autores edwin andrés villagrán munar, msc. carlos ricardo … · 2020-07-09 · departamento de...

AutoresEdwin Andrés Villagrán Munar, MSc.

Carlos Ricardo Bojacá, PhD

BOGOTÁ, 2017

Simulación con base en la técnica Dinámica de Fluidos Computacional (CFD), para el diseño y optimización de la ventilación natural de los inver-naderos de flores de corte en la Sabana de Bogotá

ProyectoGeneración de una herramienta de diseño u optimización de la ventilación natural de los invernaderos dedicados a la producción de flores de corte en cuatro subregiones de la Sabana de Bogotá, mediante el uso de herramientas de simulación basadas en la técnica Dinámica de Fluidos Computacional (CFD).

Febrero del 2017Primera ediciónISBN: 978-958-98993-6-6

AutoresEdwin Andrés Villagrán Munar, MSc.Investigador de CenifloresCarlos Ricardo Bojacá, PhDProfesor titularDepartamento de Ciencias Básicas y ModeladoUniversidad de Bogotá Jorge Tadeo Lozano

Edición Nidia Patricia Copete, directora ejecutiva de CenifloresAdriana Carrillo, coordinadora de Investigación y Proyectos de Ceniflores

Fotografías e imágenesEdwin Andrés Villagrán MunarCeniflores

Diagramación e impresión

Centro de Innovación de la Floricultura Colombiana (Ceniflores)Carrera 9A No. 90-53. Bogotá, Colombia.PBX: (571) 2579311, ext. 0143.FAX: (571) 2579311, ext. 0170.

[email protected]

CONTENIDO

Introducción

1. El fenómeno de la ventilación1.1. Generalidades1.2. Índices de ventilación 1.3. Métodos de medición de la ventilación natural 1.4. CFD y geoestadística aplicada a la evaluación de invernaderos

2. Caracterización climática de la Sabana de Bogotá2.1. Generalidades2.2. Origen de los datos2.3. Análisis de la información

2.3.1. Análisis a escala anual2.3.2. Análisis a escala mensual2.3.3. Análisis a escala horaria2.3.4. Análisis día-noche

2.4. Análisis mediante técnicas de variabilidad espacial2.4.1. Temperatura2.4.2. Humedad relativa2.4.3. Radiación solar2.4.4. Velocidad del viento2.4.5. Punto de rocío

3. Prototipos de invernaderos evaluados3.1. Generalidades de los invernaderos dedicados a la producción

de flores de corte3.2. Selección de municipios3.3. Selección de los modelos de invernadero a evaluar

3.3.1. Subregión 1.2Bloque unoBloque 10

3.3.2. Subregión dosBloque 11

7

99

111112

1414141616171921222222232324

2525

26272727282929

3.3.3. Subregión tresBloque 30-E

3.3.4. Subregión cuatroBloque 0

4. Uso de modelos CFD para el estudio climático y de ventilación de invernaderos

4.1. Ecuaciones que gobiernan el flujo de un fluido4.2. Consideraciones especiales de los modelos de simulación enfocados al

estudio en invernaderos4.3. Desarrollo y funcionamiento de un modelo de simulación CFD

4.3.1. El preproceso4.3.2. El proceso4.3.3. El postproceso

5. Desarrollo de modelos de simulación CFD5.1. Uso de modelos de simulación CFD-2D

Condiciones de frontera5.2. Usos de modelos de simulación CFD-3D

Digitalización y simulación 3D de los cinco modelos de invernadero5.3 Resultados de las evaluaciones mediante simulación CFD

5.3.1. Simulaciones de la finca Agua clara - bloque 105.3.2. Simulaciones de la finca Wayuu Flowers5.3.3. Simulaciones en la finca Rosas Ipanema5.3.4. Simulaciones de la finca Turflor

6. Evaluación climática real de los invernaderos mediante técnicas geoestadísticas

6.1. Recolección de datos6.2. Análisis geoestadístico

Análisis exploratorioAnálisis estructuralCálculo del semivariograma empíricoAjuste del semivariograma a un modelo teóricoPredicción

31313232

3434

3637373738

39394144444646525762

6666676767676869

6.3 Resultados de la evaluación climática6.3.1. Finca Agua clara, bloques uno y 10

TemperaturaHumedad relativaDéficit de presión de vaporBloque unoTemperaturaHumedad relativaDéficit de presión de vaporBloque 10TemperaturaHumedad relativaDéficit de presión de vapor

6.3.2. Finca Wayuu FlowersTemperaturaHumedad relativaDéficit de presión de vaporTemperaturaHumedad relativaDéficit de presión de vapor

6.3.3. Finca Flores IpanemaTemperaturaHumedad relativaDéficit de presión de vapoTemperaturaHumedad relativaDéficit de Presión de Vapor

6.3.4. Finca TurflorTemperaturaHumedad relativaDéficit de presión de vaporTemperaturaHumedad relativa

Bibliografía

696969707172737374747475757677777879798081818283838485858686878889

92

9Simulación con base en la técnica Dinámica de Fluidos Computacional (CFD), para el diseño y optimización de la ventilación natural de los invernaderos de flores de corte en la Sabana de Bogotá

INTRODUCCIÓN

En Colombia se estima que existen 7950 ha de agricultura protegida, de la cuales 900 ha están dedicadas a la producción de hortalizas y otras especies menores y 7050 a la de ornamentales; de estas, cerca del 88 % está concentrado en la Saba-na de Bogotá. El área de agricultura bajo cubierta en Colombia se caracteriza por

el uso de invernaderos de bajo costo y poco nivel tecnológico, en los que la ventilación natural es el método de control climático predominante.

En el país, la implementación de sistemas de control activo del clima en invernaderos se ha visto limitada por la alta inversión en equipos y tecnología, asociada además con el alto gasto energético para su funcionamiento. Otro factor son las limitantes estructurales de los inverna-deros actuales, en donde la instalación de los sistemas mencionados no es viable en muchas ocasiones.

Por esta razón, el estudio microclimático de los invernaderos y, en especial, la ventilación na-tural o control pasivo del clima representa un aspecto importante en el sector productor de flores de corte bajo invernadero. Los problemas de ventilación en los invernaderos generan condiciones que inciden de manera determinante en la aparición de enfermedades de tipo fungoso y limitan el desarrollo y crecimiento de los cultivos.

Con esta premisa se realizó un proyecto de investigación financiado por el SENA, Ceniflores y Asocolflores en 2016, cuyo título es Generación de una herramienta de diseño u optimización de ventilación natural de los invernaderos dedicados a la producción de flores de corte en cuatro subregiones de la Sabana de Bogotá, mediante el uso de herramientas de simulación basadas en la técnica Dinámica de Fluidos Computacional (CFD). Los resultados de este proyecto, que se presentan de forma resumida en esta cartilla, están dirigidos a los gerentes y personal técnico de las empresas de flores, a la comunidad académica del SENA, a las personas con formación técnica, tecnológica y profesional en agricultura, y en general a toda la comunidad con interés en el sector floricultor y la agricultura protegida. Esta cartilla sirve al propósito de transferir el conocimiento tecnológico adquirido en este proyecto a la comunidad, llevando e implemen-tando innovación en la floricultura del país.

10 Simulación con base en la técnica Dinámica de Fluidos Computacional (CFD), para el diseño y optimización de la ventilación natural de los invernaderos de flores de corte en la Sabana de Bogotá

El proyecto se llevó a cabo con la contribución del SENA; en particular, las actividades del plan de transferencia de este proyecto se realizaron en el Centro de Biotecnología Agropecuaria (CBA) del SENA en Mosquera, Cundinamarca. El equipo ejecutor del proyecto expresa su agra-decimiento y reconocimiento a Edgar Sierra y Néstor Muñoz, quienes en representación del SENA respaldaron la realización de este proyecto.

Así mismo, la investigación se realizó gracias a la decidida participación de las empresas afilia-das a Asocolflores: Rosas agua clara, Wayuu Flowers, Flores Ipanema y Turflor. Las actividades de investigación del proyecto se realizaron en las instalaciones e invernaderos que el personal gerencial y técnico de estas empresas facilitó. El equipo ejecutor del proyecto expresa su re-conocimiento y agradecimiento al personal de estas empresas, quienes hicieron posible esta investigación.

El investigador Edwin Andrés Villagrán Munar lideró el proyecto y es actualmente un profe-sional vinculado a Corpoica; además contó con la participación de Carlos Ricardo Bojacá, in-vestigador actualmente vinculado a la Universidad Jorge Tadeo Lozano; con Manuel Herrera, estudiante de ingeniería agroecológica de la Universidad Uniminuto; con Adriana Carrillo, coordinadora técnica del proyecto y coordinadora de Investigación y proyectos de Ceniflores, y con Nidia Patricia Copete, directora ejecutiva de Ceniflores.

La investigación que se presenta en esta publicación tuvo como finalidad generar una herra‑mienta de diseño que permita diseñar y optimizar los sistemas de ventilación de los invernade‑ros de producción de flores de corte en cuatro subregiones de la Sabana de Bogotá, a través del conocimiento de las condiciones microclimáticas de los invernaderos y el uso de la herramienta de simulación Computational Dynamic Fluids (CDF). El uso de esta técnica permite crear es-trategias orientadas a rediseñar los sistemas de ventilación de los invernaderos existentes y a diseñar invernaderos en función de las condiciones climáticas locales, las condiciones en finca y la ecofisiología del cultivo a establecer. Se espera a futuro que la implementación de este conocimiento contribuya, además, a disminuir el uso de plaguicidas de síntesis química y aumentar los rendimientos de los cultivos.

La selección de las cuatro subregiones se efectuó con base en una caracterización climática de la Sabana de Bogotá, información que fue facilitada por Ceniflores. En cada una de las zonas establecidas en la investigación se seleccionó un invernadero en cada empresa afiliada a Aso-colflores que participó en el proyecto. De esta forma, las empresas en cuyas fincas se realizaron las evaluaciones fueron: Rosas agua clara, Wayuu Flowers, Flores Ipanema y Turflor.


1. EL FENÓMENO DE LA VENTILACIÓN

1.1. Generalidades

La ventilación natural es el método de control climático predominante en los in-vernaderos colombianos y en otras regiones de condiciones climáticas favorables (control de clima pasivo). La principal ventaja de este método de enfriamiento es la reducción de costos de operación de un invernadero, ya que no requiere de

energía artificial para su funcionamiento (Baptista et al., 2001). Esta es la principal razón por la que predomina en países donde los horticultores no poseen los recursos para equipar los invernaderos con los sistemas asociados, necesarios para tener un control total del microclima generado (control de clima activo).

Este método de ventilación natural depende de dos fuerzas impulsoras: la convección forzada o ventilación dinámica, causada por la acción del viento exterior, y la convección libre o ven-tilación térmica vía flotabilidad, causada por la diferencia de temperaturas entre el exterior y el interior del invernadero (Boulard et al., 1996; Coelho et al., 2006). La ventilación dinámica tiene una relación directamente proporcional con la velocidad del viento exterior y el área del sistema de ventilación. Un aumento o una disminución de estos factores repercutirán posi-tiva o negativamente sobre el valor de la ventilación. Por el contrario, la ventilación térmica aumenta en función del aumento del gradiente térmico entre el interior y exterior del inver-nadero o, en caso contrario, disminuye con la reducción de este (Katsoulas et al., 2006). La ventilación térmica es la responsable del movimiento de aire en el interior del invernadero en condiciones de cero viento o cuando los sistemas de ventilación lateral y frontal se encuentran cerrados. Este movimiento se genera a partir de un cambio de densidad en el aire, en función de la temperatura, lo cual genera un movimiento vertical hacia la zona de la cumbrera del invernadero conocido como efecto chimenea.

Un incremento en el área de ventilación genera un efecto positivo en la ventilación general de los invernaderos, por lo que se recomienda instalar mayores áreas de ventilación en inverna-deros altos o de gran volumen. Sin embargo, estos invernaderos, por su alto valor de inercia térmica, son menos susceptibles a cambios bruscos de temperatura. Para estos invernaderos


se requieren mayores áreas de ventilación con el fin de conseguir tasas de ventilación adecua-das. El aumento de las áreas de ventilación toma cada vez más importancia, debido al uso de mallas antiinsectos de baja porosidad en las ventanas del invernadero, las cuales pretenden evitar el ingreso de plagas (Teitel et al., 1998), fundamentalmente las transmisoras de virus como mosca blanca (Trialeurodes vaporariorum) y trips (Frankliniella occidentalis) (Bethke, 1994; Bethke y Paine, 1994). La adopción de estos sistemas protege los cultivos y reduce el uso de plaguicidas, pero a su vez dificultan el proceso de ventilación, generando un incremento en la temperatura interna del invernadero (Kittas et al., 2002).

La ventilación natural es un proceso que influye directamente en el clima interior del in-vernadero (Bailey, 1995; Kittas et al., 1996; Mistriotis et al., 1997), por lo que es un factor determinante a la hora del diseño de la estructura. Un diseño adecuado de los sistemas de ventilación puede mejorar tanto el control climático como el uso de la energía (de Jong y Bot, 1992; Ashrae, 1993; Mistriotis et al., 1997), lo cual impacta directamente en el crecimiento y desarrollo de los cultivos (Bot, 1983; Castilla, 1994; Kittas et al., 1997). Por lo tanto, existe la necesidad de diseñar sistemas de ventilación eficientes, partiendo desde la perspectiva de que esta eficiencia depende de factores tales como: velocidad y dirección del viento, diferencias entre la temperatura exterior e interior del invernadero, diseño del invernadero y la presencia o ausencia de cultivos (Ould-Khaoua et al., 2006).

La ventilación afecta la temperatura interna del invernadero, de forma tal que en horas de alta radiación se hace necesario circular aire del exterior hacia el interior del invernadero en forma homogénea, con el fin de controlar los excesos de temperatura. Este movimiento del flujo de aire debe permitir, además, el intercambio de masa y de calor entre las plantas del cultivo y el aire circulante en el invernadero (Bailey, 2000). Otro factor que afecta la temperatura del aire en el interior del invernadero es el valor de la temperatura del aire exterior. En periodos o en climas cálidos, la temperatura interior suele superar el umbral máximo biológico de los cultivos, ocasionando pérdidas en rendimiento y calidad de estos (Ali et al., 1990). De mane-ra similar, una inadecuada ventilación puede generar excesos de temperatura y problemas asociados a dichos excesos térmicos, tales como estrés hídrico de las plantas y problemas de cuajado y rajado de frutos, entre otros.

Por otra parte, la ventilación natural ayuda a evacuar los excesos de humedad y así evitar su acumulación en la superficie de la cubierta, lo cual genera condensación y posterior goteo so-bre el cultivo, provocando la aparición de enfermedades (Hand, 1984; Mistriotis et al., 1997). Esta acumulación de agua en la cubierta puede provocar una disminución en la transmisión de la radiación solar, con la consecuente pérdida de producción si la condensación se presen-ta en forma de gotas (Jaffrin y Makhlonf, 1990). Otros problemas reportados originados por los excesos de humedad pueden causar deficiencias minerales en los cultivos (Lorenzo, 1994;


Mistriotis et al., 1997), como consecuencia de restricciones en la transpiración (Stanghellini y van Meurs, 1992; Holder y Cockshull, 1990).

La falta de ventilación incide también negativamente en la composición del aire interior, prin-cipalmente al producirse déficits en la concentración de CO2 (Hand, 1984; Lorenzo et al., 1990; Lorenzo, 1994). Esto se debe a que la entrada de aire externo es la principal fuente de CO2 para los cultivos en los invernaderos que no cuentan con una fuente de enriquecimiento carbónico, tal es el caso de las estructuras colombianas.

1.2. Índices de ventilación

Existen diferentes índices de medida básicos para evaluar la ventilación de los invernaderos. Estos índices pueden estar definidos en función del volumen de aire encerrado dentro del invernadero, como en el caso del índice de renovación (N), o en función del área de suelo cubierta por el invernadero, para el caso de la tasa de ventilación (G). El índice de renovación se expresa mediante la siguiente ecuación:

(1.1)

Donde N (s-1) se define en función de la razón entre el caudal de flujo de aire por unidad de tiempo (Q, m3 s-1) y el volumen de aire encerrado en el invernadero (VI, m3). La ecuación que define la tasa de ventilación es la siguiente:

(1.2)

Donde G (m s-1) depende del caudal de flujo de aire por unidad de tiempo (Q, m3 s-1) y del área cubierta por el invernadero (AI, m2).

1.3. Métodos de medición de la ventilación natural

El estudio de la ventilación natural de invernaderos se puede enfocar desde dos perspecti-vas fundamentales: la teórica y la práctica. La primera se basa principalmente en modelos matemáticos que incluyen diferentes principios físicos, actuando separadamente o en con-junto, tales como: la flotabilidad del aire producida por el cambio de densidad al aumentar la temperatura o el efecto dinámico generado por la presión del aire. Estos principios básicos permitieron el desarrollo de modelos que fueron inicialmente planteados para estudiar el fe-nómeno en edificaciones urbanas e industriales (Down et al., 1985; Zhang, 1989) y que han sido parte importante del desarrollo de metodologías prácticas de lo que existe actualmente para el estudio de la ventilación natural en invernaderos.


Por otra parte, la experimentación por medio de métodos directos (anemometría) o indirectos (balance de masa y energía) permite comprender y analizar de forma más adecuada el fenó-meno de la ventilación natural (intercambio de aire del exterior al interior del invernadero). Adicionalmente, la experimentación es parte fundamental para la validación de los estudios teóricos, debido a que permite la generación de soluciones de carácter cualitativo y cuantita-tivo, dependiendo del método experimental empleado.

1.4. CFD y geoestadística aplicada a la evaluación de invernaderos

Los estudios basados en CFD se desarrollaron a partir de los primeros trabajos de Okushima et al. (1989), quienes a partir del estudio de un invernadero tipo Venlo de una sola capilla, equipado con sistemas de ventilación lateral y cenital, estudiado inicialmente por Sase et al. (1984), analizaron mediante un ensayo de túnel de viento el comportamiento de un modelo de invernadero construido a escala 1:10. Okushima et al. (1989) utilizaron las herramientas CFD para realizar una validación cualitativa y cuantitativa de información recopilada en campo de los patrones de flujo de aire al interior del invernadero.

La aplicación de CFD al diseño y optimización de invernaderos ha cobrado gran importancia en los últimos años y hoy en día es una herramienta utilizada para el análisis de invernaderos de grandes dimensiones cada vez más complejos y que incorporan la interacción del cultivo con el microclima del invernadero (e.g. Fatnassi et al., 2006). Los modelos simples de CFD que consideran el movimiento de un flujo de aire dentro de un invernadero vacío en condiciones isotérmicas siguen siendo los más utilizados. Estos modelos buscan encontrar índices de re-novación y tasas de ventilación utilizando como parámetros de diseño el área y orientación de las ventanas cenitales, disposición y área de las ventilaciones laterales y frontales, geometría del invernadero, en especial de la cumbrera, en función de diferentes velocidades y dirección del viento (Baeza et al., 2004a; Campen, 2004).

Los estudios realizados se han aplicado a invernaderos en zonas tropicales (Bartzanas et al., 2004; Romero et al., 2006), a invernaderos multitúnel (Kacira et al., 2004), a invernaderos tipo Venlo (Baeza, 2004b, 2006, 2007; Molina-Aiz 2005, 2006; Ould Khaoua et al., 2006), así como a invernaderos tipo parral y multicapilla. Estos estudios concluyeron lo siguiente:

• Se debe realizar un estudio minucioso del flujo de aire al interior del invernadero y así poder determinar el tipo de configuración y orientación de las ventanas y si estas deben ubicarse a barlovento (de cara al viento incidente) o a sotavento (de espaldas al viento incidente).


• La heterogeneidad climática en el interior del invernadero, principalmente en el nivel de las plantas, debe ser investigada a fin de definir la mejor configuración de la venti-lación.

• Maximizar la tasa de renovación del aire no siempre conduce a una mejor condición climática dentro del invernadero, principalmente al nivel de las plantas.

En este campo de aplicación se conocen actualmente dos trabajos de investigación, el prime-ro fue realizado por Bojacá et al. (2008) y el segundo por Gil et al. (2011). En el primer caso se utilizó este método de análisis para determinar la variabilidad espacial de variables como temperatura y DPV (déficit de presión de vapor) en el interior de dos invernaderos comerciales usados para la producción de flores de corte. Los autores reportaron que existe una heteroge-neidad del microclima generado en el interior de los invernaderos evaluados, adicionalmente reportaron que esta metodología puede mejorarse en el futuro para ser usada como herra-mienta de evaluación climática o estudio de los invernaderos colombianos.

En el segundo estudio, los autores utilizaron esta técnica para el estudio de fenómenos espa-cio-temporales y se aplicó a la variación de la temperatura dentro de un invernadero emplea-do para la producción de rosas de corte en la Sabana de Bogotá, discutiendo sus implicaciones en este sistema de producción. Los autores concluyeron que en el invernadero analizado existe una distribución de la variable temperatura heterogénea desde la perspectiva espacial, así como de la temporal y, por lo tanto, la práctica actual de medir esta variable en un solo punto dentro del invernadero no está representando la realidad del comportamiento climático de este, perspectiva que ya había sido puesta en discusión por los autores del primer estudio.


2. CARACTERIZACIÓN CLIMÁTICA DE LA SABANA DE BOGOTÁ

2.1. Generalidades

El análisis climático de la zona donde se pretenda establecer cualquier tipo de producción agrícola, y más aún bajo invernadero, es un requerimiento previo a la realización de cualquier actividad sobre el terreno. El conocimiento del com-portamiento climático de la zona productiva permitirá conocer las condiciones

climáticas a las que se verá expuesto el cultivo y se podrán desarrollar estrategias que permi-tan, al menos, disminuir los efectos adversos de condiciones climáticas no óptimas para el desarrollo del cultivo.

El presente informe técnico presenta el análisis climático de la Sabana de Bogotá, dividida en cuatro subregiones, considerando los datos registrados en el periodo de 2010 a 2015 por 22 estaciones climáticas ubicadas en distintos puntos de la Sabana de Bogotá. La caracterización climática consideró las principales variables climáticas relevantes para la producción agrícola, como son: temperatura del aire, temperatura del punto de rocío, humedad relativa, radiación solar, precipitación y velocidad del viento.

2.2. Origen de los datos

Los datos utilizados para el análisis climático de las cuatro subregiones de la Sabana de Bogotá provinieron de la red de monitoreo climático Ceniclima, administrada por la empresa Canal Clima, que cuenta con estaciones climáticas instaladas en la zona de estudio. La ubicación de las 22 estaciones con las cuales se realizó el análisis se presenta en la Figura 2-1. La discrimi-nación de las estaciones en las cuatro subregiones se realizó con base en información previa suministrada por Canal Clima, quienes tienen definidas dichas subregiones de acuerdo con el comportamiento climático histórico analizado a partir de los datos obtenidos de las estaciones que tienen instaladas en la zona.

La subregión tres es la que tiene una mayor representación con el 36,4 % de las estaciones, mientras que la subregión cuatro solamente está caracterizada por dos estaciones. Las subre-


Figura 2‑1. Ubicación geográfica de las estaciones utilizadas para el análisis climático.

No. Subregión Nombre Latitud Longitud

1 1 Cogua 5°03'00.02''N 73°55'00.00''O2 1 Sésquile 5°01'00.02''N 73°50'00.00''O3 1 Suesca Norte 5°05'38.34''N 73°48'10.23''O4 1 Suesca Sur 5°04'01.53''N 73°49'11.71''O5 1 Tocancipá 5°00'00.02''N 73°55'00.00''O6 1 Zipaquirá 4°59'00.02''N 73°59'00.00''O7 2 Chía 4°50'23.01''N 74°02'49.51''O8 2 Cota 4°46'00.02''N 74°05'00.00''O9 2 Guasca 4°50'55.78''N 73°52'58.87''O

10 2 La Calera 4°41'33.40''N 74°00'37.50''O11 2 Sopó Centro 4°46'06.84''N 73°58'29.63''O12 2 Sopó Norte 4°45'00.02''N 73°57'60.00''O13 3 Bojacá 4°44'59.60''N 74°20'31.59''O14 3 El Rosal 4°51'43.38''N 74°13'24.94''O15 3 El Rosal Ipanema 4°51'56.60''N 74°13'15.92''O16 3 Facatativa 4°48'11.64''N 74°18'24.03''O17 3 Funza 4°46'20.22''N 74°13'41.16''O18 3 Madrid Centro 4°43'22.28''N 74°16'01.19''O19 3 Madrid Norte 4°45'35.96''N 74°16'01.19''O20 3 Tenjo 4°53'31.88''N 74°05'00.00''O21 4 Aeropuerto El Dorado 4°44'21.25''N 74°09'11.62''O22 4 Soacha 4°35'36.39''N 74°12'31.84''O

giones uno y dos están representadas por igual cantidad de estaciones, con el 27,3 % cada una de ellas.

La información climática cruda se recibió con intervalos de una hora para los periodos de tiempo presentados. La fecha inicial del conjunto de datos climáticos es variable para cada estación y dependió de la información suministrada por Canal Clima. Sin embargo, para la gran mayoría de estaciones se considera un periodo de análisis de seis años, empezando el 01 de enero del 2010 y finalizando el 31 de diciembre del 2015. Solo en casos excepcionales se contó con una cantidad limitada de información, como en el de la estación Sopó Centro, donde el periodo de tiempo considerado fue de aproximadamente un año.

Latit

ud

5.2

5.0

4.8

4.6

‑74.4Longitud

‑74.2 ‑74.0 ‑73.8


2.3. Análisis de la información

El análisis de los datos climáticos se realizó en diferentes escalas temporales. Las escalas con-sideradas fueron: anual, mensual, día, noche y horaria. La información cruda fue promediada para cada una de las variables estudiadas, en función de la escala temporal considerada, a ex-cepción de la precipitación, en cuyo caso los datos fueron sumados, dada la naturaleza misma de la variable.

El análisis espacial se realizó considerando las cuatro subregiones predefinidas, entre las cua-les se hizo la comparación del comportamiento de las variables climáticas analizadas. De esta forma, para cada escala temporal se realizó el análisis espacial comparando entre subregiones.

2.3.1. Análisis a escala anual

La representación de la información climática analizada a escala anual se presenta en la Figura 2-2. Las temperaturas medias a escala anual registraron un promedio de 13,5 ºC, con una desviación estándar de 0,57 ºC, al considerar la información de todas las subregiones. El rango de variación de la temperatura del aire para todas las estaciones, a escala anual, estuvo entre

Figura 2‑2. Comportamiento anual de las variables climáticas consideradas, discriminado por subregión.

AñoAño

AñoAño

AñoAño


12,8 y 14,8 ºC. Este comportamiento de la temperatura es consistente con los valores que tradicionalmente se han manejado en la Sabana de Bogotá.

Al considerar las diferencias entre las subregiones de estudio, se observa que la subregión cua-tro presentó las temperaturas anuales más altas, con un promedio de 14,3 ºC, en comparación con las otras subregiones, en las que la temperatura promedio fue de aproximadamente 1 ºC menor a la registrada en la subregión cuatro.

Al comparar los promedios anuales de la temperatura del aire con la temperatura del punto de rocío se observa la cercanía que hay entre estos valores, indicando que en promedio el aire se encuentra muy cercano a su punto de saturación, lo cual se confirma al observar los resultados de la humedad relativa, que en general indican que el aire de las cuatro subregiones contiene una alta cantidad vapor de agua, muy cercana a la saturación. El promedio general de todas las estaciones, independiente de la subregión a la que pertenecen, fue de 84,4 %, con una desviación estándar de tan solo 2,2 %. La subregión con la humedad relativa más baja fue la cuatro, con un promedio de 81,4 %, mientras que el promedio de las subregiones uno, dos y tres fue de 85,4, 84,8 y 85,6 %.

La velocidad del viento más alta se registró en la subregión cuatro, con un promedio de 3,9fkm/h. Las otras subregiones presentaron valores promedio de velocidad del viento entre 1,8 y 2,3 km/h.

La radiación solar promedio anual varió entre 123,6 y 163,0 W/m2, con un promedio de 147,0 W/m2 para todas las estaciones.

El comportamiento de la precipitación fue similar para las cuatro subregiones consideradas, a pesar de las importantes variaciones que se observaron en los años 2010 y 2011; en los años 2012 a 2015 fueron de 650,3, 772,3, 716,7 y 789,2 mm. Los bajos valores de precipitación para estos años y para algunas subregiones se deben a información faltante de algunas estaciones, para las cuales no se contó con el periodo completo de información, tal como ya se comentó anteriormente. Es así como del año 2012 en adelante las precipitaciones anuales registradas para las subregiones son similares, sin mayores variaciones entre ellas.

2.3.2. Análisis a escala mensual

El comportamiento mes a mes de las variables climáticas analizadas se presenta en la Figura 2-3. El comportamiento mes a mes de la temperatura del aire sigue la misma tendencia entre las subregiones, aunque las temperaturas promedio para la subregión cuatro fueron mayores a las del resto, el rango de variación de las temperaturas es pequeño, entre 1,2 y 1,4 ºC.


Las temperaturas promedio más altas se registraron en los meses de mayo y noviembre, mientras que las temperaturas más bajas correspondieron a los meses de enero, septiembre y diciembre. Las temperaturas del punto de rocío siguen la misma tendencia que las de la temperatura del aire, pero a un nivel más bajo. Para el caso de esta variable no se aprecia-ron mayores diferencias entre subregiones. En este caso, las temperaturas variaron entre 9,5 y 11,4fºC. Para cada subregión, las diferencias promedio entre meses estuvieron entre 1,6 y 2,1fºC. La tendencia mes a mes de la temperatura es típica para una ubicación geográfica como la de la Sabana de Bogotá, ubicada en cercanías del Ecuador, en donde no hay estaciones que ocasionen variaciones temporales marcadas del clima.

Las variaciones mes a mes de la humedad relativa para cada subregión son pequeñas, confir-mando la alta presencia de vapor de agua en el aire a lo largo de todo el año. El comportamien-to de las tres primeras subregiones es muy similar, de alguna manera constante, mientras que la subregión cuatro presentó humedades relativas más bajas, como consecuencia de las temperaturas del aire más elevadas.

Al igual que con la humedad relativa, la velocidad del viento de la subregión cuatro, mes a mes, es diferente a las de las demás subregiones, encontrándose valores en la subregión cua-

Figura 2‑3. Comportamiento mensual de las variables climáticas consideradas, discriminado por subregión.

MesMes

MesMes

MesMes


tro que casi duplican la velocidad de las otras subregiones. Mes a mes se evidencian algunas variaciones en la velocidad del viento como consecuencia del comportamiento típico de esta variable en la Sabana de Bogotá y en relación con el clima regional al que se encuentra ex-puesta esta zona. Los meses con velocidades de viento más altas fueron de julio a septiembre, mientras que las velocidades más bajas se registraron de marzo a mayo.

El comportamiento de la radiación solar evidencia la tendencia característica del clima en la Sabana de Bogotá, en particular los altos niveles de radiación que se registran a finales y co-mienzo de año, debido a la ausencia o a la baja nubosidad típica de esta zona.

Las cuatro subregiones consideradas presentaron la misma tendencia mes a mes en la variable de radiación global. Enero, con una radiación global promedio para las cuatro subregiones de 171,3 W/m2, fue el mes con la mayor cantidad de radiación recibida, en contraste con el mes de julio, el cual fue en promedio el de menor cantidad de radiación recibida, con un valor de 142,4 W/m2.

A pesar de las variaciones climáticas que se han venido presentando en los últimos años, la información analizada sobre la precipitación exhibe el típico comportamiento bimodal de esta variable. En la Figura 2-3 se observa la primera temporada de lluvias del año desarrollándose entre marzo y mayo; la segunda se presenta entre octubre y diciembre. Las variaciones en la precipitación, entre subregiones, son muy pequeñas, pudiendo interpretarse como similar el comportamiento de esta variable para toda la Sabana de Bogotá.

El promedio de precipitación mensual general fue de 48,8 mm, con un registro máximo de 96,5 mm y un mínimo de 59,3 mm. El mes promedio con la mayor cantidad de precipitación registrada fue noviembre con 80,9 mm, mientras que el más seco fue enero, con 22,8 mm.

2.3.3. Análisis a escala horaria

Dentro del comportamiento de la temperatura es claro que las más elevadas se registran entre la 1:00 y las 2:00 p.m. (Figura 2-4). Mientras que las horas con temperaturas más bajas se observaron entre las 5:00 y las 6:00 a.m. Este resultado de la temperatura confirma una vez más lo presentado en diferentes estudios, en los que se destacan las bajas temperaturas de la Sabana de Bogotá como uno de los factores que limitan el potencial productivo, en este caso, de los cultivos de flores de corte; el comportamiento horario sigue mostrando una tendencia de la subregión cuatro a presentar las temperaturas más altas.

El comportamiento de la temperatura del punto de rocío es similar entre las subregiones, tal como ya se comentó para los análisis realizados a otras escalas temporales. Las diferencias


hora a hora con respecto a la temperatura del aire son las que permiten identificar los momen-tos en los que el aire se encuentra más cercano de alcanzar su saturación completa por vapor de agua y presentarse el fenómeno de la condensación. Con base en lo anterior, son las horas de la madrugada aquellas en las que las diferencias de la temperatura del aire versus la del punto de rocío son mínimas. Por el contrario, en las horas de comienzo de la tarde, cuando las temperaturas son más altas, el aire tiene una mayor capacidad de almacenar vapor de agua, reflejándose en una mayor diferencia entre la temperatura del aire y la del punto de rocío.

Figura 2‑4. Comportamiento horario de las variables climáticas consideradas, discriminado por subregión.

Las estaciones de la subregión cuatro presentaron las velocidades de viento más altas a lo lar-go de todo el día, en particular durante las horas del comienzo de la tarde. En su punto máxi-mo, la curva de velocidad de viento en la subregión cuatro alcanzó un promedio de 9,6fkm/h, mientras que las subregiones uno, dos y tres registraron velocidades máximas de 4,9, 4,6 y 6,6 km/h, respectivamente; en la noche se puede observar cómo la velocidad de viento es casi nula en las cuatro subregiones.

La radiación solar, evidentemente, es función de la presencia del sol durante el día, siendo muy similares los valores de radiación registrados hora a hora entre las subregiones.

Hora

HoraHora

HoraHora


2.3.4. Análisis día-noche

El resumen de la caracterización climática, discriminando entre las horas del día y las de la noche, se presenta en la Tabla 2-1, donde se pueden apreciar mejor las diferencias entre los promedios, de día y de noche, de las variables seleccionadas, así como el promedio día para la radiación solar. La mayoría de los cultivos requiere que exista un diferencial de temperatura entre el día y la noche para optimizar su desarrollo.

Tabla 2‑1. Caracterización climática de las cuatro subregiones en estudio en función del periodo de tiempo considerado durante las 24 horas

Subregión Temperatura (ºC)

Temperatura punto de rocío (ºC)

Humedad relativa (%)

Radiación solar (W/m2)

1Día 15,2 11,0 78,8 302,4Noche 11,1 9,8 90,9 -

2Día 14,6 10,6 79,2 344,3Noche 10,8 9,3 91,6 -

3Día 15,3 11,2 78,8 289,2Noche 11,2 9,8 90,9 -

4Día 16,0 11,2 75,2 298,9Noche 12,6 10,4 87,0 -

El diferencial promedio de la temperatura entre el día y la noche de todas las subregiones fue de 3,8 ºC, siendo el diferencial más grande el de las subregiones una y tres, ambas con un valor de 4,1 ºC, y el más pequeño es el de la subregión cuatro con un valor de 3,3 ºC. Hopper y Hammer (1991), estudiando la respuesta de Rosa hybrida con diferentes combinaciones de temperaturas diurnas y nocturnas, reportaron que los mayores pesos fresco y seco de plantas ocurrieron cuando las plantas se sometieron a una temperatura diurna de 15 ºC, en combina-ción con una temperatura nocturna de 12 ºC. Sin embargo, estas temperaturas retardaron el desarrollo de la flor.

Las diferencias entre la temperatura del aire y la del punto de rocío fueron mayores durante el día para todas las subregiones consideradas, con un promedio de 4,3 ºC. Esto indica que el aire durante el día está en una mayor capacidad de retener vapor de agua. Por el contrario, durante la noche, las diferencias entre estas dos temperaturas se redujeron, en promedio, a 1,6fºC, situación en la cual ya se está muy cerca de presentarse el fenómeno de la condensa-ción. Bajo las condiciones de invernadero, la humedad relativa durante la noche es mayor que la registrada en el ambiente exterior, en la medida en que el área se encuentra aislada en su totalidad, impidiendo la circulación de aire. Esto hace que sea muy común encontrar las dife-rentes estructuras de la planta con agua libre sobre la superficie, por cuenta de la saturación de vapor de agua a la que se ve expuesto el aire contenido dentro del invernadero.


Lo anterior es evidente al observar las diferencias en los promedios de la humedad relativa entre el día y la noche en el exterior de las cuatro subregiones, los cuales son muy similares; además, es claro que en la noche, el aire se encuentra en promedio cerca del 90 % de su satu-ración de vapor de agua. Esta situación obliga a los floricultores a tratar de evacuar los excesos de humedad lo más pronto posible en las primeras horas de la mañana, ventilando al máximo el invernadero.

2.4. Análisis mediante técnicas de variabilidad espacial

2.4.1. Temperatura

La Figura 2-5 presenta la distribución espa-cial de la temperatura en la Sabana de Bo-gotá, a partir de la información promedio de las estaciones meteorológicas incluidas en el análisis climático.

El rango de temperaturas promedio observa-das en la zona de estudio se ubicó entre 11 y 14,5 ºC. Las zonas más frías se localizaron tanto al oriente como al occidente de Bogo-tá. Al oriente, las estaciones La Calera y Guasca presentaron temperaturas promedio de 11 y 12fºC, respectivamente. Hacia el occidente, las estaciones ubicadas en municipios como Boja-cá, Funza y Facatativá representaron el otro límite frío de la Sabana de Bogotá.

La zona con las temperaturas más elevadas estuvo representada por las estaciones ubicadas en las cercanías de Bogotá. Estaciones como aeropuerto El Dorado, Soacha y Cota presentaron temperaturas promedio iguales o superiores a los 14 ºC. El efecto térmico ocasionado por la zona urbana es el que provoca el aumento de la temperatura en esta zona de la Sabana de Bogotá.

2.4.2. Humedad relativa

La representación de la humedad relativa sobre el área de la Sabana de Bogotá se presenta en la Figura 2-6. El comportamiento de esta variable es contrario al de la temperatura, lo cual es la situación típica de estas dos variables. Con respecto a la zona de estudio, las zonas más calientes, como el área circundante a Bogotá, son las más secas, mientras que las áreas más frías, como Cota o Cogua, son las que más humedad presentaron en promedio.

Figura 2‑5. Mapa de contorno de la temperatura en la Sabana de Bogotá.

Temperatura (C°)141312

Latit

ud

Longitud

5.2

5.0

4.8

4.6

‑74.4 ‑74.2 ‑74.0 ‑73.8

La PeñaUtica

Vergara Pacho

La Mesa Cucunubá

Chocontá

ChoachíFómeque

Chipaque

Soacha

Sibaté

San Antonio de

ZipacónBojacá

Facatativa

SasaimaAlbán

VilletaNocaima

La Vega


La variación de la humedad relativa entre las zonas seca y húmeda fue de 11,4 %. Con res-pecto al comportamiento microclimático de los invernaderos, aquellos ubicados en zonas clasificadas como húmedas, con humedades relativas cercanas al 90 %, demandarán me-jores tasas de ventilación, de manera que la evacuación de los excesos de humedad sea más eficiente con respecto a las zonas consi-deradas más secas.

2.4.3. Radiación solar

La radiación solar global varió entre 77 y 177,6 W/m2, siendo el municipio de Sopó el que presentó el nivel de radiación más bajo, con promedios inferiores a los 100 W/m2 en las dos estaciones ubicadas en este munici-pio. Aparte de esta situación, el comporta-miento de la radiación solar es relativamente homogéneo a lo largo de la zona de estudio (Figura 2-7).

En el sector del municipio de Madrid también se observa un área de baja radiación solar, con un promedio de 109,2 W/m2. Los mayores niveles de radiación solar se registraron en mu-nicipios como La Calera, Suesca y Soacha, en los que fue superior a los 160 W/m2.

2.4.4. Velocidad del viento

La zona norte de la Sabana de Bogotá pre-sentó las velocidades de viento más bajas, en donde estaciones como las dos instaladas en Sopó registraron velocidades promedio de 0,29 y 0,72 km/h, respectivamente (Figura 2-8). Luego de estas dos estaciones, la de Tocancipá, también ubicada en la zona norte, registró la tercera velocidad del viento más baja con un promedio de 0,92 km/h.

Figura 2‑6. Mapa de contorno de la humedad relativa de la Sabana de Bogotá.

Figura 2‑7. Mapa de contorno de la radiación solar global de la Sabana de Bogotá.

Figura 2‑8. Mapa de contorno de la velocidad del viento en la Sabana de Bogotá.

HumedadRelativa (%)

90.087.585.082.580.0

Latit

ud

Longitud

5.2

5.0

4.8

4.6

‑74.4 ‑74.2 ‑74.0 ‑73.8

La PeñaUtica

Vergara Pacho

La Mesa Cucunubá

Chocontá

ChoachíFómeque

Chipaque

Soacha

Sibaté

San Antonio de

ZipacónBojacá

Facatativa

SasaimaAlbán

VilletaNocaima

La Vega

Radiación (W/m2)

150125100

Latit

ud

Longitud

5.2

5.0

4.8

4.6

‑74.4 ‑74.2 ‑74.0 ‑73.8

La PeñaUtica

Vergara Pacho

La Mesa Cucunubá

Chocontá

ChoachíFómeque

Chipaque

Soacha

Sibaté

San Antonio de

ZipacónBojacá

Facatativa

SasaimaAlbán

VilletaNocaima

La Vega

Velocidad viento (km/h)

4321

Latit

ud

Longitud

5.2

5.0

4.8

4.6

‑74.4 ‑74.2 ‑74.0 ‑73.8

La PeñaUtica

Vergara Pacho

La Mesa Cucunubá

Chocontá

ChoachíFómeque

Chipaque

Soacha

Sibaté

San Antonio de

ZipacónBojacá

Facatativa

SasaimaAlbán

VilletaNocaima

La Vega


El occidente de la Sabana de Bogotá presentó las velocidades de viento más altas, empezando por la estación de Soacha con una velocidad promedio de 4,1 km/h; se observa cómo hacia el occidente las velocidades del viento son superiores a los 2 km/h.

2.4.5. Punto de rocío

La Figura 2-9 presenta el comportamiento espacial de la temperatura del punto de rocío, cuyo rango de variación se ubicó entre 8,8 y 10,9 ºC. En los extremos de la zona de estudio se presentaron las temperaturas más bajas, y es así como en las estaciones de El Rosal y La Calera se registraron algunas de las tempera-turas de punto de rocío más bajas con 9,7 y 8,8 ºC, respectivamente.

El comportamiento de la temperatura del punto de rocío fue homogéneo en la zona de es-tudio, dado que el 75 % de las estaciones registraron valores promedios entre 10,1 y 10,9 ºC.

A partir del análisis realizado a las series climáticas históricas del año 2010 al 2015, es posible concluir que el comportamiento climático de las cuatro subregiones climáticas predefinidas presenta pequeñas variaciones que podrían ejercer algún tipo de efecto sobre las tasas de desarrollo de los cultivos. De manera general, el comportamiento climático de las cuatro su-bregiones representa la situación promedio de la Sabana de Bogotá, que es el de un clima frío con un régimen de lluvias bimodal y sin la presencia de mayores variaciones de variables como temperatura y humedad relativa a lo largo del año.

Figura 2‑9. Mapa de contornos de la temperatura del punto de rocío en la Sabana de Bogotá.

Punto de Rocío (C°)

10.510.09.59.0

Latit

ud

Longitud

5.2

5.0

4.8

4.6

‑74.4 ‑74.2 ‑74.0 ‑73.8

La PeñaUtica

Vergara Pacho

La Mesa Cucunubá

Chocontá

ChoachíFómeque

Chipaque

Soacha

Sibaté

San Antonio de

ZipacónBojacá

Facatativa

SasaimaAlbán

VilletaNocaima

La Vega


3. PROTOTIPOS DE INVERNADEROS EVALUADOS

3.1. Generalidades de los invernaderos dedicados a la producción de flores de corte

Los invernaderos colombianos pueden definirse como estructuras con cubierta de plástico y sistemas de ventilación natural en las siguientes partes: 1. La zona de la cumbrera, denominada ventana cenital fija, y 2. Las paredes exteriores, deno-minadas ventanas laterales frontales (Figura 3-1).

Figura 3‑1. Áreas de ventilación de un invernadero colombiano.

A pesar del área existente cultivada bajo cubierta en el país, son aún pocos los estudios refe-rentes al tipo de estructuras de invernadero existentes y a su comportamiento climático. En orden cronológico, el trabajo realizado por Acuña et al. (2004) fue la primera caracterización de los invernaderos colombianos usados para la producción de flores de corte, estableciendo que en Colombia existen tres tipos de estructuras de invernaderos. El primero y más extendido es el tradicional de madera, establecido en un 64 % del área total de estudio. El segundo tipo es el tradicional de metal-madera y flexon, cada uno con un porcentaje cercano al 10 %; y en la última tipología se encuentran modelos como el espacial, espacial millenium, multitúnel, colgante y tándem, cada uno de estos con porcentajes menores al 5 %.

Este estudio concluyó que el invernadero tradicional, el más antiguo utilizado en la floricultura colombiana, es de bajo costo y no ofrece las mejores condiciones microclimáticas para el desa-

Ventanalateral

Ventanacenital fija

Ventanafrontal

Antepecho


rrollo de los cultivos. De los invernaderos del segundo tipo se concluyó que son adaptaciones del primero, buscan una mayor durabilidad de la estructura, por lo que se usan materiales más resistentes y de mayor vida útil. Los invernaderos del tercer tipo presentan un avance en diseño, buscan aumentar la inercia térmica y los índices de ventilación, y mejorar el control climático mediante el uso de diferentes sistemas o equipos auxiliares. Estas adaptaciones de equipos están determinadas principalmente por el tipo de estructura del invernadero, puesto que si no tiene las condiciones de diseño y materiales apropiados, difícilmente un sistema con un nivel tecnológico alto puede ser implementado. En el medio nacional, el invernadero tradicional solo permite la mecanización razonable de la apertura y cierre de las áreas de ven-tilación (Acuña et al., 2004).

Actualmente, en la Sabana de Bogotá existen cuatro tipos de invernadero (Figura 3-2) que se dedican a la producción de la rosa; en términos generales, todos son evoluciones históricas del invernadero tradicional multicapilla que sigue siendo la estructura dominante con un uso superior al 80 % del área cultivada, es decir, 7050 hectáreas (Asocolflores, 2015).

Figura 3‑2. Tipos de invernaderos colombianos: A. Tradicional multicapilla. B. Tradicional multicapilla mejorado. C. Multitúnel, y d. Espacial.

A B

C D

3.2. Selección de municipios

En el desarrollo del proyecto, las fincas se ubicaron de forma estratégica dentro de las cuatro zonas productoras de flores en las que se ha dividido la Sabana de Bogotá, según Boshell (2009).

En la subregión uno encontramos la finca Rosas agua clara, en el municipio de Cogua, muy cerca de la estación meteorológica de la red Ceniclima; es el mismo caso de las demás; en la subregión dos (finca Wayuu Flowers), en la subregión tres (finca Ipanema Guaymaral) y en la subregión cuatro (finca Turflor S.A.).


3.3. Selección de los modelos de invernadero a evaluar

3.3.1. Subregión 1.2

Dentro de la zona norte encontramos cinco municipios productores (Zipaquirá, Cogua, Suesca, Tocancipá y Sesquilé), algunos hacen parte de la cuenca alta del río Bogotá; debido a similitu-des climáticas, se seleccionó en el municipio de Cogua, cerca de los límites con Nemocón, una finca representativa de la subregión uno, llamada Rosas agua clara.

La finca Rosas agua clara está ubicada a los 5°03”21.43” de latitud norte y 73°55”49.65” de longitud oeste, a una elevación de 2569 msnm (Figura 3-3); en esta finca se evaluaron los bloques 1 y 10.

Figura 3‑3. Vista superior de la finca Rosas agua clara. Fuente: Google Earth.

Bloque uno

El diseño del invernadero del bloque uno se caracteriza por ser de tipo multicapilla modificado (Figura 3-4), con un total de 24 naves con cubierta de polietileno y un área total de 9792 m2. Las dimensiones de cada nave fueron de 6,8 m de ancho × 60 m de largo y el invernadero en su eje longitudinal se orientó en dirección norte-sur.

Figura 3‑4. Vista frontal y lateral del bloque uno.Ventilación lateral Ventilación cenital


La característica principal para seleccionar este invernadero fue la ventilación; lateralmente, las cortinas tienen una amplitud efectiva de 1,9 m en cada uno de sus costados, como en las fachadas, y en la parte superior consta de una ventilación cenital de apertura manual, confor-mada por un techo móvil que se levanta unos 30º, teniendo como eje la intersección de las dos aguas, como se observa en la Figura 3-5; en este bloque, la dirección de las ventanas cenitales es en de un solo sentido, hacia el nororiente.

Figura 3‑5. Vista interior del bloque uno.

Bloque 10

El diseño de invernadero del bloque 10 se caracteriza por ser de tipo multicapilla modificado (Figura 3-6), con un total de 12 naves con cubierta de polietileno y un área total de 5344,8 m2. Las dimensiones de cada nave fueron de 6,8 m de ancho × 65,6 m de largo y el invernadero en su eje longitudinal se orientó en dirección norte-sur.

Figura 3‑6. Vista frontal del bloque 10.

La ventilación en este bloque está compuesta por cortinas con una apertura efectiva de 1,8 m en cada uno de los costados laterales y en las fachadas. La ventilación cenital está construida de forma similar a la del bloque uno, con la diferencia de que en este bloque la dirección de apertura es alterna en cada una de las naves, es decir, que una tiene ventanas cenitales en dirección nororiente y la siguiente tiene una ventana cenital en dirección suroc-cidente (Figura 3-7).

Apertura de ventanas cenitales Capilla invertida o capilla colgante



3.3.2. Subregión dos

La subregión dos está comprendida por seis municipios: Chía, Cajicá, Sopó, Guasca, La Calera y Guatavita; estos se encuentran en la transición de la cuenca alta a la cuenca media del río Bogotá. Guasca fue el municipio en el cual se seleccionó la finca representativa de esta zona y lleva por nombre Wayuu Flowers.

La finca Wayuu está ubicada a los 4°50”53.48” de latitud norte y 73°53”13.59” de longitud oeste, a una elevación de 2662 msnm (Figura 3-8); en esta finca se evaluó el bloque 11.

Figura 3‑8. Vista superior de la finca Wayuu Flowers.Fuente: Google Earth.

Bloque 11

El diseño de invernadero del bloque 11 se caracteriza por ser de tipo multicapilla tradicio-nal (Figura 3-9), con un total de nueve naves con cubierta de polietileno y un área total de 3916,8fm2. Las dimensiones de cada nave fueron de 6,8 m de ancho × 64 m de largo y el invernadero en su eje longitudinal se orientó en dirección este-oeste.

Vista interna de una nave Vista interior de ventanas cenitales



La ventilación de este invernadero comprende una cortina lateral con una amplitud efectiva de un metro en tres de los cuatro lados del bloque, al igual que una ventana permanente en la pared lateral superior del bloque, tal como lo muestra la Figura 3-10.

Figura 3‑10. Vistas del bloque 11.

El modelo de invernadero está equipado también con unas ventilaciones que no se encuen-tran activas, como por ejemplo, la ventilación lateral que se encuentra en dirección suroriente, al igual que las ventilaciones cenitales que alguna vez se adaptaron para esta Figura 3-11.

Ventilación lateral superior Ventilación lateral inferior

Ventilación lateral inactiva Ventilación cenital inactiva

Figura 3‑11. Ventilaciones inactivas del bloque 11.


3.3.3. Subregión tres

La subregión tres comprende seis municipios de importancia productiva del sector floricultor: Madrid, El Rosal, Facatativá, Tenjo, Subachoque y Funza; estos municipios se encuentran en la cuenca media del río Bogotá; dentro de esta investigación, la finca representativa correspon-dió a Guaymaral de Flores Ipanema, ubicada en El Rosal.

La finca Guaymaral se encuentra ubicada en El Rosal a los 4°50”54.51” de latitud norte y 74°14”34.88” de longitud oeste, a una elevación de 2589 msnm (Figura 3-12).

Figura 3‑12. Vista superior de la finca Guaymaral de Flores Ipanema. Fuente: Google Earth.

Dentro de la finca Ipanema Guaymaral los invernaderos tienen un área promedio de una hec-tárea y son de dos tipos, según la zona en la que se encuentren ubicados; para esta investiga-ción se evaluó el bloque 30E.

Bloque 30-E

El modelo de invernadero es del tipo nuevo milenio, que consiste en un invernadero multica-pilla, curvo, con una cresta perpendicular a lo largo de las naves que se cortan a su longitud media por medio de un camino central (Figura 3-13), por lo que este invernadero es más alto

Figura 3‑13. Vista del bloque 30‑E.Vista frontal interna de una nave Vista lateral interna


que los invernaderos comunes; este invernadero, en particular, posee 15 naves cubiertas con polietileno, con un área total de 5692,5 m2; las dimensiones de cada nave son de 6,9 m de ancho por 55 m de largo.

Este tipo de invernadero se caracteriza por tener una estructura metálica, en la que cada nave está compuesta por una capilla de forma circular con una ventana cenital fija de aproximada-mente 30 cm de apertura efectiva y cuenta con cortinas en cada una de las paredes laterales y en cada una de las fachadas (Figura 3-14).

Figura 3‑14. Vistas frontales, exterior e interior del bloque 30‑E.

3.3.4. Subregión cuatro

La subregión cuatro está compuesta por un municipio, Soacha, y por el distrito capital, Bogotá; de igual manera, se encuentra en la cuenca media del río Bogotá. En esta zona se seleccionó, en Soacha, la finca que lleva por nombre Turflor S.A.

Esta finca se encuentra en Soacha a los 4°37”25.25” de latitud norte y 74°13”01.50” de longi-tud oeste, a una elevación de 2545 msnm (Figura 3-15).

Dentro de la finca Turflor S.A. hay dos tipos de invernaderos: multicapilla tradicional y espa-cial; estos últimos difieren entre sí por su forma, construcción estructural y configuración de las ventilaciones cenitales; en esta finca se seleccionó el bloque 0 para realizar la evaluación.

Bloque 0

El modelo de invernadero seleccionado es de los denominados tipo espacial, conformados es-tructuralmente mediante la ubicación vertical de postes de concreto que hacen la función de columna (Figura 3-16), localizados en la zona central y frontal del invernadero; a su vez, los

Vista frontal de una nave Vista frontal interior de una nave


cables sometidos a tensión entre sí conforman la cubierta. El bloque 0 está conformado por 42 naves cubiertas en polietileno, con un área total de 17.892 m2; las dimensiones de cada nave son de 7,1 m de ancho por 60 m de largo.

Figura 3‑15. Vista superior de la finca Turflor.Fuente: Google Earth.

Figura 3‑16. Vista interior del bloque 0.

Este invernadero presenta ventilaciones en las paredes laterales como en las fachadas, com-plementadas con una ventilación cenital, que en el bloque 0 tiene una amplitud efectiva entre 0,1 a 0,2 metros en cada nave que se forma a partir de una cresta en forma de triángulo de 0,3 metros (Figura 3-16).


4. USO DE MODELOS CFD PARA EL ESTUDIO CLIMÁTICO Y DE VENTILACIÓN

DE INVERNADEROS

La dinámica de fluidos computacional es una de las ramas de la mecánica de flui-dos que usa métodos numéricos y algoritmos para estudiar y analizar proble-mas que involucran fluidos en movimiento, empleando computadores de gran capacidad de desarrollo, equipados con software capaz de realizar millones de

cálculos para simular la interacción de líquidos y gases en unas condiciones de contorno gene-ralmente definidas por el usuario; estos casos de estudios involucran las ecuaciones de Navier-Stokes. Adicionalmente, los casos estudiados pueden contener procesos de transferencia de calor y masa e incluso otras (reacciones químicas). Existen diferentes métodos numéricos y algoritmos que resuelven de distinta forma las ecuaciones fundamentales (Baeza, 2007).

4.1. Ecuaciones que gobiernan el flujo de un fluido

Las ecuaciones de Navier-Stokes son un conjunto de ecuaciones que definen el comporta-miento dinámico de un fluido (flujo y transferencia de calor). Estas ecuaciones forman un sis-tema de ecuaciones diferenciales-parciales no lineales que actualmente no tienen solución analítica; se derivan de la aplicación de los principios de conservación de la mecánica y de la termodinámica al fluido, relacionando generalmente la velocidad del cambio de una propie-dad del fluido originado por fuerzas externas (Norton et al., 2007). Deben cumplir lo siguiente:

• La ley de la conservación de la masa (continuidad) establece que la masa que fluye hacia el interior de un elemento de fluido debe equilibrarse exactamente con la masa que fluye hacia afuera.

• La ley de conservación del momento (segunda ley de movimiento de Newton) establece que la tasa de cambio del momento lineal es igual a la suma de las fuerzas que actúan sobre las partículas del fluido.


• La ley de conservación de la energía (primera ley de la termodinámica) establece que la tasa de variación de la energía de una partícula de fluido es igual a la adición de calor y el trabajo realizado sobre la partícula.

Las ecuaciones que gobiernan el flujo tridimensional de un fluido viscoso, compresible en es-tado no estacionario, son:

• Ecuación de continuidad:

(4.1)

• Ecuaciones de momento:

(4.2)

(4.3)

(4.4)

Donde ∇ es el operador nabla que denota el gradiente de velocidad, u, v y w son las compo-nentes cartesianas de la velocidad, V es el vector de velocidad, t representa el esfuerzo cor-tante, y fx, fy y fz representan las componentes cartesianas del vector de fuerzas de cuerpo f.

• Ecuaciones de energía:

(4.5)

Donde ∇ es el operador nabla que denota el gradiente de velocidad, u, v y w son las compo-nentes cartesianas de la velocidad, V es el vector velocidad, t representa el esfuerzo cortante, f es el vector de fuerzas de cuerpo y energía interna debida al movimiento de las moléculas de fluido y k es la conductividad térmica del fluido.


4.2. Consideraciones especiales de los modelos de simulación enfoca-dos al estudio en invernaderos

El estudio del fenómeno de la ventilación en invernaderos por efecto eólico, térmico o combi-nando las técnicas de medición y visualización ha demostrado el carácter turbulento del flujo de aire en el exterior y en el interior del invernadero, por lo tanto, se sugiere que el modelo de turbulencia sea tenido en cuenta a la hora de plantear una solución numérica de un caso específico.

La turbulencia significa que la velocidad instantánea varía en cada punto del campo de flujo. La mayoría de los modelos de turbulencia que vienen en los paquetes comerciales CFD con-sidera un modelo de turbulencia con aumento de la viscosidad del flujo de acuerdo con la ecuación 4.6 (Rico, 2008):

(4.6)

Donde μe es la viscosidad efectiva, μfluido es la viscosidad laminar del fluido (que es una propie-dad del fluido) y μturbulenta es la viscosidad turbulenta, calculada por el modelo de turbulencia (Ansys, 2007).

En algunas ocasiones, la presencia de cultivos o mallas antiinsectos puede ser incluida en los modelos CFD mediante la aproximación de un medio poroso; en estos casos, la ecuación que representa el fenómeno es la descrita en la ley de Darcy (Darcy-Forcheimer), la cual relaciona la fuerza de arrastre a través del medio poroso con una combinación lineal de la velocidad del flujo; esta ecuación (4.7) se describe así:

(4.7)

Donde S∅ es fuerza de arrastre en el medio poroso, U es la velocidad del aire; µ, la viscosidad dinámica del fluido; K, la permeabilidad del medio poroso y Cf, el coeficiente de pérdida de momento no lineal; K y Cf deben ser calculados para cada malla y para cada cultivo.

El efecto térmico de flotación es otro de los fenómenos físicos incluidos constantemente en el estudio del flujo de aire en invernaderos; la ecuación de estado relaciona la densidad del aire en función de la temperatura y la presión, fenómeno muy frecuente en el interior de los invernaderos, debido al calentamiento y enfriamiento del aire. Su modelado puede realizarse por medio de la aproximación de Boussinesq; esta ecuación (4.8) se escribe así:

(4.8)


Donde ρ referencia es la densidad constante del flujo; T referencia es la temperatura real y β es el coeficiente de expansión térmica (β= 0,00329 para el aire). La aproximación de Boussinesq es válida si las diferencias de temperaturas que aparecen en el dominio computacional no son demasiado grandes: situación que generalmente ocurre en el estudio de microclima de invernaderos (Baeza, 2007).

4.3. Desarrollo y funcionamiento de un modelo de simulación CFD

En todo proceso de simulación numérica existen tres pasos fundamentales para desarrollar un proyecto: 1. El preproceso, 2. El proceso, y 3. El postproceso. A continuación se mencionan los aspectos relevantes de cada paso:

4.3.1. El preproceso

En esta primera etapa deben ser definidos los parámetros matemáticos y físicos que deter-minan cada caso de estudio. Generalmente, una gran parte del trabajo del usuario se centra en esta etapa, ya que de la calidad y estructuración de esta depende el éxito de la solución. El usuario deberá definir por medio de la interfaz de los software comerciales existentes lo siguiente: dominio computacional compuesto por geometría del invernadero y del túnel de viento virtual (Figura 4-1); dividir el dominio computacional en número finito de subdomi-nios, selección de los fenómenos físicos que requieren ser modelados, tipo de fluido y su pro-piedades, y condiciones de frontera o borde de la geometría evaluada. En el caso puntual de un invernadero se definen las condiciones para paredes rígidas, ventilaciones laterales, fron-tales, cenitales y grados de apertura.

Figura 4‑1. Dominio computacional de simulación (amarillo y rojo, túnel de viento virtual, y verde, invernadero).

4.3.2. El proceso

En esta etapa, los softwares comerciales solucionan numéricamente las ecuaciones gober-nantes del fluido. Los métodos numéricos utilizados por estos softwares llevan a cabo los


siguientes procesos: mediante funciones simples realizan aproximaciones de las variables desconocidas del flujo del fluido estudiado, discretización de las ecuaciones gobernantes del flujo mediante el uso por sustitución de las aproximaciones calculadas en el proceso anterior y solución de las ecuaciones algebraicas.

Existen cuatro grupos diferentes de técnicas numéricas de solución: las diferencias finitas, los elementos finitos, los volúmenes finitos y los métodos espectrales. Estos métodos tienen su principal diferencia en la forma como cada método aproxima las variables desconocidas del flujo y con los procesos de discretización (Baeza, 2007). En el presente caso de estudio se aplica la solución por los métodos de volúmenes finitos.

4.3.3. El postproceso

En esta etapa final, el usuario podrá tener acceso a la solución del caso estudiado, podrá reali-zarlo desde una perspectiva cualitativa o cuantitativa, dependiendo del grado de análisis que quiera realizar. En la actualidad, debido al constante desarrollo de la industria tecnológica se ha avanzado en generar herramientas que permiten una visualización cada vez más especí-fica de las soluciones gráficas (cualitativas). Los softwares comerciales permiten lo siguiente: visualización de la geometría del dominio computacional y del enmallado de este; gráficos de vectores de velocidad y comportamiento del flujo de aire en el dominio computacional (Figura 4-2); traslación y rotación para generar diversos planos de vista de la geometría y el dominio computacional; gráficos de contorno del comportamiento de variables como tempe-ratura, presión y densidad del flujo de aire; extracción de los valores numéricos de las variables analizadas en cada punto del dominio computacional y, por último, animaciones de cada una de las variables analizadas.

Figura 4‑2. Comportamiento del flujo del aire en una simulación CFD‑3D.


5. DESARROLLO DE MODELOS DE SIMULACIÓN CFD

De acuerdo con la metodología de desarrollo del proyecto se estableció la ge-neración de modelos de simulación CFD para dos actividades:

• Evaluación de las tasas de ventilación e índices de renovación de los mo-delos de invernaderos seleccionados en cada una de las cuatro subregiones, en función de las condiciones climáticas locales predominantes.

• Evaluación climática para las horas 0, 4, 8, 12 ,16 y 20 en cada uno de los invernaderos seleccionados, tomando como condiciones de frontera las condiciones meteorológicas presentadas en el mismo periodo en el cual se desarrolló la toma de datos para realizar la evaluación climática real de cada una de las estructuras; esto se hizo como método de validación y ajuste del modelo CFD utilizado, ya que una de las recomendaciones a nivel mundial de estudios similares es realizar la validación mediante la toma de datos reales.

Para estas actividades se priorizó el uso de modelos de simulación CFD-3D, partiendo de bases generadas a partir del uso de modelos CFD-2D; los modelos CFD-3D presentan complejidad en sus tres etapas (preproceso-proceso-posproceso), ya que requieren de inversiones de tiempo considerables y son muy exigentes en trabajo computacional; aunque debe resaltarse que en contraprestación ofrecen soluciones más detalladas de los componentes escalares de veloci-dad de flujo y temperatura en cada punto del dominio computacional. Adicionalmente, las so-luciones que ofrecen este tipo de modelos tienen una aproximación más cercana a la realidad experimental (Baeza, 2007).

5.1. Uso de modelos de simulación CFD-2D

La evaluación inicial de cada uno de los invernaderos prototipo fue desarrollada mediante el uso de un modelo de simulación CFD-2D de un software comercial, variando las condiciones de frontera requeridas para cada caso de estudio; se inició creando cada uno de los modelos geométricos que representaran la sección transversal de cada uno de los invernaderos estu-


diados (Tabla 5-1). Este modelo se utilizó para realizar análisis del comportamiento del flujo de aire y del comportamiento térmico en el interior del invernadero. Esta sección transversal se incluyó dentro de un dominio computacional de gran tamaño, buscando que los límites de este no afecten los resultados; de acuerdo con Franke et al. (2007) se seleccionaron las siguien-tes dimensiones: altitud de 50 m × 50 m de longitud en cada costado, utilizando el paquete de cómputo Ansys V 17.

Este dominio computacional estuvo compuesto por una malla no estructurada de elementos cuadrados, dividida entre un número finito de elementos para cada caso simulado (Tabla 5-1). La calidad de cada una de las mallas fue evaluada, dado que este es un criterio fundamental para establecer la precisión de las soluciones obtenidas mediante CFD. Los parámetros de ca-lidad de la malla evaluados fueron el tamaño de las celdas y la variación de tamaño celda a celda, encontrando que para todos los modelos estudiados se presentaron valores superiores al 94 % de las celdas de la malla en rangos de calidad alta (0,95-1) y el orthogonal quality, el cual puede tener valores de 0 a 1, siendo los valores cercanos a 0 considerados como malla de mala calidad y los cercanos a 1 como malla de excelente calidad; en este caso el valor mínimo fue de 0,91 para el caso del invernadero del bloque uno de la finca Rosas agua clara, valor que se considera como un rango de alta calidad (Flores, 2014b).

Tabla 5‑1. Esquemas generales del Meshing 2D y números de elementos por modelo de invernadero

Finca # ElementosCalidad Mallado-Esquema

Rosas agua clara Bloque 1.

132.510Elementos

95,2 % (Alta)

Rosas agua clara Bloque 10.

76.510Elementos

94,2 % (Alta)

Wayuu Flowers69.473

Elementos97,2 % (Alta)

Flores Ipanema Bloque 30-E

105.310Elementos

94,7 % (Alta)

TurflorBloque 0

232.710Elementos

93,9 % (Alta)


Posteriormente se utilizó el módulo Fluent (Ansys Fluent Inc.) para resolver las ecuaciones de Navier-Stokes en 2D. La naturaleza turbulenta del flujo de aire se modeló utilizando el modelo de turbulencia estándar k-ε (Launder & Spalding, 1974), ya que ha demostrado una precisión adecuada en los estudios de ventilación natural en invernaderos (Bartzanas et al., 2004; Fat-nassi et al., 2006). Todas las simulaciones consideraron la ecuación de energía para estudiar los efectos de la ventilación en el campo escalar de temperaturas al interior del invernadero. De igual manera, se fijaron las propiedades del fluido a la aproximación de Boussinesq, lo cual permitió modelar los efectos de flotabilidad del aire por efecto de la variación de la densidad del aire.

Para el análisis del comportamiento nocturno se acopló al análisis numérico CFD el modelo que resuelve el fenómeno de radiación desde el suelo del invernadero al ambiente exterior. El modelo seleccionado es el de ordenadas discretas con discretización angular, modelo utilizado con éxito en trabajos anteriores (Montero et al., 2005; Iglesias et al., 2009).

El resumen de los parámetros de entrada al modelo CFD para el análisis diurno y nocturno se presenta en la Tabla 5-2:

Tabla 5‑2. Resumen de parámetros de entrada del modelo CFD‑2D

Parámetros Valores

Algoritmo SimpleMétodo numérico de solución Volúmenes finitos.Método de solución Presured-Based, 2D planar.

Criterios de convergencia 1x10e-06, 1x10e-03 y 1x10e-03, para la ecuación de energía, continuidad y momento.

Estado EstacionarioModelo de energía On

Modelo de viscosidad K-épsilon estándar, con efectos de flotabilidad y funciones estándar de pared.

Modelo radiativo DO ordenadas discretas, material de cubierta (semitransparente), suelo (opaco).

Densidad de los materiales Aproximación de Boussinesq en los fluidos.

Condiciones de frontera

El límite izquierdo se estableció como la entrada de aire (velocity‑inlet) al dominio computa-cional, considerando un perfil uniforme de velocidad del viento (Baeza, 2007) y evaluando velocidades desde los 0,1 m s-1 hasta los 5 m s-1. Este rango de valores de velocidad de viento permitirá construir la curva de índices de renovación, y los valores encontrados en la caracteri-


zación climática se encuentran dentro de estos rangos. El límite derecho se fijó como la salida de presión de aire (pres‑outlet) del dominio computacional. La parte superior del dominio fue fijada con condiciones de frontera de propiedades simétricas (symmetrical), para no generar pérdidas de fricción del flujo de aire en contacto con esta superficie (Figura 5-1). Las simula-ciones consideraron las características atmosféricas de la Sabana de Bogotá (2600 msnm), junto con otras condiciones de frontera relevantes, que se presentan en la Tabla 5-3.

Valores de temperatura promedio, medida calculada en la caracterización climática, otros va-lores de temperatura (cubierta, suelo interior y suelo exterior) fueron asumidos para la fase preliminar de diseño y se mantuvieron constantes en cada simulación.

Figura 5‑1. Condiciones de frontera establecidas al dominio computacional.

Tabla 5‑3. Valores de las condiciones de fronteras específicas para el caso de estudio

Condición Valor

Presión atmosférica 74.660 Pa

Fuerza de la gravedad 9,81 ms-2

Viscosidad del aire 1,7e-05 kg m-1 s-1

Temperatura promedio En función de la hora evaluada y de la caracterización de la subregión seleccionada.

Temperatura de la cubierta del invernadero En función de la hora evaluada y de la caracterización de la subregión seleccionada.

Temperatura del suelo del invernadero En función de la hora evaluada y de la caracterización de la subregión seleccionada.

Temperatura del suelo exterior En función de la hora evaluada y de la caracterización de la subregión seleccionada.

Pa: pascales.

A la parte inferior del dominio considerada como el suelo y a la estructura del invernadero se les fijó una condición de frontera de pared (wall), de acuerdo con lo reportado por Baeza (2007) y teniendo en cuenta para ello sus propiedades físicas y térmicas (Tabla 5-4) tomadas de Rico (2008).

Symmetry

PresureOutlet

VelocityInlet

Wall Wall Wall


Tabla 5‑4. Propiedades físicas y térmicas de los materiales incluidos dentro del dominio computacional establecido para evaluar cada uno de los modelos de invernaderos y configuraciones de ventilación

Material Densidad (ρ, kg m-3) Conductividad (k, W m-K-1) Calor específico (Cp, J kg-K-1)

Suelo 1300 1,0 800Polietileno 923 0,38 2300Aire 1,225 0,0242 1006,43

Para el caso específico del análisis del clima nocturno y con la finalidad de establecer el com-portamiento térmico nocturno del invernadero en función de las condiciones climáticas locales, se usaron como parámetros de entrada para el modelo de radiación las siguientes propiedades ópticas para el material de cubierta establecidas para el fenómeno de radiación infrarroja de onda larga: coeficiente de absorción (α), coeficiente de transmisión (Ƭ) y coeficiente de re-flexión (ρ) (Tabla 5-5); estos valores son asumidos del trabajo de Iglesias et al. (2009).

Tabla 5‑5. Propiedades ópticas del material de cubierta incluidas en el dominio computacional establecido para evaluar el comportamiento climático nocturno

Material α (1/m) Ƭ ρ

Polietileno 0,69 0,19 0,11

Los valores de temperatura del aire externo para las condiciones de clima nocturno se esta-blecieron con base en la caracterización climática de la zona de estudio, seleccionando como condición de frontera el valor mínimo registrado por la estación meteorológica; así mismo, el valor de la velocidad del viento fue establecido de acuerdo con el promedio registrado para las horas de la noche.

Las evaluaciones climáticas se realizaron asumiendo tres escenarios posibles (Tabla 5-6); para cada cual se estableció la condición de frontera de temperatura del cielo, como supuesto cuerpo negro, y la cesión de calor del suelo al ambiente interno del invernadero, metodología establecida en el trabajo de Iglesias et al. (2009).

Tabla 5‑6. Condiciones de borde establecidas para los escenarios de simulaciónde comportamiento climático nocturno

Escenario Temperatura del cielo (°C) Cesión de calor del suelo (W m-2)

Noches despejadas y secas -10 20Noches despejadas y húmedas 0 20Noches con nubosidad 10 20


5.2. Usos de modelos de simulación CFD-3D

Con la finalidad de poder realizar una evaluación climática del invernadero real construido se desarrolló un modelo de simulación CFD-3D. El paso inicial en este proceso consistió en crear las geometrías de los invernaderos en 3D y el dominio computacional que cumplirá la función de túnel de viento virtual en cada uno de estos. Este procedimiento se realizó mediante el uso del software comercial Ansys v.17.0.

Digitalización y simulación 3D de los cinco modelos de invernadero

Se digitalizaron un total de cinco modelos de invernaderos, los cuales se especifican según bloque y finca en Tabla 5-8:

Tabla 5‑7. Digitalización en 3D de invernaderos

Bloque Finca Esquema

N 1 Agua clara

N 10 Agua clara

N 11 Wayuu Flowers

N 30-E Guyamaral Ipanema

N 0 Turflor


Posterior a esto se realizó la etapa de preproceso en el software Ansys V 17.0, que incluyó los siguientes pasos:

• Digitalización del invernadero en 3D (Tabla 5‑9, paso 1).

• Construcción de un túnel de viento y acople al invernadero en 3D (Tabla 5‑9, paso 2).

• División en bloques del dominio computacional (túnel e invernadero) (Tabla 5‑9, pa-sos 3, 4 y 5).

• Mesh o mallado del dominio computacional (Tabla 5‑9, pasos 6 y 7).

Tabla 5‑8. Proceso de digitalización en Ansys

Esquema Paso

Paso 1.

Paso 2.

Paso 3.

Paso 4.

Paso 5.

Paso 6.

Paso 7.


Cada uno de los invernaderos evaluados y su dominio computacional fueron divididos en un número finito de volúmenes, garantizando la calidad de la malla en cada volumen por los mis-mos parámetros que en el modelo CFD-2D. En la Tabla 5‑10 se resumen los criterios de calidad y el número de volúmenes finitos en los cuales fue dividido cada invernadero.

Tabla 5‑9. Volúmenes finitos y calidad de los invernaderos virtuales

Invernadero. Volúmenes Finitos Calidad.

Agua clara - Bloque 1 76.548.935 Superior al 88 %Agua clara - Bloque 10 58.965.321 Superior al 91 %

Wayuu Flowers - Bloque 11 79.156.252 Superior al 84,5 %Ipanema - Bloque 30 E 102.305.145 Superior al 87,6 %

Turflor - Bloque 0 178.524.653 Superior al 87,9 %

Una vez construidos los modelos CFD se procedió a la solución numérica de cada uno de los casos evaluados, siguiendo con la resolución de la etapa de posproceso, donde se utilizó como condiciones de frontera las condiciones climáticas presentadas en el momento de la evalua-ción real de cada estructura.

5.3 Resultados de las evaluaciones mediante simulación CFD5.3.1. Simulaciones de la finca Agua clara - bloque 10

Las condiciones de frontera usadas para el modelo CFD-3D fueron similares a las establecidas en el modelo numérico de partida, variando únicamente los valores de las variables velocidad del viento, temperatura del aire externo y temperatura del suelo, de acuerdo con el compor-tamiento registrado de estas durante el periodo de tiempo que se estableció para realizar la evaluación climática real del invernadero (Tabla 5‑10). Una vez establecidas estas condiciones se procedió a realizar simulaciones para tres condiciones específicas de ventilación y para unas horas específicas del día (Tabla 5‑11):

Tabla 5‑10. Valores de condiciones meteorológicas, establecidas como condiciones de frontera en el modelo CFD‑3D, para diferentes horas de evaluación

Hora Temperatura (°C) Humedad (%) Vel. viento (km/h)- (m/s) Radiación solar (w/m2)

0 11,84 95,79 0-0 04 11,32 97,31 0,076-0,019 08 12,66 96,96 0,157-0.043 114,9

12 17,84 75,42 3,52- 0,97 384,516 18,01 74,53 4,32-1,2 245,7720 13,56 91,16 0,107-0,029 0


Con el fin de determinar la dirección predominante de la velocidad del viento fue construida la rosa de los vientos para la zona de estudio y se encontró que la dirección de estos es muy va-riable, resaltando que predominan las direcciones en el cuadrante Norte-Este, con porcentajes de aparición entre el 0,7 y el 3,5 % de los vientos totales presentados; en cuanto a la variable velocidad, puede observarse que predominan entre 0,5 y 3,6 ms-1 (Figura 5-2):

Figura 5‑2. Rosa de los vientos de la subregión uno.

Tabla 5‑11. Descripción de las simulaciones realizadas mediante CFD en 3D, considerando variaciones en la confi‑guración de las ventilaciones (VL: ventilación lateral, VCF: ventilación cenital fija, VCA: ventilación cenital abatible), su grado de apertura (0 %: ventilación cerrada, 100 %: ventilación completamente abierta) y la dirección del viento

Simulación Configuración de ventilación

Dirección del viento Esquema Horas

S1

VL: 0 %, VCF: 0 %, VCA: 0 %.

0, 4, 20

S2VL: 100 %, VCF: 0 %, VCA: 0 %.

8, 12, 16

S3VL: 0 %, VCF: 0 %, VCA: 100 %.

8, 12, 16

North

West East

South

0,7%

1,4%

2,1%

2,8%

3,5%

Wind Speed(m/s)

>= 11,18,8 ‑ 11,15,7 ‑ 8,83,6 ‑ 5,72,1 ‑ 3,60,5 ‑ 2,1

Calms: 61.99%


En términos de ventilación natural existen unos parámetros de diseño que deberían ser cum-plidos en invernaderos ventilados naturalmente; estos son, entre otros: diseñar invernaderos equipados con ventanas cenitales y laterales, ya que desde el punto de vista de la ventilación natural son más eficientes en comparación con invernaderos equipados con una sola de ellas (Papadakis et al., 1996; Kittas et al., 1997). Esto es válido para invernaderos con anchos li-mitados a menos de 50 m y para zonas donde las velocidades de viento son bajas (< 1 m s-1) y el efecto térmico de la ventilación natural es relevante. Otros principios de diseño son: la orientación del invernadero debe ser perpendicular a la dirección de los vientos predomi-nantes en la zona, la superficie de las ventanas (SV) laterales y cenitales en relación con la superficie de suelo cubierto por el invernadero debe estar entre SV/SSC = 25 – 30 % (FAO, 2002), el comportamiento térmico diario y nocturno del invernadero debe estar en los rangos de temperaturas y humedades relativas óptimos para la producción de especies hortícolas u ornamentales, garantizando las condiciones ambientales adecuadas para el crecimiento y de-sarrollo de las plantas.

La Figura 5‑3 muestra los contornos calculados de la velocidad del viento para las simulacio-nes S1. Esta configuración de ventilación es la predominante en horas de la noche; se puede observar, en general, un movimiento del aire generado por los cambios de temperatura que ocurren a medida que transcurre el periodo nocturno; la velocidad del viento promedio en los horas evaluadas es de 0,3 ms-1; cabe resaltar que este invernadero no posee ventanas cenitales abiertas en el transcurro de la noche, por lo cual ese movimiento no promueve un enfriamien-to rápido de la estructura:

A

B

C

Figura 5‑3. Vectores de velocidad de flujo para el caso S1, a) 0 horas, b) 4 horas, y c) 20 horas.

En la Figura 5‑4 se puede observar el comportamiento de la temperatura en un plano de plan-ta a un metro del nivel del suelo, situación evaluada de forma real en el invernadero, el valor de la temperatura del aire en el interior del invernadero comienza a descender en el transcurso del periodo nocturno, pasando de un promedio general a las 20 horas de 14,7 °C a 11,8 °C a las cuatro horas; este es un proceso completamente natural de amplitud térmica presentada

SIMULACIONES S1PERFILES DE FLUJO DE AIRE

VelocityVector 1 [m s‑1]

0.0 0.3 0.5 0.8 1.10.1 0.4 0.7 0.9 1.2


en los invernaderos colombianos y se debe principalmente a la pérdida energética que va ocu-rriendo en las horas nocturnas por la incapacidad del polietileno de no permitir la salida de los rayos infrarrojos:

A

B

C

Figura 5‑4. Distribución de la variable temperatura para el caso S1, a) 0 horas, b) 4 horas, y c) 20 horas.

En la Figura 5‑5 se presentan los resultados del flujo de aire para la simulación S2; se puede observar un comportamiento del flujo de aire que presenta valores desde los 0,75 ms-1 hasta los 1,2 ms-1; en este invernadero se puede observar cómo la zona de entrada de aire exterior tiene una mayor velocidad y a medida que este flujo atraviesa el invernadero va perdiendo velocidad considerablemente:

A

B

C


En la Figura 5‑6 se pueden observar cómo las zonas de baja velocidad de viento son las que presentan mayores valores de temperatura, con valores de 22,8 °C para la hora 12 (Figura 5‑6b); en las condiciones de simulación S2 se observa cómo hay un aumento en el trascurso del día entre las 8 y las 12 horas, pasando de valores promedio de temperatura de 15,6 °C a 21,2 °C, respectivamente, para cada hora, para el plano de planta evaluado, que es a un metro sobre el nivel del suelo:



0.0 0.3 0.5 0.8 1.10.1 0.4 0.7 0.9 1.2

SIMULACIONES S1PERFILES DE TEMPERATURA

TemperatureAgua Clara Bloque 10 [C]

11 13 15 16 18 20 22 23 25 27


A

B

C


En la Figura 5‑7 se observa el comportamiento de los flujos de viento en el interior del inverna-dero, para la condición S3 se tiene la condición de ventilación al 100 %, tanto en las fachadas laterales y frontales como en las cenitales; esta configuración de ventilación es la más eficien-te, ya que combina el efecto eólico con el térmico; se pueden observar valores de velocidad entre los 0,6 ms-1 y los 1,2 ms-1; para las tres horas simuladas se observa un comportamiento similar, con un alto porcentaje del invernadero en zonas de alta velocidad, con lo cual es de esperar que la temperatura interna del invernadero sea menor en este caso de simulación:

A

B

C


En la Figura 5‑8 se observa el comportamiento térmico en un plano a un metro del nivel de suelo; se puede observar un comportamiento similar al encontrado en la simulación S2, con un aumento de temperatura entre las 8 y las 12 horas, con valores promedio de 14,8 °C y 19,4 °C, lo cual demuestra que para las mismas condiciones ambientales, a mayor área de ventilación se reduce significativamente la temperatura del aire interior; igualmente, entre las 12 y las 16 ho-ras hay una disminución de la magnitud de la temperatura, efecto observado en las anteriores simulaciones y en la Figura 6-2, donde se analizó el comportamiento real de este invernadero, situación que nos muestra el gran ajuste que está ofreciendo el modelo CFD utilizado:



0.0 0.3 0.5 0.8 1.10.1 0.4 0.7 0.9 1.2



11 13 15 16 18 20 22 23 25 27



En la Figura 5‑9 se observa el comportamiento de los índices de renovación de los bloques 10 y 1; se observa la dependencia de esta variable a la velocidad del viento exterior: a mayor velo-cidad, mayor índice de renovación; para la situación predominante en la zona, con velocidades promedio de 1,2 ms-1, se presentan un total de 62 renovaciones en una hora, valor superior al recomendado por Montero et al., (2000) (> 40 vol/h); para el bloque 10 hay que resaltar que este invernadero tiene una relación superficie de ventanas/ superficie suelo cubierto (SV/SSC) con un valor de 28,3 %, valor que cumple con lo recomendado por la FAO (2002); en el caso del bloque uno, para la situación predominante en la zona, con velocidades promedio de 1,2 ms-1 se presenta un total de 26 renovaciones en una hora, valor inferior al recomendado por Montero et al., (2000) (> 40 vol/h); este invernadero tiene una relación superficie de ven-tanas/ superficie suelo cubierto (SV/SSC) con un valor de 22,3 %, valor que no cumple con lo recomendado por la FAO (2002):

A

B

C

Figura 5‑9. Índices de renovación calculados para los bloques 10 y 1 de Rosas agua clara.

IR (V

ol/h)

IR (V

ol/h)

250

200

150

100

50

0

200

150

100

50

01 2 3 4 5 6 1 2 3 4 5 6

Velocidad (m/s) Velocidad (m/s)

IR Bloque 10 - Rosas agua clara IR Bloque 1 - Rosas agua clara



11 13 15 16 18 20 22 23 25 27


5.3.2. Simulaciones de la finca Wayuu Flowers

Las condiciones de frontera usadas para el modelo CFD-3D se reportan en la Tabla 5-13. Una vez establecidas estas condiciones se procedió a realizar simulaciones para tres condiciones específicas de ventilación y para unas horas específicas del día (Tabla 5‑14).


Hora Temperatura (°C) Humedad (%) Vel. viento (km/h)- (m/s)

Radiación solar (w/m2)

0 10,65 93,90 0,0596-0,013 04 10,24 95,92 0,116-0,032 08 11,66 95,15 0,3383-0,093 82,38

12 16,54 78,43 2,47-0,68 443,416 16,75 75,96 2,69-0,74 251,18

En la Figura 5-10 se observa la rosa de los vientos y en este caso predominan las direcciones en el cuadrante Norte-Oeste con porcentajes de aparición entre el 3 y el 12 % de los vientos totales presentados; en cuanto a la variable velocidad, puede observarse que predomina entre 0,5 y 2,1 ms-1:

North

West East

South

3%

6%

9%

12%

15%

Wind Speed(m/s)

>= 11,18,8 ‑ 11,15,7 ‑ 8,83,6 ‑ 5,72,1 ‑ 3,60,5 ‑ 2,1

Calms: 74.58%

Figura 5‑10. Rosa de los vientos de la subregión dos.




Dirección del viento Esquema Horas

S1 VL: 0 %, VCF: 100 %, VCA: 0 %.

0, 4, 8, 12, 16, 20

S2VL: 50 %, VCF: 100 %, VCA: 0 %.

8, 12, 16

S3VL: 100 %, VCF: 100 %, VCA: 0 %.

8, 12, 16

En la Figura 5‑11 se observa el comportamiento de la velocidad del viento en el interior del invernadero; este caso simula la configuración de las ventilaciones laterales y frontales cerra-das; el promedio de velocidad es de 0,2 ms-1; son velocidades bajas generadas completamente

C

E F

A B

Figura 5‑11. Vectores de velocidad de flujo para el caso S1, a) 0 horas, b) 4 horas, c) 8 horas, d) 12 horas, e) 16 horas, y f ) 20 horas.

D



0.0 0.3 0.5 0.8 1.0


por el efecto térmico de la ventilación natural; las velocidades más altas se presentan en las horas 12 y 16 (Figura 5‑11d y e) y se deben principalmente a que en esas horas el diferencial de temperatura entre el interior y el exterior es más alto, factor que maximiza el efecto de flotación del aire:

En la Figura 5‑12 se puede observar el comportamiento térmico del invernadero a través del día, se observa cómo las temperaturas más bajas se presentan en las horas nocturnas 20, 0 y 4 horas (Figura 5‑12 f, a, b), con valores promedios de 13,5 °C para las 20 horas y de 12,2 y 11,6 paras las 0 y 4 horas; los valores más altos de temperatura son observados en las horas diurnas, con un valor promedio alto de 24,4 °C para la hora 12; estos valores altos de temperaturas se presentan porque el fenómeno de ventilación está apoyado sobre el efecto térmico:

Figura 5‑12. Comportamiento térmico del caso S1, a) 0 horas, b) 4 horas, c) 8 horas, d) 12 horas, e) 16 horas, y f ) 20 horas.

En la Figura 5‑13 se observa el comportamiento del flujo de aire en el interior del invernadero bajo la condición de ventilación predominante en la finca wayuu; el flujo de aire presenta ve-locidades de 0,21 ms-1 y 0,53 ms-1 en valores promedio para la hora 8 y la hora 12 (Figura 5‑13 a, b); se puede observar cómo el flujo que no puede ingresar al invernadero por la ventana lateral uno, la cual está deshabilitada, sigue la forma de la cubierta e ingresa por la ventana lateral dos; en la hora 16 se observa un comportamiento con una velocidad de flujo con valores promedio de 0,68 ms-1, pero este flujo de aire no sale del invernadero, sino que se convierte en un movimiento cíclico que no ventila la estructura, por lo tanto es de esperar que los valores de temperatura y humedad sean altos en esas zonas:

C

E F

A B

D


TemperatureFinca wayyu [C]

10 12 13 15 17 18 20 22 23 25



En la Figura 5‑14 se observa el comportamiento térmico; la amplitud térmica entre las 8 horas y las 12 horas presenta valores promedios entre 13,2 °C y 22,3 °C, similares a los reportados en la evaluación (Figura 6-11); en las horas 12 y 16 se puede observar cómo una deficiente ventilación genera un heterogeneidad climática en el interior de los invernaderos, con zonas o parches calientes y diferenciales térmicos entre puntos del interior superiores a 3 °C, lo que ya había sido reportado por Bojacá et al., 2009:

A

B

C

A

B

C

Figura 5‑14. Comportamiento térmico del caso S2, a) 8 horas, b) 12 horas, y c) 16 horas.

En la Figura 5‑15 se observa la simulación para el caso S2; en este se simula la condición máxima de ventilación que podría generarse en este invernadero al abrir la cortina que está deshabilitada; la velocidad del viento en las ocho horas presenta velocidades de viento bajas de 0,26fms-1, pero se debe resaltar que en esta condición el flujo de aire busca salir del inver-nadero; en la hora 12 se observa cómo la entrada de flujo de aire presenta una velocidad de 0,9fms-1 y este valor va disminuyendo a medida que supera el perfil transversal del inverna-dero; en general, en esta configuración se observa un mejor movimiento de aire, causado por una mayor área de ventilación:



10 12 13 15 17 18 20 22 23 25



0.0 0.3 0.5 0.8 1.0



En la Figura 5‑16 se observa el comportamiento térmico que se generaría bajo esta configura-ción de ventilación; en general se observa un comportamiento similar entre las horas al caso S2, con una diferenciación marcada en magnitud, donde los valores promedios de tempera-tura disminuyen en magnitudes de 2,2 °C para la hora 12 y se observa que la generación de gradientes no es tan crítica:

A

B

C


En la Figura 5‑17 se observa el comportamiento de los índices de renovación del invernadero; se observa la dependencia de esta variable a la velocidad del viento exterior: a mayor veloci-dad, mayor índice de renovación; sobre la situación predominante en la zona, con velocidades promedio de 1,3 ms-1, se presenta un total de 5,81 renovaciones en una hora valor muy por debajo al recomendado por Montero et al., (2000) (> 40 vol/h); este invernadero tiene una relación superficie de ventanas/ superficie de suelo cubierto (SV/SSC) con un valor de 10,9 %, que no cumple con lo recomendado por la FAO (2002):

A

B

C



10 12 13 15 17 18 20 22 23 25



0.0 0.3 0.5 0.8 1.0


Figura 5‑17. Índices de renovación calculados.

5.3.3. Simulaciones en la finca Rosas Ipanema

Las condiciones de frontera usadas en el modelo CFD-3D se reportan en la Tabla 5-14. Una vez establecidas estas condiciones, se procedió a realizar simulaciones para tres condiciones específicas de ventilación y para unas horas específicas del día (Tabla 5‑15):


Hora Temperatura (°C) Humedad (%) Vel. viento(km/h)- (m/s)


0 11,41 90,93 0,219-0,06 04 10,43 93,42 0,046-0,012 08 12,50 89,65 1,30-0,36 210,2

12 16,59 74,76 4,13-1,14 382,416 16,92 73,84 2,69-0,74 282,920 13,17 85,85 0,35-0.097 0

En la Figura 5-18 se observa la rosa de los vientos y en este caso predominan las direcciones en el cuadrante Norte-Oeste con porcentajes de aparición entre 3 y 15 % de los vientos totales presentados; en cuanto a la variable velocidad, puede observarse que predominan vientos entre 0,5 y 3,6 ms-1:

IR (V

ol/h)

25

20

15

10

5

01 2 3 4 5 6

Velocidad (m/s)

IR Wayyu Flowers


North

West East

South

3%

6%

9%

12%

15%

Wind Speed(m/s)

>= 11,18,8 ‑ 11,15,7 ‑ 8,83,6 ‑ 5,72,1 ‑ 3,60,5 ‑ 2,1

Calms: 69.90%

Figura 5‑18. Rosa de los vientos de la subregión tres.



Dirección del viento Esquema Horas.

S1 VL: 0 %, VCF: 100 %, VCA: 0 %.

0, 4, 20

S2VL: 100 %, VCF: 100 %, VCA: 0 %.

8, 12, 16

S3VL: 100 %, VCF: 100 %, VCA: 0 %.

8, 12, 16

En la Figura 5‑19 se observa el comportamiento del movimiento del aire en el interior del invernadero para la condición S1; en general se observan valores promedio de velocidad del aire de 0,37 ms-1 para la hora 0 y la hora 20; este movimiento de flujo es debido al efecto chi-


menea que ocurre en las noches, cuando el aire del invernadero intenta salir por la ventilación cenital fija; en la hora cuatro se observa una velocidad de viento promedio más alta, cercana a 0,53fms-1; esto se debe al enfriamiento que se produce en esa hora de la madrugada:

A

B

C


En la Figura 5‑20 se observa el comportamiento térmico en las horas de la noche, cuando se obtuvieron valores promedio de 12,7 °C para la hora 20, 11,4 °C para la hora 0 y 10,2 °C para la hora cuatro; estos valores son similares a los reportados en la evaluación climática real y demuestran el comportamiento normal de un invernadero en las horas de la noche, cuando va perdiendo energía y disminuyendo su temperatura interior a medida que transcurren las horas:

A

B

C


En la Figura 5‑21 se presentan las simulaciones para el caso S2, de ventilación predominante en este invernadero en las condiciones in‑situ, que es del 100 % en los laterales y cenitales; se observa un movimiento del aire en el invernadero, en el cual los valores máximos de velocidad se presentan en la zona por donde golpea el viento incidente y a medida que atraviesa el perfil


TemperaturePlane 1 [C]

10 11 13 14 16 17 19 20 22 23

SIMULACIONES S1 PERFILES DE FLUJO DE AIRE


0.0 0.3 0.6 0.9 1.2


longitudinal del invernadero va perdiendo velocidad; los valores promedios para las horas 8, 12 y 16 son, respectivamente, 0,33, 0,78 y 0,56 ms-1:

A

B

C


En la Figura 5‑22 se observan los valores de temperatura en un plano a 1,5 metros del suelo; en la hora ocho el promedio de temperatura es igual a 15,3 °C, en la hora 12 se presenta la mayor temperatura promedio con un valor de 19,7 °C y en la hora 16 el valor promedio es de 16,3 °C. La formación de gradientes es notoria pero su magnitud no supera los 1,2 °C; los valores encontrados son muy similares a los obtenidos en la evaluación real para estas horas específicas (Figura 6-17):

A

B

C


En la Figura 5‑23 se presentan los valores de velocidad de flujo de aire para la condición S3, donde se modificó la dirección del viento incidente; en general, se observa un comportamien-to similar para las horas evaluadas: en la hora 12 se presentan unas velocidades de viento más altas, con valores de 0,82 ms-1; este comportamiento se debe al efecto térmico, en combina-ción con el efecto eólico, lo cual genera un mejor comportamiento del flujo de aire:

SIMULACIONES S2 PERFILES DE TEMPERATURA


10 11 13 14 16 17 19 20 22 23



0.0 0.3 0.6 0.9 1.2



En la Figura 5‑24 se presentan los planos del comportamiento térmico en las horas evaluadas en la condición S3; se observa un comportamiento similar al encontrado en la evaluación real, donde las horas de mayor temperatura estuvieron entre las 12 y las 14 horas; en este caso, en las horas 8, 12 y 16 se obtuvieron valores promedio de temperaturas de 14,6, 21,2 y 18,9f°C; en la hora 12 se observa un gradiente acumulado en las naves opuestas a la dirección del viento incidente:

A

B

C

A

B

C


En la Figura 5‑25 se observa el comportamiento de los índices de renovación del invernadero; se observa la dependencia de esta variable a la velocidad del viento exterior: a mayor veloci-dad, mayor índice de renovación; para la situación predominante en la zona, con velocidades promedio de 1,2 ms-1 se presenta un total de 20,8 renovaciones en una hora valor por debajo al recomendado por Montero et al., (2000) (> 40 vol/h); este invernadero tiene una relación superficie de ventanas/ superficie de suelo cubierto (SV/SSC) con un valor de 11,8 %, que no cumple con lo recomendado por la FAO (2002):



0.0 0.3 0.6 0.9 1.2



10 11 13 14 16 17 19 20 22 23


Figura 5‑25. Índice de renovación calculado.

5.3.4. Simulaciones de la finca Turflor

Las condiciones de frontera usadas para el modelo CFD-3D se reportan en la Tabla 5-16. Una vez establecidas estas condiciones, se procedió a realizar simulaciones para tres condiciones específicas de ventilación y para unas horas específicas del día (Tabla 5‑17):

Tabla 5‑16: Valores de condiciones meteorológicas, establecidas como condiciones de frontera en el modelo CFD‑3D, para diferentes horas de evaluación

Hora Temperatura (°C) Humedad (%) Vel. viento (km/h)- (m/s)


0 12,45 84,1 1,26- 0,35 04 11,3 87,4 1,26- 0,35 08 12,9 83,1 2,7-0,75 147,28

12 17,7 66,5 7,4-2,05 633,916 17,3 66,9 8,6-2,38 290,820 13,6 81,5 2,4-2,39 0

En la Figura 5-26 se observa la rosa de los vientos y en este caso predominan las direcciones hacia todos los cuadrantes, resaltando que los de valor más intenso se dan en el cuadrante Norte-Este; los porcentajes de aparición están entre el 6 y el 30 % de los vientos totales pre-sentados; en cuanto a la variable velocidad de los vientos, puede observarse que predominan entre 0,5 y 11,1 ms-1:

IR (V

ol/h)

80

70

60

50

40

30

20

10

01 2 3 4 5 6

Velocidad (m/s)

IR Ipanema


Figura 5‑26. Rosa de los vientos en la subregión cuatro.


SimulaciónConfiguración de ventilación

Dirección del viento

Esquema Horas

S1VL: 100 %, VCF: 100 %, VCA: 0 %.

0, 4, 8, 12,

16, 20

En la Figura 5‑27 se presentan los contornos de temperatura de la situación predominante en la finca Turflor; se observa un comportamiento normal de un invernadero con temperaturas bajas en las horas de la noche y temperaturas altas en las diurnas; el valor promedio de la tem-peratura en la hora 0 es de 10,9 °C, en la hora cuatro es de 10,4 °C, en la hora ocho, 16,7 °C; la hora 12 es la más caliente, con un valor de 24,3 °C; en la hora 16 es de 21,4 °C y en la hora 20 es de 12,6 °C; estos valores son similares a los obtenidos en la evaluación climática (Figura 6-23):

North

West East

South

6%

12%

18%

24%

30%

Wind Speed(m/s)

>= 11,18,8 ‑ 11,15,7 ‑ 8,83,6 ‑ 5,72,1 ‑ 3,60,5 ‑ 2,1

Calms: 0.00%


Figura 5‑27. Contornos de temperatura S1, a) 0 horas, b) 4 horas, c) 8 horas, d) 12 horas, e) 16 horas, y f ) 20 horas.

En la Figura 5‑28 se presentan los contornos de velocidad; se observa un comportamiento similar a través de las horas evaluadas; en general, la zona de velocidades más altas es la pared por donde ingresa el viento incidente, que pierde velocidad a lo largo del perfil longitudinal del invernadero; las velocidades promedio en las horas 12 y 16 es de 2,05 ms-1 y 1,78 ms-1, respectivamente; las velocidades más lentas se presentan en la horas de la noche:

A B

D

E F

C

A B

D

E F

C

Figura 5‑28. Contornos de temperatura S1, a) 0 horas, b) 4 horas, c) 8 horas, d) 12 horas, e) 16 horas, y f ) 20 horas.



0.0

SIMULACIONES S1 PERFILES DE TEMPERATURA

TemperatureFinca Turflor [C]

9 11 13 15 17 18 20 22 24 26

0.3 0.5 0.8 1.1 1.3 1.6 1.9 2.1 2.4


En la Figura 5‑29 se observa el comportamiento de los índices de renovación del invernadero y la dependencia de esta variable a la velocidad del viento exterior: a mayor velocidad, mayor índice de renovación; sobre la situación predominante en la zona con velocidades promedio de 1 ms-1, se presenta un total de 20,2 renovaciones en una hora, valor por debajo al recomen-dado por Montero et al., (2000) (> 40 vol/h); este invernadero tiene una relación superficie de ventanas/ superficie del suelo cubierto (SV/SSC) con un valor de 14,2 %, que no cumple con lo recomendado por la FAO (2002):

IR (V

ol/h)

80

70

60

50

40

30

20

10

01 2 3 4 5 6

Velocidad (m/s)

IR Turflor

Figura 5‑29. Índices de renovación calculados.


6. EVALUACIÓN CLIMÁTICA REAL DE LOS INVERNADEROS MEDIANTE TÉCNICAS

GEOESTADÍSTICAS

6.1. Recolección de datos

En la recolección de datos se utilizó un total de 40 registradores de datos remoto Cox-Tracer. Esta cantidad ha mostrado ser un número aceptable para el cálculo de la función de depen-dencia espacial (Bojacá et al., 2009). A los registradores se le conectaron un par de termocu-plas tipo -T (cobre‑constatan) (Rango: -40,5 °C-70 °C, resolución: 0,1 °C, precisión: ± 0,3 °C) y una capacidad de almacenamiento superior a los 16.000 datos. Estas termocuplas se ubicaron dentro de una cápsula de color blanco, totalmente cerrada y ventilada, con el fin de medir el

Figura 6‑1. Etapas del proceso de recolección de datos: a) diseño de grillas de muestreo, b) estación de medición, y c) ubicación de las estaciones en el invernadero.


calor del aire del invernadero sin la influencia de la radiación. Al conjunto de termocuplas, cápsula y registrador se le denominará estación. Las estaciones se ubicaron en el interior del invernadero a una altura de 1,5 metros sobre el nivel del suelo, formando una grilla rectan-gular regular. En cada estación se registraron las temperaturas de bulbo seco y bulbo húmedo del aire, con la finalidad de calcular por medio de ecuaciones psicométricas otras variables ambientales de interés, como la humedad relativa. Después de instaladas las estaciones de medición en el interior del invernadero, estas comenzaron a registrar los valores de tempera-tura cada 10 minutos en un periodo comprendido de 30 días.

6.2. Análisis geoestadístico

Un análisis mediante técnicas geoestadísticas se compone generalmente de tres etapas prin-cipales: análisis exploratorio de los datos, análisis de la relación espacial (análisis estructural) y predicción (estimación o simulación). A continuación se presenta el detalle de los procedi-mientos realizados:

Análisis exploratorioEsta primera etapa se realiza generalmente con la finalidad de cumplir varios propósitos, entre los más importantes están los siguientes: verificar algunos supuestos de la geoestadística, como lo son la estacionariedad y estacionalidad (periodicidad). En esta fase del proceso, usual-mente se utilizan gráficos que permiten inspeccionar la estacionariedad de la variable (Isaaks et al., 1989). Es de interés, además, verificar si los datos son estacionales, es decir, si presentan un comportamiento periódico; para esto se asume que el grado de asociación de estos está en función de la separación espacial y no de la ubicación de estos datos en el espacio. Adicional-mente, se utilizan estadísticos básicos, en este caso el test de Shapiro-Wilk, para determinar la distribución estadística de los datos y verificar que estos cumplan con el supuesto de normali-dad que junto con el análisis grafico inicial permiten verificar que los datos no tengan tenden-cia alguna en el espacio. Una vez realizados estos procedimientos se procede a continuar con el siguiente paso del análisis geoestadístico.

Análisis estructuralEsta etapa está compuesta, según Armstrong y Carignan (1997), por el cálculo del semivario-grama empírico y el ajuste de este a un modelo de semivariograma teórico.

Cálculo del semivariograma empíricoEl semivariograma es definido como la media aritmética de todos los cuadrados de las diferen-cias entre pares de valores experimentales separados por una distancia h (Journel y Huijbregts, 1978). Los semivariogramas se construyen utilizando la ecuación 6-1 (Matheron, 1963):


(6-1)

Donde es el semivariograma empirico, Np(h) es el número de pares a la distancia h, h es el incremento, Z(xi) son los valores experimentales y xi las localizaciones donde son medidos los valores z(xi).

Ajuste del semivariograma a un modelo teóricoExisten diversos modelos teóricos de semivariograma que pueden ser ajustados al semivario-grama empírico. Para el presente trabajo se evaluaron cuatro modelos: gaussiano, esférico, circular y cúbico. Los parámetros básicos de este tipo de modelos son el efecto pepita (C0), que representa una discontinuidad puntual del semivariograma en el origen; la silla (C1), que es el límite del semivariograma cuando la distancia h tiende a infinito, y el rango (as), que es la distancia h para la cual dos observaciones son independientes (David, 1977). Las expresiones matemáticas para obtener los semivariogramas pueden observarse en la Tabla 6-1:

Tabla 6‑1. Modelos de semivariogramas teóricos usados para el análisis de variabilidad espacial

Caso Ecuación

Gaussiano

Esférico

Circular

Cúbico

La selección del modelo de semivariograma que será utilizado para realizar la predicción se basa en el análisis de dos criterios de ajuste de bondad. Estos son el criterio de información de Akaike (AIC) (Akaike, 1973) y el criterio de información bayesiano (BIC) (Schwartz, 1978).


Los modelos con los valores más bajos para los dos criterios de ajuste fueron seleccionados como el modelo de semivariograma que mejor representa el conjunto de datos para cada hora evaluada en el interior del invernadero.

Predicción

En esta etapa se utiliza la información recopilada en las etapas anteriores para realizar estima-ciones (Journel y Huijbregts, 1978; Armstrong y Carignan, 1997), es decir, predecir la variable en puntos no muestreados a partir de valores conocidos y de su estructura de continuidad espacial. El método de estimación predominante es el kriging por el método ordinario, el cual se considera como un predictor lineal óptimo, insesgado y de mínima varianza (Cressie, 1992), en el que la predicción está dada por la siguiente ecuación:

(6-2)

Donde son los pesos (ponderaciones) que se asignan a cada valor de la variable en las po-siciones observadas Z(x0) con base en los parámetros del semivariograma teórico previamente ajustado (Cressie, 1992).

Una vez realizado este procedimiento se elaboran mapas que muestren la representación de la variable de interés, donde los tipos de mapas más empleados son los de contornos

6.3 Resultados de la evaluación climática

6.3.1. Finca Agua clara, bloques uno y 10

Temperatura

El promedio de temperatura para la grilla de sensores instalada en el bloque uno fue de 15,7 ºC durante el periodo de medición. La temperatura promedio registrada en el exterior en el mismo periodo de registro de datos fue de 14,1 ºC, es decir, la diferencia promedio entre el bloque uno y el exterior fue de 1,6 ºC. La Figura 6-2 compara el comportamiento horario entre las tempera-turas del bloque uno y el exterior.

La diferencia promedio de temperatura entre el bloque 10 y el exterior fue similar a la ob-servada entre el bloque uno y el exterior, con un valor de 1,7 ºC. El promedio de temperatura registrado en el bloque 10 fue de 16,0 ºC, mientras que la temperatura promedio del exterior fue de 14,3 ºC. La temperatura exterior en el bloque 10 fue ligeramente más alta, en compara-ción con lo registrado en el periodo de medición del bloque uno. La Figura 6-2b presenta el comportamiento horario entre las temperaturas del bloque 10 y el exterior.


El comportamiento de la temperatura en los dos invernaderos es muy similar. La diferencia promedio en las horas de la noche con respecto al exterior fue de 0,5 y de 0,7 ºC para los blo-ques uno y 10, respectivamente. Durante las horas del día, las diferencias con respecto al exte-rior también mostraron un comportamiento similar en los dos invernaderos. La diferencia con respecto al exterior del bloque uno fue de 2,7 ºC, mientras que la del bloque 10 fue de 2,6 ºC.

A

Tem

pera

tura

(°C)

20.0

17.5

15.0

12.5

0 5 10 15 20Hora

B

Tem

pera

tura

(°C)

22

20

18

16

14

12

0 5 10 15 20Hora

Figura 6‑2. Comportamiento promedio de la temperatura de las grillas de sensores instaladas en el bloque uno (a) y en el bloque 10 (b), comparado con respecto a la temperatura del exterior.

Humedad relativa

La comparación del comportamiento horario promedio de la humedad relativa entre las grillas de sensores montadas en los bloques uno y 10 versus el exterior se presenta en la Figura 6-3. El comportamiento de la humedad relativa de los dos invernaderos es muy similar al comparar las tendencias observadas con respecto al exterior.

Durante el promedio de las 24 horas, la humedad relativa del bloque uno fue de 97,2 %, mien-tras que para el exterior se registró una humedad de 87,5 %. La diferencia promedio obser-vada fue de 9,7 %, lo cual representa el comportamiento característico de un invernadero en la Sabana de Bogotá. En el caso del bloque 10, la humedad relativa promedio fue de 97,5 %, mientras que en el exterior se registró una de 89 %. En este caso, la diferencia entre los dos ambientes fue de 8,5 %.

El comportamiento de la humedad relativa durante la noche indica una saturación completa del aire con vapor de agua, situación característica de estos invernaderos. En el caso del bloque uno, la humedad relativa promedio durante la noche fue 99,6 %, mientras que en el caso del

UbicaciónBloque 1Exterior



bloque 10 el promedio fue de 99,8 %. Con respecto a las humedades observadas en el exterior, las diferencias fueron de 6,9 y 5,1 % para los bloques uno y 10, respectivamente.

A

Hum

edad

relat

iva (%

)

100

90

80

0 5 10 15 20Hora

Hum

edad

relat

iva (%

)

100

90

80

0 5 10 15 20Hora

Figura 6‑3. Comportamiento del promedio de humedad relativa de las grillas de sensores instaladas en el bloque uno (a) y en el bloque 10 (b), comparado con respecto a la humedad relativa del exterior.

Durante las horas del día, las humedades se mantuvieron altas con promedios de 94,8 y 95,2f% en los bloques uno y 10, respectivamente. Las diferencias observadas con respecto al exterior fueron de 12,5 % en el bloque uno y de 11,8 % en el bloque 10. Nuevamente, al analizar esta variable de humedad relativa se puede concluir que en promedio el comportamiento climático de los dos invernaderos es similar.

Déficit de presión de vapor

El déficit de presión de vapor (DPV) es otra variable climática que permite analizar el conteni-do de humedad del aire. El DPV representa la diferencia entre la humedad presente en el aire y la cantidad de humedad que el aire puede retener cuando se encuentra saturado. Si el aire se encuentra saturado ocurre el fenómeno de condensación de agua libre sobre superficies como las hojas o las láminas de polietileno. El comportamiento del DPV es inverso al de la humedad relativa. Mientras más grande sea el valor del DPV, mayor será el potencial del aire de succio-nar humedad de la planta y viceversa.

Al igual que con las otras dos variables climáticas consideradas anteriormente, la Figura 6-4 presenta la comparación del comportamiento horario del DPV dentro y fuera de los dos blo-ques de la finca Agua clara. Los promedios en las 24 horas del DPV dentro de los dos inverna-deros fueron similares, con valores de 0,07 kPa en el bloque uno y de 0,06 kPa en el bloque 10.

B




Durante los periodos de medición en cada invernadero, el DPV en el exterior fue de 0,23 y 0,21 kPa en los bloques uno y 10, respectivamente.

A

Défic

it de p

resión

de va

por (

kPa)

0.6

0.4

0.2

0.0

0 5 10 15 20Hora

B

0 5 10 15 20Hora

Défic

it de p

resión

de va

por (

kPa)

0.6

0.4

0.2

0.0

Figura 6‑4. Comportamiento promedio del déficit de presión de vapor de las grillas de sensores instaladas en el bloque uno (a) y en el bloque 10 (b), comparado con respecto al déficit de presión de vapor del exterior.

Durante la noche, el aire se encontró totalmente saturado de vapor de agua, por lo que el DPV fue igual a cero (0) en ambos invernaderos, en comparación con los promedios del exterior que fueron de 0,11 y 0,08 kPa en los bloques uno y 10, respectivamente.

Durante las horas del día, el comportamiento del DPV siguió la misma tendencia en los dos invernaderos. El bloque uno, con un promedio de 0,13 kPa, y el bloque 10, con un promedio día de 0,12 kPa, indicaron tener una mayor saturación de vapor de agua en su interior, en comparación con lo registrado en el exterior de estos invernaderos.

Una vez realizado el análisis estructural de cada conjunto de datos mediante el ajuste de los semivariogramas teóricos, se procedió a realizar la predicción en puntos no muestreados en cada una de las variables.

Bloque uno

En esta sección se presentan los resultados de las tres variables en estudio del bloque uno, el cual tiene un ancho de 163,2 m y un largo de naves de 60 m, para un área total de 9792 m2. Las estimaciones mediante el método de kriging ordinario se realizaron para cada metro cuadrado del invernadero.




Temperatura

Las temperaturas promedio dentro del invernadero fueron aumentando en la medida en que aumentaban los niveles de radiación. Es así como durante la noche, los promedios de tem-peratura a la altura de un metro fue de 12,6 ºC (Figura 6-5a), mientras que el promedio de temperatura en los niveles de radiación más altos fue de 21,8 ºC (Figura 6-5b).

Las mayores variaciones de temperatura se presentaron durante las horas de más alta radia-ción. La diferencia de temperaturas entre el punto más frío y el más caliente, estimados por el método de kriging, fue de 3,3 ºC en la altura de un m. En esta misma altura, durante las horas de la noche, el diferencial de temperatura fue de 0,9 ºC.

Figura 6‑5. Predicción de la temperatura en puntos no muestreados en el bloque 1 de la finca Agua clara, en dife‑rentes niveles de radiación: a) bajos, y b) altos.

Humedad relativa

Las predicciones para los conjuntos de datos de humedad relativa se presentan en la Figura 6-6. De acuerdo con estas predicciones, las variaciones espaciales de la humedad relativa son mínimas, especialmente durante las horas de la noche, el amanecer y el anochecer, que es cuando se presentan los niveles más bajos de radiación. No se encontró un patrón espacial consistente entre conjuntos de datos y solo se observan algunos parches con mayores niveles de humedad, lo cual es consecuencia de la información utilizada para la calibración de los modelos.

A B

A B

Figura 6‑6 . Predicción de la humedad relativa en puntos no muestreados en el bloque uno de la finca Agua clara, en diferentes niveles de radiación: a) bajos, y b) altos.

5040302010

Y

X50 100

99.8599.8099.7599.7099.6599.6099.5599.5099.45

150

5040302010

Y

X50 100 150

969492908886848280

5040302010

Y

X50 100

13.813.613.413.213.012.812.612.4

150

5040302010

Y

X50 100 150

23.523.022.522.021.521.020.5


A nivel espacial, las diferencias entre el máximo y el mínimo estimados para cada uno de los conjuntos de datos fueron especialmente bajas en los primeros agrupamientos de datos en los que se presentaron bajos niveles de radiación. La mayor diferencia se presentó en el conjunto de datos con el mayor nivel de radiación y a la altura de un m, y fue de 16,3 % entre el punto más seco y el más húmedo.


En la medida en que el DPV y la humedad relativa están relacionadas directamente, se observó la misma situación al realizar la estimación espacial en puntos no muestreados (Figura 6-7). Las variaciones espaciales, aunque representadas en los gráficos, llegan a ser muy bajas como para pensar que se puedan generar diferencias significativas en términos de su efecto sobre las plantas.

En el plano horizontal, las mayores diferencias se presentaron en las estimaciones realizadas con el grupo de radiación alta; la diferencia entre la estimación máxima y la mínima fue 0,44 kPa.

A B

Figura 6‑7. Predicción del déficit de presión de vapor en puntos no muestreados en el bloque uno de la finca Agua clara, en diferentes niveles de radiación: a) bajos, y b) altos.

Bloque 10

En esta sección se presentan los resultados de las tres variables en estudio del bloque 10, el cual tiene un ancho de 81,6 m y un largo de naves de 65,6 m, para un área total de 5353 m2. Igual que en el caso del bloque uno, las estimaciones mediante el método de kriging ordinario se realizaron para cada metro cuadrado del invernadero.

Temperatura

El comportamiento de la temperatura en el bloque 10 no presentó ningún tipo de gradiente particular, salvo algunos parches en ciertos sectores del invernadero (Figura 6-8).

Durante la noche, el promedio de temperatura a una altura de un metro fue de 13,2 ºC, mien-tras que en los agrupamientos con los niveles más altos de radiación estos promedios fueron de 21,7 y 23 ºC, respectivamente.

5040302010

Y

X50 100

0.0080.0070.0060.0050.0040.0030.002

150

5040302010

Y

X50 100 150

0.5

0.4

0.3

0.2

0.1


En el plano horizontal, las diferencias entre las temperaturas a una misma altura se incremen-taron en la medida en que aumentaron los niveles de radiación. Por ejemplo, la diferencia entre el máximo y el mínimo estimado para el grupo uno a la altura de un m fue de 0,4 ºC, mientras que para el grupo cinco a la altura de un m fue de 3,7 ºC.

A B

Figura 6‑8. Predicción de la temperatura en puntos no muestreados en el bloque 10 de la finca Agua clara, en diferentes niveles de radiación: a) bajos, y b) altos.

Humedad relativa

La situación de la humedad relativa en el bloque 10 es similar a la estimada para el bloque uno (Figura 6-9). A niveles de humedad muy alta durante las horas de la noche no se evidencia mayor tendencia espacial. Los parches de altas humedades que estima el modelo no generan grandes diferencias en el comportamiento de la variable en el plano horizontal.

En la medida en que aumenta el nivel de radiación, los niveles de humedad relativa dismi-nuyeron al interior del invernadero. Lo anterior es consistente con el comportamiento típico de estos invernaderos ventilados naturalmente. Mientras que durante la noche se estimaron humedades cercanas al 100 %, es decir, saturación completa del aire con vapor de agua, en las horas de más alta radiación se encontraron humedades promedio de alrededor de 89 % en los dos planos horizontales considerados.

De igual manera, en la medida en que aumentó el nivel de radiación, también fueron más evidentes las diferencias entre el máximo y el mínimo de humedad estimados para un mismo plano horizontal. Mientras que las diferencias fueron despreciables durante las horas de la noche, en el mayor nivel de radiación las diferencias entre el máximo y el mínimo estimado de humedad fueron de 13,8 %.


El DPV presentó una condición relativamente homogénea en toda el área del bloque 10, salvo ciertas pequeñas áreas en las que se incrementaban los valores de esta variable (Figura 6-10).

50

40

30

20

10

Y

X20 40 60 80

13.40

13.35

13.30

13.25

13.20

13.15

13.10

13.05

13.00

50

40

30

20

10

Y

X20 40 60 80

23.5

23.0

22.5

22.0

21.5

21.0

20.5


Figura 6‑9. Predicción de la humedad relativa en puntos no muestreados en el bloque 10 de la finca Agua clara, en diferentes niveles de radiación: a) bajos, b) altos.

A B

Al registrar durante la noche una saturación total del aire con vapor de agua y valores de DPV cercanos a 0 kPa, estos se van incrementando progresivamente hasta alcanzar valores prome-dio cercanos a 0,30 kPa en los momentos de máxima radiación.

Igual que lo estimado para las otras variables, los mayores diferenciales espaciales del DPV se presentaron en los momentos de mayor radiación. Lo anterior, como consecuencia del mayor diferencial entre el clima interno y externo del invernadero. Las diferencias estimadas alcan-zaron a ser de 0,37 y 0,43 kPa.

A B

Figura 6‑10. Predicción de la humedad relativa en puntos no muestreados en el bloque 10 de la finca Agua clara, en diferentes niveles de radiación: a) bajos, b) altos.

6.3.2. Finca Wayuu Flowers

A continuación se presenta un análisis descriptivo de la información recopilada en el inverna-dero de la finca Wayuu Flowers de las tres variables de estudio: temperatura, humedad relati-va y déficit de presión de vapor.

50

40

30

20

10

Y

X20 40 60 80

0.04

0.03

0.02

0.01

0.00

50

40

30

20

10

Y

X20 40 60 80

0.50

0.45

0.40

0.35

0.30

0.25

0.20

0.15

50

40

30

20

10

Y

X20 40 60 80

100.0

99.8

99.6

99.4

99.2

99.0

98.8

98.6

50

40

30

20

10

Y

X20 40 60 80

94

92

90

88

86

84

82

80


Temperatura

El promedio de temperatura de la grilla de sensores instalada en el invernadero de Wayuu Flowers fue de 15,1 ºC durante el periodo de medición. La temperatura promedio registrada en el exterior, en el mismo periodo de registro de datos, fue de 13,1 ºC, es decir, la diferencia promedio entre el interior del invernadero y el exterior fue de 2 ºC al comparar el comporta-miento horario entre las temperaturas del invernadero y el exterior.

Al separar los comportamientos durante el día y la noche, la diferencia promedio dentro del invernadero en las horas de la noche con respecto al exterior fue de 0,9 ºC. Durante las ho-ras del día, las diferencias con respecto al exterior fueron mayores, alcanzando una diferencia promedio de 3,1 ºC (Figura 6-11). En la medida en que la radiación solar alcanza su máximo diario, así mismo se observaron las mayores temperaturas dentro del invernadero como con-secuencia del efecto invernadero.

Tem

pera

tura

(°C)

20

17.5

15.0

12.5

0 5 10 15 20Hora

Figura 6‑11. Comportamiento promedio de la temperatura de la grilla de sensores instalada dentro del invernadero, comparado con respecto a la temperatura del exterior.

Humedad relativa

Durante el promedio de las 24 horas, la humedad relativa del invernadero fue de 97,0 %, mientras que en el exterior se registró una humedad de 88,2 % (Figura 6-12). La diferencia promedio observada fue de 8,8 %, lo cual representa una diferencia estándar de los inverna-deros dedicados a la producción de flores.

La humedad relativa promedio del invernadero durante la noche fue de 99,4 %, mientras que en el exterior la humedad relativa promedio en el periodo de medición fue de 91,7 %. Con base en lo anterior, la diferencia de la humedad relativa entre el exterior y el interior del inver-nadero fue de 7,7 %.



Figura 6‑12. Comportamiento promedio de la humedad relativa de la grilla de sensores instalada dentro del inver‑nadero, comparado con respecto al déficit de presión de vapor del exterior

Durante las horas del día, el invernadero presentó una alta humedad con un promedio de 94,6f%. Con respecto al exterior, la diferencia durante el periodo de tiempo considerado fue de 9,9 %, dado que la humedad relativa registrada en el exterior fue de 84,7 %.


El comportamiento horario del déficit de presión de vapor (DPV), tanto en el exterior como en el interior del invernadero, se presenta en la Figura 6-13. El promedio de las 24 horas del DPV dentro del invernadero fue de 0,07 kPa. Durante el periodo de medición dentro del invernade-ro de Wayuu Flowers, el DPV en el exterior fue de 0,20 kPa.

0 5 10 15 20Hora

Hum

edad

relat

iva (%

)

100

95

90

85

80

75

0 5 10 15 20Hora

Figura 6‑13. Comportamiento promedio del déficit de presión de vapor de la grilla de sensores instalada dentro del invernadero, comparado con respecto al déficit de presión de vapor del exterior.

Défic

it de p

resión

de va

por (

kPa)

0.5

0.4

0.3

0.2

0.1

0.0




Durante la noche, en concordancia con lo reportado de la humedad relativa, el aire estuvo saturado de vapor de agua, por lo que el DPV fue igual a 0,01 en el invernadero en estudio, en comparación con el promedio del exterior que fue de 0,12.

Durante las horas del día, el comportamiento promedio del DPV fue de 0,13 kPa, mientras que en el exterior el VPD promedio registrado fue de 0,28 kPa. Lo anterior indica que durante el día, el VPD interno representó el 46,4 % del valor obtenido por esta variable en el exterior.

Temperatura

La Figura 6-14 presenta las predicciones de los puntos no muestreados durante las horas de la noche; el promedio estimado en toda el área del invernadero fue de 11,9 ºC, para luego ir au-mentando progresivamente hasta alcanzar una temperatura promedio de 22,4 ºC en los mo-mentos de mayor radiación. En las horas de la noche, la diferencia de la temperatura más alta y la más baja fue de 0,9 ºC. En los niveles más altos de radiación la diferencia fue superior a los 5 ºC.

A B

Figura 6‑14. Predicción de la temperatura en puntos no muestreados de la finca Wayuu Flowers, en diferentes niveles de radiación: a) bajos, b) altos.

Humedad relativa

Las predicciones de los conjuntos de datos de humedad relativa se presentan en la Figura 6-15. Las variaciones espaciales de la humedad relativa son mínimas, especialmente durante las horas de la noche, el amanecer y el anochecer, cuando se presentan los niveles más bajos de radiación.

En la medida en que aumentan los niveles de radiación a lo largo del día, en contraste van dis-minuyendo los niveles de humedad relativa dentro del área del invernadero. Luego de iniciar con un promedio de saturación total durante las horas de la noche, la estimación promedio de humedad relativa en el invernadero fue de 89,7 % en el nivel de radiación más alto. Los con-juntos de datos intermedios presentaron valores promedio de 96,4, 90,1 y 88,7 % de manera ascendente, respectivamente.

60

50

40

30

20

10

Y

X10 20 30 40 50 60

12.4

12.2

12.0

11.8

11.6

60

50

40

30

20

10

Y

X10 20 30 40 50 60

25

24

23

22

21

20

19


Igual que con la temperatura, las diferencias en términos de humedad aumentaron en la me-dida en que los niveles de radiación eran más elevados, dando a entender que el aumento de la radiación, así como de otras variables como la velocidad del viento, provocan una mayor heterogeneidad del clima dentro del invernadero. En el primer conjunto de datos la diferencia entre el máximo y el mínimo punto predicho fue de 0,9 %, mientras que los conjuntos de datos tres y cuatro registraron diferencias alrededor del 17 %.

A B

Figura 6‑15. Predicción de la humedad relativa en puntos no muestreados de la finca Wayuu Flowers, en diferentes niveles de radiación: a) bajos, b) altos.


La Figura 6-16 presenta las estimaciones del déficit de presión de vapor de cada uno de los conjuntos de datos considerados, el comportamiento incremental de los valores de déficit de presión de vapor, en la medida en que incrementan los valores de radiación se confirman con los conjuntos de datos de este invernadero. Los promedios de déficit de presión de vapor de los cinco conjuntos de datos fueron 4,9 E-03, y 0,3 kPa, respectivamente.

Figura 6‑16. Predicción de la temperatura en puntos no muestreados de la finca Wayuu Flowers con diferentes niveles de radiación: a) bajos, b) altos.

A B

60

50

40

30

20

10

Y

X10 20 30 40 50 60

0.016

0.014

0.012

0.010

0.008

0.006

0.004

0.002

60

50

40

30

20

10

Y

X10 20 30 40 50 60

0.6

0.5

0.4

0.3

0.2

0.1

60

50

40

30

20

10

Y

X10 20 30 40 50 60

99.8

99.6

99.4

99.2

99.0

60

50

40

30

20

10

Y

X10 20 30 40 50 60

94

92

90

88

86


De igual manera, las diferencias entre los diferentes puntos dentro del invernadero también aumentaron a medida que se incrementaron los niveles de radiación. Durante las horas de la noche se estimó una situación homogénea dentro del área del invernadero con una diferencia de 0,01 kPa entre los puntos máximo y mínimo. Las mayores diferencias se observaron en los niveles más altos de radiación, con diferencias estimadas de alrededor de 5 kPa.

6.3.3. Finca Flores Ipanema

A continuación se presenta un análisis descriptivo de la información recopilada en el inverna-dero de la finca Ipanema sobre las tres variables de estudio: temperatura, humedad relativa y déficit de presión de vapor.

Temperatura

El promedio de temperatura de la grilla de sensores instalada en el invernadero de Ipanema fue de 14,2 ºC durante el periodo de medición. La temperatura promedio registrada en el ex-terior en el mismo periodo de registro de datos fue de 13,4 ºC, es decir, la diferencia promedio entre el interior del invernadero y el exterior fue de 0,8 ºC. La Figura 6-17 compara el compor-tamiento horario entre las temperaturas del invernadero y el exterior.

Al separar los comportamientos durante el día y la noche se observa que en la noche el com-portamiento de la temperatura dentro del invernadero fue igual a la del exterior. Los promedi-os nocturnos de las dos ubicaciones, interior y exterior, fueron 11,6 y 11,5 ºC, respectivamente. Durante las horas del día, las diferencias con respecto al exterior fueron mayores, alcanzando

Tem

pera

tura

(°C)

17.5

15.0

12.5

10.0

0 5 10 15 20Hora

Figura 6‑17. Comportamiento promedio de la temperatura de la grilla de sensores instalada dentro del invernadero, comparado con la temperatura del exterior.



una diferencia promedio de 1,6 ºC. Las mayores diferencias entre las temperaturas del interior y el exterior del invernadero se alcanzaron durante las horas del mediodía.

Humedad relativa

La comparación del comportamiento horario promedio de la humedad relativa entre la grilla de sensores montada en el invernadero versus el exterior se presenta en la Figura 6-18.

Durante el periodo de 24 horas, la humedad relativa del invernadero fue de 87,0 %, mientras que la del exterior fue de 84,6 %. La diferencia promedio observada fue de 2,4 %, lo cual representa una diferencia mínima de esta variable.

Igual que en los casos analizados anteriormente, el comportamiento de la humedad relativa durante la noche tiende a una saturación máxima del aire con vapor de agua. La humedad relativa promedio del invernadero durante la noche fue 92,8 %, mientras que en el exterior la humedad relativa promedio en el periodo de medición fue de 90,2 %. Con base en lo anterior, la diferencia de la humedad relativa entre el exterior y el interior del invernadero fue de 2,6 %.

0 5 10 15 20Hora

Hum

edad

relat

iva (%

)

95

90

85

80

75

Figura 6‑18. Comportamiento promedio de la humedad relativa de la grilla de sensores instalada dentro del inver‑nadero, comparado con la humedad relativa del exterior.

Durante las horas del día, el invernadero presentó una humedad con un promedio de 81,2 %. Con respecto al exterior, la diferencia durante el periodo de tiempo considerado fue de 2,3f%, dado que la humedad relativa registrada en el exterior fue de 78,9 %. El comportamiento de la humedad relativa es prácticamente similar al del exterior en el periodo de medición considerado.




El comportamiento horario del déficit de presión de vapor (DPV), tanto en el exterior como en el interior del invernadero, se presenta en la Figura 6-19. El promedio en las 24 horas del DPV dentro del invernadero fue de 0,25 kPa. Durante el periodo de medición dentro del invernade-ro de Ipanema, el DPV en el exterior fue similar al registrado dentro del invernadero, 0,26 kPa.

0 5 10 15 20Hora

Défic

it de p

resión

de va

por (

kPa)

0.5

0.4

0.3

0.2

0.1

Figura 6‑19. Comportamiento promedio del déficit de presión de vapor de la grilla de sensores instalada dentro del invernadero, comparado con el déficit de presión de vapor del exterior.

Durante la noche, en concordancia con lo reportado para la humedad relativa, el aire estuvo saturado de vapor de agua, por lo que el DPV fue igual a 0,11 en el invernadero en estudio, en comparación con el promedio del exterior que fue de 0,14.

Durante las horas del día, el comportamiento promedio del DPV dentro del invernadero fue de 0,40 kPa, mientras que en el exterior el promedio registrado fue de 0,38 kPa. La tendencia a la acumulación de humedad dentro del invernadero es similar a la observada en el exterior.

Temperatura

La Figura 6-20 representa las predicciones de temperatura en función del nivel de radiación de toda el área del invernadero. El promedio de la temperatura estimada durante la noche y en el periodo de medición se ubicó en 11,1 ºC. Luego, en la medida en que el nivel de radiación va aumentando, también se incrementa el promedio de temperatura al interior del invernadero. De esta forma, en la medida en que se alcanza el mayor nivel de radiación, la temperatura promedio del invernadero fue de 19,4 ºC.



Durante las horas de la noche y con los niveles de radiación más bajos, el comportamiento de la temperatura es muy homogéneo dentro del área del invernadero. Solamente se evidencian algunas diferencias de temperatura entre distintos puntos dentro del invernadero donde las diferencias máximas alcanzaron valores alrededor de 3,5 ºC.

En los niveles más altos de radiación se determinaron diferencias espaciales máximas de 5,6 ºC.

A B

Figura 6‑20. Predicción de la temperatura en puntos no muestreados en la finca Flores Ipanema con diferentes niveles de radiación: a) bajos, b) altos.

Humedad relativa

Las predicciones realizadas mediante kriging ordinario de la humedad relativa están represen-tadas en la Figura 6-21. Las variaciones espaciales de la humedad relativa durante las horas de la noche fueron relativamente bajas, a excepción de un área ubicada en la parte sur y central del invernadero, donde se estimó un área con un nivel de humedad relativamente bajo. Aun así, el promedio de humedad relativa en las horas de la noche fue de 96,3 %.

Las diferencias en términos de humedad aumentaron en la medida en que los niveles de ra-diación eran más elevados, como consecuencia no solo del aumento de la radiación, sino de

Figura 6‑21. Predicción de la humedad relativa en puntos no muestreados de la finca Flores Ipanema con diferentes niveles de radiación: a) bajos, b) altos.

A B

60

50

40

30

20

10

Y

X10 20 30 40 50 60

100

98

96

94

92

90

88

60

50

40

30

20

10

Y

X10 20 30 40 50 60

100

95

90

85

80

75

70

65

60

60

50

40

30

20

10

Y

X10 20 30 40 50 60

14.5

14.0

13.5

13.0

12.5

12.0

11.5

11.0

10.5

X10 20 30 40 50 60

60

50

40

30

20

10

Y

22

21

20

19

18

17

16


otras variables como la velocidad del viento, que contribuyen a una mayor heterogeneidad del clima dentro del invernadero. Durante las horas de la noche se alcanzó una diferencia del 11,5f% entre el punto más húmedo y el más seco, hasta llegar a diferencias considerables de 37,8 % en el nivel máximo de radiación. Déficit de Presión de Vapor

La Figura 6-22 presenta las estimaciones del déficit de presión de vapor de cada uno de los conjuntos de datos considerados. La tendencia espacial observada en esta variable es muy similar a lo encontrado en la humedad relativa. Debido a la fuerte correlación que hay entre las dos variables, se encuentran los mismos parches o áreas húmedas o secas para estas variables.El aumento de los valores de déficit de presión de vapor, en la medida en que incrementan los valores de radiación, se reafirman con los conjuntos de datos de este invernadero. Los pro-medios de déficit de presión de vapor de los cinco conjuntos de datos fueron 0,05 y 0,54 kPa, respectivamente.

De igual manera, a medida que aumentaron los niveles de radiación, las diferencias entre los diferentes puntos dentro del invernadero también se incrementaron. Durante las horas de la noche se estimó una situación relativamente homogénea en el área considerada, con una dif-erencia de 0,15 kPa entre los puntos máximo y mínimo. Las diferencias se van incrementando en función del nivel de radiación, hasta alcanzar una diferencia máxima de 0,96 kPa en los niveles más altos de radiación entre los extremos seco y húmedo.

A B

Figura 6‑22. Predicción del déficit de presión de vapor en puntos no muestreados de la finca Flores Ipanema con diferentes niveles de radiación: a) bajos, b) altos.

6.3.4. Finca Turflor

A continuación se presenta un análisis descriptivo de la información recopilada en el inverna-dero de la finca Wayuu Flowers en las tres variables de estudio: temperatura, humedad relati-va y déficit de presión de vapor.

(i)

60

50

40

30

20

10

Y

X10 20 30 40 50

1.0

0.8

0.6

0.4

0.2

0.060

X10 20 30 40 50 60

60

50

40

30

20

10

Y

0.16

0.14

0.12

0.10

0.08

0.06

0.04

0.02

0.00


Temperatura

El promedio de temperatura de la grilla de sensores instalada en el invernadero de Turflor fue de 16,0 ºC durante el periodo de medición. La temperatura promedio registrada en el exterior en el mismo periodo de registro de datos fue de 14,2 ºC, es decir, la diferencia promedio entre el interior del invernadero y el exterior fue de 1,8 ºC. La Figura 6-23 compara el comporta-miento horario entre las temperaturas del invernadero y del exterior.

Al separar los comportamientos durante el día y la noche se observa que durante la noche el comportamiento de la temperatura dentro del invernadero fue prácticamente igual a la del exterior. El promedio nocturno de las dos ubicaciones fue de 12,2 ºC, respectivamente. Durante las horas del día, las diferencias con respecto al exterior fueron mayores, alcanzando una diferencia promedio de 3,6 ºC. Las mayores diferencias de temperatura entre el interior y el exterior del invernadero se alcanzaron durante las horas del mediodía. La temperatura promedio al interior del invernadero fue de 19,7 ºC, mientras que en el interior fue de 16,1 ºC.

Tem

pera

tura

(°C)

25

20

15

10

0 5 10 15 20Hora

Figura 6‑23. Comportamiento promedio de la temperatura de la grilla de sensores instalada dentro del invernadero, comparado con la temperatura del exterior.

Humedad relativa

La comparación del comportamiento horario promedio de la humedad relativa entre la grilla de sensores montada en el invernadero versus el exterior se presenta en la Figura 6-24.

Durante el promedio de las 24 horas, la humedad relativa del invernadero fue de 84,5 %, mientras que en el exterior se registró una humedad de 78,8 %. La diferencia promedio obser-vada fue de 5,7 %, la cual no es significativa para esta variable.



Igual que en los casos analizados anteriormente, el comportamiento de la humedad relativa durante la noche tiende a una saturación máxima del aire con vapor de agua. La humedad relativa promedio del invernadero durante la noche fue 93,5 %, mientras que en el exterior, en el periodo de medición, fue de 85,2 %. Con base en lo anterior, la diferencia de la humedad relativa entre el exterior y el interior del invernadero fue de 8,3 %. La humedad dentro del invernadero fue superior tanto en las horas de la noche como en las del día.

0 5 10 15 20Hora

Hum

edad

relat

iva (%

)

90

85

80

Figura 6‑24. Comportamiento promedio de la humedad relativa de la grilla de sensores instalada dentro del inver‑nadero, comparado con la humedad relativa del exterior.

Durante las horas del día, el invernadero presentó una humedad con un promedio de 75,5f%. La diferencia durante el periodo de tiempo considerado fue de 3,2 % entre el invernadero y el exterior, en razón de que la humedad relativa registrada en el exterior fue de 72,3 %. El comportamiento de la humedad relativa es prácticamente similar al del exterior en el periodo de medición considerado.


El comportamiento horario del déficit de presión de vapor (DPV), tanto en el exterior como en el interior del invernadero, se presenta en la Figura 6-25. El promedio en las 24 horas del DPV dentro del invernadero fue de 0,34 kPa. Durante el periodo de medición dentro del invernade-ro de Turflor, el DPV en el exterior fue similar, con un valor de 0,38 kPa.

Durante la noche, igual que lo reportado para la humedad relativa, el aire estuvo saturado de vapor de agua, por lo que el DPV fue igual a 0,09 kPa en el invernadero en estudio, en compa-ración con el promedio del exterior que fue de 0,22 kPa.



Figura 6‑25. Comportamiento promedio del déficit de presión de vapor de la grilla de sensores instalada dentro del invernadero, comparado con el déficit de presión de vapor del exterior.

0 5 10 15 20Hora

Défic

it de p

resión

de va

por (

kPa) 0.75

0.50

0.25

Durante las horas del día, el comportamiento promedio del DPV dentro del invernadero fue de 0,58 kPa, mientras que en el exterior el promedio registrado fue de 0,54 kPa. La tendencia a la acumulación de humedad dentro del invernadero es similar a la observada en el exterior.

Temperatura

La Figura 6-26 presenta las predicciones de la temperatura en función del nivel de radiación de toda el área del invernadero. El efecto del agrupamiento, realizado en función de la radiación solar, se ve reflejado en las temperaturas estimadas para cada grupo de datos. Durante las horas de la noche, el promedio estimado para toda el área del invernadero fue de 11,7 ºC, para luego ir aumentando progresivamente hasta alcanzar una temperatura promedio de 24,4 ºC en la situación de radiación más alta.

Figura 6‑26. Predicción de la temperatura en puntos no muestreados de la finca Turflor con diferentes niveles de radiación: a) bajos, b) altos.

A B

50

40

30

20

10

Y

X

50 100 150 200 250

X

50 100 150 200 250

50

40

30

20

10

Y

126124122120118116114112110

27

26

25

24

23

22

21

20



Este comportamiento observado en las horas de la noche se maximiza durante las horas del día con los mayores niveles de radiación. Se estiman parches específicos de bajas temperatu-ras en la parte sur del invernadero, mientras que en la parte central de invernadero se alcanzan las temperaturas más elevadas de forma general en cualquier nivel de radiación.

Humedad relativa

Las predicciones sobre la humedad relativa se presentan en la Figura 6-27. Las variaciones espaciales de la humedad relativa son mínimas, especialmente durante las horas de la noche, aunque se evidencian algunos parches con unos gradientes relativamente grandes de hume-dad. En la medida en que aumentan los niveles de radiación, estos parches de humedad se hacen más evidentes y son muy localizados en un área relativamente pequeña y consecuencia del comportamiento de los parámetros utilizados para el ajuste del semivariograma teórico. Al contrario del comportamiento de la temperatura, los niveles de humedad relativa aumentan dentro del área del invernadero a medida que aumenta el nivel de radiación. Durante la noche se encuentra una saturación total del aire con vapor de agua. Posteriormente va disminuyen-do, por lo que la estimación promedio de humedad relativa en el invernadero fue de 65,6 % en el nivel de radiación más alto.

Las diferencias en términos de humedad aumentaron en la medida en que los niveles de radi-ación fueron más elevados, provocando una mayor heterogeneidad del clima dentro del inver-nadero. La diferencia entre el máximo y el mínimo punto predicho fue de 42,6 %.

A B


Déficit de Presión de Vapor

La Figura 6-28 presenta las estimaciones del déficit de presión de vapor de cada uno de los conjuntos de datos considerados. Se observa un comportamiento incremental de los valores

50

40

30

20

10

Y

100

98

96

94

92

90

88

86

84

X

50 100 150 200 250

X

50 100 150 200 250

50

40

30

20

10

Y

908580757065605550


de déficit de presión de vapor, en la medida en que se incrementan los valores de radiación. Los promedios de déficit de presión de vapor fueron 0,055 y 0,95 kPa, respectivamente.

Las diferencias entre los puntos dentro del invernadero aumentaron a medida que se incre-mentaron los niveles de radiación. Durante las horas de la noche se estimó una situación en la que las diferencias entre los puntos máximo y mínimo fue de 0,14 kPa, mientras que en el nivel más alto de radiación las mismas diferencias fueron de 1,8 kPa.

A B


CONCLUSIONES

De acuerdo con los resultados del proyecto se puede concluir en términos generales:

• La investigación logró una evaluación de cinco tipos de modelos de invernaderos de em-presas de flores localizadas en la Sabana de Bogotá, en donde se obtuvo resultados des-criptivos de cada uno en referencia a su respectivo sistema de ventilación. En este orden de ideas las conclusiones son específicas a cada sistema evaluado, no obstante se puede afirmar de manera general, que de los prototipos de invernaderos evaluados, el bloque 10 de la empresa Rosas Aguaclara, permitió maximizar el sistema de ventilación natural del invernadero, cumpliendo con los valores mínimos de índices de renovación para la con-dición de viento predominante en la subregión 1 contemplada en la investigación. Esta optimización de las condiciones de ventilación se logró al introducir una configuración

50

40

30

20

10

Y

50

40

30

20

10

Y

0.14

0.12

0.10

0.08

0.06

0.04

0.02

0.00

1.5

1.0

0.5

0.0

X

50 100 150 200 250

X

50 100 150 200 250


AGRADECIMIENTOS

La información provista en este documento ha sido generada en la ejecución del proyecto Generación de una herramienta de diseño u optimización de los sistemas de ventilación natural de los invernaderos dedicados a la producción de flores de corte en cuatro subregiones de la Sabana de Bogotá, mediante el uso de herramien‑

tas de simulación basadas en la técnica dinámica de fluidos computacional (CFD), financiado por el Sena, Asocolflores y Ceniflores, y ejecutado entre septiembre del 2015 y diciembre del 2016.

Los autores expresan su agradecimiento a las empresas Rosas agua clara, Wayuu Flowers, Flo-res Ipanema y Turflor, y en cada empresa agradecen a sus gerentes, directores técnicos y, en general, a todo el personal de las fincas relacionado con el desarrollo del proyecto y el sumi-nistro de información.

Adicionalmente, agradecen a Manuel Fernando Herrera, ingeniero agroecólogo en formación, quien se desempeñó como pasante, por su colaboración en la toma de datos y en el desarrollo de actividades propias del proyecto.

de ventilación que consiste en una orientación alterna de ventanas cenitales fijas y una combinación de ventanas laterales y cenitales.

• Las simulaciones mediante CFD son una herramienta de diseño con gran potencial para sistemas de ventilación en invernaderos. Esta metodología permite evaluar mejoras para ser introducidas tanto en estructuras existentes, como en aquellas que vayan a ser instala-das, permite ahorrar tiempo y dinero evitando la construcción real de prototipos y de esa forma agiliza la adopción de medidas para optimizar la ventilación natural. Los modelos CFD deben ser validados para una zona buscando un alto grado de confiabilidad.

• El monitoreo y registro de las condiciones climáticas locales donde se construyen los inver-naderos es sumamente relevante para obtener modelos CFD-3D que brinden soluciones cercanas a la realidad. Las condiciones de frontera suministradas a este tipo de modelos deben ser las que se presentan en un día típico en la zona evaluada.


BIBLIOGRAFÍA

[1]. Acuña, J. F., Bustamante, N., Casallas, L. F & Gutiérrez, N. (2004a). Caracterización de los Invernaderos Para Cultivo de Flores en la Sabana de Bogotá. En Memorias del VI Congreso Latinoamericano Para el Desarrollo y Aplicación de Plásticos en la Agricultura. Cidapa 2004. Bogotá, pp. 57-64.

[2]. Acuña, J. F., Amaya, A. & Martínez, S (2004b). Estudio de la Ventilación Natural en Invernaderos Por Medio de Análisis de Imágenes Digitales. En Memorias del VI Congreso Iberoamericano de Aplicación de Plásticos en la Agricultura. Bogotá, Noviembre del 2004.

[3]. Akaike, H. (1973). Information Theory and Extension of the Maximum Likelihood Principle, Second Inter-national Symposium on Information Theory. B. N. Petrov and F. Akademiai, Budapest, pp. 267-281.

[4]. Alonso, F. J. (2011). Efecto del Enriquecimiento Carbónico Sobre la Productividad y Absorción Hídrica y Mineral del Cultivo de Pimiento. Tesis doctoral. Universidad de Almería, pp. 179.

[5]. Al-Arifi, A., Short, T., Ling, P. (2001). Validating the CFD Model for Air Movements and Heat Transfer in Ventilated Greenhouses. ASAE Annual International Meeting, Sacramento, California, July 29- Aug 1, Paper N° 01-4056.

[6]. Ali, H. M., Moustafa, S. & El-Mansy, H. (1990). Efficient Greenhouse Design for Hot Climates, Energy Con-version and Management 30: 433-437.

[7]. Ansys, Release 11.0. Documentation for Ansys.

[8]. Armstrong, M. & Carignan, J. (1997) Géostatistique Linéaire, Application au Domaine Minier, École de Mines de Paris, 112 p.

[9]. Asae (American Society of Agricultural Engineers). (1991). Engineering Practice (EP 06‑1) Standards. Michigan, EE.UU.

[10]. Ashrae (American Society of Heating Refrigerating and Air Conditioning Engineers). (1993). Infiltration and Ventilation. Ashrae Handbook of Fundamentals. Atlanta, Ga, EE.UU.

[11]. Asocolflores. Asociación Colombiana de Exportadores de Flores. (2014). Floricultura Colombiana, Es‑tadísticas Año: 2014.

[12]. Baeza, E. J., Montero, J. I., Pérez-Parra, J. J. & Kamaruddin, R. (2004). CFD Simulations of Velocity Fields and Ventilation Rates in a Crop Protection Structure for the Tropics. Acta Horticulturae 710.

[13]. Baeza, E. J., Pérez-Parra, J. & Montero, J. I. (2004b). Effect of Ventilator Size on Natural Ventilation in Parral Greenhouse by Means of CFD Simulations. International Symposium on Greenhouse Cooling: Methods, Technologies and Plant Response. Acta Horticulturae 691, 465-472.

[14]. Baeza, E. J., Pérez-Parra, J. J., Montero, J. I. & López, J. C. (2006). CFD Study of the Natural Ventilation Performance of a Parral Type Greenhouse with Different Numbers of Spans and Roof Vent Configurations. Acta Horticulture 719, 333-340.

[15]. Baeza, E. J. (2007). Optimización del Diseño de los Sistemas de Ventilación en Invernaderos Tipo Parral. Tesis doctoral, Universidad de Almería, Almería, España.

[16]. Baeza, E. J., Pérez, J., Montero, J. I., Bailey, B., López, J. C. & Gazquez, J. C. (2009). Analysis of The Role of Sidewall Vents on Buoyancy-Driven Natural Ventilation Inparral-Type Greenhouses With and Without Insect Screens Using Computational Fluid Dynamics. Biosystems Engineering 104, 86-96.


[17]. Bailey, B. J. (1995). Greenhouse Climate Control: New Challenges. Acta Horticulturae 399, 13-24.

[18]. Bailey, B. J. (2000). Constraints, Limitations and Achievements in Greenhouse Natural Ventilation. Acta Horticulturae 534: 21-30.

[19]. Banco de Patentes SIC (Superintendencia de Industria y Comercio). (2014). Boletín Tecnológico. Tec‑nologías Relacionadas con Invernaderos Para Flores. Bogotá, Junio del 2014. 112 p.

[20]. Baptista, F. J., Bailey, B. J. & Meneses, J. F. (2001). Natural Ventilation of Greenhouses: Comparison of Measured and Predicted Ventilation Rates. Airbuilding, pp. 136-151.

[21]. Bartzanas, T., Kittas, C. & Boulard, T. (2002). Numerical Simulation of the Airflow and Temperature Pat-terns in a Greenhouse Equipped With Insect-Proof Screen in the Openings. Acta Horticulture 578, 351-358.

[22]. Bartzanas, T., Boulard, T. & Kittas, C. (2004). Effect of Vent Arrangement on Windward Ventilation of a Tunnel Greenhouse. Biosystems Engineering 88, 479-490.

[23]. Bethke, J. A. & Paine, T. D. 1991. Screen Whole Size and Barriers for Exclusion of Insect Pests of Glasshouse Crops. J. Entomol. Sci. 26: 169-177.

[24]. Bethke, J. A. (1994). Considering Installing Screening? This is What You Need to Know. Greenhouse Man‑ager. Abril 13 (1): 34-37.

[25]. Bojacá, C., Casilimas, H., Gil, R. & Gómez, S. (2008). Caracterización del Microclima en Invernaderos Co-merciales de Rosa. Revista Asocolflores 71: 48-58.

[26]. Bojacá, C. R. (2009). Generic Modeling Approaches to Technical Sustainability on Field Level for Farming Systems in The High Andean Tropics. Tesis doctoral. Universidad Católica de Lovaina, Bélgica.

[27]. Bojacá, C R., Gil, R. & Cooman, A. (2008) Use of Geostatistical and Crop Growth Modeling to Assess the Variability of Greenhouse Tomato Yield Caused by Spatial Temperature Variations. Computers and Elec‑tronics in Agriculture, 65 (1): 219-227.

[28]. Bojacá, C. R., Gil, R. & Schrevens, E. (2011). The Greenhouse Effect in the High Tropics of Colombia: A Modeling Approach. Acta Horticulturae 893, 791-796.

[29]. Bojacá, C., Monsalve, O., Villagran, E., Gil, R., Casilimas, H., Fuentes, L. & Arias, L. (2012). Manual de Producción de Pimentón Bajo Invernadero. Universidad de Bogotá Jorge Tadeo Lozano, 252 p.

[30]. Boulard, T. & Draoui, B. (1995). Natural Ventilation of a Greenhouse with Continuous Vents: Measure-ments and Data Analysis. J. Agric. Eng. Res 61(1): 27-36.

[31]. Boulard, T., Meneses, J. F., Mermier, M. & Papadakis, G. (1996). The Mechanisms Involved in the Natural Ventilation of a Greenhouse. Agricultural and Forest Meteorology 79, 61-77.

[32]. Boulard, T., Feuilloley, G. & Kittas, C. (1997a). Natural Ventilation Performance of Six Greenhouse and Tunnel Type. Journal of Agricultural Engineering Research 67, 249-266.

[33]. Boulard, T., Papadakis, G., Kittas, C. & Mermier, M. (1997b). Air Flow and Associated Sensible Heat Ex-changes in a Naturally Ventilation Greenhouse. Agricultural and Forest Meteorology 88, 111-119.

[34]. Boulard, T., Haxaire, R., Lamrani, M. A., Roy, J. C. & Jaffrin, A. (1999a). Characterization and Modelling of the Air Fluxes Induced by Natural Ventilation in a Greenhouse. Journal of Agricultural Engineering Re‑search 74, 135-144.

[35]. Boulard, T., Chave, M., Fatnassi, H., Poncet, C. & Roy, J. C. (2008). Botrytis Cinerea Spore Balance of a Greenhouse Rose Crop. Agricultural and Forest Meteorology 48, 504-511.

[36]. Boulard, T., Roy, J. C., Fatnassi, H., Kichah, A., Lee, I. B. & Girardot, F. (2008b). Development and Validation of a Global CFD Model of Heat, Water Vapour and Fungal Spores Transfers in a Greenhouse. Acta Horticul‑turae 801, 877-884.


[37]. Boshell, F. (2009). Manejo del Riesgo Climático en la Floricultura Colombiana. Ceniflores, 97 p.

[38]. Bot, G. P. A. (1983). Greenhouse Climate: From Physical Processes to a Dynamic Model. Tesis doctoral, Wa-geningen University, Wageningen, Holanda.

[39]. Bournet, P. E., Winiarek, V. & Chassériaux, G. (2006a). Simulation of Energy Transfers in a Partitioned Glasshouse During Daytime Using a Bi-Band Radiation Model. International Symposium on Greenhouse Cooling: Methods, Technologies and Plant Response. Acta Horticulturae 719, 357-364.

[40]. Cambardella, C. A., Moorman, T. B., Novak, J. M., Parkin, T. B., Karlen, D. L., Turco, R. F. & Konopka, A. E. (1994). Field-Scale Variability of Soil Properties in Central Iowa Soils. Soil Sci. Soc. Am. J. 58, 1501-1511.

[41]. Campen, J. B. & Bot, G. P. A. (2003). Determination of Greenhouse-Specific Aspects of Ventilation Using Three-Dimensional Computational Fluid Dynamics. Biosystems Engineering 84 (1), 69-77.

[42]. Campen, J. B. (2004). Greenhouses Design Applying CFD for Indonesian Conditions. Acta Horticulturae 691: 419-424.

[43]. Casanova, V. V. (2008). Modelación de Dióxido de Carbono (CO2) en Invernaderos Ventilados Naturalmente. Tesis doctoral. Facultad de Ingeniería. Universidad Autónoma de Querétaro. México, pp. 26-27.

[44]. Castilla, N. (1998). Condiciones Ambientales en Invernaderos no Climatizados. Tecnología de Invernaderos II, pp. 163-177.

[45]. Castilla, N. (1994). Greenhouses in the Mediterranean Area: Technological Level and Strategic Manage-ment. Acta Horticulturae 361, 44-56.

[46]. Castilla, N. (2007). Invernaderos de Plástico, Tecnología y Manejo. Ediciones Mundiprensa, pp. 462.

[47]. Cobos, J. J. & López, J. C. (1998). Filmes Plásticos Como Material de Cubierta de Invernadero. Tecnología de Invernaderos II, pp. 143-160.

[48]. Coelho, M., Batista, F., Fitas Da Cruz, V. & García, J. L. (2006). Comparison of Four Natural Ventilation Systems in a Mediterranean Greenhouse. Acta Hort. 719: 157-171.

[49]. Cooman, A. & Lee. R. (1998). Investigación en Control de Clima en la Sabana de Bogotá, Las Condiciones Locales y Sus Limitaciones. Plantflor Cultivo & Comercio, 2: 41-43.

[50]. Cooman, A. (2002). Feasibility of Protected Tomato Cropping in the High Altitude Tropics Using Statistical and System Dynamic Models for Plant Growth and Development. Tesis doctoral. Universidad Católica de Lovaina, Bélgica.

[51]. Corpoica. (2014). Modelo Productivo del Cultivo de Pimentón Bajo Condiciones Protegidas en el Oriente An‑tioqueño, 82 p.

[52]. Corpoica (Jaramillo, J. E., Sánchez, G. D., Rodríguez, V. P., Aguilar, P. A., Gil, L. F., Hío, J. C., Pinzón, L. M., García, M. C., Quevedo, D., Zapata, M. Á., Restrepo, J. F. & Guzmán, M. (2012). Tecnología Para el Cultivo de Tomate Bajo Condiciones Protegidas. Bogotá: Corpoica, 482 p.

[53]. Couto, N., Rouboa, A., Monteiro, E. & Viera, J. (2012). Computational Fluid Dynamics Analysis of Green-houses with Artificial Heat Tube. World Journal of Mechanics, 2, 181-187.

[54]. Challa, H., Heuvelink, E. & Van Meeteren, U. (1995.). Crop Growth and Development, Bakker, J. C., Bot, G. P. A., Challa, H., Van De Braak, N. J. Greenhouse Climate Control: An Integrated Approach. (Ed.): Wagenin-gen Pers. Netherlands, pp. 62-84.

[55]. Chauvet, P. (1994). Aide‑Memoire de Géostatistique Miniere, École des Mines de Paris, 210 p.

[56]. Cressie, N. (1992). Statistics for Spatial Data. Terra Nova, 4 (5): 613-617.

[57]. Cressie, N. (1993). Statistics for Spatial Data, Rev. ed., Wiley.

[58]. Cressie, N. y Majure, M. (1995). Non‑Point Source Pollution of Surface Waters Over a Watershed. Pro-gramme Abstracts of the Third Spruce International 2a. Conference. Mérida, México.


[59]. David, M. (1977). Geostatistical or Reserve Estimation. Elsevier. Amsterdam, 364 p.

[60]. De la Torre, G. A. (2013). Modelación del Flujo de Aire Mediante Dinámica de Fluidos Computacional en Invernadero con Ventilación Natural. Tesis doctoral. Universidad Autónoma de Querétaro, México.

[61]. De Jong, T. & Bot, G. P. A. (1992). Air Exchange Caused by Wind Effects Through (Window) Openings Distributed Evenly on a Quasi-Infinite Surface. Energy and Buildings 19, 93-103.

[62]. Demrati, H., Boulard, T., BekkaouI, A. & Bouirden, L. (2001). Natural Ventilation and Microclimatic Perfor-mance of a Large-Scale Banana Greenhouse. J. Agric. Eng. Res. 80: 261-271.

[63]. Diggle, P., Harper, L. & Simon, S. (1995). Geoestatistical Analysis of Residual Contamination from Nuclear Weapons Testing. Programme Abstracts of the Third Spruce International Conference, Mérida, México.

[64]. Down, M. J., Foster, M. P. & McMahon, T. A. (1990). Experimental Verification of Theory for Ventilation of Livestock Buildings by Natural Convection, Journal of Agricultural Engineering Research 45: 269-279.

[65]. Espinel, V. y López, L., Rojano, A., Romantchick, E. & Ramírez, H. (2015). Publicado como artículo en Agrociencia 49: 233-247.

[66]. El Sebai T., Lagacherie, B., Soulas, G. & Martin-Laurent, F. (2007). Spatial Variability of Isoproturon Min-eralizing Activity Within an Agricultural Field: Geostatistical Analysis of Simple Physicochemical and Microbiological Soil Parameters. Environ. Pollut. 145, 680-690.

[67]. FAO. (2002). El Cultivo Protegido en Clima Mediterráneo, 318 p.

[68]. Espejel, D. & López, L. (2013). Determinación de las Tasas de Ventilación Natural en un Invernadero Me-diante Modelos Teóricos y Gases Trazadores. Revista Mexicana de Ciencias Agrícolas, 4(2), 185-198.

[69]. Fatnassi, H., Boulard, T., Demrati, H., Bouirden, L., & Sappe, G. (2002). Ventilation Performance of a Large Canariantype Greenhouse Equipped With Insect-Proof Nets. Biosyst. Eng. 82: 97-105.

[70]. Fatnassi, H., Boulard, T. & Bouirden, L. (2003). Simulation of Climatic Conditions in Full-Scale Greenhouse Fitted With Insect-Proof Screens. Agricultural and Forest Meteorology 118, 97-111.

[71]. Fatnassi, H., Boulard, T., Poncet, C. & Chave, M. (2004). Greenhouse Insect Screening Optimization Base Don CFD Studies. Presentado in Ishs Intl. Conf. Sustainable Greenhouse Systems-Greensys 2004, Septem-ber, 12-16, Leuven, Belgium.

[72]. Fatnassi, H., Boulard, T., Poncet, C. & Chave, M. (2006). Optimization of Greenhouse Insect Screening with Computational Fluid Dynamics. Biosystems Engineering 93 (3), 301-312.

[73]. Fatnassi, H., Poncet, C., Brun, R., Bertin, M. N. & Muller, M. (2012). CFD Study of Climate Conditions in Greenhouses Equipped With Photovoltaic Panels.

[74]. Ferrato, J. & Panelo, M. (Sf). Climatización de Invernaderos. Consejo de Investigaciones. Facultad de Cien-cias Agrarias, UNR.

[75]. Fidaros, D. K., Baxevanou, C. A., Bartzanas, T. & Kittas, C. (2010). Numerical Simulation of Thermal Be-havior of a Ventilated Arc Greenhouse During a Solar Day. Renewable Energy Volume 35, Issue 7, July, pp. 1380-1386, Special Section: Ist National Conference.

[76]. Flores, J., Mejía, J., Montero, I. & Rojano, A. (2011). Numerical Analysis of the Inner Climate in a Mechan-ically-Ventilated Greenhouse with Three Spans. Agrociencia 45: 545-560.

[77]. Flores, J., Montero, J. I., Baeza, E. J. & López, J. C. (2014). Mechanical and Natural Ventilation Systems in a Greenhouse Designed Using Computational Fluid Dynamics. February, 2014, Int. J. Agric. & Biol. Eng. Open Access at http://www.Ijabe.org, Vol. 7, No. 1.

[78]. Flores-Velázquez, López, I. L., Mejía, E. & Montero, J. I. (2014b). Evaluación del Desempeño Climático de un Invernadero Baticenal del Centro de México Mediante Dinámica de Fluidos Computacional (CFD). Revista de Agrociencia, marzo del 2014, pp. 131-146.


[79]. Franke, J., Hellsten, A., Schlünzen, H. & Carissimo, B. (eds.). (2007). Best Practice Guideline for the CFD Simulation of Flows in the Urban Environment, Brussels: Cost Office. http://www.mi.unihamburg.de/officialdocuments.5849.0.html

[80]. Gil, R. (2011). Metodología para el Estudio de la Variabilidad Espacio‑Temporal Caso de Estudio: tempera‑tura Dentro de Invernaderos Naturalmente Ventilados. Universidad Nacional de Colombia Facultad de Agronomía, Escuela de Posgrados, Bogotá, Colombia. Tesis, 64 p.

[81]. Guenko, G. (1983). Fundamentos de la Horticultura Cubana. Ciencia y Tecnología. La Habana, Cuba. 335 p.

[82]. Jaramillo, J. (2009). The State Of Research in Tomato In Colombia. Acta Horticulturae 821: 47-52.

[83]. Hand, D. W. (1984). Crop Responses to Winter and Summer Co2 Enrichment. Acta Horticulturae 162, 45-64.

[84]. Haxaire, R., Roy, J. C., Boulard, T., Lamrani, M. A. & Jafrin, A. (1998a). Etude Numerique et Experimentale de la Ventilation Par Covection Naturelle Dans Une Serre. Actes du Congres Annuel de la SFT, Marseille 5-7 May, pp. 64-69.

[85]. Haxaire, R., Roy J. C., Boulard, T., Lamrani, M. A. & Jafrin, A. (1998b). Greenhouse Natural Ventilation by Buoyancy Froces. In Epic 98/11 Proceedings of the 2nd European Conference on Energy Performance and Indoor Climate in Buildings and 3rd International Conference on Indoor Air Quality, Ventilation and Energy Conservation in Buildings, 522-527. Ecole Nationale des Traveaux Publics deI Etat, Lyon, France.

[86]. Haxaire, R., Boulard, T. & Mermier, M. (2000). Greenhouse Natural Ventilation by Wind Forces. Acta Hort. 534: 31-40.

[87]. Hernández, J., Escobar, L. & Castilla, N. (2001). La Radiación en Invernaderos Mediterráneos, Revista de Horticultura, Tecnología de Producción Hortícola, pp. 1-11.

[88]. Holder, R. & Cockshull, K. E. (1990). Effects of Humidity on the Growth and Yield of Glasshouse Tomatoes. Journal of Horticultural Science, 65 (1): 31-39.

[89]. IGAC. (1996). Informe Anual de Suelos.

[90]. Iglesias, N. Y. & Muñoz, A. (2007). Comparación de la Transmisión de la Radiación Fotosintéticamente Activa (Par) en Invernaderos del Norte de la Patagonia, Horticultura Argentina 26 (60): ene-jun.

[91]. Iglesias, N., Montero, J. I., Muñoz, P. & Antón, A. (2009). Estudio del Clima Nocturno y el Empleo de Doble Cubi-erta de Techo Como Alternativa Pasiva Para Aumentar la Temperatura Nocturna de los Invernaderos Utilizando un Modelo Basado en la Mecánica de Fluidos Computacional (CFD). Horticultura Argentina 28 (67): sep.-dic.

[92]. Isaaks, E. H. & Srivastava, R. H. (1989). Applied Geostatistics. Oxford University Press, Oxford.

[93]. Jaffrin, A. & Makhlonf, S. (1990). Mechanism of Light Transmision Through Wet Polymer Films. Acta Hor‑ticulturae, 281: 11-24.

[94]. Journel, A. G. & Huijbregts, C. J. (1978). Mining Geostatistics, Academic Press, New York, 600 p.

[95]. Kacira, M., Short, T. H. & Stowell, R. (1998). A CFD Evaluation of Naturally Ventilated Multi-Span, Saw-tooth Greenhouses. Transaction of the Asae 41 (3), 833-836.

[96]. Katsoulas, N., Bartzanas, T., Boulard, T., Mermier, M. & Kittas, C. (2006). Effect of Vent Openings and Insect Screens on Greenhouse Ventilation, Biosystems Engineering, 93: 427-436.

[97]. Keesung, K., Jeong-Yeol, Y., Hyuck-Jin, K., Jin-Hee, H., Jung Eek, S., Sang-Woon, N., Gene A., G. & In-Bok, L. (2008). 3-D CFD Analysis of Relative Humidity Distribution In Greenhouse With a Fog Cooling System and Refrigerative Dehumidifiers. Biosystems Engineering 100: 245-255.

[98]. Kittas, C., Boulard, T., Mermier, M. & Papadakis, G. (1996). Wind Induced Air Exchange Rates in a Green-house Tunnel With Continuous Side Openings. Journal of Agricultural Engineering Research 65, 37-49.

[99]. Kittas, C., Boulard, T. & Papadakis, G. (1997). Natural Ventilation of a Greenhouses with Ridge Side Open-ings: Sensitive to Temperature and Wind Effects, Transactions of the Asae 40: 415-425.


[100].Kittas, C., Boulard, T., Bartzanas, T., Katsoulas, N. & Mermier, M. (2002). Influence of an Insect Screen of Greenhouse Ventilation. Trans. Asae 45: 1083-1090.

[101].Lane-Serff, G. F. (1989). Heat Flow and Air Movement in Buildings. PhD thesis. University Of Cambridge.

[102].Lee, I. B. & Short, T. H. (1999). Computational Fluid Dynamic Study for Structural Design of Naturally Ventilated Multi‑Span Greenhouses. In: 92nd Annual International Meeting of Asae, Paper No. 995010, Toronto, Ontario, Canada, July 18-21.

[103].Lee, I. B. & Short, T. H. (2000). Two-Dimensional Numerical Simulation of Natural Ventilation in a Multi-Span Greenhouse. Transaction of the Asae 43 (3), 745-753.

[104].Lorenzo, P., Maroto, C, & Castilla, N. (1990). Co2 in Plastic Greenhouse in Almería (Spain). Acta Horticul‑turae, 268: 165-169.

[105].Lee, I. B., Sase, S., Okushima, L., Ikeguchi, A., Choi, K. & Yun, J. (2003). A Wind Tunnel Study of Natural Ventilation For Multi-Span Greenhouse Scale Models Using Two-Dimensional Particle Image Velocimetry Piv. Transaction of the Asae 46, 763-772.

[106].Lee, I. B., Sase, S. & Sung, S. H. (2007). Evaluation of CFD Accuracy for the Ventilation Study of a Naturally Ventilated Broiler House. Japan Agricultural Research Quarterly 41 (1), 53-64.

[107].Lorenzo, P. (1994). Intercepción de Luz, Bioproductividad e Intercambio Gaseoso Durante la Ontogenia de un Cultivo Invernal de Cucumis Sativus en Almería. Tesis doctoral, Universidad de Barcelona, Barcelona, España.

[108].Lorenzo, P. (2012). El Cultivo en Invernadero y Su Relación con el Clima. Cuadernos de Estudios Agroali‑mentarios Ifapa, pp. 23-44.

[109].Majdoubi, H., Boulard, T., Hanafi, A., Bekkaoui, A., Fatnassi, H., Demrati, H., Nya, M. & Bouirden, L. (2007). Natural Ventilation Performance of a Large Greenhouse Equipped With Insect Screens. Trans. Asabe 50: 641-650.

[110].Majdoubi, H., Boulard, T., Fatnassi, H. & Bouirden, L. (2009). Airflow and Microclimate Patterns in a One-Hectare Canary Type Greenhouse: An Experimental and CFD Assisted Study. Agricultural and Forest Meteorology 149 (6-7), 1050-1062.

[111].Maroto, J. (1995). Horticultura Herbácea Especial. Ediciones Mundi Prensa, pp. 400-417.

[112].Mashonjowa, E., Ronsse, F., Milford, J. R., Lemeur, R. & Pieters, J. G. (2010). Measurement and Simula-tion of the Ventilation Rates in a Naturally Ventilated Azrom-Type Greenhouse in Zimbabwe. Appl. Eng. Agric. 26: 475-488.

[113].Matheron, G. (1963). Principles of Geostatistics. Econ. Geol. 58 (8):1246‐1266.

[114].Miranda, D., Fischer, G., Barrientos, J. C., Carranza, C., Rodríguez, M. & Lancheros, O. (2009). Character-ization of Productive Systems of Tomato (Solanum Lycopersicum L.) in Production Zones of Colombia. Acta Horticulturae 821: 35-46.

[115].Mistriotis, A., Bot, G. P. A., Picuno, P. y Scarasscia-Mugnozza, G. (1997). Analysis of the Efficiency of Green-house Ventilation Using Computational Fluid Dynamics. Agricultural and Forest Meteorology 85, 217-228.

[116].Mistriotis, A., Arcidiacono, C., Picuno, P., Bot, G. P. A. & Scarascia-Mugnozza, G. (1997a). Computational Analysis of Ventilation in Greenhouses at Zero and Low-Windspeed. Agricultural and Forest Meteorology 88, 121-135.

[117].Mistriotis, A., Bot, G. P. A., Picuno, P. & Scarascia-Mugnozza, G. (1997b). Analysis of the Efficiency of Greenhouse Ventilation Using Computational Fluid Dynamics. Journal of Agricultural Engineering Re‑search 85, 217-228.

[118].Mistriotis, A., De Jong, T., Wagemans, M. J. M. & Bot, G. P. A. (1997c). Computational Fluid Dynamics CFD as a Tool for the Analysis of Ventilation and Indoor Microclimate in Agricultural Buildings. Netherlands Journal of Agricultural Science 45, 81–96.


[119].Mistriotis, A. & Briassoulis, D. (2005). Wind Pressure Distribution on Plastic-Covered Low-Tunnels Used in Protected Cultivation. Acta Hort. 691: 411-418.

[120].Molina-Aiz, F. D., Valera, D. L. & Álvarez, A. J. (2004). Measurement and Simulation of Climate Inside Almeria-Type Greenhouses Using Computational Fluid Dynamics. Agricultural and Forest Meteorology 125, 33-51.

[121].Monsalve, I., Casilimas, H. & Bojacá, C. (2011). Evaluación Técnica y Económica del Pepino y el Pimentón Como Alternativas al Tomate Bajo Invernadero. Revista Colombiana de Ciencias Hortícolas. Vol. 5. No. 1, pp. 69-82.

[122].Montero, J. & Anton, A. (2000). Buoyancy Driven Ventilation in Tropical in Greenhouses Windows with Insect-Proof Screens. Acta Horticulturae, 443: 71-77.

[123].Montero, J. I., Hunt, G. R., Kamruddin, R., Anton, A. & Bailey, B. J. (2001). Effect of Ventilator Configu-ration on Wind-Driven Ventilation in a Crop Protection Structure for the Tropics. Journal of Agricultural Engineering Research, 80: 99-107.

[124].Montero, J. I., Muñoz, P., Anton, A. & Iglesias, N. (2005). Computational Fluid Dynamic Modelling of Night-Time Energy Fluxes in Unheated Greenhouses. Acta Horticulturae 693, 403-410.

[125].Montero, J. I. (2006). Evaporative Cooling in Greenhouses: Effect on Microclimate, Water Use Efficiency and Plant Response. Acta Horticulturae 719, 373-383.

[126].Montero, J. I. (2006). Desarrollo de Estructuras Para Invernadero. Cuaderno de Estudios Agroalimentarios, 26 p.

[127].Montero, J. I., Muñoz, P., Sánchez-Guerrero, M. C., Medrano, E., Piscia, D. & Lorenzo, P. (2013). Thermal Performance of an Unheated Greenhouse Under Semi-Arid Conditions During the Night Shading Screens for the Improvement of the Night-Time Climate of Unheated Greenhouses. Span. J. Agric. Res. 11: 32-46.

[128].Montero, J. I., Stanghellini, C. & Castilla, N. (2008). Invernadero Para la Producción Sostenible en Áreas de Clima de Invierno Suave. Revista Horticultura Internacional, octubre de 2008, pp. 12-28.

[129].Molina-Aiz, F. D., Valera, D. L. & Álvarez, A. J. (2004). Measurements and Simulation of Climate Inside Almería-Type Greenhouses Using Computational Fluid Dynamics. Agricultural and Forest Meteorology 125, 33-51.

[130].Molina-Aiz, F. D., Valera, D. L., Gil, J. A. & Peña, A. A. (2006). Analysis of the Effect of Rollup Vent Arrange-ment and Wind Speed on Almeria-Type Greenhouse Ventilation Performance with Computational Fluid Dynamics. Acta Horticulturae 719, 173-179.

[131].Myers, D. E. (1987). Optimization of Sampling Locations for Variogram Calculations. Water Resources Research, 23 (3): 283-293.

[132].Cressie, N. A. C. (1992). Statistics for Spatial Data. Terra Nova, 4 (5): 613-617.

[133].Nebbali, R., Roy, J. C., Boulard, T. & Makhlouf, S. (2006). Comparison of the Accuracy of Different CFD Turbulence Models for the Prediction of the Climatic Parameters in a Tunnel Greenhouse. Acta Horticul‑turae 719, 287-294.

[134].Nelson, M., Orum, T., García, R. & Nadeem, A. (1999). Applications of Geographic Information Systems and Geostatistics in Plant Disease Epidemiology and Management. Plant Disease Vol. 83: 308-319.

[135].Newman, S. (1999). Efectos del Clima en la Fisiología de la Floración. En: Clima, Fisiología y Producción de Cultivos Bajo Invernadero, Lee, Rebecca. Santafé de Bogotá. Centro de Investigaciones y Asesorías Agroindustriales, pp. 15-29.

[136].Nielsen, F. O. (2002). Natural Ventilation of a Greenhouse with Top Screen. Biosystems Engineering 81, 443-451.

[137].Nisen, A., Grafiadellins, M., Jiménez, R., Malfa, G., Martínez García, P. F., Monteiro, A., Verlodt, H., Villele, O., Zabeltitz, C. H., Von, D. I. & Baudoin, W. O. (1988). Cultures Protegees. En: Climat Mediterraneen. FAO. N° 90. Roma, 317 p.


[138].Norton, T., Sun, D. W., Grant, J., Fallon, R. & Dodd, V. (2007). Applications of Computational Fluid Dy-namics CFD. In: The Modelling and Design of Ventilation Systems in the Agricultural Industry: A Review Bioresource Technology 98, 2386-2414.

[139].Okushima, L., Sase, S. & Nara, M. (1989). A Support System for Natural Ventilation Design of Greenhouse Based On Computational Aerodynamics. Acta Horticulturae 248, 129-136.

[140].Ould-Khaoua, S. A., Bournet, P. E., Migeon, C., Boulard, T. & Chasseriaux, G. (2006). Analysis of Green-house Ventilation Efficiency Based on Computational Fluid Dynamics. Biosystems Engineering 95 (1), 83-98.

[141].Ortiz, D. M. (2004). Simulación Numérica de la Ventilación Natural en un Invernadero Colombiano de Diez Naves. En: Memorias del Congreso Iberoamericano Para el Desarrollo y Aplicación de los Plásticos en Agricultura, Bogotá, Colombia, pp. 99-104.

[142].Ortiz, D. M. & Acuña, J. F., (2005). Natural Numerical Simulation of Ventilation in a Colombian Green-house. Pasticulture 124, 58-71.

[143].Ortiz, I. C. (2013). Dinámica de Fluidos Computacional Aplicada al Estudio de la Ventilación Natural y la Temperatura de un Conjunto de Invernaderos Amazcla. Tesis de Maestría. Universidad Autónoma de Querétaro. México.

[144].Ould Khaoua, S. A., Bournet, P. E., Migeon, C., Chassériaux, G. & Boulard, T. (2006). Analysis of Green-house Ventilation Efficiency with CFD. Biosystems Engineering 95 (1), 83-98.

[145].Papadakis, G., Mermier, M., Meneses, J. F. & Boulard, T. (1996). Measurement Anda Anlisys of Air Exchange Rates in a Greenhouses with Continuous Roof and Side Openings. J. Agric., Engng. Res., 63, 219-228.

[146].Pérez-Parra, J. (2002). Ventilación Natural de Invernaderos Tipo Parral. PhD Tesis Dissertation. Univer-sidad de Córdoba. Escuela Técnica Superior de Ingenieros Agrónomos y de Montes. Departamento de Agronomía.

[147].Pérez. J.; López J. C. & Fernández, M. D. (2005). La Agricultura del Sureste: Situación Actual y Tendencias de las Estructuras de Producción en la Horticultura Almeriense. Mediterráneo Económico II, pp. 262-282.

[148].Purseglove, J. W. (1974). Tropical Crops: Dicotyledons. London: Longman, pp. 242-246.

[149].Reichrath, S. & Davies, T. W. (2002). Using CFD to Model the Internal Climate of Greenhouses: Past, Pres-ent and Future. Agronomie 22, 3-19.

[150].Rico, E., Reyes, J. L. & Herrera, G. (2006). Simulation of the Climate in Two Different Greenhouses. Acta Horticulturae 719, 325-332.

[151].Rico, E. (2008). Modelación Climática en Invernaderos: Ventilación Natural. Universidad Autónoma de Querétaro, Facultad de Ingeniería, Doctorado en Ingeniería, México. Tesis, 106 p.

[152].Romero, P., Giacomelli, G. A., Choi, C. & López, I. (2006). Ventilation Rates for a Naturally Ventilated Greenhouse in Central México. Acta Horticulturae 719, 65-72.

[153].Romero, P., Choi, C. Y. & López, I. L. (2010). Enhancement of the Greenhouse Air Ventilation Rate Under Climate Conditions of Central México. Agrociencia 44: 1-15.

[154].Roy, J.C. & Boulard, T. (2005). CFD Prediction of the Natural Ventilation in Tunnel-Type Greenhouses: Influence of Wind Direction and Sensibility to Turbulence Models. Acta Hort (Ishs) 691: 457-464.

[155].Roy, J. C., Boulard, T., Kittas, C. & Wang, S. (2002). Convective and Ventilation Transfer in Greenhouses, Part 1: The Greenhouse Considered as a Perfect Stirred Tank. Biosys. Eng. 83 (1):1-20.

[156].Ruiz, A., López, I., Arteaga, R. & Ramírez, J. (2015). Publicado Como Artículo en Agrociencia 49: 87-100.

[157].Sánchez, M. C.; Lorenzo, P.; Medrano, E.; Baille, A. & Castilla, N. (2009). Effects of Ec-Based Irrigation Scheduling and Co2 Enrichment on Water Use Efficiency of a Greenhouse Cucumber Crop. Agricultural Water Management, 96, pp. 429-436.


[158].Sase, S., Takakura, T. & Nara, M. (1984). Wind Tunnel Testing on Airflow and Temperature Distribution of a Naturally Ventilated Greenhouse. Acta Horticulturae 148, 329-336.

[159].Sato, S., Peet, M. M. & Thomas, J. F. (2000). Physiological Factors Limit Fruit Set of Tomato (Lycopersicon Esculentum Mill). Under Chronic, Mild Heat Stress, Plant, Cell and Environment, (23), pp. 719-726.

[160].Seniger, I. (2002). The Penman-Monteith Evapotranspiration Equation as an Element in Greenhouse Ventilation Design. Biosystems Engineering 82 (4): 423-439.

[161].Sepaskhah, A. R., & Ataee, J. (2004). A Simple Model to Determine Saturated Hydraulic Conductivity for Large-Scale Subsurface Drainage. Biosystem Enginnering (89), pp. 505-513.

[162].Shkklyar, A. & Arbel, A. (2000). Greenhouse Turbulence Flow Numerical Simulation. Proceedings of the International Conference and British-Israeli Workshop on Greenhouse Tecniques Towards the 3rd Mille-nium, Acta Horticulturae 534: 49-55.

[163].Skoien, J. O., Merz, R. & Bloschl, G. (2006). Top-Kriging - Geostatistics on Stream Networks. Hydrology and Earth System Sciences, 10, 277-287.

[164].Stanghellini, C. & Van Meurs, W. (1992). Environmental Control of Greenhouse Crop Transpiration. Jour‑nal of Agricultural Engineering Research, 51: 297-311.

[165].Schwarz, G. (1978). Estimating the Dimension of a Model. The Annal of Statistics, Vol. 6, No. 2, pp. 461-464.

[166].Teitel, M. & Shkylar, S. (1998). Pressure Drop Across Insect-Prooft Screens. Transactions of the Asae, 41(6), 1829-1834.

[167].Teitel, M., Liran, O., Tanny, J. & Barak, M. (2008a). Wind Driven Ventilation of a Monospan Greenhouse with a Rose Crop And Continuous Screened Side Vents and its Effect on Flow Patterns and Microclimate. Biosystems Engineering 101 (1), 111-122.

[168].Teitel, M., Barak, M. & Antler, A. (2009). Effect of Cyclic Heating and a Thermal Screen on the Nocturnal Heat Loss and Microclimate of a Greenhouse. Biosystems Engineering 102: 162-170.

[169].Teitel, M. (2010). Using Computational Fluid Dynamics Simulations to Determine Pressure Drops on Woven Screens. Biosystems Eng. 105: 172-179.

[170].Tesi, R. (1972). Moderne Tecniche di Protezione in Horticultura, Floricultura e Frutticoltura. Edagricole, Italia.

[171].Tong, G., Christopher, D. M. & Li, B. (2009). Numerical Modelling of Temperature Variations in a Chinese Solar Greenhouse. Computers and Electronics in Agriculture 68, 129-139.

[172].Trudgill, D. L., Honek, D. & Van Straalen, N. (2005). Thermal Time: Concepts and Utility. Ann. Appl. Biol. 146 (1): 1‐14.

[173].Valera, D. L., Molina, F. D., Álvarez, A. J., López, J. A., Terres-Nicoli, J. M. & Madueno, A. (2005). Contri-bution to the Characterization of Insect-Proof Screens: Experimental Measurements in Wind Tunnel and CFD Simulations. Acta Horticulturae 691, 441-448.

[174].Villagran, E. & Alvarado, F. (2014). Variables Ambientales Relacionadas Directamente con la Producción Agrícola Bajo Invernadero. Asocolflores. Revista Florycultura, mayo 2014, 27 p.

[175].Wang, S. (1998). Measurement and Modelling of Natural Ventilation in a Large Venlo‑Type. PhD Tesis, Glembloux, Bélgica.

[176].Zhang, J. S., Janni, K. A. & Jacobson, L. D. (1989). Modelling Natural Ventilation Induced by Combined Thermal Buoyancy and Wind. Transactions of the Asae 32(6): 2165-2174.

autores edwin andrés villagrán munar, msc. carlos ricardo … · 2020-07-09 · departamento de...

Documents