Serviços Personalizados
Journal
Artigo
Indicadores
-
Citado por SciELO
-
Acessos
Links relacionados
-
Similares em SciELO
Compartilhar
Ingeniería agrícola y biosistemas
versão On-line ISSN 2007-4026versão impressa ISSN 2007-3925
Ing. agric. biosist. vol.11 no.1 Chapingo Jan./Jun. 2019 Epub 24-Fev-2020
https://doi.org/10.5154/r.inagbi.2018.04.007
Artículo científico
Gestión regional del ambiente en un invernadero cenital con dinámica de fluidos computacional (DFC)
1Instituto Mexicano de Tecnología del Agua, Subcoordinación de Ingeniería de Riego. Paseo Cuauhnáhuac núm. 8532, Progreso, Jiutepec, Morelos, C. P. 62550. MÉXICO.
2Universidad Autónoma Chapingo. Carretera México-Texcoco km 38.5, Chapingo, Estado de México, C. P. 56230, MÉXICO.
Introducción:
La habilidad de manipular las condiciones ambientales dentro de un invernadero permite controlar la producción; no obstante, aún persisten restricciones tecnológicas en estos sistemas.
Objetivo:
Modelar el ambiente de un invernadero cenital cultivado con tomate mediante dinámica de fluidos computacional (DFC), para proponer alternativas de gestión ambiental y estimar el gasto energético y el costo económico por uso de ventiladores.
Metodología:
Se estimó el gasto energético (kW·h-1) y el costo (MXN) del uso de ventilación natural y mecánica en invernaderos a partir de datos climáticos de municipios de San Luis Potosí y Estado de México. El análisis al interior del invernadero se realizó con DFC y normales climatológicas. Además, se estimó la tasa de ventilación y los gradientes térmicos para inferir un potencial climático local en función de las temperaturas óptimas del tomate.
Resultados:
Se observó que en regiones con veranos suaves, el uso de ventilación mecánica combinada con natural es una alternativa viable al reducir la temperatura y el costo de energía. Las simulaciones 3D realizadas permitieron tener una visión detallada de la distribución espacial de temperatura y flujo del aire al interior del invernadero.
Limitaciones del estudio:
El modelo únicamente contempla la velocidad del viento y la temperatura. Para incluir otras variables deberá ser calibrado.
Originalidad:
Se estimaron las tasas de ventilación (n = 35) y gradientes térmicos (3 K) mediante CFD para inferir un potencial climático regional en función de las temperaturas óptimas del tomate.
Conclusiones:
La ventilación combinada reduce los problemas por temperaturas altas en horas de máxima radiación, sin repercusiones significativas en los costos de producción.
Palabras clave ventilación mecánica; potencial térmico; modelo numérico; microclima
Introduction:
The ability to manipulate environmental conditions within a greenhouse allows production control; however, technological constraints still persist in these systems.
Objective:
To model the environment of a zenith greenhouse cultivated with tomato using computational fluid dynamics (CFD), to propose environmental management alternatives and to estimate the energy expenditure and economic cost of using fans.
Methodology:
The energy expenditure (kW·h-1) and cost (MXN) of using natural and mechanical ventilation in greenhouses were estimated based on climate data from municipalities in San Luis Potosí and the State of Mexico. The analysis inside the greenhouse was carried out with CFD and climatological normals. In addition, the ventilation rate and thermal gradients were estimated to infer a local climatic potential as a function of optimum tomato temperatures. In addition, the ventilation rate and thermal gradients were estimated to infer a local climatic potential as a function of optimum tomato temperatures.
Results:
It was observed that in regions with mild summers, the use of mechanical ventilation combined with natural ventilation is a viable alternative by reducing temperature and energy costs. The 3D simulations carried out made it possible to have a detailed view of the spatial distribution of temperature and airflow inside the greenhouse.
Study limitations:
The model only considers wind speed and temperature. To include other variables, it must be calibrated.
Originality:
Ventilation rates (n = 35) and thermal gradients (3 K) were estimated using CFD to infer a regional climatic potential as a function of optimum tomato temperatures.
Conclusions:
Combined ventilation reduces problems due to high temperatures in hours of maximum radiation, with no significant impact on production costs.
Keywords mechanical ventilation; thermal potential; numerical model; microclimate
Introducción
La expansión de la agricultura protegida ha permitido el incremento del rendimiento de los cultivos. En gran medida, dicho incremento ha sido posible por la capacidad lograda en el manejo de las variables climáticas, lo que permite un desempeño óptimo de los cultivos. Lograr esta expansión implicó la adaptación tecnológica del sistema, originalmente concebido bajo características restrictivas a prácticamente cualquier condición climática. No obstante, pese a los logros obtenidos, aún persisten restricciones tecnológicas en la implementación de este sistema de producción. La situación actual exige un manejo personalizado que atienda la interacción del biosistema (físico-biológico-ambiental) (Boulard, Roy, Pouillard, Fatnassi, & Grisey, 2017; García-Martínez, Balasch, Alcon, & Fernández-Zamudio, 2010; Maher, Sami, & Hana, 2018; Piscia et al., 2012).
En México, la superficie dedicada a la producción de cultivos en sistemas protegidos y semiprotegidos supera las 30 000 ha, y continúa creciendo; sin embargo, debido a la diversidad climática del país, aún se considera una actividad de riesgo por cuestiones de manejo ambiental, debido al uso de invernaderos de mediana y baja tecnología (Servicio de Información Agroalimentaria y Pesquera [SIAP], 2013). A pesar de estas circunstancias, el sector agrícola ha sido capaz de mantener la producción de cultivos, y con ello garantizar los alimentos a una población logarítmicamente creciente (Moreno-Reséndez, Aguilar-Durón, & Luévano-González, 2011). Los retos son lograr mayor competitividad de los productores mexicanos con la transferencia de tecnología y sostener la tecnología con el incremento de la superficie de agricultura protegida (Avendaño-Ruiz & Schwentesius-Rindermann, 2005).
La habilidad de manipular las condiciones ambientales dentro de un invernadero permite controlar la producción, el aumento de la productividad y la calidad, así como el periodo de cultivo, lo cual no es posible mediante los sistemas de producción tradicionales (Hanan, 1998; van Straten & van Henten, 2010). Sin embargo, el acondicionamiento de los invernaderos es dependiente de las variaciones climáticas y la capacidad de inversión de los productores, pudiéndose emplear sistemas de calefacción, extractores de aire, y sistemas de riego y fertilización automatizados (Juárez-López et al., 2011). Además, se considera que los sistemas de producción en invernadero deben ser optimizados, para lo cual se debe tener en cuenta la presencia de múltiples factores en la respuesta climática y la inclusión de modelos económicos (Hasselmann & Hasselmann, 1998).
Un sistema biológico transfiere calor y masa, y dentro de un invernadero existen fuentes consumidoras de calor, contaminantes y vapor de agua (Rico-García, Castañeda-Mirada, García-Escalante, Lara-Herrera, & Herrera-Ruiz, 2007). En este sentido, la modelación de microclimas ha evolucionado con la participación de subrutinas o modelos que consideran el sistema biológico. De acurdo con Norton, Sun, Grant, Fallon, y Dodd (2007), estas subrutinas permiten el modelado de la transpiración de las plantas, la producción o consumo de CO2 y la programación de condiciones de frontera. Flores-Velázquez y Villarreal-Guerrero (2015) mencionan que una rutina para este tipo de modelación es, primeramente, el cálculo de la temperatura interior del biosistema basado en la energía solar neta, y segundo, la división de la energía solar en los flujos convectivos y latentes en función de las condiciones locales. Esto último depende de la calefacción e intercambios de vapor de agua (estomas y aerodinámica) entre la matriz del medio poroso y el aire dentro de cada malla de la parte aérea del cultivo (representado por un medio poroso).
Los modelos mencionados permiten obtener resultados más reales y detallados en función de la respuesta biológica de los cultivos, para lo cual es necesario considerar aspectos físicos del cultivo, el uso de equipos para el control del clima en el invernadero (Ito & Hattori, 2012; Montero et al., 2013; Piscia et al., 2012), la interacción del clima considerando el efecto de la evotranspiracion (Bouhoun-Ali, Bournet, Danjou, Morille, & Migeon, 2014; Farber, Farber, Grabel, Krick, & Uberholz, 2017; Tamimi & Kacira, 2013), la fotosíntesis (Boulard et al., 2017; Roy, Pouillard, Boulard, Fatnassi, & Grisey, 2014) y la resistencia de los estomas (Bouhoun-Ali, Bournet, Cannavo, & Chantoiseau, 2017).
En los últimos 20 años, se creó y ha evolucionado una herramienta basada en métodos numéricos para la gestión del clima en invernaderos, conocida como dinámica de fluidos computacional (DFC). Dicha herramienta ha traído significativos resultados aplicables al desarrollo del sector de agricultura protegida (Flores-Velázquez, Mejía-Saenz, Montero-Camacho, & Rojano, 2011; Norton et al., 2007).
Uno de los principales problemas que enfrenta la producción de cultivos en invernaderos pasivos es el exceso de calor, el cual se acumula en periodos específicos del año y del día. Lo anterior implica que la radiación acumulada en la longitud de onda del infrarrojo térmico debe ser evacuada para optimizar el consumo de energía (Shen, Wei, & Xu, 2018) y el consumo hídrico (Katsoulas, Sapounas, de Zwart, Dieleman, & Stanghellini, 2015). En este tipo de invernaderos, se emplean sistemas de ventilación natural (abriendo y cerrando ventanas) para evitar que aumente la temperatura; sin embargo, es posible que en los momentos de máxima radiación sea necesario el uso de un sistema auxiliar de ventilación solo (Chia-Ren, Ting-Wei, Ren-Kai, Tso-Ren, & Chih-Kai, 2017; Flores-Velázquez &Villarreal, 2015) o combinado (Flores-Velázquez, Montero, Baeza, & López, 2014)
Existe la tendencia de emplear sistemas de producción agrícola como el invernadero, plant factory, vertical farm, entre otros (Al-Kodmany, 2018; de Anda & Shear, 2017), en zonas urbanas, por lo que se considera necesario cuantificar el costo de la tarifa sin subsidio (domestica). Dicho costo se estima en función del tiempo de operación de los ventiladores, que sería cuando la temperatura exterior rebasa los 30 °C. Derivado de este análisis, se extrapolan los resultados con datos de estaciones climáticas locales para analizar el costo de operación de los ventiladores por municipio.
Por lo anterior, el objetivo de este trabajo fue modelar el ambiente de un invernadero cenital cultivado con tomate mediante DFC, para proponer alternativas de gestión ambiental y estimar el gasto energético por uso de ventiladores y el costo económico con dos tarifas comerciales (doméstica y agrícola).
Materiales y métodos
El invernadero empleado para el análisis micro climático y validación se encuentra localizado en el municipio de Soledad de Graciano Sánchez, San Luis Potosí, México, y sus coordenadas son 22° 13’ 50’’ de latitud norte y 100° 51’ 35’’ de longitud oeste, a 1 835 msnm. La estructura del invernadero tiene un área aproximada de 1 000 m2 (Cuadro 1), su cobertura es de polietileno translucido y cuenta con cortinas retractables de cada lado, así como en cada ventana cenital.
Cuadro 1 Dimensiones de la geometría del modelo computacional.
Dimensiones del invernadero (m) | Dimensiones del dominio exterior (m) | Dimensiones de la zona de cultivo (m) |
---|---|---|
34 x 32 x 4.75 | 170 x 192 x 22.35 | 31 x 30 x 0.7 |
Para medir la temperatura, el invernadero se equipó con seis sondas (Vaisala HMP50, Campbell Scientific®, EUA); de las cuales cinco registraron la temperatura y la humedad relativa dentro del invernadero (sondas 1, 2, 3, 5 y 6). La sonda de velocidad, dirección de viento y radiación solar (sonda 4), se colocó en el mástil (afuera del invernadero), a 8 m de altura. Esta última registró la temperatura y la humedad relativa fuera del invernadero. De las sondas colocadas dentro del invernadero, tres se ubicaron en el centro de cada capilla o nave. La sonda 1 se colocó en la capilla que está cerca de la cabina de controles, la 2 en la capilla central y la 3 en la capilla opuesta (Figura 1).
![](/img/revistas/inagbi/v11n1//2007-4026-inagbi-11-01-3-gf7.jpg)
Figura 1 a) Modelo de invernadero simulado y ubicación de los sensores y b) perfiles longitudinales centro de cada nave y vista en planta a dos alturas (0.7 y 2.5 m).
Dentro del invernadero, se cultivó tomate rojo (Lycopersicum esculentum) tipo bola, el cual se sembró a tresbolillo con densidad de 4.4 plantas∙m-2. Las plantas se distribuyeron en camellones de 60 cm, lo que dio un total de 20 camas (siete camas en dos de las naves y seis en la otra nave), 1.8 m de pasillo (de mitad de cama a mitad de cama, a partir de la cintilla del sistema de riego) y 1.2 m de espacio libre entre camellones.
Para validar el modelo, se utilizaron las lecturas ambientales obtenidas del instrumental instalado en el invernadero. Dichas lecturas se registraron y almacenaron desde las 6:16 am del 21 de junio de 2014 hasta las 2:52 pm del 19 de julio del mismo año. Los datos registrados fueron: temperatura, humedad relativa, velocidad del viento y radiación, tanto en el interior como en el exterior del invernadero. La información almacenada se descargó y posteriormente se procesó en Excel, Microsoft®, en donde se realizó un enfoque a dos intervalos de tiempo: de las 12:30 pm a las 2:30 pm como periodo cálido del día, y de las 4:30 am a las 5:30 am como el periodo frío. Se obtuvieron los promedios totales de las variables registradas en cada sonda, los cuales se utilizaron para determinar las condiciones iniciales del modelo.
Para el desarrollo y simulación numérica del modelo DFC se utilizó el programa ANSYS® Fluent®. Como fase previa, se generó la geometría y malla del modelo en la que se definieron las condiciones de frontera; para ello, el análisis de la ventilación se realizó en tres dimensiones. La geometría, el dominio y el mallado del modelo se elaboraron en ANSYS® Workbench, con herramientas de Design Modeler y Meshing. Dentro del proceso se da solución a las ecuaciones de transporte, las cuales se discretizan en ecuaciones algebraicas y se calculan mediante métodos numéricos.
El invernadero se simuló mediante DFC, al igual que el sistema de ventilación natural, del cual se cuantifica los flujos de aire de entrada y salida. La velocidad de entrada, como condición de frontera o inicio, se estableció de acuerdo con los valores de velocidad del aire medidos con los sensores instalados. El espacio ocupado por el cultivo se simuló y se le asignaron propiedades de medio poroso.
Adicionalmente, se establecieron las hipótesis respecto a la configuración de la simulación, para lo cual se consideraron las condiciones del modelo y de las variables que intervienen para obtener la solución (Cuadro 2).
Cuadro 2 Hipótesis de simulación, características de contorno y propiedades físicas usadas como parámetros en la solución del modelo.
Parámetros | Hipótesis |
---|---|
Propiedades físicas | |
Solución | Segregada |
Simulación 3D | |
Formulación implícita | |
Velocidad absoluta | |
Condición de tiempo | Análisis de estado estacionario (segundo orden) |
Modelo de viscosidad | Estándar k-ε (dos ecuaciones) |
Efecto de flotación activado | |
Tratamiento estándar en las paredes | |
Ecuación de energía | Activada |
Formulación de poros | Velocidad superficial |
Opción de los gradientes | Basado en la celda |
Características de contorno | |
Dominio de entrada | Velocidad de entrada: constante |
Momentum: ortogonal a la frontera | |
Turbulencia, intensidad e incremento en la viscosidad | |
Dominio de salida | Presión de salida: constante |
Presión cero y misma condición de turbulencia | |
Velocidad del viento | Perfil: constante (m·s-1) |
Tratamiento de medios porosos | Malla: Porous jump |
Cultivo: Porous zone | |
Fuente de calor | Constante desde el suelo: hipótesis de Boussinesq |
Efecto de flotación en el modelo de turbulencia activado |
Los escenarios simulados consistieron en un sistema de ventilación natural en el que se describió el comportamiento de la temperatura, la velocidad del viento y su efecto sobre la tasa de ventilación en el ambiente generado al interior del invernadero. Además, se planteó y se describió una alternativa para el manejo de temperaturas altas con ventilación natural en combinación con ventilación mecánica (Cuadro 3), y se evaluó su uso con base en el costo y tiempo de operación en el día.
Cuadro 3 Escenario de simulación del modelo: ventilación natural.
Variable | Ventilación natural | Ventilación combinada |
---|---|---|
Temperatura exterior (K) | 295.7 (cálido) 288.04 (frío) | Constante 295.7 |
Velocidad del viento exterior (m·s-1) | 2.41 (cálido) 1.67 (frío) | Constante 2.41 |
Fuente de calor (W·m-2) | 200 (constante desde el suelo) | 200 (constante desde el suelo) |
Presión a la salida | Normal a frontera | (FAN) Constante 10 Pa |
Evaluación estadística del modelo computacional
Para la evaluación del modelo se realizó un análisis de varianza con los datos obtenidos experimentalmente y con los datos simulados en Fluent®. La comparación se realizó para los dos periodos (cálido y frío) en un escenario de ventilación natural, donde se consideraron como factores principales a la temperatura (°C) y la velocidad del viento (m·s-1). Adicionalmente, con base en la posición de los sensores dentro del invernadero, se elaboraron los perfiles longitudinales en el centro de cada nave.
Para el análisis estadístico, se emplearon los datos puntuales de las
variables climáticas de los sensores (discretos) y los estimados mediante
simulación (continuos); dichos valores presentaron un comportamiento normal
(insesgado). Bajo estos criterios, se consideró adecuado usar el estimador
S
2
p (Ecuación
1) para concluir estadísticamente la evaluación del modelo en ambos
periodos. Lo anterior con la ventaja de que permite relacionar los
parámetros de los datos experimentales (X) y los simulados
(Y), así como sus medias (
Donde:
y
Se usó el estimador S 2 p debido a que es un promedio ponderado de las dos varianzas muestrales (Sx 2 y Sy 2 ), donde los pesos representan los grados de libertad. Considerando los tipos de datos (climáticos) con los que se trabajó, el sufijo p indica que la varianza estimada es una medida ponderada de Sx 2 y Sy 2 ; es decir, no tienen el mismo peso en S 2 p, sino que la importancia de cada una de ellas depende del número de observaciones en la muestra. Con este análisis, se evaluó la aceptación o no de las pruebas de hipótesis, y en consecuencia del modelo. En general, este estimador es apropiado para obtener aproximaciones de la varianza de la población en el análisis inferencial de datos (Walpole, Myers, Myers, & Ye, 2012).
El estimador S 2 p se puede usar para obtener una estadística to (Ecuación 4) y probar la hipótesis de la diferencia estadística de las medias de los datos experimentales y simulados (δ = μx - μy):
Para ambos periodos, se calcularon los parámetros descritos y las correspondientes pruebas estadísticas, además de intervalos de confianza (Ecuaciones 5 y 6).
Una vez evaluado el modelo, se describió el comportamiento del aire en el interior del invernadero y la distribución espacial de los gradientes de temperatura en los escenarios simulados, ambos sobre los perfiles longitudinales (sensores 2, 5 y 6) y transversales (sensores 1, 2 y 3) en los planos generados al interior del invernadero a una altura 0.7 m (a nivel de cultivo) y 2.5 m (a nivel de los sensores). Se calcularon las tasas de ventilación y se realizó un análisis de los perfiles de velocidad del viento y temperatura, como resultado de la simulación que consideró como condiciones de frontera a la velocidad del viento (m∙s-1) y la temperatura (°C), además de los aspectos de resistencia del cultivo, y posición y tamaño de ventanas.
Posteriormente, se discutieron las condiciones ambientales para el desarrollo del tomate y el manejo de los factores (temperatura y velocidad del viento), y se propusieron alternativas de mejora en cuanto a la ventilación del invernadero mediante ventilación natural y mecánica. La extrapolación de los resultados por municipio se realizó con bases de datos del meteorológico nacional, en las cuales, previamente, se realizó un proceso de “limpieza” con el fin de obtener datos de más de 20 años en el Estado de México y San Luis Potosí.
Resultados y discusión
Evaluación del modelo
Periodo cálido. La concordancia entre los datos experimentales y simulados se observó mayormente en la parte media del invernadero (Cuadro 4). Por su parte, en la zona inmediata a la pared de entrada existe una correlación menor, lo cual pudo ser debido a los flujos turbulentos que ocurren por la caída de presión, producto de la pared porosa. Con lo anterior, se obtuvo una desviación estándar entre 1.13 y 0.907; además, se estimó una t0 de 2.127, con t0.025 de 2.306, por lo que se rechaza la hipótesis con medias estadísticamente iguales.
Cuadro 4 Datos simulados y experimentales: periodo cálido.
Temperaturas (°C) | |||
---|---|---|---|
Sensor | Experimentales | Simuladas | Error |
1 | 25.50 | 24.63 | 0.87 |
2 | 25.68 | 25.31 | 0.37 |
3 | 28.54 | 24.85 | 3.69 |
5 | 26.34 | 23.65 | 2.69 |
6 | 25.71 | 26.43 | -0.72 |
Periodo frío. El análisis estadístico para el periodo frío mostró diferencias en el perfil transversal entre ambos conjuntos de datos (Cuadro 5). El gradiente de temperatura de 1 K mantiene similitud constante en el sentido transversal dentro del invernadero a la hora de muestrear. Los valores experimentales de temperatura se mantienen estables entre sí, estando todos sobre los 16 °C, pero ninguno mayor a 17 °C, lo que no ocurre con los datos simulados que van de 16.41 a 19.50 °C. No obstante, las desviaciones estándar son de 0.207 a 0.993, y los resultados del análisis de varianza indican que el intervalo con nivel de confianza al 95 % (1-α) para μx - μy tiene límites de -0.391 a -2.483. Por lo tanto, los límites indican que las medias no difieren estadísticamente, por ende, no se rechaza la hipótesis.
Descripción de los perfiles de velocidad del viento y gradientes de temperatura
Periodo cálido. En el perfil longitudinal de la Figura 2, se puede observar que cuando la velocidad del viento disminuye, la temperatura aumenta. La Figura 2a presenta el interior del invernadero, en donde las temperaturas más bajas se encuentran en la zona cercana a la ventana lateral de entrada, pero incrementan conforme se acercan a la ventana lateral de salida. Por su parte, la Figura 2b muestra como las velocidades del viento más altas se extienden a lo largo de las paredes plásticas laterales del invernadero en donde la temperatura es menor.
![](/img/revistas/inagbi/v11n1//2007-4026-inagbi-11-01-3-gf2.jpg)
Figura 2 Perfil longitudinal promedio de temperatura (○) y velocidad del viento (●) simulados. Vista en planta de la distribución espacial de temperaturas a dos alturas: a) 2.5 m y b) 0.7 m. Temperatura exterior 295.7 K y velocidad del viento exterior 2.41 m∙s-1.
En la zona del cultivo (a 0.7 m), la velocidad del viento experimenta una variación en su magnitud entre la zona del pasillo y la zona del cultivo; no obstante, la temperatura permanece constante en el perfil transversal. Longitudinalmente existe una reducción en el flujo hacia la ventana lateral de salida, por lo que la renovación de aire en dicha zona dificulta regular la temperatura y, a medida que se aleja de la ventana de entrada, el viento pierde energía y la temperatura se incrementa hasta 2 K, teniéndose así temperaturas alrededor de los 300 K. La estratificación de temperatura a 0.7 m es menor que a 2.5 m. En general, el viento mantiene una rapidez del orden de 0.1 a 0.3 m·s-1 a nivel de cultivo, aunque en las paredes laterales va de 0.4 a 0.7 m·s-1.
Periodo frío. La velocidad del viento presenta una tendencia a disminuir desde las paredes laterales hasta el centro del invernadero, donde incrementa su rapidez, pero no lo suficiente como para disminuir la temperatura, teniéndose el máximo gradiente en esta zona. En el perfil longitudinal se aprecia el mismo comportamiento, así como el efecto que tiene la ventilación en la disminución y regulación de la temperatura. En la Figura 3a, se muestra la estratificación de la temperatura, cuyos valores aumentan conforme el viento disminuye. La velocidad del viento se mantiene constante entre 0.1 y 0.4 m·s-1 en gran parte del invernadero, pero tiende a cero a medida que se acerca a la ventana lateral de salida (Figura 3b).
![](/img/revistas/inagbi/v11n1//2007-4026-inagbi-11-01-3-gf3.jpg)
Figura 3 Perfil longitudinal promedio de temperatura (○) y velocidad del viento (●) simulados. Vista en planta de la distribución espacial de temperaturas a dos alturas: a) 2.5 m y b) 0.7 m. Temperatura exterior 288.04 K y velocidad del viento exterior 1.67 m∙s-1.
En la zona del cultivo, la distribución de temperatura es dispersa, con gradientes térmicos de 1 a 3 K al acercarse a la pared lateral izquierda. Lo anterior es consecuente con el periodo de máxima temperatura, lo que indica que el efecto convectivo predomina sobre el radiactivo. Esto permite plantear hipótesis para la gestión del clima, en cuyo caso es mejor mover el aire del invernadero por presión que por convección.
Se ha observado que la velocidad del viento tiende a disminuir en el centro del invernadero por la resistencia que genera el área foliar al paso del aire; en este caso, la ventana cenital juega el papel de “motorizar” la ventilación. Para los fines de estas simulaciones, desde el punto de vista de la ventilación, el cultivo funciona como un medio poroso donde el movimiento del aire disminuye. Aun con los mayores flujos obtenidos con las ventanas laterales abiertas, la reducción de velocidades pone en perspectiva la resistencia del cultivo en el proceso de ventilación.
Cálculo de tasas de ventilación
En el Cuadro 6, el signo representa el sentido del flujo. Un signo negativo implica que el aire entra al invernadero, y uno positivo es la salida del aire, esto para la simulación de los fluidos.
Cuadro 6 Tasas de ventilación estimadas con DFC: periodo cálido.
Frontera | Posición | Periodo frio | Periodo cálido | |||||
---|---|---|---|---|---|---|---|---|
Flujo (kg·s-1) | Caudal (m3·h-1) | Tasa N (h-1) | Flujo (kg·s-1) | Caudal (m3·h-1) | Tasa N (h-1) | |||
Porous jump | Ventanas cenitales | 42.993 | 126 450.0 | 24.30 | 54.74 | 160 886.2 | 30.91 | |
Ventana lateral de salida | -1.841 | -5 414.7 | -1.05 | 6.32 | 18 596.6 | 3.57 | ||
Ventana lateral de entrada | -41.151 | -121 032.4 | -23.25 | -61.07 | -179 485.7 | -34.48 | ||
Balance de masa | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
Con base en los resultados numéricos, es posible determinar que abrir las ventanas no significa ventilar. Por una parte, es importante captar la mayor cantidad de aire, pero también se necesitan ventanas para expulsarlo, y con ello favorecer la tasa de ventilación.
Bajo las condiciones operativas del invernadero, los datos simulados muestran una tasa de ventilación de 34.48 volúmenes horarios, aun cuando es baja, de acuerdo con lo recomendado por la ASHRAE (2016), se considera un ambiente adecuado para cultivar.
Alternativa de manejo de temperaturas altas: ventilación combinada
Con el fin de evaluar la viabilidad del uso de ventilación mecánica como alternativa emergente en periodos específicos de tiempo, es decir, cuando la radiación exterior aumenta la temperatura en el interior del invernadero, se anexaron al modelo tres motores, uno en cada nave (Figura 1) a 2.5 m de altura. Las dimensiones del catálogo son de 1 x 1 m, que corresponde al modelo EX 36”-0.5 de sistemas de extracción de aire Exafan® (España).
El análisis se enfocó en la distribución de los gradientes de temperatura dentro del invernadero a 2.5 m de altura, con lo que se hizo una comparación entre el sistema de ventilación natural y el combinado. Lo anterior bajo las mismas condiciones de frontera del periodo cálido (temperatura de 295.7 K y velocidad del viento de 2.41 m·s-1) y 10 Pa de potencia en los motores.
El perfil transversal de la Figura 4 muestra que los gradientes de temperatura para ambos tipos de ventilación son muy similares entre sí (aproximadamente 0.4 K), así como la distribución de la temperatura, la cual incrementa en el centro del invernadero y reduce en los pasillos. Una posible explicación de este comportamiento es que aunque las temperaturas en este periodo son altas, aún se encuentran en el rango productivo del cultivo; en cuyo caso el uso de ventilación mecánica se justifica al incrementar la tasa de renovación, además de que el costo económico no es significativo en la producción del cultivo.
![](/img/revistas/inagbi/v11n1//2007-4026-inagbi-11-01-3-gf4.jpg)
Figura 4 Gradientes promedio de temperatura a 2.5 m del suelo. Ventilación combinada (●) y ventilación natural (○).Vista en planta de la distribución espacial de temperaturas: a) ventilación natural y b) ventilación combinada.
Aunque la temperatura presenta un ascenso en ambos escenarios, la ventilación combinada genera temperaturas inferiores a la natural. El efecto de succión de los ventiladores influye directamente en el flujo del aire al interior del invernadero, lo que disminuye ligeramente los niveles térmicos (Figura 4b). Además, la ventilación combinada permite homogenizar el microclima al interior del invernadero; aunque en el Cuadro 7 se muestra que la ventilación cenital produce una mejor mezcla del aire interior, lo que implica una ligera variación en el gradiente de temperatura a lo largo del invernadero.
Cuadro 7 Tasas de ventilación estimadas con DFC, sistema de ventilación combinado.
Frontera | Rango de flujo de masa | Valor (kg∙s-1) | Caudal (m3∙h-1) | Tasa N (h-1) |
---|---|---|---|---|
Ventilador | 1 | 3.46 | 10 168.16 | 1.9 |
2 | 2.82 | 8 287.34 | 1.6 | |
3 | 3.04 | 8 933.87 | 1.75 | |
Ventanas | Lateral de entrada | -62.12 | -182 556.74 | -35.05 |
Cenitales | 52.8 | 155 167.35 | 29.8 | |
Balance de masa | 0.0 | 0.0 | 0.0 |
Análisis económico de la ventilación mecánica
Con el fin de mostrar las implicaciones del uso de un motor en este tipo de sistemas, se realizó un análisis del costo (energético y económico) en el control del microclima del invernadero. Para este análisis se usó la tarifa agrícola 9-N y la doméstica (Cuadro 8). Sin embargo, es importante destacar que el tiempo de uso de la ventilación mecánica o calefacción está en función de las condiciones climáticas exteriores, y por consiguiente del comportamiento del clima al interior del invernadero.
Estimación de costos de ventilación por municipio
Una forma de calcular los costos de ventilación forzada es considerando el número de días con temperaturas superiores a una temperatura preestablecida, en este caso se utiliza el umbral de 30 °C. En la Figura 5 se muestran los costos estimados por el uso de tres ventiladores durante 8 h en 13 puntos geográficos de San Luis Potosí que presentaron días con temperaturas arriba de 30 °C. El costo del uso de 8 h de actividad de los ventiladores es de aproximadamente $25.00 MXN en la región cálida. Por su parte, en los puntos geográficos del Estado de México con mayor número de días por arriba de 30 °C (El coco, San José de Limón, Santa Elena), los costos pueden ser superiores a los $200.00 MXN por el uso de ventilación forzada durante 8 h todos los días calurosos del año. El aumento en el número de horas de ventilación forzada, así como del número de ventiladores implica un aumento en el costo económico.
![](/img/revistas/inagbi/v11n1//2007-4026-inagbi-11-01-3-gf11.jpg)
Figura 5 Costos (MXN) por concepto de electricidad (kW) con tarifa agrícola (9-N) estimados por 8 h de uso de ventilación forzada en invernaderos de municipios de San Luis Potosí.
Por otro lado, los costos de ventilación forzada en el Estado de México (Figura 6) son generalmente inferiores a los de San Luis Potosí, a excepción de la estación Bejucos, en la que pueden ser superiores a los $600.00 MXN. La estación Bejucos se encuentra ubicada al sur del Estado de México, donde las temperaturas superan el umbral máximo durante gran parte del año. También es notable que el número de municipios donde es necesario implementar la ventilación forzada es menor en el Estado de México que en San Luis Potosí. Lo anterior debido a que en el primer estado solamente en el sur se presentan temperaturas mayores al umbral máximo, mientras que en el segundo los lugares con temperaturas altas abarcan el centro y sur del estado.
Conclusiones
Las simulaciones realizadas mediante DFC en tres dimensiones permitieron una visión global de la distribución espacial del viento en el interior del invernadero, y con ello fue posible inferir sus características climáticas. El uso de esta herramienta permite modelar el costo económico y el tiempo para la gestión de recursos ambientales en un invernadero. Además, la topología del invernadero permite adaptar sus condiciones ambientales en los rangos de velocidad y temperatura (de 15 a 23 °C) recomendados para el cultivo del tomate.
Los datos de las simulaciones con ventilación natural, en ambos periodos, han sido contrastados de forma satisfactoria con los datos experimentales; aunque existe una correlación menor de temperaturas en la región cercana a la pared de entrada y a la pared lateral del invernadero, originada por flujos turbulentos debidos a la caída de presión, producto de la pared porosa. El análisis estadístico indica que esta diferencia no es significativa para rechazar los resultados del modelo, de manera que el modelo es útil para representar satisfactoriamente el microclima dentro del invernadero.
Las ventanas cenitales tienen la función de salida de aire (efecto chimenea), mientras que la ventana lateral de entrada tiene mayor importancia relativa debido a su mayor tasa de ventilación ocasionada por la dirección del viento.
Cuando se exceden los límites de temperatura es viable el uso de un sistema mecanizado de ventilación, aunque solo por un periodo específico en cada región. Si se regula el tiempo de operación del sistema mecánico, los costos se pueden reducir, de tal manera que no impacten sobre los costos de producción y que se mantenga la calidad del cultivo.
References
Al-Kodmany, K. (2018). The vertical farm: A review of developments and implications for the vertical city. Buildings, 8(2), 1-36. doi: 10.3390/buildings8020024 [ Links ]
Avendaño-Ruiz, B., & Schwentesius-Rindermann, R. (2005). Factores de competitividad en la producción y exportación de hortalizas: el caso del Valle de Mexicali, B.C., México. Problemas del desarrollo, 36(140), 165-192. Retrieved from http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0301-70362005000100008 [ Links ]
ASHRAE. (2016). Standard 62.1: Ventilation for acceptable indoor air quality. Atlanta: Author. [ Links ]
Bouhoun-Ali, H., Bournet, P. E., Danjou, V., Morille, B., & Migeon, C. (2014). CFD simulations of the night-time condensation inside a closed glasshouse: Sensitivity analysis to outside external conditions, heating and glass properties. Biosystems Engineering, 127, 159-175. doi: 10.1016/j.biosystemseng.2014.08.017 [ Links ]
Bouhoun-Ali, H., Bournet, P. E., Cannavo, P., & Chantoiseau, E. (2017). Development of a CFD crop submodel for simulating microclimate and transpiration of ornamental plants grown in a greenhouse under water restriction. Computers and Electronics in Agriculture, 149, 26-40. doi: 10.1016/j.compag.2017.06.021 [ Links ]
Boulard, T., Roy, J. C., Pouillard, J. B., Fatnassi, H., & Grisey, A. (2017). Modelling of micrometeorology, canopy transpiration and photosynthesis in a closed greenhouse using computational fluid dynamics. Biosystems Engineering , 158, 110-133. doi: 10.1016/j.biosystemseng.2017.04.001 [ Links ]
Chia-Ren, C., Ting-Wei, L., Ren-Kai, T., Tso-Ren, W., & Chih-Kai, Y. (2017). Wind-driven natural ventilation of greenhouses with vegetation. Biosystems Engineering , 164, 221-234. doi: 10.1016/j.biosystemseng.2017.10.008 [ Links ]
de Anda, J., & Shear, H. (2017). Potential of vertical hydroponic agriculture in Mexico. Sustainability, 9(1), 1-17. doi: 10.3390/su9010140 [ Links ]
Farber, K., Farber, P, Gräbel, J., Krick, S., & Ueberholz, P. (2017). A numerical study of a greenhouse CFD simulation including radiation heat transfer and transpiration. International Journal of Engineering Systems Modelling and Simulation, 9(3), 161-168. doi: 10.1504/IJESMS.2017.085055 [ Links ]
Flores-Velázquez, J., Mejía-Saenz, E., Montero-Camacho, J. I., & Rojano, A. (2011). Análisis numérico del clima interior en un invernadero de tres naves con ventilación mecánica. Agrociencia, 45(5), 545-560. Retrieved from http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-31952011000500002 [ Links ]
Flores-Velázquez, J., Montero, J. I., Baeza, E., & López, J. C. (2014). Mechanical and natural ventilation systems in a greenhouse designed using computational fluid dynamics. International Journal of Agricultural and Biological Engineering, 7(1), 1-16. doi: 10.3965/j.ijabe.20140701.001 [ Links ]
Flores-Velázquez, J., & Villarreal-Guerrero, F. (2015). Diseño de un sistema de ventilación forzada para un invernadero cenital usando CFD. Revista Mexicana de Ciencias Agrícolas, 6(2), 303-316. Retrieved from http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007-09342015000200007 [ Links ]
García-Martínez, M. C., Balasch, S., Alcon, F., & Fernández-Zamudio, M. A. (2010). Characterization of technological levels in Mediterranean horticultural greenhouses. Spanish Journal of Agricultural Research, 8(3), 509-525. doi: 10.5424/sjar/2010083-1247 [ Links ]
Hanan, J. (1998). Greenhouses. Advanced technology for protected horticulture. Boca Raton: CRC Press. [ Links ]
Hasselmann, K., & Hasselmann, S. (1998). Multi-actor optimization of greenhouse gas emission paths using coupled integral climate response and economic models. In: Schellnhuber, H. J., & Wenzel, V. (Eds.), Earth system analysis: integrating science for sustainability (pp. 381-415). Berlin, Heidelberg: Springer Berlin Heidelberg. doi: 10.1007/978-3-642-52354-0_2 [ Links ]
Ito, K., & Hattori, K. (2012). Numerical prediction of thermal environment and energy consumption in tunnel-type greenhouse with supplementary air-mixing and heating device. Indoor and Built Environment, 21(2), 292-303. doi: 10.1177/1420326X11409469 [ Links ]
Juárez-López, P., Bugarín-Montoya, R., Castro-Brindis, R., Sánchez-Monteón, A. L., Cruz-Crespo, E., Juárez-Roste, C. R., Alejo-Santiago, G., & Balois-Morales, R. (2011). Estructuras utilizadas en la agricultura protegida. Revista Fuente, 3(8). Retrieved from http://fuente.uan.edu.mx/publicaciones/03-08/4.pdf [ Links ]
Katsoulas, N., Sapounas, A., de Zwart, F., Dieleman, J. A., & Stanghellini, C. (2015). Reducing ventilation requirements in semi-closed greenhouses increases water use efficiency. Agricultural Water Management, 156(1), 90-99. doi: 10.1016/j.agwat.2015.04.003 [ Links ]
Maher, D., Sami, A., & Hana, A. (2018). CFD modelling of air temperature distribution inside tunnel greenhouse in semi-arid region. International Journal of Engineering Systems Modelling and Simulation , 10(2), 112-124. doi: 10.1504/IJESMS.2018.091929 [ Links ]
Moreno-Reséndez, A., Aguilar-Durón, J., & Luévano-González, A. (2011). Características de la agricultura protegida y su entorno en México. Revista Mexicana de Agronegocios, 15(29). Retrieved from http://www.redalyc.org/articulo.oa?id=14119052014 [ Links ]
Montero, J. I., Muñoz, P., Sánchez-Guerrero, M. C., Medrano, E., Piscia, D., & Lorenzo, P. (2013). Shading screens for the improvement of the night-time climate of unheated greenhouses. Spanish Journal of Agricultural Research , 11(1), 32-46. doi: 10.5424/sjar/2013111-411-11 [ Links ]
Norton, T., Sun, D. W., Grant, J., Fallon, R., & Dodd, V. (2007). Applications of computational fluid dynamics (CFD) in the modelling and design of ventilation systems in the agricultural industry: A review. Bioresource Technology, 98(12), 2386-2414. doi: 10.1016/j.biortech.2006.11.025 [ Links ]
Piscia, D., Montero, J. I., Melé, M., Flores, J., Pérez-Parra, J., & Baeza, E. J. (2012). A CFD model to study above roof shade and on roof shade of greenhouses. Acta Horticulturae, 952, 133-140. doi: 10.17660/ActaHortic.2012.952.15 [ Links ]
Rico-García, E., Castañeda-Mirada, R., García-Escalante, J. J., Lara-Herrera, A., & Herrera-Ruiz, G. (2007). Accuracy comparison of a mechanistic method and computational fluid dynamics (cfd) for greenhouse inner temperature predictions. Revista Chapingo Serie Horticultura, 13(2), 207-212. doi: 10.5154/r.rchsh.2006.01.002 [ Links ]
Roy, J. C., Pouillard, J. B., Boulard, T., Fatnassi, H., & Grisey, A. (2014). Experimental and CFD results on the CO2 distribution in a semi closed greenhouse. Acta Horticulturae , 1037, 993-1000. doi: 10.17660/ActaHortic.2014.1037.131 [ Links ]
Shen, Y., Wei, R., & Xu, L. (2018). Energy consumption prediction of a greenhouse and optimization of daily average temperature. Energies, 11(1), 65-82. doi: 10.3390/en11010065 [ Links ]
Servicio de Información Agroalimentaria y Pesquera (SIAP). (2013). Boletín semanal del SIAP de la SAGARPA. Retrieved from http://www.campomexicano.gob.mx/boletinsiap/002-e.html [ Links ]
Tamimi, E., & Kacira, M. (2013). Analysis of climate uniformity in a naturally ventilated greenhouse equipped with high pressure fogging system using computational fluid dynamics. Acta Horticulturae , 1008, 177-184. doi: 10.17660/ActaHortic.2013.1008.23 [ Links ]
van Straten, G., & van Henten, E. J. (2010). Optimal greenhouse cultivation control: survey and perspectives. IFAC Proceedings Volumes, 43(26), 18-33. doi: 10.3182/20101206-3-JP-3009.00004 [ Links ]
Walpole, R. E., Myers, R. H., Myers, S. L., & Ye, K. (2012). Probabilidad y estadística para ingeniería y ciencias. México: Pearson Educación. [ Links ]
Recibido: 20 de Marzo de 2018; Aprobado: 18 de Octubre de 2018