Resumen de New modeling and control strategies for reducing disease impact in greenhouses

Ran Liu

• español

  La principal contribución de esta tesis se centra en reducir la infección de enfermedades fúngicas en los cultivos bajo invernadero a través del uso de metodologías de modelado y control. Para completar esta tarea, se han llevado a cabo tres estudios independientes, correspondientes al desarrollo del modelo de clima de un invernadero, modelo de predicción de enfermedades fúngicas en cultivo bajo invernadero y un algoritmo de control climático para invernaderos. Finalmente, estos modelos y algoritmos han sido combinados para proponer una estrategia de control jerárquica con el objetivo de mantener la temperatura óptima para la producción de pepino, pero dando prioridad al control de enfermedades. En comparación con los esquemas de gestión de enfermedades actuales, esta nueva estrategia maximiza la temperatura acumulada bajo la condición de reducir la presencia de enfermedades, contribuyendo así a la reducción del uso de pesticidas para este fin.

  El modelo climático de invernadero se desarrolló durante los años 2019 y 2020, y utiliza un método mecanicista para estimar la temperatura y la humedad en los invernaderos solares típicos de China. Se adoptó un método de estimación de temperatura de pared novedoso y fácil de usar basado en el balance de energía para el modelo ambiental en lugar de usar mediciones de temperatura límite. De esta forma, la cantidad de entradas del modelo se reduce considerablemente y el modelo propuesto puede predecir las condiciones climáticas futuras del efecto invernadero utilizando solo el pronóstico de las condiciones medioambientales externas. La validación del modelo se realizó en dos invernaderos diferentes (cada uno con diferentes tamaños y parámetros físicos, como el volumen del invernadero, las áreas del techo y las paredes, los materiales de las paredes, etc.) en tres días típicos en 2019 y 2020, y durante cuatro semanas consecutivas en diferentes épocas del año durante 2016 y 2019. Se obtuvieron resultados prometedores y el modelo funcionó adecuadamente en diferentes modos de operación; que incluyeron tener las ventanas de ventilación completamente cerradas, completamente abiertas, y considerando el uso de una cubierta de manta de aislamiento térmico adicional. Los resultados de la validación demuestran que el modelo propuesto se puede adaptar ampliamente a diferentes tamaños de invernaderos solares chinos típicos, así como a diferentes condiciones climáticas. Por lo tanto, el modelo desarrollado es una herramienta flexible y valiosa que se puede utilizar para la simulación climática de invernaderos, el control de la temperatura y la humedad, y como un sistema de apoyo a la toma de decisiones para ayudar a gestionar los invernaderos solares.

  Para mejorar el modelo de ventilación incluido en el modelo climático anteriormente descrito, se desarrolló un modelo de ventilación natural basado en árboles de regresión utilizando los resultados de más de mil muestras obtenidas mediante cálculos de dinámica de fluidos computacional (CFD). Este modelo trata perfectamente el efecto combinado de la presión del viento y los gradientes térmicos. Dicho modelo de ventilación natural se incorporó al modelo climático del invernadero mejorando considerablemente el efecto de ventilación y demostrando su efectividad mediante un simulación de 7 días consecutivos.

  Para las predicciones de enfermedades, tomando como ejemplo el cultivo del pepino, se propuso un nuevo enfoque mediante la combinación del modelo climático de invernadero desarrollado en esta tesis y un modelo de enfermedad para el pronóstico de la aparición de enfermedades en los invernaderos disponible en la literatura. El método se evaluó en NPADB (Base Nacional de Demostración de Agricultura de Precisión), Beijing, China, utilizando datos recopilados desde el trasplante del cultivo hasta la infección primaria ocurrida en el invernadero, en la temporada de primavera de 2021. En esta metodología, primero el modelo dinámico se utiliza para predecir el clima interior del invernadero 72 horas hacia delante haciendo uso de previsiones climáticas. Posteriormente, esta predicción se usa como entrada al modelo de enfermedades para detectar la ocurrencia de la enfermedad por adelantado. Las predicciones obtenidas se compararon utilizando datos reales medidos en un invernadero durante un periodo de dos meses. Después de varios informes de falsos positivos, un informe positivo por ambos métodos se ajustó a la primera observación en el invernadero el 24 de abril de 2021. Por lo tanto, la principal contribución de este trabajo es la alerta temprana de enfermedades (del pepino en este estudio) a través de modelos de clima y enfermedad acoplados, donde solo las predicciones de clima exteriores son necesarias.

  Con respecto a las contribuciones de control, en primera instancia se desarrolló un algoritmo de control selectivo basado en eventos para el control simultáneo de temperatura y humedad. El control de temperatura se basó en un controlador PI de temperatura con un enfoque basado en eventos. Se probaron diferentes valores con δ = [0, 0.1, 0.2, 0.5, 1] relacionados con la ocurrencia del evento. Los resultados mostraron que δ=0.5 es el valor óptimo, cuyo valor permite reducir significativamente el número de movimientos de ventilación en un 43.8 %, mientras que solo aumenta el error de temperatura en un 1.13 %. En segundo lugar, se realizaron de forma independiente estudios comparativos de controladores de humedad (rastreo de humedad relativa, TRH y rastreo de humedad absoluta, TAH). Los resultados muestran que TRH funciona de manera ideal cuando el punto de referencia de HR (humedad relativa) no es alto. Sin embargo, el controlador pierde robustez cuando la HR es superior al 70 %. Comparativamente, TAH mantiene una solidez razonable con todos los puntos de ajuste de HR, pero carece de sensibilidad, por lo que la precisión es menor que el método TRH cuando la HR es inferior al 60 %. Finalmente, se demuestra una estrategia de control de temperatura selectiva con un esquema de control de prioridad de humedad a través de un estudio de simulación. Esta estrategia de control mantiene constantemente la humedad relativa por debajo del 80% mientras controla la temperatura cercana al valor de referencia, lo que no solo evita que la alta humedad dañe los cultivos, sino que también evita en gran medida la pérdida de energía.

  Para el control del clima en los invernaderos, aumentar el rendimiento y prevenir las enfermedades fúngicas son procesos contradictorios, ya que los hongos patógenos y los huéspedes permanecen necesariamente en el mismo nicho. Para abordar este problema, se propuso un mejor esquema para mantener la temperatura óptima diurna y nocturna para la producción de pepino, pero dando prioridad al control de enfermedades, utilizando para ello una estrategia de control de optimización jerárquica. La estrategia de control de optimización jerárquica proporciona el mejor punto de ajuste de temperatura en cada paso transitorio. En la capa inferior, el controlador PID mencionado anteriormente mantiene la temperatura óptima para la producción del cultivo. En la capa superior, el optimizador hace uso del sistema de predicción de enfermedades desarrollado como parte de esta tesis para estimar la posibilidad de aparición de infecciones en las próximas 72 horas y determinar la referencia de temperatura óptima que permita reducir el número de infecciones. Dicha decisión se apoya en una función objetivo que asegura la mínima integración de error absoluto entre la referencia sugerida y la temperatura del invernadero. Este nuevo estudio es de gran importancia para el control indirecto de las enfermedades fúngicas en invernaderos permitiendo reducir la aplicación de pesticidas basado únicamente en un sistema de control de clima.

  Con base en estos resultados anteriormente expuestos, se exploraron más estudios para mejorar la eficiencia de los sistemas de control. El control clásico de circuito cerrado toma la temperatura en el centro del invernadero como la temperatura actual. Esta temperatura proviene de la salida del modelo de invernadero o del único sensor típicamente colocado en el centro del mismo. Sin embargo, existen notables faltas de uniformidad en el microclima de las hojas dentro del dosel de un invernadero, con implicaciones para el intercambio variable de calor y masa, y la distribución heterogénea del clima del invernadero. Por tanto, una mejora sustancial sería la aplicación de un control de circuito cerrado puede calcular la temperatura de retroalimentación óptima de acuerdo con la distribución de temperatura en cada paso transitorio. Para este fin, la instalación de múltiples sensores distribuidos en el invernadero sería altamente costosa, por lo que una solución práctica consiste en desarrollar un modelo de distribución basado en las condiciones climáticas actuales y la estructura del invernadero. Para ello, en esta tesis se ha hecho uso de la técnica CFD como una herramienta con gran potencial para lograr este objetivo.

  Los siguientes estudios CFD se realizaron en relación con los modelos climáticos de invernadero previamente mencionados como parte de esta tesis. Se desarrollaron modelos CFD transitorios bidimensionales y tridimensionales para la distribución de la temperatura y la humedad en el invernadero y la distribución LWD (duración de la humedad de la hoja) que conduce a la infección por enfermedades. El RMSE de la temperatura, la humedad relativa y la temperatura de la hoja durante las dos noches fue de 1.24 °C, 3.31 % y 1.32 °C, respectivamente. Los resultados de la condensación de la hoja se observaron manualmente para compararlos con los resultados simulados. La condensación de hojas siempre ocurrió primero en el área cercana al techo semitransparente, tanto en las observaciones como en la simulación. La LWD se simuló considerando la duración de la condensación foliar simulada en cada punto. La evaluación se realizó sobre 216 pares de muestras. La tasa de verdaderos negativos (TNR), la tasa de verdaderos positivos (TPR) y la precisión (ACC) fueron 1, 0.66 y 0.89, respectivamente. Este estudio sirve como referencia para un modelo de alerta temprana de enfermedades basado en la distribución espacial y temporal de la condensación de las hojas. Sin embargo, la simulación CFD requiere mucho tiempo y la potencia informática actual es insuficiente para proporcionar retroalimentación transitoria con fines de control. En un futuro cercano, el control de retroalimentación de circuito cerrado basado en la distribución transitoria de temperatura y humedad mejorará en gran medida la eficiencia del control.

• English

  crop fungal diseases in greenhouses through the use of modeling and control approaches.

  To complete this task, three independent studies have been developed, namely, a greenhouse climatic model, a greenhouse fungal disease estimator, and a greenhouse climate control algorithm. Finally, combining these models and algorithms, a hierarchical optimization control strategy is proposed to maintain the optimum temperature for cucumber production, but providing priority to the control of disease apparencies.

  Compared with the current disease management schemes in literature, this new strategy maximizes the accumulated temperature under the condition of reducing diseases, contributing so to reduce the application of chemical pesticides.

  For the climatic greenhouse modelling, a transient greenhouse model was developed in 2019 and 2020, which uses a mechanism method to estimate the temperature and humidity in typical Chinese solar greenhouses. A novel and easy-to-use wall temperature estimation method based on the energy balance was adopted for the environment model rather than using boundary temperature measurements. In this way, the number of model inputs is considerably reduced, and the proposed model is able to predict future greenhouse climate conditions by using only the weather forecast. The model validation was performed in two different greenhouses (each with different sizes and physical parameters, such as the greenhouse volume, the roof and wall areas, the wall materials and so on) on three typical days in 2019 and 2020, and over four consecutive weeks in different seasons during 2016 and 2019. Promising results were obtained and the model performed well in different operating modes; these included having the vents completely closed, opening the vents, and completely closing the vents in the cold season with an additional thermal insulation blanket covering. The validation results demonstrated that the proposed model can be widely adapted to different sizes of typical Chinese solar greenhouses, as well as to different weather conditions. Thus, the developed model is a flexible and valuable tool that can be used for greenhouse climate simulation, temperature and humidity control, and as a decision-making support system to help in the management of solar greenhouses.

  To improve the natural ventilation model for the previous greenhouse climate model, a regression-trees natural ventilation model was developed using results from one thousand samples by Computational Fluid Dynamics (CFD) calculations. This model perfectly deals with the combined effect of wind pressure and thermal gradients. This regression-trees natural ventilation model was embedded in the greenhouse climate model and was validated for a 7-day simulation study with promising results.

  For disease predictions, taking cucumber downy mildew as an example, a new approach was proposed by combining the mechanism greenhouse climate model and a disease model for the forecast of diseases occurrence in greenhouses. The method was evaluated in NPADB (National Precision Agriculture Demonstration Base), Beijing, China using data collected from transplanting to the primary infection occurred in the greenhouse, in the spring season of 2021. First, the dynamic climatic model is used to predict the greenhouse indoor climate 72 hours ahead. Then, this prediction is used as input to the disease model in order to detect disease occurrence in advance. The predictions for the greenhouse downy mildew were compared using real-time measured data for two months. After several false positive reports, one positive report by both methods fitted the first observation in the greenhouse on April 24, 2021. Thus, a relevant contribution was developed in this topic where the early warning cucumber downy mildew was obtained via coupling climate and disease models, where only transient inputs from weather forecast are required.

  Regarding the control contributions, first, a selective event-based control approach was proposed to regulate the temperature and the humidity by using the natural ventilation as unique actuator. A temperature PI controller was studied with an event-based approach.

  Different values with δ = [0, 0.1, 0.2, 0.5, 1] relating to the event occurrence were tested.

  The results show that δ=0.5 is the optimum value, which significantly reduces the number of vent movements by 43.8%, while only increasing the temperature error by 1.13%.

  Secondly, comparative studies of humidity controllers (tracing relative humidity, TRH and tracing absolute humidity, TAH) are conducted independently. The results show that TRH performs ideal when the RH set-point is not high. However, the controller lost robustness when RH is over 70%. Comparatively, TAH keeps reasonable robustness with all the RH set-points, but it lacks sensitivity so that the accuracy is lower than TRH method when RH is lower than 60%. Finally, a selective temperature control strategy with a humidity priority control scheme was demonstrated through a simulation study. This control strategy constantly keeps the relative humidity below 80% while controlling the temperature to the set-point, which not only prevents high humidity damaging the crops, but also greatly avoids the loss of energy.

  For climate control in greenhouses, increasing yield and preventing fungal diseases are contradictory processes, because fungal pathogens and hosts are necessarily stay in the same niche. Therefore, a new hierarchical optimization control strategy was proposed to maintain the optimum diurnal and nocturnal temperature for cucumber production, but giving priority to the disease control. The hierarchical optimization control scheme provides the optimal temperature set-point in each transient step. In the lower layer, the previously developed event-based PID controller keeps the optimum temperature for cucumber production. In the upper layer, an optimizer provides a suggested set-point looking to avoid the ongoing infection. For this, the disease infection model (given by the combination of the greenhouse climate model together the disease model previously discussed) is simulated by a three-day prediction using weather forecast. The new setpoint is calculated by a cost function, which ensures the minimum integration of absolute error between the current set-point and the greenhouse temperature. This novel study is of great significance for precise control of greenhouse fungal diseases.

  Based on these results, further studies were explored to improve control efficiency.

  Classical closed-loop control takes the temperature in the center of the greenhouse as the current temperature. This temperature comes from the greenhouse model output or the sensor placed in the center of the greenhouse. However, there are remarkable nonuniformities in leaf microclimate within the canopy in a greenhouse, with implications for variable heat and mass exchange, and the heterogeneity distribution of greenhouse climate. The future closed-loop control may calculate the optimal feedback temperature according to the temperature distribution in each transient step. It may be costly to install many sensors in the greenhouse. So, a practical solution is to develop a distribution model based on the current weather condition and greenhouse structure. CFD technique is one of the powerful tools to achieve this goal.

  According to the previous reason, the following CFD studies were conducted relating to greenhouse climate models. Two-dimensional and three-dimensional transient CFD models were developed for the temperature and humidity distribution in the greenhouse and the LWD (Leaf Wetness Duration) distribution leading to disease infection. The RMSE of the temperature, relative humidity and leaf temperature during the two nights were 1.24 °C, 3.31%, and 1.32 °C, respectively. The leaf condensation results were manually observed for comparison with the simulated results. Leaf condensation always occurred first in the area near the semi-transparent roof, both in the observations and the simulation. The LWD was simulated by considering the duration of the simulated leaf condensation at each point. The evaluation was conducted on 216 pairs of samples. The True Negative Rate (TNR), True Positive Rate (TPR), and Accuracy (ACC) were 1, 0.66, and 0.89, respectively. This study serves as a reference for an early warning model of disease based on the temporal and spatial distribution of leaf condensation. However, CFD simulation is time-consuming, and the current computing power is insufficient to provide transient feedback for the feedback controller. In the near future, the feedback control based on the transient distribution of temperature and humidity will greatly improve the control efficiency.

  To conclude, this summary ends by depicting the structure of this document, which has been divided into three parts according to those described in the University of Almería regulation for Ph.D. theses presented in the compendium modality:

  i. Chapter 1 describes the framework of the thesis and introduces the main methodologies used. In addition, this chapter describes the development structure of the thesis and indicates the publications dealing with each of the topics covered.

  ii. Chapter 2 presents the scientific publications that support the work done.

  iii. Chapter 3 summarizes the conclusions derived from the different publications as well as the recommendations for future work.