Thermal Behavior and Leaf Temperature in a High Pressure Sodium Lamp Supplemented Greenhouse

Seungri Yoon; Jin Hyun Kim; Minju Shin; Dongpil Kim; Ji Wong Bang; Ho Jeong Jeong; Tae In Ahn

doi:10.12791/KSBEC.2023.32.1.048

Preview

Original Articles

Journal of Bio-Environment Control. 31 January 2023. 48-56
https://doi.org/10.12791/KSBEC.2023.32.1.048

Thermal Behavior and Leaf Temperature in a High Pressure Sodium Lamp Supplemented Greenhouse

고압나트륨등 보광 온실의 열적 거동 및 엽온 분석

Seungri Yoon¹

Jin Hyun Kim²

Minju Shin²

Dongpil Kim²

Ji Wong Bang²

Ho Jeong Jeong³

Tae In Ahn⁴^*

윤 승리¹

김 진현²

신 민주²

김 동필²

방 지웅²

정 호정³

안 태인⁴^*

¹RDA Research Associate, Protected Horticulture Researcher Institute, NIHHS, Haman 52054, Korea

²Researcher, Protected Horticulture Researcher Institute, NIHHS, Haman 52054, Korea

³Senior Researcher, Protected Horticulture Researcher Institute, NIHHS, Haman 52054, Korea

⁴Assistant Professor, Department of Agriculture, Forestry and Bioresources (Horticultural Science and Biotechnology), Seoul National University, Seoul 08826, Korea

¹농촌진흥청 국립원예특작과학원 전문연구원

²농촌진흥청 국립원예특작과학원 연구사

³농촌진흥청 국립원예특작과학원 연구관

⁴서울대학교 농림생물자원학부 조교수

^{*Corresponding Author}

ABSTRACT

High-pressure sodium (HPS) lamps have been widely used as a useful supplemental light source to emit sufficient photosynthetically active radiation and provide a radiant heat, which contribute the heat requirement in greenhouses. The objective of this study to analyze the thermal characteristics of HPS lamp and thermal behavior in supplemented greenhouse, and evaluate the performance of a horizontal leaf temperature of sweet pepper plants using computational fluid dynamics (CFD) simulation. We simulated horizontal leaf temperature on upper canopy according to three growth stage scenarios, which represented 1.0, 1.6, and 2.2 plant height, respectively. We also measured vertical leaf and air temperature accompanied by heat generation of HPS lamps. There was large leaf to air temperature differential due to non-uniformity in temperature. In our numerical calculation, thermal energy of HPS lamps contributed of 50.1% the total heat requirement on Dec. 2022. The CFD model was validated by comparing measured and simulated data at the same operating condition. Mean absolute error and root mean square error were below 0.5, which means the CFD simulation values were highly accurate. Our result about vertical leaf and air temperature can be used in decision making for efficient thermal energy management and crop growth.

Keywords

conjugate heat transfer

computational fluid dynamics

heat gain model

supplemental lighting

temperature differential

고압나트륨등(high-pressure sodium, HPS 램프)은 작물 생육 발달에 필요한 충분한 양의 광합성유효방사를 제공하는 동시에 복사열을 통해 온실 난방 부하를 절감할 수 있어 겨울철 시설원예 보광 조명으로 널리 이용되고 있다. 그러나 겨울철에 생육 중기를 맞이하는 시설 과채류의 경우, 작물의 정단부가 복사열에 영향을 많이 받고, 캐노피 위치에 따라 엽온 차이가 증가될 수 있다. 또한 온실 기온 역시 보광등에서 발생한 열이 상부로 상승 및 정체되면서 불필요한 에너지 낭비 및 온도 불균일성 역시 심화될 수 있다. 따라서 본 연구의 목표는 CFD 열전달 해석을 통해 HPS 램프에 의한 열적 특성 및 생육 단계별 수평적 엽온 변화를 분석하고, 온실 내 수직적 기온 및 작물의 캐노피별 엽온을 측정하여, 온실 내 환경 균일성 제고 및 효과적 에너지 활용 방안을 모색하는 것이었다. 생육 초기, 중기, 및 후기를 대변하는 초장(1.0, 1.6, 2.2m)에서의 정단부 수평적 엽온을 CFD 시뮬레이션을 통해 분석하였다. 또한 HPS 램프 작동 이후 수직적 기온과 캐노피 높이별 엽온을 측정하였다. 실험 결과, 보광 시 엽온과 기온 간의 차이가 커지고, 수직적 기온 역시 불균일해짐을 알 수 있었다. 생육 단계가 진전될수록, 고온의 복사열이 중심부에 집중되며, 상단부 수평적 엽온 편차가 커지고, 균일성 역시 떨어지는 것을 알 수 있었다. 열 획득 모델을 통한 수치해석 결과, 보광등이 2022년 12월 기간난방부하에 약 50.1% 기여하는 것을 알 수 있었다. 평균절대오차 및 평균제곱근 오차는 생육 초기 및 생육 중기 모두 0.5 이하로, 실측값과 예측값에 높은 일치도를 보였다. 수직적 기온 및 엽온 분포와 생육 단계별 수평적 엽온 분포에 관한 본 연구의 결과는 효율적 에너지 관리 및 작물 생육 발달에 관한 의사결정에 도움이 될 수 있을 것으로 생각된다.

키워드

보광

복합 열전달

열획득 모델

온도 차이

전산유체역학

MAIN

서 론
재료 및 방법
1. 실험 대상 온실 및 데이터 수집
2. HPS 램프 및 온실의 열 해석
3. 모델 검증 방법 및 통계 분석
결과 및 고찰
1. HPS 램프의 열적 특성
2. HPS 램프에 따른 온실 수직적 온도
3. HPS 램프에 따른 엽온 변화
4. HPS 램프의 난방 부하 기여도
5. 모델 검증

서 론

보광재배는 시설원예 시스템에서 인공 광원을 사용하여 자연광 부족분을 보충함으로써 광합성 및 생육량 증가를 도모하는 재배 기술이다. 시설 작물에 대한 보광의 효과는 여러 연구들을 거쳐 구명된 바 있다(Kwon 등, 2018; Hwang 등, 2022). 보광에 사용되는 대표적인 광원으로는 발광다이오드(light emitting diode, LED), 메탈할라이드(metal halide), 고압나트륨(high pressure sodium, HPS) 램프 등이 있으며(Fisher 등, 2017), 우리나라에서는 수명이 길고 높은 광도를 제공하는 메탈할라이드 램프와 HPS 램프가 많이 사용되고 있다(Jeong 등, 2018).

이론적으로 인공 광원에 사용된 전기 에너지의 상당량은 열에너지로 전환될 수 있다(Pino 등, 2012). 건물 조명에 관한 연구의 경우, 조명에서 발생된 열에너지가 봄 및 여름철에 냉방 부하를 증가시키거나, 겨울철 난방부하의 절감 효과를 제공하기도 함을 보고한 바 있다(Lam 등, 2005). 즉 인공 광원을 사용한 보광은 작물의 광환경에 미치는 영향 외에도 온실 내 열환경의 변화를 동반할 수 있다. 특히 HPS 램프는 35%의 열 방사율을 지니며, 광원에서 방사되는 열에너지가 높은 편이다(Cathey and Campbell, 1980; Yang 등, 2015). HPS 램프는 충분한 광합성 유효 방사선을 제공하여 온실 보광에 널리 이용되지만(Lee 등, 2021), 방사열의 영향을 감소시키기 위해 작물 군락보다 높은 위치에서 조사하는 상부 보광 방식으로 이용되고 있다. 따라서 보광등은 온실의 열수지 분석에 있어 중요한 요인이라 할 수 있다(Nelson과 Bugbee, 2015).

또한 보광등에 의한 온실의 열적 거동 분포는 온실 열환경과 작물 생리에 유의적인 영향을 미칠 수 있다. 보광등의 방사열은 엽온 상승을 유발하며(Kim 등, 2019), 엽온과 기온의 차이는 작물의 증산과 밀접한 관련이 있다(Palmitessa 등, 2021). 엽온이 온실 기온에 비해 크게 증가하면 기공이 닫히고, 증산 작용이 감소됨으로써 작물은 수분 결핍 스트레스를 겪게 된다(Leinonen과 Jones, 2004; Jones, 2004; Ballester 등, 2013). 즉, 작물 군락의 온도는 작물의 수분 생리에 있어 중요한 요인으로 작용한다(Khorsandi 등, 2018). 그러나 HPS 램프가 온실 내 작물 군락의 열적 거동 분포에 미치는 영향에 대해서는 아직 연구가 미진한 상황이다.

온실 내 열 유동과 이에 따른 미기상 변화는 전산유체역학(computational fluid dynamics, CFD)을 통해서 해석될 수 있다(Hong과 Lee, 2014; Saberian과 Sajadiye, 2019; Jeong 등, 2021). 본 연구에서는 HPS 램프 보광에 따른 열적 특성과 파프리카 작물의 엽온 분포를 CFD를 통해 분석하고, 이를 이용해 계산한 예측값과 온실에서 조사한 실측 값을 비교함으로써 파프리카 작물의 생육 단계별 군락 엽온 예측에 있어서 CFD 열전달 해석의 이용 가능성을 검토하였다.

재료 및 방법

1. 실험 대상 온실 및 데이터 수집

실험 대상 온실은 경상남도 함안에 위치한 국립원예특작과학원 시설원예연구소(35.2°N, 128.4°E)의 벤로형 유리온실(폭 8m, 길이 18m, 높이 5.3m)로 선정하였고, 엽온 분석 대상 작물은 파프리카 ‘지나’(Capsicum annuum L. cv. Gina)로 선정하였다. 온실 내 평균 환경 분포를 보기 위해 온습도 센서(SH-VT260, SOHA TECH, Seoul, Korea)를 유리온실 내 4개 지점에 각각 배치하였고 데이터 수집은 정식 후 8주인 11월 1일부터 16주인 12월 30일까지 진행되었다. 각 센서는 건설 방위 남북동 온실을 4등분하여 서측(북서, 남서)과 동측(북동, 남동) 방향으로 총 4개 지점을 선정한 후, 지면으로부터 1.6m 높이에 설치하였다(Fig. 1).

https://static.apub.kr/journalsite/sites/phpf/2023-032-01/N0090320107/images/phpf_32_01_07_F1.jpg

Fig. 1.

Front view of Venlo-type greenhouse with temperature sensors (e.g. average air temperature: ①-④, vertical air temperature: ⑤-⑦, canopy vertical leaf temperature: ⑧-⑩, canopy horizontal leaf temperature: 7 thermocouples at 1.6 m height ⑪, 7 thermocouples at 1.0 m height ⑫) (A), and right side view of greenhouse.

캐노피 수준에 따른 파프리카 작물의 엽온은 캐노피 위치(상단부, 중단부, 하단부)에서 충분히 발달한 잎 3장을 골라 잎 뒷면에 열전대를 붙여 측정하였다. 엽온 측정을 위해 생육 초기의 경우, 상단부 21－24마디, 중단부 15－18마디 및 하단부 9－12마디에 있는 3장의 잎을 선정하였다. 생육 중기의 경우, 상단부 31－34마디, 중단부 20－23마디, 하단부 9－12마디의 잎을 선정하였다.

수평적 엽온 분포는 파프리카 작물의 초기 및 중기 생육 단계를 대변할 수 있는 초장 수준을 고려하여, 각 1m 및 1.6m의 정단부 위치에서 세로 약 12－15cm 간격으로 잎 뒷면 7개 지점에 열전대를 데이터로거(CR-1000, Campbell Co. Ltd., Logan, UT, USA)에 설치하여 파악하였다. 작물의 엽온은 작물의 생육 단계 초기 및 중기를 대변하는 정식 후 8주 및 14주에 각각 주 2회 측정하였다.

HPS 램프 작동 하의 온실 내 수직적 기온 분포는 초소형 데이터로거(WatchDog 1000 series data logger, Spectrum Technologies, Aurora, IL, USA)를 이용하여 측정하였다. 센서는 지면으로부터 1－2.2m 사이 약 60cm 간격으로 3개 지점에 설치하여 파악하였다. 온실 내 수직적 기온 분포는 정식 후 8주인 11월 1일부터 16주인 12월 30일까지 매주 2회 측정되었다.

광원의 표면 온도 측정을 위해 적외선 열화상카메라(Testo 890, Testo SE & Co. KGaA, Nuremberg, Germany)를 이용하여 온실 내 열화상 이미지를 측정하였다(Fig. 2A). 600W 출력의 32개의 고압나트륨등(1000W DE, Dutch Lighting Innovation, Aalsmeer, The Netherlands)(이하 HPS 램프)이 온실 바닥을 기준으로 3.5m 높이, 가로 1.6m, 세로 4.0m 간격으로 설치되었다.

https://static.apub.kr/journalsite/sites/phpf/2023-032-01/N0090320107/images/phpf_32_01_07_F2.jpg

Fig. 2.

Thermal (A) and RGB (B) image of HPS supplemented greenhouse grown sweet pepper plants.

2. HPS 램프 및 온실의 열 해석

2.1 CFD를 이용한 HPS 램프의 복합열전달 해석

복합열전달이란 전도와 대류를 포함한 고체와 유체에서의 열전달을 의미한다. 복합 열전달 해석은 유체 영역의 대류 방정식과 고체 영역의 전도 방정식이 연계되어 있어 수치적인 해석의 복잡성이 있다. 보광등이 온실 기온에 미치는 영향을 정밀하게 보기 위해서는 실제 온실 규격과 설치된 램프 수에 따라 온실 내부의 복합 열전달 해석을 수행해야 하지만, 전산해석량, 해석 시간 및 하드웨어 등의 한계로 해석 영역을 축소하여 구성하였다. 램프를 중심으로 발생하는 열전달 특성을 이해하는 것이 중요하므로 단위 램프에 대하여 해석 영역을 설정하여 유동 및 열전달 특성을 분석하였다. 3차원 모델링 작업에는 CAD 소프트웨어(SolidWorks, Dassault Systemes, Vélizy-Villacoublay, France)를 사용해 모델링하였고(Fig. 3A, 3B), 열전달 해석은 상용 CFD 프로그램인 Flow Simulation(SolidWorks Flow Simulation, Dassault Systemes, Vélizy- Villacoublay, France)을 사용하였다.

https://static.apub.kr/journalsite/sites/phpf/2023-032-01/N0090320107/images/phpf_32_01_07_F3.jpg

Fig. 3.

3D structural design of HPS lamp for computational fluid dynamics (CFD) simulation (A), a cross-sectional view of 3D lamp (B), and schematic method of horizontal leaf temperature estimation for CFD simulation (C).

전도는 고체를 통해 일어나는 열 전달 형태로 물체 내의 온도 구배가 있을 때, 열은 고온에서 저온으로 이동한다. 또한 전도에 의한 열 전달( $Q_{c o n d}$ )은 매질의 물성치인 열전도율( $k$ )에 의해 영향을 받고, 표면적( $A$ ), 뜨거운 표면 온도와 차가운 표면 온도의 차( $T_{h o t} － T_{c o l d}$ ) 그리고 전열 거리( $L$ )를 통해 푸리에 법칙으로 식 (1)과 같이 해석할 수 있다. 한편, 대류에 의한 열전달은 대류 열 전달계수( $h$ ), 표면적( $A$ ), 표면온도와 유체 부피의 차( $T_{S} － T_{F}$ ) 등을 통해 식 (2)번과 같이 구할 수 있다(Kurowski, 2015).

(1)

Q_{c o n d} = k A (T_{h o t} － T_{c o l d}) / L

(2)

Q_{c o n v} = h A (T_{S} － T_{F})

2.2 CFD를 이용한 HPS 램프에 따른 엽온 열전달

복사 방출량( $Q_{e m i t}$ )은 흑체의 단위 면적당 복사에너지가 절대 온도의 4제곱( $T_{S}^{4}$ )에 비례한다는 슈테판-볼프만 법칙에 따라 같이 정의할 수 있다. 실제 표면에서 방출되는 열에너지는 같은 절대 온도의 흑체에 비해 낮기 때문에 재료 표면의 방사율(𝜀)을 곱하여 식 (3)과 같이 구할 수 있다. 엽온 분석을 위해 3차원 파프리카 작물을 해석하는 것은 방대한 곡면과 메쉬 수로 인해 큰 어려움이 따른다. 이에 대한 대안으로, 작물 초장 정단부 높이에서 두께 2mm 타원형 곡면을 모델링하고, 파프리카 잎의 물성치를 고체 특성으로 반영하여(Ali 등, 2002; Buyel 등, 2016), HPS 램프를 통한 고체 열전달 해석을 진행하였다(Fig. 3C, Table 1). 초기 설정 기온과 엽온은 실측 데이터를 기반으로 한 23°C였다.

(3)

Q_{e m i t} = ε σ T_{S}^{4}

Table 1.

Material property of HPS lamp and sweet pepper leaf for the simulation.

Material	Property	Value
Aluminum alloy (heat sink)	Density (kg·m^-3)	2700
	Melting temperature (°C)	582－652
	Thermal conductivity (W·m^-1·K^-1)	155.5
	Specific heat (J·kg^-1·K^-1)	953.8
Tungsten (filament)	Density (kg·m^-3)	19300
	Melting temperature (°C)	3522
	Thermal conductivity (W·m^-1·K^-1)	71.6
	Specific heat (J·kg^-1·K^-1)	133－134
Glass (lamp shade)	Density (kg·m^-3)	2100
	Melting temperature (°C)	799.8
	Thermal conductivity (W·m^-1·K^-1)	1.05
	Specific heat (J·kg^-1·K^-1)	670
Aluminum (reflector)	Density (kg·m^-3)	2688
	Melting temperature (°C)	660.3
	Thermal conductivity (W·m^-1·K^-1)	237
	Specific heat (J·kg^-1·K^-1)	902
Sweet pepper leaf	Density (kg·m^-3)	952
	Thermal conductivity (W·m^-1·K^-1)	0.541
	Specific heat (J·kg^-1·K^-1)	1528.5

2.3 HPS 램프에 따른 열 획득 모델

온실 내 열 손실은 주로 피복재와 바닥을 통해 이루어진다. 보광등이 없는 온실 내 난방 에너지( $Q_{h e a t}$ )는 피복재( $h_{c o v e r}$ ) 및 바닥( $h_{f l o o r}$ )의 열전달계수, 온실 내외부의 기온차(∆ $T_{i n - o u t}$ ), 피복재( $A_{c o v e r}$ ) 및 바닥( $A_{f l o o r}$ )의 체적, 온실 내부 온도와 바닥의 기온차(∆ $T_{i n - f l o o r}$ ) 등을 통해 단순화된 에너지 수지 방정식으로 다음과 같이 표현될 수 있다(Yang 등, 2015).

(4)

Q_{h e a t} = h_{c o v e r} A_{c o v e r} ∆ T_{i n - o u t} + h_{f l o o r} A_{f l o o r} ∆ T_{i n - f l o o r}

한편, HPS 램프에 따른 온실 내 열 획득 에너지( $Q_{l i g h t}$ )는 HPS 램프의 총 소비전력( $P_{l i g h t}$ )과피복재에 의한 열손실 보정계수( $f_{c o v e r}$ ), 피복재( $h_{c o v e r}$ )의 열전달 계수, 피복 면적( $A_{c o v e r}$ ), 온실 내외부의 기온차(∆ $T_{i n - o u t}$ ) 등을 통해 식 (5)와 같이 단순하게 표현될 수 있다. 열 획득 모델에서 바닥에 의한 열 손실은 고려되지 않았다. 벤로형 유리 온실의 콘크리트 바닥은 낮에 유입된 태양 에너지를 저장하였다가 밤에 온실 내부로 방출하기 때문이다. 보광등 작동 시간에 따른 열에너지의 총량은 작동 시간( $τ = τ_{2} - τ_{1}$ )(s) 및 보광등 작동 시 온실 내외부 평균 기온차( ${\bar{t}}_{i n - o u t}$ )를 통해 식 (6)과 같이 구할 수 있다

(5)

Q_{l i g h t} = P_{l i g h t} － f_{c o v e r} h_{c o v e r} A_{c o v e r} ∆ T_{i n - o u t}

(6)

E_{l i g h t} = \int_{τ_{1}}^{τ_{2}} Q_{l i g h t} d τ = (P_{l i g h t} - f_{c o v e r} h_{c o v e r} A_{c o v e r} {\bar{t}}_{i n - o u t}) τ

보광등이 온실 난방부하에 미치는 영향을 평가하기 위한 기간난방부하( $Q_{H l o a d}$ ) 계산은 온실 바닥 면적( $A_{f l o o r}$ ), 평균난방부하계수( $U_{a v e r a g e}$ ), 설정 온도와 외부 온도의 차이(∆ $T_{i - o u t}$ ) 및 일조시간에 따른 조정계수( $K_{r}$ )를 통해 다음과 같이 구할 수 있다(Nam과 Shin, 2015).

(7)

Q_{H l o a d} = A_{f l o o r} U_{a v e r a g e} ∆ T_{i - o u t} K_{r}

3. 모델 검증 방법 및 통계 분석

CFD 시뮬레이션 모델의 검증을 위해 실측 데이터가 사용되었다. 검증을 위한 데이터 수집은 외부 일사량에 의한 온도 영향을 최소화하기 위해 천·측창 보온 스크린이 쳐진 16시부터 22시까지 5분 간격으로 이루어졌다. 모델 검증을 위해 평균 제곱근 오차(root mean squared error, RMSE), 평균절대오차(mean absolute error, MAE)이 식 (8, 9)와 같이 계산에 이용되었다. 또한 실내 온도의 균일성을 보기 위해 온도 간 최대편차(∆ $T_{m a x}$ )와 균등계수 개념을 도입한 균일도( $U$ )를 식 (10, 11)와 같이 계산하였다(Shin 등, 2019). 균일도는 온도 간 표준편차( $T_{S D}$ )와 평균온도( $T_{a v g}$ )를 통해 계산하였다. 온도 데이터의 통계 분석에는 R package(R 4.2.1, R Foundation, Vienna, Austria)를 이용하였으며, Student’s t-test를 실시하였다.

(8)

R M S E = \sqrt{\sum_{i = 1}^{n} \frac{(T_{M e a s u r e d} - T_{C F D})^{2}}{n}}

(9)

M A E = \frac{1}{n} \sum_{i = 1}^{n} | T_{M e a s u r e d} - T_{C F D} |

(10)

∆ T_{\max} = T_{\max} - T_{\min}

(11)

U = (1 - \frac{T_{S D}}{T_{a v g}} R) \times 100

결과 및 고찰

1. HPS 램프의 열적 특성

보광의 목적으로 사용되는 대부분의 인공광원은 전기 에너지를 빛, 대류열, 원적외선 등으로 변환한다(Righini 등, 2020). 600W의 HPS 램프는 광합성유효방사와 근적외선(near infared radiation, NIR)을 방출하며 각각 35－40%와 20－22%의 전기에너지를 소모하는 특징을 지닌다(Nelson과 Bugbee, 2015; Katzin 등, 2020). 근적외선 파장대 비율이 적은 비해 LED 램프와 비교하여 HPS 램프는 작물이 많이 흡수하는 장파장의 비율이 높고, 근적외선으로 인해 열복사에 더 많은 에너지를 방출하여 작물 온도에 영향을 많이 주는 광원이다(Nelson과 Bugbee, 2015).

복합 열전달 해석 결과, HPS 램프 주변의 자연대류 유동 특성을 파악할 수 있었다(Fig. 4). 램프 표면의 고온에 가열된 공기는 밀도 차에 의한 부력으로 인해 상향 유동하는 특징을 보였다. HPS 램프 하부 주변으로부터 다량의 찬 공기가 램프 쪽으로 유입되고, 뜨거운 공기는 램프의 방열판과 본체 상단 수직 방향으로의 상승 기류가 증가됨을 알 수 있었다. 이러한 점에서 HPS 램프의 방열판은 주로 열전도율이 높은 알루미늄 합금으로 이루어져 있고, 방열판 표면과 주변 유체 사이의 넓은 열 교환 면적을 통해 열을 방출함으로써 조명 최고 온도를 기기의 임계온도 이하 수준을 유지하도록 한다.

https://static.apub.kr/journalsite/sites/phpf/2023-032-01/N0090320107/images/phpf_32_01_07_F4.jpg

Fig. 4.

Computational fluid dynamics (CFD) simulated flow trajectory on the surface of HPS lamp.

2. HPS 램프에 따른 온실 수직적 온도

HPS 램프에 따른 온실 내 수직 높이별 기온은 16:00부터 22:00까지 측정되었다(Fig. 5). 보광등은 16:00부터 21:30까지 작동하였다. 보광 온실의 기온은 보광등이 작동함에 따라 상승하다 18시를 전후로 하여 완만히 하강한 뒤, 보광등이 완전히 꺼진 21:30 이후 급격한 하강 추세를 보였다. 해당 시간의 평균 기온은 24.1°C, 수직 위치별(2.2, 1.6, 1.0m) 평균 기온은 각각 27.8, 22.9, 21.6°C였다. 온실 내 기온의 최대 편차와 균일도는 높이에 따라 다소 차이가 있었다. 높이별 최대 편차와 균일도는 각각 2.2m에서 12.3°C, 88.8%, 1.6m에서 8.7°C, 89.8%, 그리고 1.0m에서 7.9°C, 89.1%를 나타냈다.

https://static.apub.kr/journalsite/sites/phpf/2023-032-01/N0090320107/images/phpf_32_01_07_F5.jpg

Fig. 5.

Vertical air temperature in the greenhouse with supplemental lighting provided high-pressure sodium (HPS) lamps at 1.0, 1.6 and 2.2 m. Each bold line is the mean ± SE of five replicates.

HPS 램프의 복합 열전달 결과에서 볼 수 있듯이, HPS 램프에서 발생한 대류 열전달은 온실 천장에 가까운 상부로 전달된다. 이러한 대류 열전달을 제외하면 램프의 복사열은 온실 상부 공기와 작물 상단부로 전해진다. 2.2m 높이 기온의 최대 편차가 1.6m에 비해 3.6°C 가까이 크고 균일도가 1% 가까이 낮은 것은 온실 상부로 전달된 대류열과 램프에 의해 가열된 공기가 상부에 정체되어 있기 때문으로 생각된다.

3. HPS 램프에 따른 엽온 변화

열전대를 이용해 측정한 HPS 램프 보광 시 파프리카 작물 상단부의 평균 엽온은 27.7°C였으며, 보광을 하지 않은 작물과 비교하여 약 4.3°C 가까이 높았다(Fig. 6). 측정 작물의 평균 초장은 158.9cm, 평균 엽장은 12.2cm였다. Fig. 7은 CFD 시뮬레이션을 통한 작물의 초장별 수평 엽온 분포 결과이다. 높이 1.0, 1.6, 2.2m는 각각 생육 초기, 중기, 후기의 파프리카 초장을 대변한다. CFD 해석 환경을 조성할 때, HPS 램프 아래 완전히 발달한 수평 형태의 엽각을 지닌 35개의 잎이 있다고 가정하였고, 램프 중앙의 수직 반경 중심으로 엽온 분포를 계산하였다. 생육 단계별 엽온 간 최대편차는 초기 1.2°C에서 중기 1.7°C, 후기 2.4°C로 크게 증가하였다. 균일도 역시 초기 98%와 비교하여 후기에 97.4%로 감소하여, 생육 후반으로 갈수록 엽온 분포의 균일성이 감소하는 것을 알 수 있었다. 이러한 결과로 미루어 볼 때, 3m 이상으로 길이 생장하는 파프리카 특성 상, 생육 후기로 갈수록 HPS 램프 아래의 단일 작물이 받는 복사열이 매우 커질 수 있고, 작물 간 엽온의 최대편차가 증가할 수가 있다.

https://static.apub.kr/journalsite/sites/phpf/2023-032-01/N0090320107/images/phpf_32_01_07_F6.jpg

Fig. 6.

The leaf temperature of 1.6 m sweet pepper plants grown in the greenhouse with (HPS) or without supplemental lighting (Control). Each data point is the mean ± SE of 12 replicates.

https://static.apub.kr/journalsite/sites/phpf/2023-032-01/N0090320107/images/phpf_32_01_07_F7.jpg

Fig. 7.

CFD Simulated horizontal temperature distribution (A) and distribution plot for surface (B) of upper canopy leaves at 2.2, 1.6, and 1.0 m height under single HPS lamp.

한편, HPS 램프 작동 하의 캐노피 상단부의 평균 엽온과 동일한 높이에서의 기온 차이는 Fig. 8과 같았다. 측정 대상인 1.6m 파프리카의 경우, 16:00 이후 엽온이 기온에 비해 빠르게 증가함에 따라 엽온과 기온차는 최대 4.7°C까지 증가한 뒤, 기온이 서서히 상승하면서 17:00를 전후로 하여 0°C에 가까워졌다. 또한 엽온의 감소폭에 비해 기온의 감소가 두드러진 탓에 엽온과 기온차는 18:30 이후 큰 폭으로 증가하여 약 4.6°C까지 증가하였다.

https://static.apub.kr/journalsite/sites/phpf/2023-032-01/N0090320107/images/phpf_32_01_07_F8.jpg

Fig. 8.

Leaf to air temperature difference according to operation time of supplemental lighting.

엽온은 기온에 비해 빠르게 상승하며, 엽온과 기온의 차이는 지속적으로 발생하게 된다. 엽온과 기온 간의 차이는 단순히 엽온만을 관찰하는 것과 비교할 때, 작물의 수분 상태를 볼 수 있는 더 정확한 지표가 될 수 있다(Dhillon 등, 2014). Zhang 등(2019)은 엽온과 기온차가 클수록 증산율에 부정적인 영향을 주므로, 엽온과 기온차는 순광합성량과 음의 상관관계(R²= 0.909, p < 0.01)에 있다고 주장했다. Palmitessa 등(2021) 역시 엽온은 기공전도도 및 증산율과 반비례적 관계에 있으므로 HPS 램프 하의 작물 기공전도도와 증산율은 LED 램프 보광 작물에 비해 낮았다고 주장했다. 또한 Nelson과 Bugbee(2015)에 따르면, 엽온과 기온의 차이는 엽장에 비례적으로 증가하며, 연중 재배 파프리카 재배의 경우 겨울철에 생육 중기를 맞이하기 때문에, HPS 램프 보광 하의 엽온과 기온차는 생육 단계가 진전될수록 더욱 증가할 수 있다.

4. HPS 램프의 난방 부하 기여도

설정 온도와 외부 기온의 차이를 통해 추정할 수 있는 온실의 기간 난방 부하는 최대 162.5MJ, 평균 124.0MJ이었다(Fig. 9). HPS램프의 열 획득 에너지 및 작동시간을 통해 계산한 HPS 램프에서 발생하는 열에너지 총량은 최대 171.1MJ, 평균 63.1MJ이었다. 온실 내외부 평균 기온차가 커진 경우, HPS 램프의 총 소비전력보다 높은 양의 난방부하가 발생하므로 음의 값이 나왔다. 2022년 12월 평균 기간난방부하에 HPS 램프의 기여도는 약 50.2%였다. Yang 등(2015)은 1월부터 2월까지의 HPS 램프의 난방부하(250W HPS 램프, 5시간 보광)가 총 난방부하의 약 12－60%라고 주장했고, Ahamed 등(2019)은 100W HPS 램프로 8시간 보광 시 약 38%였다고 보고했다.

https://static.apub.kr/journalsite/sites/phpf/2023-032-01/N0090320107/images/phpf_32_01_07_F9.jpg

Fig. 9.

Fluctuation of heat requirement ( $Q_{H l o a d}$ ) and thermal energy of HPS lamps ( $E_{l i g h t}$ ) on Dec. 2022.

이러한 맥락에서 HPS 램프 보광 시스템은 온실의 난방 부하를 크게 절감할 수 있다(Brault 등, 1989; Ouzounis 등, 2018; Ahamed 등, 2019). 그러나 본 연구의 결과와 같이 온실 내 발생하는 기온의 불균일성 및 엽온과 기온차는 성공적인 온실 운영을 위해 필수적으로 해결해야 하는 문제이다. 온실 내 온도는 작물의 증산작용, 광합성, 개화, 생장 및 성숙 등 다양한 화학 반응 및 발달 과정에 관여하므로, 균일한 분포를 이루어야 한다(Choi 등, 2019). 균일한 환경 조성 못지 않게 효율적인 열에너지 관리는 온실의 경영비 절감 및 작물의 수량 및 품질 개선을 위한 중요한 목표이다. 다양한 연구를 통해 온실 내 온도 균일성을 개선하는 유효한 기술로서 공기 순환이 제시된 바, 온실 내 순환팬을 통해 HPS 램프에 의해 발생한 열에너지를 이용하고, 온실내 온도 편차 및 에너지 소비량을 절감할 수 있을 것이다(Yu 등, 2007; Lee 등, 2017). 엽온과 기온차 역시 풍속 0.1m·s^-1 상황과 비교할 때, 소폭의 증가(0.4－5m·s^-1)만으로도 2－3°C 가까이 크게 완화되는 지수적 감쇠 특징을 보이므로(Nelson과 Bugbee, 2015), 온실의 유동팬 작동을 통해 낮은 수준으로 유지될 수 있을 것으로 생각된다.

5. 모델 검증

CFD를 통한 엽온 해석 결과는 CFD 해석 환경과 동일한 조건에서 실측된 온도 데이터를 통해 검증되었다. CFD의 표준편차는 1.0과 1.6m의 엽온에서 각각 0.24, 0.46°C였고, 실측 데이터는 각각 0.58, 0.71°C였다(Table 2). HPS 램프 아래 7 지점의 실측값 및 예측값의 평균 엽온은 1.0m에서 MAE 0.42, RMSE 0.47°C였고, 1.6m에서 MAE 0.36, RMSE 0.40°C였다. 작물 초장에 따른 엽온 분석에서 실측값과 예측값의 결정계수(R²)는 1.0과 1.6m에서 각각 0.68, 0.74로 상대적인 유사성을 보였다(Fig. 10). 1.0m의 결정계수가 1.6m와 비교하여 근사하게 낮았지만, 실측값과 예측값의 오차를 기반으로 하는 회귀 평가지표 MAE와 RMSE가 모두 0.5°C 이하 수준을 보였기 때문에 CFD를 통한 엽온 예측값이 타당하다고 보인다. 실험 기간, 작물의 최대 초장이 1.6m였으므로, 2.2m 높이의 엽온은 실측값을 측정할 수 없었지만, 모델 검증의 정량적 지표로 볼 때, 2.2m의 예측값도 타당성을 보일 것으로 생각된다.

Table 2.

Validation indicators of computational fluid dynamics (CFD) simulated and measured leaf temperature at 1.0 and 1.6 m height.

Validation indicators		1.0 m height	1.6 m height
MAE (°C)		0.42	0.36
RMSE (°C)		0.47	0.40
R²		0.68	0.74
Standard deviation	Measured	0.58	0.71
Standard deviation	CFD	0.24	0.46

https://static.apub.kr/journalsite/sites/phpf/2023-032-01/N0090320107/images/phpf_32_01_07_F10.jpg

Fig. 10.

Validation of computational fluid dynamics (CFD) simulated and measured leaf temperature at 1.6 m (A) and 1.0m (B) height.

Acknowledgements

본 결과물은 농림축산식품부 및 과학기술정보통신부, 농촌진흥청의 재원으로 농림식품기술기획평가원과 재단법인 스마트팜연구개발사업단의 스마트팜다부처패키지혁신기술개발사업의 지원을 받아 연구되었음(과제고유번호 421001-03, 농촌진흥청 과제번호 PJ016439202206).

References

Ahamed M.S., H. Guo, and K. Tanino 2019, Energy saving techniques for reducing the heating cost of conventional greenhouses. Biosyst Eng 178:9-33. doi:10.1016/j.biosystemseng.2018.10.017 10.1016/j.biosystemseng.2018.10.017

Ali S.D., H.S. Ramaswamy, and G.B. Awuah 2002, Thermo‐physical properties of selected vegetables as influenced by temperature and moisture content. J Food Process Eng 25:417-433. doi:10.1111/j.1745-4530.2002.tb00575.x 10.1111/j.1745-4530.2002.tb00575.x

Ballester C., M.A. Jiménez-Bello, J.R. Castel, and D.S. Intrigliolo 2013, Usefulness of thermography for plant water stress detection in citrus and persimmon trees. Agric For Meteorol 168:120-129. doi:10.1016/j.agrformet.2012.08.005 10.1016/j.agrformet.2012.08.005

Brault D., C. Gueymard, R. Boily, and A. Gosselin 1989, Contribution of HPS lighting to the heating requirements of a greenhouse. Paper - Amer Soc Agr Eng (USA) 89.

Buyel J.F., H.M. Gruchow, N. Tödter, and M. Wehner 2016, Determination of the thermal properties of leaves by non-invasive contact free laser probing. J Biotechnol 217:100-108. doi:10.1016/j.jbiotec.2015.11.008 10.1016/j.jbiotec.2015.11.00826608794

Cathey H.M., and L.E. Campbell 1980, Light and lighting systems for horticultural plants. Hortic Rev 2:491-537. 10.1002/9781118060759.ch10

Choi H.Y., T.W. Moon, D.H. Jung, and J.E. Son 2019, Prediction of air temperature and relative humidity in greenhouse via a multilayer perceptron using environmental factors. Protected Hort Plant Fac 28:95-103. (in Korean) doi:10.12791/KSBEC.2019.28.2.95 10.12791/KSBEC.2019.28.2.95

Dhillon R., R. Francisco, J. Roach, S. Upadhyaya, and M. Delwiche 2014, A continuous leaf monitoring system for precision irrigation management in orchard crops. Tarım Makinaları Bilimi Dergisi 10:267-272.

Fisher P., A.J. Both, and B. Bugbee 2017, Supplemental lighting technology, costs, and efficiency. In R Lopez, E Runkle (Eds.), Light management in controlled environments. Meister Media Worldwide, Willoughby, OH, USA, pp 74-81.

Hong S.W., and I.B. Lee 2014, Predictive model of micro-environment in a naturally ventilated greenhouse for a model-based control approach. J Bio-Env Con 23:181-191. (in Korean) doi:10.12791/KSBEC.2014.23.3.181 10.12791/KSBEC.2014.23.3.181

Hwang H.S., K.H. Lee H.W. Jeong, and S.J. Hwang 2022, Selection of supplemental light source for greenhouse cultivation of pepper during low radiation period through growth and economic analysis. J Bio-Env Con 31:204-211. (in Korean) doi:10.12791/KSBEC.2022.31.3.204 10.12791/KSBEC.2022.31.3.204

Jeong I.S., C.G. Lee, L.H. Cho, S.Y. Park, S.J. Kim, D.H. Kim, and J.H. Oh 2021, Environmental prediction in greenhouse according to modified greenhouse structure and heat exchanger location for efficient thermal energy management. J Bio-Env Con 30:278-286. (in Korean) doi:10.12791/KSBEC.2021.30.4.278 10.12791/KSBEC.2021.30.4.278

Jeong K.J., J.G. Yun, Y.S. Chon, H.S. Shin, and S.W. Lee 2018, Effect of supplementary or heating lamps on the yield, vase life, and leaf color of cut rose. Protected Hort Plant Fac 27:158-165. (in Korean) doi:10.12791/KSBEC.2018.27.2.158 10.12791/KSBEC.2018.27.2.158

Jones H.G. 2004, Irrigation scheduling: advantages and pitfalls of plant-based methods. J Exp Bot 55:2427-2436. doi:10.1093/jxb/erh213 10.1093/jxb/erh21315286143

Katzin D., S. van Mourik, F. Kempkes, and E.J. van Henten 2020, GreenLight - An open source model for greenhouses with supplemental lighting: evaluation of heat requirements under LED and HPS lamps. Biosyst Eng 194:61-81. doi:10.1016/j.biosystemseng.2020.03.010 10.1016/j.biosystemseng.2020.03.010

Khorsandi A., A. Hemmat, S.A. Mireei R. Amirfattahi, and P. Ehsanzadeh 2018, Plant temperature-based indices using infrared thermography for detecting water status in sesame under greenhouse conditions. Agric Water Manag 204:222-233. doi:10.1016/j.agwat.2018.04.012 10.1016/j.agwat.2018.04.012

Kim H.J., M.Y. Lin, and C.A. Mitchell 2019, Light spectral and thermal properties govern biomass allocation in tomato through morphological and physiological changes. Environ Exp Bot 157:228-240. doi:10.1016/j.envexpbot.2018.10.019 10.1016/j.envexpbot.2018.10.019

Kurowski P.M. 2015, Thermal analysis with solidworks simulation 2015 and flow simulation 2015. SDC Publications, KS, USA.

Kwon J.K., I.H. Yu, K.S. Park, J.H. Lee, J.H. Kim, J.S. Lee, and D.S. Lee 2018, Supplemental lighting by HPS and PLS lamps affects growth and yield of cucumber during low radiation period. J Bio-Env Con 27:400-406. (in Korean) doi:10.12791/KSBEC.2018.27.4.400 10.12791/KSBEC.2018.27.4.400

Lam J.C., C.L. Tsang, D.H.W. Li, and S.O. Cheung 2005, Residential building envelope heat gain and cooling energy requirements. Energy 30:933-951. doi:10.1016/j.energy.2004.07.001 10.1016/j.energy.2004.07.001

Lee C.G., J.S. Lee, H.J. Jeong, J.H. Lee, J.H. Kim, J.E. Son, I. Hwang, J.H. Shin, K.S. Park, and J.W. Lee 2021, Greenhouse supplemental lighting technology. National Institute of Horticultural & Herbal Science, RDA, Wanju, Korea, p 82. (in Korean)

Lee T.S., G.C. Kang, H.K. Kim, J.P. Moon, S.S. Oh, and J.K. Kwon 2017, Analysis of air temperature and humidity distributions and energy consumptions according to use of air circulation fans in a single-span greenhouse. Protected Hort Plant Fac 26:276-282. (in Korean) doi:10.12791/KSBEC.2017.26.4.276 10.12791/KSBEC.2017.26.4.276

Leinonen I., and H.G. Jones 2004, Combining thermal and visible imagery for estimating canopy temperature and identifying plant stress. J Exp Bot 55:1423-1431. doi:10.1093/jxb/erh146 10.1093/jxb/erh14615133055

Nam S.W., and H.H. Shin 2015, Development of a method to estimate the seasonal heating load for plastic greenhouses. J Korean Soc Agric Eng 57:37-42. (in Korean) doi:10.5389/KSAE.2015.57.5.037 10.5389/KSAE.2015.57.5.037

Nelson J.A., and B. Bugbee 2015, Analysis of environmental effects on leaf temperature under sunlight, high pressure sodium and light emitting diodes. PLoS One 10:e0138930. doi:10.1371/journal.pone.0138930 10.1371/journal.pone.013893026448613PMC4598144

Ouzounis T., H. Giday, K.H. Kjaer, and C.O. Ottosen 2018, LED or HPS in ornamentals? A case study in roses and campanulas. Eur J Hortic Sci 83:166-172. doi:10.17660/eJHS.2018/83.3.6 10.17660/eJHS.2018/83.3.6

Palmitessa O.D., A.E. Prinzenberg, E. Kaiser, and E. Heuvelink 2021, Led and HPS supplementary light differentially affect gas exchange in tomato leaves. Plants 10:810. doi:10.3390/plants10040810 10.3390/plants1004081033924106PMC8074298

Pino A., W. Bustamante, R. Escobar, and F.E. Pino 2012, Thermal and lighting behavior of office buildings in Santiago of Chile. Energy Build 47:441-449. doi:10.1016/j.enbuild.2011.12.016 10.1016/j.enbuild.2011.12.016

Righini I., B. Vanthoor, M.J. Verheul, M. Naseer, H. Maessen, T. Persson, and C. Stanghellini 2020, A greenhouse climate-yield model focusing on additional light, heat harvesting and its validation. Biosyst Eng 194:1-15. doi:10.1016/j.biosystemseng.2020.03.009 10.1016/j.biosystemseng.2020.03.009

Saberian A., and S.M. Sajadiye 2019, The effect of dynamic solar heat load on the greenhouse microclimate using CFD simulation. Renew Energy 138:722-737. doi:10.1016/j.renene.2019.01.108 10.1016/j.renene.2019.01.108

Shin H.H., Y.S. Kim, and S.W. Nam 2019, Effect of pipes layout and flow velocity on temperature distribution in greenhouses with hot water heating system. Protected Hort Plant Fac 28:335-341. (in Korean) doi:10.12791/KSBEC.2019.28.4.335 10.12791/KSBEC.2019.28.4.335

Yang S.H., C.G. Lee, A. Ashtiani-Araghi, J.Y. Kim, and J.Y. Rhee 2015, Heat gain and contribution to heating from supplemental lighting in greenhouse. Eng Agric Environ Food 8:67-71. doi:10.1016/j.eaef.2015.04.001 10.1016/j.eaef.2015.04.001

Yu I.H., M.W. Cho, S.Y. Lee, H. Chun, and I.B. Lee 2007, Effects of circulation fans on uniformity of meteorological factors in warm air heated greenhouse. J Bio-Env Con 16:291-296. (in Korean)

Zhang R., Y. Zhou, Z. Yue, X. Chen, X. Cao, X. Ai, B. Jiang, and Y. Xing 2019, The leaf-air temperature difference reflects the variation in water status and photosynthesis of sorghum under waterlogged conditions. PLoS One 14:e0219209. doi:10.1371/journal.pone.0219209 10.1371/journal.pone.021920931295276PMC6624001

Journal of Bio-Environment Control ISSN:1229-4675(Print) 2765-3641(Online) 생물환경조절학회지

Preview

Thermal Behavior and Leaf Temperature in a High Pressure Sodium Lamp Supplemented Greenhouse

ABSTRACT

MAIN

Fig. 1.

Fig. 2.

Thermal (A) and RGB (B) image of HPS supplemented greenhouse grown sweet pepper plants.

Fig. 3.

3D structural design of HPS lamp for computational fluid dynamics (CFD) simulation (A), a cross-sectional view of 3D lamp (B), and schematic method of horizontal leaf temperature estimation for CFD simulation (C).

(1)

(2)

(3)

Table 1.

Material property of HPS lamp and sweet pepper leaf for the simulation.

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

Fig. 4.

Computational fluid dynamics (CFD) simulated flow trajectory on the surface of HPS lamp.

Fig. 5.

Vertical air temperature in the greenhouse with supplemental lighting provided high-pressure sodium (HPS) lamps at 1.0, 1.6 and 2.2 m. Each bold line is the mean ± SE of five replicates.

Fig. 6.

The leaf temperature of 1.6 m sweet pepper plants grown in the greenhouse with (HPS) or without supplemental lighting (Control). Each data point is the mean ± SE of 12 replicates.

Fig. 7.

CFD Simulated horizontal temperature distribution (A) and distribution plot for surface (B) of upper canopy leaves at 2.2, 1.6, and 1.0 m height under single HPS lamp.

Fig. 8.

Leaf to air temperature difference according to operation time of supplemental lighting.

Fig. 9.

Fluctuation of heat requirement (QHload) and thermal energy of HPS lamps (Elight) on Dec. 2022.

Table 2.

Validation indicators of computational fluid dynamics (CFD) simulated and measured leaf temperature at 1.0 and 1.6 m height.

Fig. 10.

Validation of computational fluid dynamics (CFD) simulated and measured leaf temperature at 1.6 m (A) and 1.0m (B) height.

Acknowledgements

References

Fluctuation of heat requirement ( $Q_{H l o a d}$ ) and thermal energy of HPS lamps ( $E_{l i g h t}$ ) on Dec. 2022.