Nuevas estrategias de modelado y control para la reducción del impacto de enfermedades en invernaderos

Abstract

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 mostraon 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 múltiples sensores distribuidos en el invernadero sería altamente costa, 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 pare 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.