Best combinations of energy-efficiency measures in greenhouses considering energy consumption, yield, and costs: Comparison between two cold climate cities
Notice bibliographique
Résumé
Greenhouse agriculture is enjoying a surge in popularity to increase food security and use resources efficiently. Less known is that greenhouses consume enormous amounts of energy for heating and lighting. Energy efficiency is paramount in greenhouse production, but choosing the best measures is challenging and depends on climate and energy tariffs. The novelty of this study is to investigate and compare multiple practices and their cumulative impacts in high-latitude greenhouses from energy, cost, and yield points of view. It focuses on simulating the energy consumption and yields in greenhouses under 31 energy-saving scenarios and in two different locations, Copenhagen (Denmark) and Montreal (Quebec, Canada). Various lighting and energy-saving techniques are explored, including high-pressure sodium (HPS) and light-emitting diode (LED) lighting, canopy interlighting, thermal screens, additional envelope insulation, and a heat harvesting system. Greenhouses in Copenhagen consume more energy due to artificial lighting to compensate for low solar radiation in winter. Energy costs are, on average, 77 % higher than in Montreal, partly due to high energy prices. The best scenario regarding energy operational cost per yield for Montreal is LED toplights with thermal screens and envelope insulation, and for Copenhagen it is LED toplights with thermal screens and a heat harvesting system. However, if growers wanted to implement only one measure, the results showed that LED toplights is the best measure to implement for both locations due to its high energy efficiency and minimal impact on yield. These results provide insight into the best energy efficiency measures tailored to specific locations. • Thermal screens allowed to reduce energy consumption by 17.7 % to 26.5 %. • LED interlights and HPS toplights increased yields by 15.3 to 27.5 %. • Energy cost per kg of yield is significantly lower in Montreal than Copenhagen. • Best strategy to reduce energy cost per kg is the use of LED lighting in both cities. • Best measures vary between cities due to climatic and energy tariff differences.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».