurnal surface temperature regimes in mountain environments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |