Modelación del flujo de aire mediante dinámica de fluidos computacionales en invernaderos con ventilación natural

En los invernaderos con ventilación natural las condiciones climáticas internas son totalmente dependientes del clima exterior, por lo que es necesario realizar ajustes internos a estructuras y prácticas de cultivo, que permitan en conjunto controlar el ambiente interior y compensar los efectos ejercidos por el ambiente exterior. En los últimos años la Dinámica de Fluidos Computacionales ha aumentado exactitud y realismo a los estudios realizados para determinar las condiciones del clima al interior de invernaderos. A pesar de que dichos modelos proporcionan una solución numérica del balance energético, esta técnica toma en cuenta los valores de las variables independientes como incógnitas. Por otra parte, las Redes Bayesianas son técnicas heurísticas que pueden ser de ayuda para describir las relaciones entre las variables que definen las condiciones del clima. El presente trabajo consistió en analizar mediante Redes Bayesianas un modelo de Dinámica de Fluidos Computacionales del flujo de aire, para evaluar la mejor orientación y tamaño del cultivo, relacionando las variables climáticas temperatura, humedad relativa y dióxido de carbono en el espacio del cultivo bajo invernadero. Utilizando las Redes bayesianas aplicadas a un modelo de Dinámica de Fluidos Computacionales es posible determinar las relaciones entre las variables temperatura, humedad, velocidad de flujo de aire y concentración de CO2. Las redes bayesianas mostraron que las mejores condiciones de concentración de CO2 y humedad se dan cuando el cultivo se orienta paralelo al flujo de aire, con tutoreo a 3.5 m y 0.5 m de altura de la base.

In greenhouses with natural ventilation, internal climatic conditions are dependent on the weather outside, therefore it is necessary to adjustment the structures and cultural practices that allow together control the indoor environment and compensate the effects exerted by the external environment. In recent years, Computational Fluid Dynamics has increased accuracy and realism to the studies conducted to determine the weather conditions inside greenhouses. Although these models provide a numerical solution of the energy balance, this technique takes into account the values of the independent variables as unknowns. Moreover, Bayesian networks are heuristic techniques that may be helpful to describe the relationships between the variables that define weather conditions. The present study was to analyze, using Bayesian Networks, a Computational Fluid Dynamics model to the air flow, with the aim of evaluate the best orientation and size of the crop, relating climatic variables in space of the crop. Using Bayesian Networks applied to a Computational Fluid Dynamics model is possible to determine the relationships between the temperature, humidity, air flow rate and CO2 concentration. Bayesian networks showed that the best conditions of CO2 concentration and humidity was when the crop is oriented parallel to the air flow , with at 3.5 m in height and 0.5 m from the base.