垂直农业对室内CO2浓度影响评估系统开发

邵一鸣， 李加强， 周志伟， 陈淏婧

（南京工业大学建筑学院，南京 210009）

0 引 言

室内空气中常见的污染物有CO2、颗粒物（PM）和挥发性有机化合物（VOC）三大类。除了通风稀释污染物的方法外，目前应对PM和VOC类的污染物已有多种实用的过滤和吸收方法［1-4］，而CO2由于分子太小，难以通过这些方法解决。过高的CO2浓度会导致“病态建筑综合症”［5］和工作生产力下降［6］，人会出现明显的神经生理症状（即疲劳，注意力难集中和头痛）［7］。虽然自然通风能很好地稀释室内CO2浓度，但是一些高层、超高层建筑，为了消除室外高风速的影响，采用的是固定外窗，换气几乎完全由新风系统完成。如果室外温度达不到室内舒适度要求，新风机需要对进入室内的新风进行预冷／预热，此过程产生了较可观的能耗。是否可以在减少新风量需求的同时，并不牺牲室内空气质量？绿色植物的光合作用就可以提供这样一种补偿方式。绿植光合作用中吸收CO2放出氧气的过程，正好与人的呼吸作用相反。而办公建筑的工作时段与植物日间光合作用的时段又大致重合。如果把垂直农业引入办公建筑，则可以建立人与植物气体交换的微型循环系统，对室内空气质量有提升作用。

垂直农业是城市农业领域的一个新概念，是指在室内的可控环境下采用无土栽培法在立体架构中生产农作物［8-9］。垂直农业多采用光合作用相对剧烈的叶菜类作物，生长周期较快，全年可多轮种植，获得数量可观的收获［10］。

当前，除了发展较早的农业科技方向外，垂直农业对建筑环境的研究还处于探索阶段［11-12］，其对室内环境的影响，尤其是对室内CO2浓度的影响的相关研究几乎没有。鉴于其对室内空气质量和通风节能潜在的有益效果，对其进行定量研究具有较强的理论和现实意义。由于房间的容积、室内人数和垂直农业的规模等参数的变化都会引起室内CO2浓度平衡的改变，所以参数化研究必不可少。然而，现有的经验公式并无可用来计算含有垂直农业的室内CO2浓度随时间变化关系，静态预测尚有难度，动态模拟就更加困难。本文主要从质量守恒定律出发建立微分方程，通过实验数据进行数学回归方法得出植物净光合速率和背景浓度的关系，从而建立包含房间尺度、室内人数、垂直农业种菜规模等参数的室内CO2浓度参数化计算模型，并以Visual Basic.net［13］为编程开发工具，开发了基于迭代计算的室内CO2浓度的评估系统。该系统能够动态模拟24 h室内CO2浓度随时间变化关系，为暖通空调设计人员提供设计参考。

1 系统开发

1.1 实验研究

实验选取位于南京市浦口区一栋典型的单走廊双面布置使用空间的办公楼3楼一间安放了垂直农业装置的办公室。实验种植架构采用营养液膜技术（NFT），设置于窗洞口处，其架构与窗户同宽（1.43 m），垂直农业设备立面图如图1所示。

图1 垂直农业设备图

实验仪器和测量设备有CO2钢瓶、空气质量检测仪、光合有效辐射仪等。CO2钢瓶用于将室内的CO2浓度提高到一定的数值，以CO2作为示踪气体，记录CO2浓度随时间变化的关系。空气质量检测仪用于测量室内外CO2浓度，每分钟自动记录并保存所测数据。为了获得相对稳定的光照条件，实验室采用LED种植灯对日光进行模拟（见图1）。设置种植灯的照射距离、时长和光照强度，使各层植物获得等同于自然采光平均值的光合有效辐射（PAR）值，在此过程中利用PAR测试仪进行调试。LED种植灯的工作时间为8：00～20：00。

实验中，对室内CO2浓度产生影响的因素有室外空气渗透、室内人员呼吸作用，以及种植的蔬菜光合作用（植物的净光合速率等于植物光合作用吸收CO2的速率减去其呼吸作用产生CO2的速率）。根据质量守恒定律［14］，CO2浓度C变化的微分方程为

室内CO2浓度在τ时间内的变化关系：

式中：C为τ时间后室内CO2浓度，μmol／mol；C1为室内CO2初始浓度，μmol／mol；˙m为人呼吸产生CO2速率，（μmol／mol）／h；τ为时间，min；Cs为室外CO2浓度，μmol／mol；Q为渗透新风量，m3／h；V为实验室体积，m3；ɑ为农业植物净光合速率，μmol／mol／h。当τ＝0时，C＝C1；˙m与人的活动、室内人数有关；Q主要受风压、热压影响，具体又与室外风速、风向、室内外温差房间结构、门窗类型等诸多因素相关；ɑ与光合有效辐射值和垂直农业的规模有关系。

为研究ɑ和C之间的关系，需要准确测量计算办公室内无人、无植物状况下的渗透风量和无人、有植物两种情况下CO2浓度变化情况。具体操作步骤如下：

（1）测量实验室内无人、无农业植物状况下的渗透风量，即用示踪气体浓度下降法进行房间气密性实验。以CO2作为示踪气体，由钢瓶释放。空气检测仪自动记录室内CO2浓度由最大值降低到当日室外水平时，单次实验结束。重复测量3次，通过非线性回归的方法对三组曲线进行回归，得到Q/V，取平均值Q/V＝0.2次／h。

（2）浓度下降法测试实验室中无人有垂直农业存在时CO2浓度变化情况。进行3组钢瓶重复实验，然后对CO2浓度数据进行非线性回归，对回归方程进行求导，导数即为各时刻室内CO2浓度实际下降速率。实际下降速率为该浓度背景下植物吸收CO2的净光合速率和CO2通过空气渗透稀释速率的代数和。减去对应浓度的空气渗透稀释速率，可计算出不同CO2浓度状态下对应的植物净光合速率。最后对求得的不同浓度下植物的净光合速率进行回归，回归方程为

在两步实验的基础上得到植物净光合速率和室内CO2浓度的关系，

1.2 系统平台构建

图2展示的是系统的处理架构。

图2 系统处理架构图

主要分为3个步骤：

（1）用户需要通过数据库和自定义导入各参数。数据库导入的参数有房间换气次数、人的活动率（人呼吸产生CO2的速率）、PAR值。用户自定义输入的有实验室三围尺寸（长、宽、高），并根据窗地比以确定窗户的尺寸。输入的参数还包括室外CO2的平均浓度，不同时间实验室内的人数。可选参数包括垂直农业系统中水泵功率，水泵工作次数，水泵每次工作时间。

（2）计算。用式（3）进行迭代计算，计算中，τ取15 min，计算频率为次／15 min，即迭代计算的次数为4次／h。

参数化评估系统由参数的命名和运算两部分构成。主要计算参数有C1、Cs、Vr、VH及Pt、Q；农业植物净光合速率vP等。

评估系统核心部分——迭代计算的部分公式及代码含义：

式（4）用来计算农业植物净光合速率，它与室内CO2的背景浓度有关。式（5）是基于式（3）用来计算室内CO2浓度变化情况，受室内人数、门窗的渗透稀释作用以及农业植物的光合作用的影响。

（3）输出CO2浓度变化曲线图。经过第（2）步的迭代计算，快速动态模拟室内24 h内CO2浓度变化情况，并实时成图，最后生成报表导出到Excel中。

2 评估系统用户界面设计和操作步骤

计算评估系统的主界面如图3所示，上半部分为图形的输出部分，横坐标为24 h，纵坐标为室内CO2浓度，根据GB／T 18883—2002《室内环境质量标准》［15］将1 mmol／mol作为室内可接受的最大CO2浓度数据。本软件将室内CO2浓度分为4个等级：好（＜700μmol／mol）、一般（700～1 000μmol／mol）、差（1 000μmol／mol）、非常差（＞2 000μmol／mol），4个等级分别由浅绿、浅黄、浅红和深红4种颜色表示，颜色由浅到深，颜色越深表示室内CO2浓度越高，对室内人员的健康影响越大。下半部分为用户的输入部分。最左边是实验室的三维尺寸输入，中间3个滑块分别控制换气次数、人的CO2散发量和光合有效辐射值，右边是经济分析参数的输入。最右边有种植设计选项（植槽间距和蔬菜的叶冠高度等），还可导出相应的报表。

图3 评估系统操作主界面及参数设置窗口

评估系统的具体操作步骤如下：

（1）初始设置数据由系统自动导入，如有必要，用户也可自行修改数值。在图3窗口用户输入部分，可修改的参数有实验室的三维尺寸、实验所用水泵的功率、水泵工作的时间、室内CO2的初始浓度、室外CO2浓度以及在不同的时间段内实验室内的人数。也可以通过滑块来控制室内换气次数、人的活动率、光合有效辐射值的数值。

（2）用户在设置完步骤（1）的参数后，点击GrowingDesign（种植设计）后，出现的窗口界面如图4所示。用户只需输入GrowingTray Spacing（种植槽间距）、Vegetable Spacing（垂直方向的蔬菜间距）以及Leaf Crown Height（蔬菜的叶冠高度）。点击OK（确认）后即可自动显示蔬菜数量、种植面积、窗口覆盖率及产生的等效新风量。

（3）点击Report（生成报表）。点击OK（确认），窗口内出现的数据会根据之前设置的参数自动显示在对应的位置（见图5）。点击Report Data，导出数据），将这些数据输出导入到Excel中，如图6所示。

图4 种植界面参数设置窗口

图5 经济分析（能耗和产量）结果显示窗口

图6 自动生成的数据报告

3 验 证

为了验证开发平台对于实际情况模拟的准确性，在有垂直农业的实验室中进行了实验验证。选取2 h进行实测。1 d中，室内人数随时段变化，实测各时刻室内CO2浓度的变化情况，描点作实测曲线图。把初始参数输入到评估系统内，计算得出预测曲线图。将预测曲线与实测曲线进行比较，如图7所示。

图7 室内有人、植物时CO2浓度实测值与计算值对比

由于LED种植灯的工作时间为8：00～20：00，所以植物的光合作用只在该时间段内进行。曲线主要分为6段。ɑb段：从实验开始，经历10 h，室内无人，在第8 h，LED灯开始工作；bc段：经历约1.5 h，室内1人；cd段：经历6.5 h，室内无人；de段：经历1 h，室内1人，LED灯停止工作；ef段：经历3 h，室内无人；fg段：经历1.5 h，室内2人，之后实验结束。用SPSS 22.0软件对实测值和模拟的数值进行相关性分析，R值为0.990（R的范围：－1≤R≤1），｜R｜＞0.8，表示两者相关性很高，R＝0.990，表明计算模型比较准确，植物的净光合速率计算比较准确。可以用该模型来计算模拟24 h室内CO2浓度变化。

4 结 语

本文首先通过在实验室内，以CO2浓度作为示踪气体的浓度衰减法，得出实验室的渗透新风量，在此基础上，计算出农业植物在不同背景浓度下的净光合速率。不同参数的变化（如实验室的三围尺寸、室内人员的使用情况、农业植物的规模等）会引起室内CO2浓度的变化，利用计算机构建迭代计算平台进行计算，与实测值进行比较，结果显示计算平台比较可靠。本文的主要创新点有以下几个方面：

（1）通过非线性回归计算出室内垂直农业与室内背景CO2浓度的关系，通过图形化，能直观看出室内人数和室内农业规模的平衡关系。

（2）开发出能动态评估室内CO2浓度随时间变化关系的计算平台，从系统的开发到验证的过程，使用的数据可靠，软件可靠。经过计算机快速迭代运算，得出的数据图直观明了，能实时看出一天24 h室内CO2浓度变化情况以及人数与室内CO2浓度的平衡关系。

（3）暖通设计人员可以根据显示的数据曲线图，调整室内垂直农业种菜规模，以达到通过调整垂直农业规模来控制室内CO2浓度，调整新风补充量，节约通风能耗的目的。