Разработка и валидация алгоритма коррекции температурных измерений в условиях интенсивной инсоляции

Актуальность. Точное измерение температуры воздуха является фундаментальной задачей микроклиматического мониторинга виноградников, поскольку этот параметр непосредственно влияет на фенологические процессы, развитие патогенов и формирование качественных характеристик винограда. Доступные метеорологические станции обладают существенным недостатком — значительными систематическими погрешностями при измерении температуры в условиях интенсивной инсоляции. Разработка методов минимизации этих погрешностей критически важна для развития технологий точного виноградарства.
Методы. Исследование основано на теоретическом анализе и экспериментальной валидации теплофизических процессов в радиационных экранах. Разработан специализированный измерительный стенд с метеорологическими комплексами: вентилируемым экраном с фотоэлектрическим питанием и невентилируемым экраном, оснащенными датчиками скорости ветра и солнечной радиации. Предложена оригинальная физическая модель теплового баланса, учитывающая конвективный теплообмен, радиационное воздействие и геометрические характеристики защитных устройств. Разработан адаптивный итерационный алгоритм для вычисления температурных поправок в реальном времени на микроконтроллерных системах с механизмами обработки сингулярных состояний и обеспечением устойчивой конвергенции.
Результаты. Экспериментально подтверждено, что невентилируемые экраны демонстрируют систематические погрешности до 3 °C при высокой инсоляции. Вентилируемые экраны снижают максимальные отклонения до 1°C, но требуют регулярного обслуживания. Разработанный алгоритм математической коррекции превосходит оба альтернативных решения: максимальные отклонения не превышают 0,6 °C, средние отклонения составляют 0,2 °C, нормализованная среднеквадратическая ошибка составляет 3,5%, критерий Клинга — Гупты достигает 0,993. Предложенное решение обеспечивает оптимальный баланс точности, экономичности и надежности для создания доступных плотных сетей микроклиматического мониторинга виноградников.

1. Jones G.V., Davis R.E. Using a synoptic climatological approach to understand climate–viticulture relationships. International Journal of Climatology. 2000; 20(8): 813–837. https://doi.org/10.1002/1097-0088(20000630)20:8<813::AIDJOC495>3.0.CO;2-W

2. Korosi G.A., Mee P.T., Powell K.S. Influence of temperature and humidity on mortality of grapevine phylloxera Daktulosphaira vitifoliae clonal lineages: a scientific validation of a disinfestation procedure for viticultural machinery. Australian Journal of Grape and Wine Research. 2012; 18(1): 43–47. https://doi.org/10.1111/j.1755-0238.2011.00168.x

3. Matese A. et al. Spatial variability of meteorological conditions at different scales in viticulture. Agricultural and Forest Meteorology. 2014; 189–190: 159–167. https://doi.org/10.1016/j.agrformet.2014.01.020

4. Ammoniaci M., Kartsiotis S.-P., Perria R., Storchi P. State of the Art of Monitoring Technologies and Data Processing for Precision Viticulture. Agriculture. 2021; 11(3): 201. https://doi.org/10.3390/agriculture11030201

5. Karimi N., Arabhosseini A., Karimi M., Kianmehr M.H. Web-based monitoring system using Wireless Sensor Networks for traditional vineyards and grape drying buildings. Computers and Electronics in Agriculture. 2018; 144: 269–283. https://doi.org/10.1016/j.compag.2017.12.018

6. Bramley R.G.V. Precision Viticulture: Managing vineyard variability for improved quality outcomes. Reynolds A.G. (ed.). Managing Wine Quality. 2nd Edition. Woodhead Publishing. 2021; 1: 541–586. https://doi.org/10.1016/B978-0-08-102067-8.00002-6

7. Romero P., Navarro J.M., Ordaz P.B. Towards a sustainable viticulture: The combination of deficit irrigation strategies and agroecological practices in Mediterranean vineyards. A review and update. Agricultural Water Management. 2022; 259: 107216. https://doi.org/10.1016/j.agwat.2021.107216

8. Darouich H. et al. Water Use and Soil Water Balance of Mediterranean Vineyards under Rainfed and Drip Irrigation Management: Evapotranspiration Partition and Soil Management Modelling for Resource Conservation. Water. 2022; 14(4): 554. https://doi.org/10.3390/w14040554

9. Cortiñas Rodríguez J.A., González-Fernández E., Fernández-González M., Vázquez-Ruiz R.A., Aira M.J. Fungal Diseases in Two North-West Spain Vineyards: Relationship with Meteorological Conditions and Predictive Aerobiological Model. Agronomy. 2020; 10(2): 219. https://doi.org/10.3390/agronomy10020219

10. Kuznetsov P.N., Kotelnikov D.Y., Shchekin V.Y., Koltsov A.D., Kabankova E.N. Intelligent complex of monitoring and diagnostics of grape plantations. IOP Conference Series: Earth and Environmental Science. 2022; 981: 032020. https://doi.org/10.1088/1755-1315/981/3/032020

11. Кузнецов П.Н., Котельников Д.Ю., Воронин Д.Ю. Технология автоматизированного мониторинга состояния виноградника. Аграрная наука. 2023; (3): 109–116. https://doi.org/10.32634/0869-8155-2023-368-3-109-116

12. Кузнецов П.Н., Котельников Д.Ю. Автоматизированный технологический комплекс мониторинга и диагностики виноградников. Вестник аграрной науки Дона. 2021; (4): 16–23. https://elibrary.ru/auqdkc

13. Onesti G., González-Domínguez E., Rossi V. Accurate prediction of black rot epidemics in vineyards using a weather-driven disease model. Pest Management Science. 2016; 72(12): 2321–2329. https://doi.org/10.1002/ps.4277

14. Sadras V.O., Petrie P.R. Predicting the time course of grape ripening. Australian Journal of Grape and Wine Research. 2012; 18(1): 48–56. https://doi.org/10.1111/j.1755-0238.2011.00169.x

15. Sirsat M.S., Mendes-Moreira J., Ferreira C., Cunha M. Machine Learning predictive model of grapevine yield based on agroclimatic patterns. Engineering in Agriculture, Environment and Food. 2019; 12(4): 443–450. https://doi.org/10.1016/j.eaef.2019.07.003

16. Ohana-Levi N., Munitz S., Netzer Y. Grapevine stem water potential seasonal curves: response to meteorological conditions, and association to yield and red wine quality. Agricultural and Forest Meteorology. 2023; 342: 109755. https://doi.org/10.1016/j.agrformet.2023.109755

17. Treder W., Klamkowski K., Tryngiel-Gać A., Wójcik K. Evaluating the suitability of a new telemetric capacitance-based measurement system for real-time application in irrigation and fertilization management. Journal of Water and Land Development. 2023; 56(1–3): 67–73. https://doi.org/10.24425/jwld.2023.143746

18. Ferrández-Pastor F.J., García-Chamizo J.M., Nieto-Hidalgo M., Mora-Martínez J. Precision Agriculture Design Method Using a Distributed Computing Architecture on Internet of Things Context. Sensors. 2018; 18(6): 1731. https://doi.org/10.3390/s18061731

19. Ioannou K., Karampatzakis D., Amanatidis P., Aggelopoulos V., Karmiris I. Low-Cost Automatic Weather Stations in the Internet of Things. Information. 2021; 12(4): 146. https://doi.org/10.3390/info12040146

20. da Cunha A.R. Evaluation of measurement errors of temperature and relative humidity from HOBO data logger under different conditions of exposure to solar radiation. Environmental Monitoring and Assessment. 2015; 187(5): 236. https://doi.org/10.1007/s10661-015-4458-x

21. Sun X., Yan S., Wang B., Xia L., Liu Q., Zhang H. Air Temperature Error Correction Based on Solar Radiation in an Economical Meteorological Wireless Sensor Network. Sensors. 2015; 15(8): 18114–18139. https://doi.org/10.3390/s150818114

22. Erell E., Leal V., Maldonado E. Measurement of air temperature in the presence of a large radiant flux: an assessment of passively ventilated thermometer screens. Boundary-Layer Meteorology. 2005; 114(1): 205–231. https://doi.org/10.1007/s10546-004-8946-8

23. Hubbard K.G., Lin X. Realtime data filtering models for air temperature measurements. Geophysical Research Letters. 2002; 29(10): 67-1–67-4. https://doi.org/10.1029/2001GL013191

24. Hubbart J.A. An Inexpensive Alternative Solar Radiation Shield for Ambient Air Temperature Micro-Sensors. Journal of Natural & Environmental Sciences. 2011; 2(2): 9–14.

25. Tarara J.M., Hoheisel G.-A. Low-cost Shielding to Minimize Radiation Errors of Temperature Sensors in the Field. HortScience. 2007; 42(6): 1372–1379. https://doi.org/10.21273/HORTSCI.42.6.1372

26. Yang J., Deng X., Liu Q., Ding R. Design and experimental study of an effective, low-cost, naturally ventilated radiation shield for monitoring surface air temperature. Meteorology and Atmospheric Physics. 2021; 133(2): 349–357. https://doi.org/10.1007/s00703-020-00754-1

27. Richardson S.J., Brock F.V., Semmer S.R., Jirak C. Minimizing Errors Associated with Multiplate Radiation Shields. Journal of Atmospheric and Oceanic Technology. 1999; 16(11): 1862–1872. https://doi.org/10.1175/1520-0426(1999)016<1862:MEAWMR>2.0.CO;2

28. Yang S.-H., Lee C.-G., Kim J.-Y., Lee W.-K., Ashtinai-Araghi A., Rhee J.-Y. Effects of Fan-Aspirated Radiation Shield for Temperature Measurement in Greenhouse Environment. Journal of Biosystems Engineering. 2012; 37(4): 245–251. https://doi.org/10.5307/JBE.2012.37.4.245

29. Yang J., Liu Q., Dai W., Ding R. A temperature error correction method for a naturally ventilated radiation shield. Journal of Atmospheric and Solar-Terrestrial Physics. 2016; 149: 40–45. https://doi.org/10.1016/j.jastp.2016.09.010

30. Georges C., Kaser G. Ventilated and unventilated air temperature measurements for glacier-climate studies on a tropical high mountain site. Journal of Geophysical Research: Atmospheres. 2002; 107(D24): ACL15-1–ACL15-10. https://doi.org/10.1029/2002JD002503

31. Jenkins G. A comparison between two types of widely used weather stations. Weather. 2014; 69(4): 105–110. https://doi.org/10.1002/wea.2158

32. Dai W., Tan M., Zhu H. Design of a radiation shield applied to surface air temperature monitoring. Journal of Instrumentation. 2023; 18: P02015. https://doi.org/10.1088/1748-0221/18/02/P02015

33. Yang J., Liu Q., Dai W. A method for solar radiation error correction of temperature measured in a reinforced plastic screen for climatic data collection. International Journal of Climatology. 2018; 38(3): 1328–1336. https://doi.org/10.1002/joc.5247

34. Matese A., Di Gennaro S.F., Zaldei A., Genesio L., Vaccari F.P. A wireless sensor network for precision viticulture: The NAV system. Computers and Electronics in Agriculture. 2009; 69(1): 51–58. https://doi.org/10.1016/j.compag.2009.06.016

35. Morais R., Fernandes M.A., Matos S.G., Serôdio C., Ferreira P.J.S.G., Reis M.J.C.S. A ZigBee multi-powered wireless acquisition device for remote sensing applications in precision viticulture. Computers and Electronics in Agriculture. 2008; 62(2): 94–106. https://doi.org/10.1016/j.compag.2007.12.004

36. Hubbard K.G., Lin X., Walter-Shea E.A. The Effectiveness of the ASOS, MMTS, Gill, and CRS Air Temperature Radiation Shields. Journal of Atmospheric and Oceanic Technology. 2001; 18(6): 851–864. https://doi.org/10.1175/1520-0426(2001)018<0851:TEOTAM>2.0.CO;2

37. Incropera F.P., DeWitt D.P. Fundamentals of Heat and Mass Transfer. 4th Edition. New York: Wiley. 1996; xxiii, 886. ISBN 0471304603

38. Agarwal, Divya, Sneh J. Devra, Tiwari A. Probability and probability distribution as decision making tool in agriculture: A review. International Journal of Statistics and Applied Mathematics. 2024; 9(5): 208–213

39. Кобзарь А.И. Прикладная математическая статистика. Для инженеров и научных работников. 2-е изд. М.: Физматлит. 2012; 816.

40. Moriasi D.N., Arnold J.G., Van Liew M.W., Bingner R.L., Harmel R.D., Veith T.L. Model Evaluation Guidelines for Systematic Quantification of Accuracy in Watershed Simulations. Transactions of the ASABE. 2007; 50(3): 885–900. https://doi.org/10.13031/2013.23153

41. Gupta H.V., Kling H., Yilmaz K.K., Martinez G.F. Decomposition of the mean squared error and NSE performance criteria: Implications for improving hydrological modelling. Journal of Hydrology. 2009; 377(1–2): 80–91. https://doi.org/10.1016/j.jhydrol.2009.08.003

42. Rausand M., Barros A., Hoyland A. System Reliability Theory: Models, Statistical Methods, and Applications. 3rd Edition. Wiley. 2020; 864. ISBN 978-1-119-37352-0