با همکاری انجمن مهندسان مکانیک ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد رشته مهندسی مکانیزاسیون کشاورزی، گروه مهندسی ماشین‌های کشاورزی و مکانیزاسیون، دانشکده مهندسی زراعی و عمران روستایی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ملاثانی، ایران

2 گروه مهندسی ماشین‌های کشاورزی و مکانیزاسیون، دانشکده مهندسی زراعی و عمران روستایی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ملاثانی، ایران

3 گروه علوم و مهندسی باغبانی، دانشکده کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ملاثانی، ایران

چکیده

این تحقیق، به شبیه‌سازی جریان انرژی یک گلخانه نیمه‌مدفون نیمه‌دوطرفه با استفاده از متغیرهای بیرونی و داخلی و حل عددی به روش دینامیک سیالات محاسباتی (CFD) می‌پردازد. در این تحقیق، داده‌های دما، رطوبت و تابش به‌صورت لحظه‌ای اندازه‌گیری شد و سپس از CFD جهت بررسی توزیع انرژی و تغییرات دما در دو ارتفاع 1 و 2 متری از سطح زمین استفاده گردید. گلخانه مورد بررسی، به‌صورت یک گلخانه بسته در نظر گرفته شد و با توجه به روابط تجربی-ریاضی موجود در منابع، میزان دریافت، تلفات و خالص جذب شده انرژی در گلخانه محاسبه شد. نتایج این تحقیق نشان داد که روش CFD با 326030 المان چهار وجهی (tetrahedral) قادر است دمای هوای داخل گلخانه را با دقت مناسب در ارتفاع 1 متری (987/0R2=، 17/2MAPE= درصد) و 2 متری از کف (987/0=R2، 28/2MAPE= درصد) تخمین بزند. بررسی جریان انرژی نشان داد که این گلخانه، 4/6779 کیلوژول انرژی حرارتی انباشته ناشی از پرتوهای تابش را در مدت زمان آزمایش به زمین منتقل می‌کند و نسبت به سازه‌های روی سطح زمین، به‌طور متوسط حدود 40% تابش کم‌تری دریافت می‌کند. نتایج کلی این تحقیق و بررسی روند تغییرات دما در کف و دیواره‌ها نشان داد که در مناطق گرم کشور، زمین به‌عنوان منبع خوبی برای دریافت گرمای انباشته موجود در محیط گلخانه است و هرچه پوشش سطح داخلی گلخانه رسانایی گرمایی بیشتری داشته باشد، شار حرارتی به سمت عمق خاک بیش‌تر است.

کلیدواژه‌ها

موضوعات

  1. Abdel Ghany, A. M., & Helal, I. M. (2011). Solar energy utilization by a greenhouse: general relations. Renewable Energy, 36, 189-196. https://doi.org/10.1016/j.renene.2010.06.020.
  2. Abu-Hamdeh, N. H., & Reeder, R. C. (2000). Soil thermal conductivity effects of density, moisture, salt concentration, and organic matter. Soil Science Society of America Journal, 64(4), 1285-1290. https://doi.org/10.2136/sssaj2000.6441285x.
  3. Ahamed, S., Guo, H., & Tanino, K. 2019. Energy saving techniques for reducing the heating cost of conventional greenhouses. Biosystems Engineering, 178, 9-33. https://doi.org/10.1016/j.biosystemseng.2018.10.017.
  4. Bergman, T. L., Incropera, F. P., Lavine, A. S., & Dewitt, D. P. (2011). Introduction to heat transfer. John Wiley & Sons. Amsterdam.
  5. Bolandnazar, E., Sadrnia, H., Rohani, A., & Taki, M. (2019). Prediction of Temperature in a Greenhouse Covered with Polyethylene Plastic Using Artificial Neural Networks, Case Study: Jiroft Region. Iranian Journal of Biosystem Engineering, 51(1), 125-137. https://doi.org/10.22059/ijbse.2019.291077.665235.
  6. Dayioğlu, M. A., & Silleli, H. H. (2015). Performance analysis of a greenhouse fan-pad cooling system: gradients of horizontal temperature and relative humidity. Journal of Agricultural Science, 21, 132-143. https://doi.org/10.15832/TBD.25721.
  7. Fidaros, D. K., Baxevanou, C. A., Bartzanas, T., & Kittas, C. (2010). Numerical simulation of thermal behavior of a ventilated arc greenhouse during a solar day. Renewable Energy, 35, 1380-1386. https://doi.org/10.1016/j.renene.2009.11.013.
  8. Ghani, S., Bakochristou, F., ElBialy, E. M., Gamaledin, A. A., Rashwan, S. M. A., Abdelhalim, M. M., & Ismail, S. M. 2019. Design challenges of agricultural greenhouses in hot and arid environments– A review. Engineering in Agriculture, Environment and Food, 12, 48-70. https://doi.org/10.1016/j.eaef.2018.09.004.
  9. Ghasemi Mobtaker, H., Ajabshirchi, Y., Ranjbar, S. F., & Matloobi, M. (2019). Simulation of thermal performance of solar greenhouse in north-west of Iran: An experimental validation. Renewable Energy, 135, 88-97. https://doi.org/10.1016/j.renene.2018.10.003.
  10. Hamdani, M., Taki, M., Rahnama, M., Rohani, A., & Rahmati-joneidabad, M. (2020). Prediction the inside Variables of Even-span Glass Greenhouse with Special Structure by Artificial Neural Network (MLP-RBF) Models. Journal of Agricultural Machinery, 10(2), 213-227. (in Persian with English abstract). https://doi.org/10.22067/jam.v10i2.72346
  11. Holman, J. P. (2010). Heat Transfer. Eighth ed. McGraw-Hill Science, New York.
  12. Jiao, W., Qi, L., Lijun, G., Kunyu, L., Shi, R., & Ta, N. (2020). Computational Fluid Dynamics-Based Simulation of Crop CanopyTemperature and Humidity in Double-Film Solar Greenhouse. Journal of Sensors, 1-15. https://doi.org/10.1155/2020/8874468.
  13. Joudi, K., & Farhan, A. (2015). A dynamic model and an experimental study for the internal air and soil temperatures in an innovative greenhouse. Energy Conversion and Management, 91, 76-82. https://doi.org/10.1016/j.enconman.2014.11.052.
  14. Moghaddam, J. J., Ozlati, S., Zarei, Gh., Momeni, D., & Azadshahraki, F. (2021). Ventilation and Cooling Modeling and Lyout of Fans, Pads and Vents of an Octagonal Greenhouse. Journal of Agricultural Machinery, 11(2), 247-262. (in Persian with English abstract). https://doi.org/10.22067/jam.v11i2.82130.
  15. Munar, E., & Aldana, C. (2019). CFD Simulation of the Increase of the Roof Ventilation Area in a Traditional Colombian Greenhouse: Effect on Air Flow Patterns and Thermal Behavior. International Journal of Heat and Technology, 7(3), 881-892. http://doi.org/10.18280/ijht.370326
  16. Nadi, F., Abdanan Mehdizadeh, S., & Nourani Zonouz, O. (2016). Comparing between predicted output temperature of flat-plate solar collector and experimental results: computational fluid dynamics and artificial neural network. Journal of Agricultural Machinery, 7(1), 298-311. (in Persian with English abstract). https://doi.org/10.22067/jam.v7i1.59698.
  17. Pakari, A., & Ghani, S. (2019). Evaluation of a novel greenhouse design for reduced cooling loads during the hot season in subtropical regions. Solar Energy, 181, 234-242. https://doi.org/10.1016/j.solener.2019.02.006.
  18. Roy, J. C., Boulard, T., Kittas, C., & Wang, S. 2002. Convective and ventilation transfers in greenhouses, Part 1: the greenhouse considered as a perfectly stirred tank. Biosystems Engineering, 83, 1-20. https://doi.org/10.1006/bioe.2002.0107.
  19. Saberian, A., & Sajadiye, S. M. (2019). The effect of dynamic solar heat load on the greenhouse microclimate using CFD simulation. Renewable Energy, 138, 722-737. https://doi.org/10.1016/j.renene.2019.01.108.
  20. Santolini, E., Pulvirenti, B., Benni, S., Barbaresi, L., Torreggiani, D., & Tassinari, P. (2018). Numerical study of wind-driven natural ventilation in a greenhouse with screens. Computers and Electronics in Agriculture, 149, 41-53. https://doi.org/10.1016/j.compag.2017.09.027.
  21. Taki, M., Ajabshirchi, Y., Ranjbar, S. F., Rohani, A., & Matloobi, M. (2016a). Heat transfer and MLP neural network models to predict inside environment variables and energy lost in a semi-solar greenhouse. Energy and Buildings, 110, 314-29. https://doi.org/10.1016/j.enbuild.2015.11.010.
  22. Taki, M., Ajabshirchi, Y., Ranjbar, S. F., Rohani, A., & Matloobi, M. (2016b). Modeling and experimental validation of heat transfer and energy consumption in an innovative greenhouse structure. Information Processing in Agriculture, 3, 157-174. https://doi.org/10.1016/j.inpa.2016.06.002.
  23. Taki, M., Rohani, A., & Rahmati-Joneidabad, M. (2018). Solar thermal simulation and applications in greenhouse. Information Processing in Agriculture, 5, 83-113. https://doi.org/10.1016/j.inpa.2017.10.003.
  24. Wang, J., Li, S., Guo, S., Ma, C., Wang, J., & Sun, J. (2017). Analysis of heat transfer properties of hollow block wall filled by different materials in solar greenhouse. Engineering in Agriculture, Environment and Food, 10, 31-38. https://doi.org/10.1016/j.eaef.2016.07.003.
  25. Zhang, X., You, S., Tian, Y., & Li, J. (2019). Comparison of plastic film, biodegradable paper and bio-based film mulching for summer tomato production: Soil properties, plant growth, fruit yield and fruit quality. Sciatica Horticulture, 249, 38-48. https://doi.org/10.1016/j.scienta.2019.01.037.
CAPTCHA Image