基于数字孪生理论的智慧农场节能减排系统设计研究

0 引言

全球气候变暖问题是人类生存面对的巨大挑战和危险[1]。我国为着力解决资源环境约束突出问题、实现经济可持续发展，力争2030年前实现碳达峰、2060年前实现碳中和。在此背景下，各行各业的节能减排显得尤为重要。中国作为耕地广阔的农业大国，有着较大的碳减排空间，农业减排刻不容缓。本研究将现代农业与数字孪生等数字技术进行结合，映射出一个数字模型，监测自动化农场整体运行的全生命周期过程，观察农作物不同生长过程的变换，还可以综合评估农作物的经济效益和生态效益，便于管理优化，节能减排。

1 数字孪生

1.1 数字孪生的概述

数字孪生最初是用于飞行器的维护保障，通过在数字空间建立实物对应的模型，凭借传感器同步现实状态，以此比较是否需要维修[2]。数字孪生是根据物理模型、传感器更新、运行历史等实体数据，利用不同信息技术，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期，观察项目各过程的实时反馈[3]。其可以为技术管理人员提供直观的状态展示和详细的数据分析，有利于提高整体效率，降低各过程风险，便于后期优化[4]。

1.2 数字孪生的应用价值

数字孪生具有较强的实际应用价值，经济上，基于数字孪生理论可以建立现实同步的数字模型，便于管理人员了解现状，进行调整，降低风险和成本，还可以向客户群体详细介绍产品，吸引消费，有效促进数字经济发展；生态方面，数字孪生体的构建能够有效提供生态环境决策的科学依据，实现对环境管理的各个实体要素进行动态监测、预测，方便工程师进行决策，对生产环节进行优化，以此节能减排；文化领域，数字孪生为文化遗产的传播展示提供了更多可行性，提供各种可视化互动体验，增加文化遗产资源的传递性，衍生出更多新兴文化资源，给文化遗产保护传承与开发利用增加了更多的可行性；社会层面，数字孪生技术推动城市智能化建设，减少公共资源的浪费，其作为前沿概念，促进多个领域的产业融合升级，形成更加完整的产业链，推动科技创新，加快各行业向现代化的方向发展。

2 智慧农场

智慧农场以物联网为基础，与云计算技术、大数据技术、人工智能、移动通信技术、自动控制技术等结合，实现了智能化的生产过程，提高了生产效率和品质[5]。但在中国，由于人多地少，地辐辽阔，情况复杂，智慧农场并没有得到广泛运用。

中国农业碳排放占温室气体总量的16%-17%，高于全球的平均值[6]，大气中每年有5%-20%的CO2，15%-30%的CH4，80%-90%的N2O来源于土壤[7]。农业碳排放主要来源于土壤，农业减排重在对作土壤碳排放进行监测计算，优化种植方法。比起传统种植，智慧农场生产不仅效率高，还产量高，更适合时代绿色可持续发展的趋势，有利于农业减排。但智慧农场还存在许多不足，其尚未建立规范准确的评估体系，缺乏对农场的实时反馈，产出作物经济价值的评估，碳排放的测量计算，生态效益的评估能力。

针对这些问题，本研究基于数字孪生的理论设计了智慧农场节能减排系统设计评估模型。

3 基于数字孪生的智慧农场节能减排系统设计方案

在此基础下，本研究设计一个基于数字孪生的智慧农场系统，该系统可对生产过程进行实时监测，评估农场的经济效益和生态效益，最终为节能减排优化提供参考。

3.1 智慧农场数字投影及硬件搭建

智慧农场数字孪生模型实现流程如图1所示，计划使用气体，温湿度和光学传感器检测农作物的生长环境情况，使用嵌入式系统对传感器数据进行采集处理，并通过无线节点上传到服务器[8]。然后进行调试，确保设备工作状态正常，编写接收数据的后端平台，使智慧农场的数据可以实时接受，利用unity、unity reflect搭建虚拟模型，通过http方式从服务端实时获取数据，根据获取的数据，在unityreflect中实时对映射的虚拟设备的驱动，实现智慧农场的全生命周期的展现。

3.2 经济效益与生态效益综合评估模型

为了建立经济效益与生态效益综合评估模型，我们需要对生产过程中排放出的温室气体量和农作物经济效益进行评估，具体流程如图2所示。在经济效益方面，本文选取了最为直观的计算方式，根据农作物单价及产量进行计算，公式如下：

图2 评估模型流程图

E=P·Q

式中：

E：经济效益；

P：农作物平均售卖单价；

Q：农作物对应产量。

在生态效益方面，根据现有研究资料显示，土壤排放出温室气体主要为CO2、N2O、CH4，本文主要针对这3种温室气体的释放量进行评估。由于气体传感器无法精确测量计算生产过程中的碳排放，所以本研究还采用静态箱气相色谱法结合LGR’S温室气体分析仪来测算计算气体排放通量进而构建评估模型。

3.2.1 静态箱——气象色谱法

静态箱法主要原理则是将密闭箱体覆盖于土壤-植被体系之上，通过测定密闭箱体内气态物质浓度的变化速率来计算陆地生态系统与大气界面物质的交换通量[9]，该方法操作简单，采集时间间隔可由实验者自己决定。气相色谱具有分离效率高，分析速度快，检测灵敏度高，结果精度高的优点。但因箱内温度、湿度等因素影响，箱内难以处于长期稳定的自然状，且在采集、存储和运输过程中人为误差难以避免，所以采集气体性质也可能改变。此外，气象色谱仪本身价格比较昂贵，管理成本也较为昂贵、操作复杂，所以难以普及。

3.2.2 气体测定具体操作

本研究设计先使用静态箱——气象色谱法采集样本气体，再通过型号为908-0015-0000的LosGatosResearchN2O/COAnalyzer和型号为908-0011-0001的LosGatosResearchCH4/CO2Analyzer的温室气体分析仪测出在单位时间内的温室气体中的CH4，CO2以及N2O的气体浓度变化，最后利用公式计算得出气体释放通量。

具体操作如下：

本研究设计采用密闭式静态箱人工观测方法，使用直径38.7cm、高30cm的不锈钢静态箱，进行气体收集。在进行作物播种之后，于作物行间安装静态箱底座，埋入5cm左右地表下，保证底座周围土壤紧实，无气体流通即可。整个作物生长季节底座不再移动。取样时，采样箱垂直安放在底座凹槽内并用水密封，来保证箱内气体不与大气进行气体交换。

设计在作物生长阶段，设置同类对照组，每间隔15天进行一次采集气体样本，分别于采集日的早上6:00、中午12:00、下午18:00点进行样本采集，每次抽气持续时间10min。采样前，将箱内顶部风扇打开，使箱内气体混和均匀，在盖箱之后的0min、10min、20min和30min的时间点，用50ml注射器从箱中抽取气体，通过旋转三通阀转移到0.5L的气体采样袋中备测。箱内插有箱温计，可测出箱内温度，箱内地上插有地温计，也可测出抽气前后的地温的变化情况[10]。

最后将采集好的温室气体带回实验室，用LGR’S温室气体分析仪测出温室气体CH4、CO2和N2O在单位时间内气体浓度变化，然后利用如下公式计算得出气体释放通量：

式中：

F：排放通量（mg·m-2·h-1）；

V：静态箱体积；

A：静态箱底座面积；

P0：标准状况下大气压强（101.325kPa）；

Ps：样品采集地大气压强；

ρ：标准大气压下的CH4、N2O和CO2密度，分别为0.717kg·m-3、1.978kg·m-3、1.977 kg·m-3；

T0：标准状态下的温度273.2k；

T：是取样时静态箱体内绝对温度（K）。

3.2.3 模型的建立

农业碳排放主要来源于土壤，其中，在现有技术情况下，土壤碳排放中具有较大影响的主要气体有CH4，CO2以及N2O。

针对以上三种气体对温室效应影响程度进行量化分析，本研究参考了IPCC计算的全球变暖潜能值GWP。GWP以CO2为参考指标评价各温室气体对气候变暖的影响。

表1 20年全球变暖潜能值（GWP）[11]

根据20年GWP对3种温室气体对气候产生的影响进行量化，由排放气体量*变暖潜能比值进行总体量化。由于排放温室气体对气候变暖量化值对生态环境呈负相关所以生态效益为负指标。

结合在3.2.2中所测得的气体排放通量，得出计算公式如下：

式中：

C：生态效益，即3种温室气体对气候产生影响的量化值；

GWPx：各气体的全球增温潜能；

Fx：生产前各气体排放通量；

Fxn：各气体各测量时间段气体排放通量；

txn：各气体的各测量时间段。

本研究认为经济效益与生态效益同样重要，赋予两者权重皆为0.5，然后将经济效益和生态效益数据分别进行正负向归一化，乘以权重相加得最终评估得分，计算公式如下：

S=0.5·E+0.5·C

式中：

S：最终评估得分；

E：经济效益；

C：生态效益。

该评估模型解决了实际中缺乏的问题，完成了对农场生产出的作物经济价值进行计算评估，生产排放的温室气体进行测量，造成的负面生态效益进行评估计算。根据上述模型计算出的综合得分，可以作为智慧农场的综合评价参考指标，便于管理者选取最减排的种植方法，具有较强的实际应用价值。

4 结语

本研究设计的系统基于数字孪生技术，通过农场各类传感器的数据，在虚拟空间形成交互式映射模型，直观展现了农场作物的实时生长概况，并从经济效益和生态效益两方面进行综合评估，以此选取最减排的种植方法。但系统对于生态效益评估考虑不够全面，农场温室气体测量有可能存在误差。针对这些误差，可以选取其他气体测定方法进行采样分析或者增加不同时间段和同一时间段采样次数以此降低误差。本研究尝试将数字孪生应用于智慧农场，建立评估模型，解决了实际中缺乏的问题，促进智慧农场节能减排，向现代化农业进一步发展。