MétaCan
Menu
Retour à la cohorte
Enregistrement W4401822056 · doi:10.1049/pbpo251e_ch8

Enhancing solar insolation in agricultural greenhouses by adjusting its orientation and shape

2024· book-chapter· en· W4401822056 sur OpenAlexaffabout
Gurpreet Khanuja, Rajeev Ruparathna, David S.‐K. Ting

Notice bibliographique

RevueInstitution of Engineering and Technology eBooks · 2024
Typebook-chapter
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGreenhouse Technology and Climate Control
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésInsolationGreenhouseOrientation (vector space)AgricultureAgricultural engineeringEnvironmental scienceGeographyMathematicsEngineeringGeometryHorticultureGeologyClimatologyArchaeology

Résumé

récupéré en direct d'OpenAlex

A controlled environment greenhouse requires a large amount of heating during the winter months, which is conventionally supplied by environmentally damaging fossil fuels. To lessen the detrimental effect of fossil fuels on the environment, it is beneficial to use clean solar energy for heating these greenhouses. This paper aims to enhance solar insolation in a greenhouse located in Toronto, Ontario by manipulating greenhouse orientations, roof inclinations, and greenhouse shapes. Different greenhouse models were designed on SketchUp software and then simulated in TRNSYS software to determine the pattern of solar insolation available on different greenhouse models. Greenhouse orientation considered for this study included east-west orientation, north-south orientation, and distinct angles between these orientations. Different roof inclinations of 15°, 30°, 45°, and 60° were examined to observe the pattern of solar insolation availability on the greenhouse roofs. Further to this, typical shapes of a greenhouse (i.e., even, uneven, vinery, semi-circular, elliptical or arch, single span, and quonset) were also investigated to determine solar insolation on greenhouse surfaces.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,210
Score d'incertitude au seuil0,561

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,008
Tête enseignante GPT0,182
Écart entre enseignants0,174 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInstitution of Engineering and Technology eBooksMême sujetGreenhouse Technology and Climate ControlTravaux en français237 207