STSM title:   Experimental and numerical (CFD) 
assessment of heat stress in dairy barns 
STSM applicant  Thomas Bartzanas 
STSM Host  Prof. Thomas Amon 
 

Final Report 

 
Contents 
 

1.  Extensive summary ............................................................................................................ 3 
2.  Step beyond the state of the art ....................................................................................... 4 
3.  Thermal Stress Index ......................................................................................................... 7 
4.  Numerical approach (CFD model) ................................................................................... 10 
4.1.  Governing equations ............................................................................................... 11 
4.2.  Near wall functions .................................................................................................. 13 
4.3.  Ventilation rate ........................................................................................................ 14 
4.4.  Turbulence modelling .............................................................................................. 15 
4.5.  Modelling the animals ............................................................................................. 17 
4.6.  CFD modeling of indoor air properties .................................................................... 19 
5.  Managing Heat Stress ...................................................................................................... 25 
5.1.  General managing options ...................................................................................... 25 
5.2.  Influence of barn structural specification ............................................................... 26 
6.  Future work ..................................................................................................................... 30 
7.  Literature cited ................................................................................................................ 32 
8.  Acknowledgements ......................................................................................................... 39 
9.  Appendix .......................................................................................................................... 40 
 

2 
 
 1. Extensive summary 
 

Climate conditions within a livestock building affect animal health and welfare rate. 
Heat stress in dairy cattle is one of the leading causes of decreased production and 
fertility in cattle during summer months. Cows require additional energy to dissipate 
the heat and regulate body temperature.  

Heat stress has several serious and economically deleterious effects. Heat stress is 
driven  by  four  main  climate  variables:  air  temperature,  relative  humidity,  solar 
radiation and air velocity. From the above‐mentioned four variables, temperature and 
humidity are more readily measured and thus more easily accessible that the other 
two.  For  this  reason  a  common  method  of  measuring  heat  stress  has  involved  the 
development of a temperature‐humidity (THI) index.  

There are many ways to decrease the apparent effects of heat on dairy cattle. One 
of the most important points to consider is increasing air flow exchanges, a strategy 
which theoretically lead to a lower temperature and humidity, thus to a reduced THI. 
The majority of large dairy cattle livestock buildings using natural ventilation systems 
for air renewal. In that buildings the assessment of THI was realized by unique values 
of air temperature and air humidity usually measured in the centre of the building. 
However  no  climatological  variable  is  homogeneous  in  large  naturally  ventilated 
buildings (NVB) but instead they are numerous exchanges mainly governed by internal 
airflow,  building  structural  specifications  and  cows  activity.  In  NVB,  the  internal  air 
flow  patterns  are  primarily  influenced  by  the  prevailing  flow  conditions  in  the 
atmospheric boundary layer, as well as by local side specific factors like structural and 
management  related  conditions  of  the  barn.  Numerical  techniques,  like 
Computational  Fluid  Dynamic  (CFD)  can  render  efficiently  and  accurately  the 
quantification of the variables compound the microclimate inside livestock buildings. 
Actual  weather  conditions  and  structural  specifications  could  be  simulated  and 
changed  in  the  CFD  model  while  maintaining  stable  and  intentical  boundary 
conditions.  

3 
 
 Aim of the present study is to  assess, more efficient and accurate, the heat stress 
of dairy cows in large naturally ventilated dairy cattle buildings using computational 
fluid dynamic tools. The present report summarises the work carried out from Thomas 
Bartzanas  during  his  STSM  in  ATB‐Potsdam  in  the  framework  of  DAIRECARE  COST 
Action, under the supervision of Prof. Thomas Amon and analyse the main issues and 
factors involved in the estimation of thermal heat stress based on CFD models.  

2. Step beyond the state of the art 
 

Heat stress can be simply defined as a condition that occurs when an animal cannot 
dissipate an adequate quantity of heat, whether it is produced or absorbed by the 
body,  to  maintain  body  thermal  balance.  This  may  prompt  physiological  and 
behavioural  responses,  leading  to  physiological  disorders  that  negatively  affect  the 
productive  and  reproductive  performance  of  farm  animals  (Nardone  et  al.,  2006; 
2010). Environmental stress has a severe effect on the productivity of animals and, in 
particular, on that of dairy cattle. The prospect of environmental stress is aggravated 
by present global warming accompanied by periods of extreme weather. The latter 
may have increasingly severe effects on welfare and productivity of cattle, as it is one 
of the major factors that can negatively affect milk production, reproduction, and the 
health of dairy cows (Jordan, 2003; Bernabucci et al., 2010). 

To study heat stress in livestock, the temperature ‐ humidity index (THI) is the most 
commonly  used  bioclimatic  index  (Hahn  et  al.,  2003),  because  data  of  the  rest 
environmental  variables  (wind  speed,  solar  radiation)  are  not  measured  in  a  daily 
routine basis on livestock farms. Moreover, air temperature and humidity data can be 
usually  obtained  from  nearby  meteorological  stations  and  these  data  are  usually 
provided free of charge.  

The effects of the ambient environment on cow performance have been measured 
by  establishing  critical  ambient  temperatures  for  the  cow  (Johnson,  1987),  an 
equivalent temperature index incorporating temperature, humidity, and air velocity 
(Baeta et  al.,  1987),  and  temperature  humidity  index  (THI), which  incorporates  the 

4 
 
combined  effects  of  temperature  and  relative  humidity  (NOAA,  1976).  In  classical 
work, Johnson et al. (1963) reported that milk yield exhibited significant declines when 
maximum  THI  reached  77.  Later  research  determined  that  the  critical  values  for 
minimum, mean  and maximum  THI  were  64,  72,  and  76,  respectively  (Igono  et  al., 
1992). It is traditionally believed that milk synthesis begins to decrease when the THI 
reaches  72  (Armstrong,  1994).  More  recent  data  from  the  University  of  Arizona 
indicates that high‐yielding dairy cows reduce their milk yield at a THI of approximately 
68 (Zimbelman et al., 2009). In general temperature–humidity index values of 70 or 
less are considered comfortable, 75–78 stressful, and thermal values greater than 78 
cause  extreme  distress  with  lactating  cows  being  unable  to  maintain  ther‐
moregulatory mechanisms or normal body temperature 

Environmental  contributors  to  heat  stress  include  air  temperature  (T),  relative 
humidity (RH), solar radiation, air speed, and their interactions. Lactating dairy cows 
prefer  ambient  temperatures  of  between  5  and  25  °C,  the  ‘thermoneutral’  zone 
(Roenfeldt,  1998).  At  ambient  temperatures  above  26  °C,  the  cow  reaches  a  point 
where  she  can  no  longer  cool  herself  adequately  and  enters  heat  stress.  Body 
temperature  is  usually  maintained  by  in  thermoregulatory  systems  within  1  °C  of 
normal under ambient conditions that do not impose severe heat stress (Bligh, 1973). 
Many indices combining different environmental factors to measure the level of heat 
stress have been proposed. However, their use is limited by poor availability of data. 

The  THI  is  expressed  as  a  single  value  representing  the  combined  effects  of  air 
temperature and humidity, which is commonly used to evaluate the degree of heat 
stress  in  dairy  cattle  (Armstrong,  1994).  Bohmanova  et  al.  (2007)  compared  7  THI 
formulas  and  concluded  that  humidity  was  the  limiting  heat  stress  factor  in  humid 
climates, whereas the dry bulb temperature was the limiting factor for heat tolerance 
in dry climates. 

As it has been indicated, data of air temperature and humidity are usually used in 
order to estimate THI and accordingly to assess potential heat stress. The climate data 
are  used  either  from  nearby  meteorological  station  or  in  an  ideal  situation  from 
measurements inside the livestock building. Even in this case a measurement device 
is used usually located in the middle of the building, and the values are considered 
5 
 
representative from the whole building volume. However this is far from the reality, 
especially on large naturally ventilated cattle buildings, which climate distribution is 
characterised by strong heterogeneity. 

Although  physical  experimentation  allows  for  accurate  environmental 

measurements  without  the  need  for  modelling  assumptions,  a  comprehensive 
analysis would not only necessitate expensive equipment, but would also require large 
amounts  of  time  (Cook,  1990).  Moreover,  as  in  the  case  of  wind  tunnel  modelling, 
measurements may not always be representative of the full‐scale phenomena, e.g. 
poor  application  of  scaling  laws.  Numerical  modelling  techniques  such  as 
Computational  Fluid  Dynamics  (CFD)  can  offer  an  effective  means  of  accurately 
quantifying the indoor climatic variables of ventilated buildings under various design 
conditions within a virtual environment. Thus the amount of physical experimentation 
can be reduced considerably, although, as of yet, not eliminated. Computational fluid 
dynamics  is  a  simulation  technique  that  can  efficiently  develop  both  spatial  and 
temporal field solutions of fluid pressure, temperature and velocity, and has proven 
its effectiveness in system design and optimisation within the chemical, aerospace, 
and hydrodynamic industries. The ubiquitous nature of fluids and their influence on 
system performance has meant that there has been widespread take‐up of CFD by 
many other disciplines.  

CFD models can render efficiently and accurately the quantification of the variables 
compound  the  microclimate  inside  livestock  buildings.  Additionally,  parametric 
investigation can be conducted studying the impact of the external wind speed and 
direction on the distributions of air flow, temperature and ammonia in specific points 
inside the building (Norton et al., 2007). 

The  ubiquitous  nature  of  fluids  and  their  influence  on  system  performance  has 
caused  a  widespread  take‐up  of  CFD  by  many  other  disciplines.  As  a  developing 
science,  CFD  has  received  extensive  attention  throughout  the  international 
community since the advent of the digital computer. As a result, CFD has become an 
integral part of the engineering design and analysis environment of many companies 
because of its ability to predict the performance of new designs or processes prior to 
manufacturing or implementation (Schaldach et al., 2000). Typical applications of the 
6 
 
CFD in the agri‐food industry includes food storage, drying and sterilization (Le Page 
et  al.  2009),  specific  agricultural  applications  such  as  the  estimation  of  losses  of 
pesticide drift from field crop sprayer (Nuyttens et al. 2009), environmental control of 
agriculture  buildings  (Bartzanas  et  al.  2004;  Bartzanas  et  al.  2007;  Bartzanas  et  al. 
Norton et al. 2010a,b,c, Bartzanas et al. 2013a, Berg et al. 2013a,b,c), post‐harvest 
applications (Bartzanas et al. 2010a, 2013b). 

The final target of this on‐going research collaboration which has initiative under 
the STSM of DairyCare Cost Action, is the evaluation of THI of a dairy cattle barn will 
be  estimated  for  a  series  of  experimental  data  and  also  using  a  CFD  model.  Two 
different CFD codes will be used: a) Open Source (ATB) and Fluent – Ansys (CERTH). 
The  outcomes  of  the  two  codes  will  be  compared  against  experimental  data  as  a 
benchmark study. In a second step the CFD models will be used to study the influence 
of different design and structural changes to the building envelope (height, length, 
ventilation  openings)  and  the  potential  impact  to  the  THI.  In  this  was  design 
optimisation strategies can be proposed for alleviating the problem of high THI. 

3. Thermal Stress Index 
 

Extreme  weather  conditions  during  the  summer  months  can  severely  affect  the 
welfare and productivity of many livestock species. Compared to other animals cattle 
cannot dissipate their heat load very effectively. Cattle do not sweat effectively and 
rely  on  respiration  to  cool  themselves.  A  compounding  factor  on  top  of  climatic 
conditions  is  the  fermentation  process  within  the  rumen  generates  additional  heat 
that  cattle  need  to  dissipate.  Since  cattle  do  not  dissipate  heat  effectively  they 
accumulate a heat load during the day and dissipate heat at night when it is cooler. 
During extreme weather conditions with insufficient environmental cooling at night 
cattle will accumulate heat that they cannot disperse. Estimates of the degree of heat 
stress  affecting  animal  regulation  of  body  temperature  were  made  by  developing 
mathematical formulae that combine one or more meteorological variables. 

7 
 
 Many indices combining different environmental factors to measure the level of 
heat stress have been proposed. However, as it has already been indicated that most 
of the studies dealing with the assessment of heat stress in livestock have used indices 
mainly based to air temperature and relative humidity. A variety of indices were used 
to  estimate  the  degree  of  heat  stress  affecting  cattle  and  other  animals.  The  most 
common  of  these,  the  temperature‐humidity  index  (THI),  uses  the  dry  and  wet  air 
temperatures Tdb and wet bulb temperature Twb to estimate the magnitude of heat 
stress (Thom, 1959). Conceptually, it is difficult to ascertain whether THI is the most 
appropriate measurement of heat stress in dairy cattle. In the related literature there 
was no given explanation for the basis of the relative weighting of Tdb and Twb in the 
THI.  Other  THI  were  formulated  empirically  and  often  without  reference  to  body 
temperatures of cattle. Nonetheless, the original THI and several variations of it have 
been used extensively to estimate the degree of heat stress in dairy and beef cattle. 

It is not obvious that THI are better predictors of body temperature in heat‐stressed 
cows than other measurements of environmental conditions. In addition, it is possible 
that regression analysis using actual data on environmental conditions and cow body 
temperature  can  result  in  development  of  heat  stress  indices  that  are  better 
predictors of heat stress than THI.  

Following is a list of temperature humidity indices:  

Index  Reference 
Temperature‐Humidity Index (THI) 
0.8 x T + (RH/100) x (T‐14.4) + 46.4  Thom, 1959 
(0.15 x Tdb + 0.85 x Twb) x 1.8+32  Bianca,1962 
Td = 0.55 x (1 ‐ RH) x (Td ‐ 14.4)  Kibler, 1964 
(0.55 × Tdb + 0.2 × Tdp) × 1.8 + 32 + 17.5  National Research Council, 1971 
Tdb + 0.36 × Tdp + 41.2  Yousef, 1985 
Temperature‐Humidity Velocity Index 
(0.85xTdb + 0.15 x Twb) x V ‐0,058  Tao and Xin, 2003 
Environmental Stress Index 

8 
 
 0.63 T ‐ 0.03 RH (%) + 0.002 SR + 0.0054 (T x RH  Moran et al. 2001 
(%))‐0.073 (0.1+ SR)‐1 
[4.51+THI‐(1.992 x V) + (0.0068 x SR)]  Mader et al., 2006 
Black globe Temperature Humidity Index 
0.8xTbg + [(RH(%)/100) x (Tbg ‐ 14.3)] + 46.4  Buffington et al. 1981 
Tbg + 0.36 x Tdp + 41.5  Buffington et al. 1981 
 

Where: 

 T, is the ambient air temperature (°C) 
 RH, is the relative humidity (decimal form) 
 Tdb, is dry bulb temperature (°C) 
 Twb, is wet bulb temperature (°C) 
 Tdp, is the dew‐point temperature (°C) 
 V, is the wind speed (m/s) 
 SR, is the solar radiation (Wm‐1) 
 Tbg, is black globe temperature 
 Tret, Rectal temperature 
 Tre0, Rectal temperature (initial) 

9 
 
 4. Numerical approach (CFD model) 
 

Computational fluid dynamics is a sophisticated design and analysis tool that uses 
computers  to  simulate  fluid  flow,  heat  and  mass  transfer,  phase  change,  chemical 
reaction,  mechanical  movement,  and  solid  and  fluid  interaction.  The  technique 
enables  a  computational  model  of  a  physical  system  to  be  studied  under  many 
different design constraints. The quality of a CFD study is a function of not only the 
physics available in the software to model the system, but also the understanding that 
the  CFD  modeller  has  of  both  the  numerics  and  physics  contained  in  the  software 
package. If used correctly CFD can provide an understanding of the physics of a flow 
system in detail, and does so through non‐intrusive flow, thermal and concentration 
field predictions.  

The  majority  of  the  computational  fluid  dynamic  solvers  uses  a  finite  volume 
numerical scheme to solve the equations of conservation for the different transported 
quantities of flow (mass, momentum, energy, water vapour concentration). The CFD 
solver does the flow calculations and produces the results by solving the discretised 
form  of  governing  equation.  This  stage  needs  clear  understanding  of  flow  physics 
involved  in  the  problem  like  phenomena  related  with  heat  transfer,  mass  transfer, 
multispecies flow, multiphase flow, reacting flow, turbulence, radiation, etc. In most 
of the commercial CFD packages there are different options regarding the numerical 
methods that can be used to solve the governing equations. As a solution of all the 
governing  equations,  the  flow  parameters,  like  velocity,  pressure,  density, 
temperature,  concentration  are  calculated  at  each  grid  point.  Special  items  like 
ammonia  emissions,  heat  exchange  between  cows  and  surrounding  air  were 
simulated using a customization, i.e. a routine included in a used defined file (UDF) 
and built for the determination of the parameters exclusively relevant to the specific 
case.  

The enormous amount of data generated by CFD solver cannot be analysed by just 
looking at the numerical values. The final step in CFD analysis involves the organization 
and interpretation of the predicted flow data and the production of CFD images and 
animations. Different post‐processing tools like colour plots, contour plots and vector 

10 
 
plots  are  used  to  go  into  the  problem.  The  interpretation  of  these  results  plays 
important role in determining the performance of any system being studied. 

4.1. Governing equations 
The  governing  equations  of  fluid  flow  and  heat  transfer  can  be  considered  as 
mathematical formulations of the conservation laws that govern all fluid flow, heat 
transfer  and  associated  phenomena.  These  conservation  laws  describe  the  rate  of 
change of a desired fluid property as a function of external forces and can be written 
as 

Continuity equation 

(1)
0 

                 

Conservation of momentum (Newton’s second law): The sum of the external forces 
acting on the fluid particle is equal to its rate of change of line air momentum. 

)=         (2) 

Conservation of energy (the first law of thermodynamics): the rate of change of 
energy  of  a  fluid  particle  is  equal  to  the  heat  addition  and  the  work  done  on  the 
particle. 

(ρ (3)

11 
 
 CFD enforces these conservation laws over a discredited flow domain in order to 
compute the systematic changes in mass, momentum and energy as fluid crosses the 
boundaries of each discrete region (Versteeg and Malalsekeera, 1995).  

When  buoyancy  forces  occur  in  the  flow,  the  assumption  of  fixed  physical 
properties no longer matches fluid flow behavior. The equation of state relates the 
density of the air to thermodynamic state, i.e. its temperature and pressure. Climatic 
variables in livestock facilities are a function of varying flow properties caused by the 
heating  and  cooling  of  air.  There  are  two  main  methods  of  modelling  the  density 
variations  that  occur  due  to  buoyancy.  The  first  is  the  well  known  Boussinesq 
approximation  (Ferziger  and  Peric,  2002).  This  has  been  used  successfully  in  many 
greenhouse applications (Bartzanas et al., 2013a): 

1 (4)

This  relationship  only  considers  dry  air  as  the  fluid  medium,  whereas  it  is 
conceivable in most climatic flows a mixture of dry air and moisture will be involved. 
Gan  (1994)  derived  an  extended  version  of  the  Boussinesq  approximation,  which 
admits  a  description  of  the  density  of  moist  air  as  a  function  of  temperature  and 
moisture  concentration.  With  a  reference  density,  temperature,  and  water 
concentration and by using Taylor’s expansion theorem the density variation can be 
expressed as: 

(5)

where 

1 1
;

Despite the enhanced relation, Eq. (5) is not commonly used in the literature, even 
though  some  CFD  software  packages  allow  the  front‐end  incorporation  of  this 

12 
 
extension  (Anon,  2006).  The  use  of  Boussinesq  approximation  offers  in  many  CFD 
models faster convergence and solution stability, than considering the density variable 
in all equations. However, the Boussinesq approximation is not sufficiently accurate 
at  large  temperature  differentials  (Ferziger  and  Peric,  2002).  Therefore,  another 
method of achieving the coupling of the temperature and velocity fields is necessary 
when the Boussinesq approximation is invalid. This is done by treating the air as an 
ideal gas and expressing the density difference by means of the ideal gas equation: 

(6)

This method can be considered as a weakly compressible formulation, which means 
that the density of the fluid is dependent on temperature and composition but not  
pressure. 

4.2. Near wall functions 
 

The  presence  of  a  solid  boundary  (wall)  leads  to  considerable  differences  in  the 
flow  behaviour  and  turbulence  structure  when  compared  to  free  turbulent  flows 
(those  not  affected  by  a  solid  boundary).  The  effects  of  a  wall  boundary  are  best 
explained  by  defining  a  Reynolds  number,  Re,  with  a  length  scale  based  upon  the 
normal distance, y, from the wall 

(7)

where U is the velocity and ν is the kinematic viscosity of the fluid.  

The Reynolds number of the flow provides a measure of the relative contribution 
of inertia forces to viscous forces. Inertia forces dominate in the flow far from the wall, 
however,  as  the  distance  decreases  towards  zero,  the  Reynolds  number  also 

13 
 
decreases. Just before y becomes zero there is a range of values of y for which the 
Reynolds number is of the order of 1. At this distance from the wall, and closer, the 
viscous forces are equal in order of magnitude, or larger, than the inertia forces. There 
are a number of individual layers with differing flow characteristics in the near wall 
region that can be defined. In order to explain these layers it is necessary to introduce 
two dimensionless parameters.  

A velocity parameter 

(8)

and a distance parameter 

(9)

where Δyp is the distance from the wall to the nearest point, yp, where velocity is to 
be 
calculated, uτ is the shear velocity, μ is the dynamic viscosity of the fluid and τ is the 
shear stress which, according to the wall law, is related to the turbulent kinetic energy 
by 

/ (10)

4.3. Ventilation rate 
 

Many CFD studies of greenhouse ventilation have used the step‐down method to 
compute ventilation rates. This can be done by including a tracer gas with the same 
physical properties as air and of a known uniform initial concentration. Then the tracer 
gas can be treated as a passive scalar and can be solved after the flow‐field solution 

14 
 
has been obtained, i.e. by decoupling it from the momentum equations. The species 
equation used can be written as follows: 

(11) 

where c represents the concentration of the tracer gas in a cell; t is the time in 
seconds; and the R.H.S of the equation represents the tracer gas flux through each 
computational cell in the buildings volume. Initially all the cells in the building have a 
fixed tracer gas concentration equal to unity and all the external cells equal to zero. In 
this way, once an appropriate time‐step, dt, is selected, the decay in concentration of 
the tracer can be predicted over time. The tracer gas concentration decreases in the 
building  at  a  rate  that  depends  on  the  local  values  of  the  air  velocity.  Once  all  the 
tracer  gas  been  evacuated  from  the  building,  the  volumetric  average  tracer  gas  
concentration  can  be  tabulated  as  a  function  of  time  and  exported  to  a  statistical 
package so that an exponential decay of the following form can be fitted 

̅ ̅ 0 (12)

where the exponent n is the decay rate of this function and therefore describes the 
ventilation rate of the studied volume (air changes per hour). 

4.4. Turbulence modelling 
 

As shown by the measurements of turbulent airflows and microclimate patterns in 
open field conditions, the airflows are highly turbulent (Monteith & Unsworth, 1990). 
Consequently,  turbulent  models  must  be  introduced  in  the  Reynolds  equations 
written  to  separate  the  mean  flow  from  its  fluctuating  components.  Several 
considerations influence the choice of turbulence model. The most important ones, 

15 
 
which  guide  our  selection  too,  consist  in  the  accuracy  and  the  simplicity  of  the 
turbulence model.  
The  standard  k‐ε  model  (Launder  and  Spalding,  1974)  assuming  isotropic 
turbulence was adopted to describe turbulent transport. The k‐ε turbulence model is 
an  eddy  –  viscosity  model  in  which  the  Reynolds  stresses  are  assumed  to  be 
proportional  to  the  mean  velocity  gradients,  with  the  constant  of  proportionality 
being the turbulent eddy viscosity. The complete set of equations of the k‐ε model can 
be found in Mohammadi and Pironneau (1994). 
The effect of turbulence on the flow was implemented via the high Re k‐ε model 
(standard) model (Launder and Spalding, 1974).  
 

k k   t  k U i (13)
  U j       ij  
t  x j x j    x j x j
 
 
 
 

    t   2  (14)
  U j       C 2  C 1 Pk
t x j x j    x j k k
 
 
where, the turbulent viscosity is: 
 
k2 (15)
t   C 
  

and    
 
U i (16)
Pk   ij
x j
 
 
and Cμ = 0.09, σκ=1, Cε1 = 1.44, Cε2 = 1.96, and σε = 1.3 are model constants. 

16 
 
 4.5. Modelling the animals 
 

The presence of animals in a livestock building influences the indoor climate both 
because of their heat release and because they physically obstruct the airflow. In most 
of the CFD models that have been used to investigate the naturally ventilated livestock 
buildings,  the  presence  of  animals  either  is  neglected  or  is  simulated  as  area  with 
higher resistance to air flow (porous media).  
Heat  release  from  the  animal  surface  is  dependent  on  radiation  and  convection 
which are influenced by air velocity, temperatures, body surface of the animal and 
thermal insulation between body and tissue layers (CIGR, 2002). 
Hoff  et  al  (1992)  simulated  heat  transfer  from  the  floor  and  Bjerg  et  al  (2000) 
assumed that heat was generated from the floor instead of pigs, for some cases. This 
method has the advantage of saving design and calculation time but cannot follow 
detailed distributions for airflow and air temperature affected by animal occupants. 
However, some small animals such as broilers can be regarded as a heat source on the 
floor when the animals are raised at high density 
Among others researchers, Bjerg et al. (2000) used cylindrical pig simulators, made 
from a painted metal tube with a heat generator inside, for investigating air motion 
caused by convection around a livestock body, in experiments and CFD simulation. In 
another approach the slatted floor and pigs was regarded as porous media with heat 
production in the CFD simulation using suitable flow resistance properties for each 
element.  
However, CFD studies using the real configuration of animals or humans have also 
been considered recently. Murakami et al (2000) modelled a mannequin to estimate 
heat release from the human body. Total heat transfer was evaluated by integration 
of CFD simulation with a thermo‐physiological model for the human body.  
For livestock, Gebremedhin and Wu (2001) studied heat and mass transfer from 
multiple  cows  using  a  transformed  coordinate  system  of  body‐fitted  geometrical 
model, which was an indirect method to simulate the animal in the model. In their 
subsequent research, Gebremedhin and Wu (2003) considered the actual dimension 
and configuration of randomly distributed multiple occupants in the CFD model.  
 

17 
 
  
Fig. 1. Flow field in a ventilated room with cows (Gebremedhin & Wu, 2003). 
 
Seo  et  al  (2009)  presented  a  CFD  simulation  of  environmental  conditions  and 
ventilation  performance  for  a  full  size  pig  house  using  simplified  pig  models.  The 
simplification process is illustrated in Fig 2 illustrates the distributions of the simplified 
pig models in the full size building. The results showed that the presence of pigs in the 
house  had  a  significant  effect  on  internal  airflow  and  temperature  distribution, 
especially  in  the  livestock  zone,  and  the  presence  of  the  pig  models  improved  the 
accuracy  of  the  CFD  results  for  temperature  distributions  in  the  livestock  house. 
Animal design in the model generally required much time and skill for an optimum 
mesh, but did not lead to excessive computational time. 
 

 
Fig. 2. Simplification process of the pig model to reduce mesh resources (Seo et al. 
2009) 
 
Bjerg et al. (2008) suggested using CFD methods to determine the flow resistance 
through a small group of geometrically‐modelled animals, and included the values in 
subsequent  CFD  modelling  of  the  entire  animal‐occupied  zone  as  a  porous  media, 
within which the assumed animal heat production was released. This method makes 

18 
 
inclusion  of  large  numbers  of  animals  in  CFD  simulation  affordable,  but  needs 
validation. 
More recently, in a study contacted by Sapounas et al. (2012), is described how a 
detail CAD design of a dairy cow can be used to calculate the potential resistance of 
the animals to the inside air flow 

Fig. 3. 3D model of a virtual dairy cow house with 48 cows (Sapounas et al., 2012) 
 

4.6. CFD modeling of indoor air properties 
 

Early three‐dimensional predictions of airflow in a livestock room found reasonable 
agreement with experimental results even though the housed animals were modeled 
as a uniformly heated floor (Hoff et al., 1992). Harral and Boon (1997) simulated the 
isothermal  flow  patterns  in  a  three‐dimensional  geometrical  representation  of  a 
livestock building. Mistriotis et al. (1997) studied the natural ventilation in a broiler 
house  with  a  two‐dimensional  CFD  model.  The  study  focused  on  addressing  the 
problem  of  meeting  adequate  levels  of  ventilation  on  days  of  high  solar  radiation 
coupled with low wind speeds. The animals were modelled as a constant heat flux, 
which was represented by a heated floor. Zhang et al. (1999) studied the buoyant flow 
generated  by  a  single  simulated  pig.  Transient  simulations  were  observed  to  agree 
well with measured data. Zhang et al. (1999) recognised that although the simulations 
represented a gross simplification of the actual dynamics inside the building, similar 
type modelling techniques could be used to develop accurate solutions when more 
complex  interactions  occur.  Bjerg  et  al.  (2000)  found  that  their  CFD  model 
inadequately  predicted  recirculation  zones  in  locations  where  these  occurred 

19 
 
experimentally.  Nevertheless,  Bjerg  et  al.  (2000)  were  able  to  form  a  number  of 
recommendations for the CFD modelling of similar animal housing airflows.  
Bartzanas  et  al  (2007)  examined  the  influence  of  four  commonly  used  CFD 
turbulence  models  on  airflow  distribution  in  livestock  buildings  and  greenhouses. 
Comparing  their  CFD  results  with  experimental  data  they  concluded  that  k‐ε 
renormalization  group  turbulence  model  showed  the  best  behavior  concerning  the 
accuracy of the predictions on livestock building ventilation rate (Fig. 4). 
 
0.35
0.30
Air velocity, m/s

0.25
0.20

0.15
0.10
0.05
0.00
0 1 2 3 4 5
Livestock building length, m

Fig.  4.  Influence  of  turbulence  model  on  air  velocity  distribution  along  the 
livestock building width at a height of 1.75 m above ground, ──── Standard k‐ε model, 
─▲─▲─RSM model, ─  ─  ─  Realizable k‐ε model, ─■─■─■─ RNG k‐ε model (Bartzanas 
et al. 2007) 

Norton et al. (2009) develop and validate a CFD in order to investigate the natural 
ventilation of a calf livestock building under different wind incidences (WI). In their 
study  they  used  a  quantity  known  as  the  LMA,  was  used  to  define  an  air  change 
effectiveness parameter, called the air change ratio. They found that ventilation rates 
were not at their highest when wind was blowing normal to the building because a 
considerable quantity of the flow left the building via ‘‘short‐circuiting’’. However, the 
greatest  ventilation  homogeneity  was  experienced  when  the  wind  was  blowing 
normal  to  the  building,  owing  to  the  formation  of  two  wind‐driven  vortices  in  the 

20 
 
building. Results also showed that the highest level of environmental heterogeneity 
occurs at WI of 10–40° because the primary vortex only occupies a portion of the total 
building volume. 
 

Fig. 5. Streamlines illustrating the airflow patterns coloured with LMA distribution in a 
calf livestock building for two different wind incidences: 90° WI, and  60° WI.(Norton 
et al. 2009) 

Bartzanas et al. (2010) analyzed experimentally and numerically the aerosol levels 
of three different sizes (PM10, 2.5 &1) and the climatic conditions that prevail in a 
typical Greek livestock building that is naturally ventilated and hosts  mainly sheep. 
Concerning the airflow distribution (Fig. 6) they found that the flow is characterized 
by  a  main  core  flow  along  the  building  and  smaller  secondary  flows  in  different 
positions  inside  the  building.    Resulted  ventilation  rate  is  strongly  reduced  to  the 
windward part of the building due to smaller ventilation openings in that part of the 
building.  

21 
 
 Fig.  6.  Air  velocity  distribution  in  transversal  sections  along  the  length  of  the 
building (Bartzanas et al. 2010b) 

Norton et al. (2010a) have been developed a CFD model to predict the ventilation 
performance  and  thermal  environment  of  naturally  ventilated  calf  buildings  with 
unrestricted,  space  boarding  and  ventilated  cladding  eave  opening  conditions.  The 
effect of altering the height of openings on the indoor environment as and ventilation 
characteristics of the building has also been investigated. They found that increasing 
the eave opening height of unrestricted and space boarding eave openings resulted in 
a decrease of the average air velocity at animal level, due to a reduction in size and 
change in location of the primary recirculation zone. 

(a) 

(b) 
22 
 
Fig. 7 Streamline visualisation of the flow regime (side‐view) in a building with 0.6m 
high unrestricted eave openings condition. The black dashed line highlights the main 
flow pattern (Norton et al., 2010a) 

The  efficiency  of  air  mixing  in  a  naturally‐ventilated  livestock  building  with 
different  eave  opening  conditions  was  studied  by  Norton  et  al.  (2010b)  for  wind 
dominated and wind and buoyancy‐influenced ventilation. Among other useful results 
they found that during wind‐dominated ventilation, the porosity of the eave opening 
cladding  system  was  found  to  influence  the  mixing  of  air  and  a  reduced  porosity 
enhanced the ventilation efficiency of the building. 

Fig.  8.  Livestock  building  ventilation  rate  as  a  function  wind  speed  for  the  6  eave 
opening conditions (different effective eave opening area (EffOA) (Norton et al., 2010b) 

23 
 
 Norton et al. (2010c) tried to assess numerically, the relationship between calf heat 
loss and the distributed indoor environment of commercial naturally ventilated calf 
structure for a number of climate scenarios. The airflow patterns for each weather 
scenario in the are shown in Fig. 9, where it can be seen that different airflow patterns 
occur because of the changing calf heat production due to seasonal climates and to 
the differences between the thermal boundary conditions of the building surfaces. For 
the summer scenario, the temperature difference between the roof and the ambient 
air  was  so  great  that  the  heat  loss  from  the  animal  had  a  minimal  effect  on  the 
predicted indoor airflow patterns. During the spring and winter scenarios the overall 
calf heat flux had a greater influence on the indoor climate, and the effect of using 
different  calf  convective  heat  flux  boundary  conditions  on  the  predicted  airflow 
patterns was obvious for only the winter scenario. 

Fig. 9 The airflow pattern along a vertical plane of   a commercial naturally ventilated 
calf  structure  for  (a)  the  winter  scenario;  (b)  the  spring  scenario;  (c)  the  summer 
scenario. The outdoor wind speed is 0.5ms−1 in all cases (Norton et al. 2010c) 

24 
 
 5. Managing Heat Stress 
 

5.1. General managing options 
 

The water requirements of cattle increases during heat stress. Cattle lose water 
from increased respiration and perspiration. Additionally, consumption of water is the 
quickest method for cattle to reduce their core body temperature. Therefore, water 
consumption will be greater than typical metabolic requirements. Extra water tanks 
should be introduced prior to extreme heat events so that cattle become accustomed 
to them. Waterers need to be kept clean to encourage cattle to consume adequate 
water.  

Heat production from feed intake peaks 4 to 6 hours after feeding. Therefore heat 
production  in  cattle  fed  in  the  morning  will  peak  in  the  middle  of  the  day  when 
environmental temperatures are also elevated. Cattle should receive a least 70% of 
their feed 2 to 4 hours after peak ambient temperature. Changing the ration has been 
controversial  but  research  indicates  that  lowering  the  energy  content  of  diet  will 
decrease  the  heat  load.  The  general  recommendation  is  to  reduce  the  diet  energy 
content by 5 to 7%. 

Shade can be critical in determining whether cattle die during extreme heat events, 
especially  for  black cattle.  If  the  shade  structure  has  an  east‐west  orientation  then 
ground under the shade will remain cooler. However, if mud is an issue then a north‐
south orientation will increase drying as the shade moves across the ground during 
the day. 

Increasing the air flow can help cattle cope with extreme heat events. Wind speed 
has  been  shown  to  be  associated  with  ability  of  cattle  to  regulate  their  heat  load. 
Although we cannot influence wind speed, feedlots can increase ability for cattle to 
be  exposed  to  air  movement.  Utilize  temporary  wind  breaks  in  winter  to  allow 
maximal  air  movement  in  summer.  Tall  earthen  mounds  will  allow  cattle  more 
exposure to air movement. Feedlots should assess their feedlot and know which pens 

25 
 
have poor air movement. Avoid using these pens for cattle that will be approaching 
slaughter weights in mid to late summer. 

Another factor that feedlots can address is to control flies. Biting flies cause cattle 
to bunch up which decreases cooling. Minimizing breeding areas for flies and applying 
insecticides to decrease fly populations prior to heat stress times is worthwhile. 

Sprinklers  can  be  used  to  cool  cattle  during  times  of  stress.  Sprinklers  increase 
evaporative  cooling  and  can  reduce  ground  temperature.  Sprinklers  should 
thoroughly wet the animal and not just mist the air in order to cool the animal. Before 
installing a system make sure the water supply is adequate to provide drinking water 
and  sprinklers.  Sprinkle  intermittently  to  avoid  mud  and  increased  humidity. 
Sprinklers should be placed away from feed bunks and waterers. Cattle need to be 
introduced to sprinklers prior to extreme heat. Cattle not used to sprinklers will try to 
avoid the spray. Additionally, sprinklers need to be used before cattle are in extreme 
stress. Thermal shock from cold water can kill cattle that are extremely stressed. Once 
sprinklers are utilized they need to be continued until the heat event is over and cattle 
can manage on their own. 

5.2. Influence of barn structural specification 
 

Designers of dairy barns should seek to provide an optimal environment, resulting 
in excellent welfare, to enable cows to maximize their milk production Dairy barns are 
designed for 15 to 30 years of use, and therefore their design should take into account 
the  increase  in  extreme  environmental  events  expected  to  accompany  anticipated   
climate changes. Thus, achievement of an optimal environment, in particular for the 
high‐yield cow, is a challenging goal. 

Optimum  barn  characteristics  for  high‐yielding  dairy  cows  under  Israeli 

(Mediterranean) summer ambient conditions, by using a new stress model that takes 
ambient  temperature,  relative  humidity  and  wind  velocity  into  account  were 
determined by Shoshani and Hetzroni (2013).  

26 
 
 Their work and analysis was based in  the development of a heat‐stress model that 
simulates the ambient threshold temperature (THRT). In the latter model, a cow would 
increase  its  respiratory rate (RR)  in  response  to  the  development  of  heat‐stress 
conditions, and calculation of THRT took into account wind speed, relative humidity, 
ambient temperature, milk yield, milk content and fur thickness. The higher the THRT,
the better the animal can tolerate a harsh environment before suffering stress. Overall goal 

of their study was to determine optimum barn characteristics, under the hypothesis 
that these affect the THRT, which, in turn, takes into account ambient temperature, 
relative humidity, and wind speed. 

The daily mean THRT in free‐stall structures (31.68 °C) was found to be lower than 
that in loose housing (32.18 °C). The difference in favor of loose housing was evident 
throughout most hours of the day. 

Fig. 10.  Diurnal average changes in threshold temperature during the day in barn 
types: loose housing and free stalls, (Shoshani and Hetzroni (2013). 

Barns oriented north‐south (perpendicular to prevailing wind direction) were found 
to have higher daily mean THRT than east‐west oriented ones and this difference was 
consistent throughout most of the day except around midday. The advantage of the 
north‐south orientation was evident in both loose‐housing and free‐stall barns, but 
was greater for the free‐stall barns. 

27 
 
 Single slope was least effective with regard to its effect on THTR compared with 
open  ridge  and  pagoda.  However,  no  statistical  difference  was  observed  between 
open  ridge  and  pagoda.  Barn  orientation  had  no  significant  effect  on  THRT  for  any 
given ridge type.  

Roof slopes below 12% were found inferior to all others among which no significant 
difference was observed. 

Fig. 11.  Threshold temperature with various roof slopes. Bars denote standard 
error of the mean, (Shoshani and Hetzroni (2013). 

 
 
A similar work but based on CFD model have be done more recently by Bartzanas 
et  al  (2015).  The  numerical  (CFD)  model  was  successfully  validated  by  exploiting 
measurements  recorded  in  a  naturally  ventilated  livestock  building  for  small 
ruminants. The analysis reveals that the effective natural ventilation of the building 
strongly  depends  to  the  external  wind  direction,  while  the  temperature  increases 
excessively in the recirculation areas inside the building. Internal climate indexes like 
THI and Twc were calculated in order to investigate the existence of areas where cold 
or  heat  stress  conditions  hold.  For  the  examined  wind  and  ventilation  regimes  the 
building  is  proved  to  be  well  ventilated,  since  no  areas  with  excessive  ammonia 
concentration  exist  neither  areas  with  heat  or  cold  stress  climate  conditions  are 

28 
 
developed. The THI is calculated in every point of the computational domain through 
the following relationship (Kibler, 1964) THI = Td ‐ 0.55 x(1 ‐ RH) x (Td ‐ 14.4). The THI 
was calculated via the CFD model for two cases: a) strong convection case (entering 
air stream velocity equal to 2.6 m/s) and b) weak convection case (entering air stream 
velocity equal to 0.75 m/s). 

In the follow figure cross sections of THI distribution are given for both examined 
cases. In the case of strong convection the average THI is 17.1 oC while the whole area 
remains below the limit of 28 °C. In the case of weak convection the average THI is 
17.61, with the whole area remaining below the upper limit too. The conclusion is that 
in both cases there are no areas inside the building where the animals would suffer 
heat stress under the examined conditions. 

Fig. 12.  THI distribution in cross sections for both cases (Bartzanas et al. 2015) 

29 
 
 6. Future work 
 

The present report summarizes the work carried out in the framework of the STSM of 
Thomas Bartzanas in ATB‐Potsdam. During his visit Thomas Bartzanas, apart from the 
collaboration  of  Prof.  Thomas  Amon  has  fruitful  and  useful  discussions  with  other 
members of his research team, and will together decide to further continue this work 
in order:  

 to  estimate  the  thermal  heat  stress  index  of  dairy  cows  in  large  naturally 
ventilated  buildings  using  as  input  the  spatial  distribution  values  of  air 
temperature and air humidity inside the building and not only certain values 
from the central of the building. 
 To  proposes,  based  on  CFD  simulations,  alternative  building  and  natural 
ventilation system in order to reduce the THI 

Based on the above objectives the following work‐plan was agreed:  

 Definition of thermal stress index: In the literature one can find numerous 
relationships for expressing thermal stress in relation to climate variables 
(see also section 3 of the present report). The main relationships will be 
reviewed and the team will conclude to three (3) different thermal stress 
indexes.  Two  THI  will  based  on  the  same  climate  variables  (i.e  air 
temperature  and  air  humidity)  whereas  in  the  third  one  more  climate 
variables will be added. 
 Experimental data: Experimental data will be used from the experimental 
farms of ATB (see appendix). The team will decide for the quantity (number 
of years) and frequency of data. 
 Estimation of THI based on experimental data. The THI as it was proposed 
from task (1) will be estimated for the series of data that will be selected 
on task (2) 
 Estimation of THI with CFD. The THI as it was proposed from task (1) will be 
estimated for the series of data that will be selected on task (2) using CFD. 
Two different CFD codes will be used: a) Open Source (ATB) and Fluent – 

30 
 
 Ansys (CERTH). The outcomes of the two codes will be compared against 
experimental data as a benchmark study.  
 Optimisation  of  livestock  building  in  terms  of  THI.  With  the  aim  of  CFD 
different  design  and  structural  changes  will  be  proposed  to  the  building 
envelope (height, length, ventilation openings) an their influence to the THI 
will be again assessed using CFD  

31 
 
 7. Literature cited 
 

Anon., 2006. ANSYS CFX release 10.0 technical specifications. Public notice, ANSYS, 
Inc., Southpointe, Canonburg, PA, USA. 

Armstrong,  D.  V.  1994.  Heat  stress  interaction  with  shade  and  cooling.  J.  Dairy  Sci. 
77:2044–2050. 

Bartzanas  T.,  Kittas  C.,  Boulard  T.,  2004.  Effect  of  vent  arrangement  on  windward 
ventilation of a tunnel greenhouse. Biosystems Engineering, 88 (4): 479‐490.  

Bartzanas  T.,  Kittas  C.,  Sapounas  A  A.,  Nikita‐Martzopoulou  Ch.,  2007.  Analysis  of 
Airflow through Experimental Rural Buildings: Sensibility to Turbulence Models. 
Biosystems Engineering, 97 (2), 229‐239 

Bartzanas T., Bochtis D.D, Sørensen C.G, Sapounas A.A, 2010a. A Numerical Modelling 
Approach on Biomass Field Drying. Biosystems Engineering, 106: 458‐469 

Bartzanas T., Baxevanou C., Fidaros  D., Papanastasiou D., Kittas C.  2010b. Airborne 

particles  and  microclimate  distribution  in  a  livestock  building.  International 
Conference of Agricultural Engineering Towards Environmental Technologies – 
AgEng 2010, Clermont Ferrand 6‐8 September France) 

Bartzanas T., Kacira M., Zhu H., Karmakar S., Tamimi E., Katsoulas N., In Bok Lee, Kittas 
C.,  2013a.  Computational  fluid  dynamics  applications  to  improve  crop 
production systems. Computers and Electronics in Agriculture, 98: 151‐167 

Bartzanas  T.,  Bochtis  D.D  Green  P.,  Sørensen  C.G.,  Fidaros  D.,  2013b.  Prediction  of 
quality  parameters  for  biomass  silage:  a  CFD  approach,  Computers  and 
Electronics in Agriculture, 98: 209‐216 

Bartzanas  T.,  Baxevanou  C.  Fidaros  D.,  Papanastasiou  D.,  Kittas  C.  2015  Numerical 
simulation of flow and transport phenomena in a livestock building, Report of 
the project “Sustainable design of livestock buildigns”  

32 
 
Baeta,  F.  C.,  N.  F.  Meador,  M.  D.  Shanklin,  and  H.  D.  Johnson.,  1987.  Equivalent 
temperature index at temperatures above the thermoneutral for lactating dairy 
cows. ASAE Paper 87–4015. Amer. Soc. Agric. Engr., St. Joseph, MI. 

Bernabucci, U., N. Lacetera, L. H. Baumgard, R. P. Rhoads, B. Ronchi, and A. Nardone. 
2010.  Metabolic  and  hormonal  acclimation  to  heat  stress  in  domesticated 
ruminants. Animal 4:1167–1183 

Bianca, W. 1962. Relative importance of dry‐ and wet‐bulb temperatures in causing 
heat stress in cattle. Nature 195:251–252. 

Bjerg, B., Svidt, K., Zhang, G., & Morsing, S., 2000. The effect of pen partitions and 
thermal pig simulators on airflow in a livestock test room. Journal of Agricultural 
Engineering Research, 77, 317e326. 

Bjerg, B., Zhang, G., & Kai, P., 2008. Porous media as boundary condition for air inlet, 
slatted floor and animal occupied zone in numerical simulation of air flow in a 
pig  unit.  In  AgEng2008,  international  conference  on  agricultural  engineering. 
Hersonissos, Crete‐Greece. 

Bjerg B., Norton T., Banhazi T., Zhang G., Bartzanas T., Liberati P., Cascone G., I.‐B. Lee, 
Marucci  A.,  2013.  Modelling  of  ammonia  emissions  from  naturally  ventilated 
livestock  buildings  –  Part  one:  Ammonia  release  modelling.  Biosystems 
Engineering, 116(3), 232‐245 

Bjerg B., Liberati P., Marucci A., Zhang G., Banhazi T., Bartzanas T., Cascone G., I.‐B. 
Lee, Norton T., 2013. Modelling of ammonia emissions from naturally ventilated 
livestock  buildings  –  Part  two:  Air  change  modelling.  Biosystems  Engineering, 
116(3): 246‐258 

Bjerg B., Cascone G., I.‐B. Lee, Bartzanas T., Norton T., Hong S‐W., I‐H Seo, Banhazi T., 
Liberati P., Marucci A., Zhang G, 2013. Modelling of ammonia emissions from 
naturally ventilated livestock buildings – Part three: CFD modelling. Biosystems 
Engineering, 116(3): 259‐275 

Bligh,  J.,  1973.  In:  Bligh,  J.  (Ed.),  Temperature  Regulation  in  Mammals  and  Other 
Vertebrates. North Holland, Amsterdam, J. pp. 351–354. 

33 
 
Bohmanova,  J.,  I.  Misztal,  and  J.  B.  Cole.  2007.  Temperature‐humidity  indices  as 
indicators  of  milk  production  losses  due  to  heat  stress.  J.  Dairy  Sci.  90:1947–
1956 

Buffington, D. E., A. Collazo‐Arocho, G. H. Canton, D. Pitt, W. W. Thatcher, and R. J. 
Collier. 1981. Black globe‐humidity index (BGHI) as comfort equation for dairy 
cows. Trans. ASAE 24:711–714. 

CIGR, 2002. Heat and moisture production at animal and house levels. In S. Pedersen, 
&  K.  Sa¨  llvik  (Eds.),  Fourth  report  of  CIGR  working  group  on  climatization  of 
animal houses  

Cook, N.J., 1990. The Designers Guide to Wind Loading of Building Structures, Part 2: 
Static Structures. Butterworths, London, UK. 

Ferziger J H., & Peric M., 1996. Computational Methods for Fluid Dynamics, Springer, 
London. 

Gan  G.,  1994.  Numerical  method  for  a  full  assessment  of  indoor  thermal  comfort. 
Indoor Air 4, 154–168.  

Gebremedhin, K.G., Wu, B.X., 2001. Numerical simulation of flow field around a cow 
using 3‐D body‐fitted coordinate system. Journal of Thermal Biology 26, 563–
573. 

Gebremedhin, K. G., & Wu, B. 2003. Characterization of flow field in a ventilated space 
and simulation of heat exchange between cows and their environment. Journal 
of Thermal Biology, 28, 301‐319. 

Hahn, G. L., T. L. Mader, and R. A. Eigenberg. 2003. Perspective on development of 
thermal  indices  for  animal  studies  and  management.  EAAP  Technical  Series 
7:31–44. 

Harral  B B.,  Boon  C R., 1997. Comparison of predicted and measured air flow patterns 
in  a  mechanically  ventilated  livestock  building  without  animals.  Journal  of 
Agricultural Engineering Research 66, 221–228.  

34 
 
Hoff, S. J., Janni, K. A., & Jacobson, L. D., 1992. Three‐dimensional buoyant turbulent 
flows  in  a  scaled  model,  slot‐ventilated,  livestock  confinement  facility. 
Transactions of the American Society of Agricultural Engineers, 35, 671‐686. 

Igono, M. O., G. Bjotvedt, and H. T. Sanford‐Crane. 1992. Environmental profile and 
critical  temperature  effects  on  milk  production  of  Holstein  cows  in  desert 
climate. Int. J. Biometeorol. 36:77–87. 

Johnson,  H.  D.,  A.  C.  Ragsdale,  I.  L.  Berry,  and  M.  D.  Shanklin.  1963.  Temperature‐
humidity  effects  including  influence  of  acclimation  in  feed  and  water 
consumption of Holstein cattle. Missouri Agr. Exp. Sta. Res. Bul. 846 

Johnson, H. D. 1987. Bioclimates and livestock. Bioclimatology and the Adaptation of 
Livestock. World Animal Science. (H. D. Johnson, ed.) Elsevier Science Publ. Co., 
New York 

Jordan, E. R. 2003. Effects of heat stress on reproduction. J. Dairy Sci. 86: E. Suppl.: 
E104‐E114 

Kibler, H.H., 1964. Thermal effects of various temperature – humidity combinations 
on  Holstein  cattle  as  measured  by  eight  physiological  responses,  Research 
Bulletin of Missouri Agricultural Experiment Station 16, 862‐878. 

Le Page J F., Chevarin C., Kondjoyan A., Daudin J D., Mirade P S., 2009. Development 
of  an  approximate  empirical‐CFD  model  estimating  coupled  heat  and  water 
transfers  of  stacked  food  products  placed  in  airflow.  Journal  of  Food 
Engineering, 92 (2), 208‐216. 

Launder B.E., and Spaiding D.B. 1974. The numerical computation of turbulent flows. 
Computer Methods in Applied Mechanics and Engineering, 3, 269‐289 

Mader, T. L.; Davis, M. S.; Brown‐Brandl, T., 2006. Environmental factors influencing 
heat stress in feedlot cattle. J. Anim. Sci. 84, pp. 712–719 

Mistriotis A., de Jong T., Wagemans  M J M.,  Bot G P A., 1997. Computational fluid 
dynamics  as  a  tool  for  the  analysis  of  ventilation  and  indoor  microclimate  in 
agricultural buildings. Netherlands Journal of Agricultural Science 45, 81–96. 

35 
 
Mohammadi B., and Pironneau O. 1994. Analysis pf the k‐epsilon Turbulence Model. 
Research in Applied Mathematics, Wiley, New York, Masson, Paris. 

Monteith J L., and Unsworth M. 1990. Principles of Environmental Physics, 2nd Edition 
Edward Arnold. 

Moran  DS.,  Pandolf  KB.,  Shapiro  Y.,  Heled  Y.,  Shani  Y,  Matthew  WT.,  Gonzales  RR., 
2001.  An  environmental  stress  index  (ESI)  as  a  substitute  for  the  wet  bulb 
temperature (WBGT). Journal of Thermal Biology 26, 427‐431 

Murakami, S., Kato, S., & Zeng, J., 2000. Combined simulation of airflow, radiation and 
moisture  transport  for  heat  release  from  a  human  body.  Building  and 
Environment, 35, 489e500. 

Nardone,  A.,  B.  Ronchi,  N.  Lacetera,  and  U.  Bernabucci.,  2006.  Climatic  effects  on 
productive traits in livestock. Vet. Res. Commun. 30(Suppl. 1):75–81. 

Nardone, A., B. Ronchi, N. Lacetera, M. S. Ranieri, and U. Bernabucci., 2010. Effects of 
climate changes on animal production and sustainability of livestock systems. 
Livest. Sci. 130:57–69. 

NOAA, 1976. Livestock hot weather stress. United States Dept. of Commerce, Natl. 
Oceanic  and  Atmospheric  Admin.,  Natl.  Weather  Service  Central  Region. 
Regional Operations Manual Letter C‐31‐76 

Norton  T.,  Da‐Wen  Sun,  Grant  J.,  Fallon  R.,  Dodd  V.,  2007.  Applications  of 
computational fluid dynamics (CFD) in the modelling and design of ventilation 
systems in the agricultural industry: A review. Bioresource Technology 98, 2386–
2414 

Norton  T.,  Grant  J.,  Fallon  R.,  Da‐Wen  Sun.,  2009.  Assessing  the  ventilation 
effectiveness  of  naturally  ventilated  livestock  buildings  under  wind  dominant 
conditions using computational fluid dynamics. Biosystems Engineering, 103(1), 
78‐99 

36 
 
Norton  T.,  Grant  J.,  Fallon  R.,  Da‐Wen  Sun.,  2010a.  Assessing  the  ventilation 
performance  of  a  naturally  ventilated  livestock  building  with  different  eave 
opening conditions. Computers and Electronics in Agriculture, 71(1), 7‐21 

Norton T., Grant J., Fallon R., Da‐Wen Sun., 2010b.  A computational fluid dynamics 
study  of  air  mixing  in  a  naturally  ventilated  livestock  building  with  different 
porous eave opening conditions. Biosystems Engineering, 106: 125‐137 

Norton T., Grant J., Fallon R., Da‐Wen Sun., 2010c.  Improving the representation of 
thermal  boundary  conditions  of  livestock  during  CFD  modelling  of  the  indoor 
environment. Computers and Electronics in Agriculture, 73, 17‐36 

National Research Council, 1971. A Guide to Environmental Research on Animals. Natl. 
Acad. Sci., Washington, DC. 

Nuyttens D., De Schampheleire M., Verboven P., Sonck B., 2009. Comparison between 
indirect  and  direct  spray  drift  assessment  methods.  Biosystems  Engineering, 
105(1): 2‐12 

Roenfeldt, S., 1998. You can’t afford to ignore heat stress. Dairy Manage. 35 (5), 6–12. 

Sapounas, A. A.; H. J. C. van Dooren and M. C. J. Smits., 2012. Natural ventilation of 
commercial  dairy  cow  houses:  simulating  the  effect  of  roof  shape  using  CFD. 
International  Conference  of  Agricultural  Engineering.  AGENG‐2012,  Valencia, 
Spain. 

Seo, I.‐H., Lee, I.‐B., Kwon, S.‐H., Hwang, H.‐S., Hong, S.‐W., Bitog, J. P., et al. 2009. 
Numerical  investigation  of  the  pig  house  to  prevent  pig  respiratory  disease 
according to ventilation system. In The 2009 CIGR international symposium of 
the Australian society for engineering in agriculture, 14 September 2009. The 
Chifley at Lennons, Brisbane, Queensland, Australia. 

Schaldach  G.,  Berger  L.,  Razilov  I.,  Berndt  H.,  2000.  Computer  simulation  for 
fundamental studies and optimisation of ICP spray chambers. ISAS (Institute of 
Spectrochemistry and Applied Spectroscopy) Current Research Reports, Berlin, 
Germany. 

37 
 
Shoshani  E.,  and  Hetzroni  A.,  2013.  Optimal  barn  characteristics  for  high‐yielding 
Holstein cows as derived by a new heat‐stress model. Animal, 7 (1), 176–182 

Tao X and Xin X. 2003., Temperature‐Humidity‐Velocity Index for Market size Broilers. 
2003 ASAE Annual International Meeting, Las Vegas, Nevada, USA, July 27‐30, 
2003 (Paper Number: 034037) 

Thom, E. C. 1959. The discomfort index. Weatherwise 12:57–59. 

Versteeg  H  K.  &  Malalsekeera  W.,  1995.  An  Introduction  to  Computational  Fluid 
Dynamics, Longman Group Ltd, Harlow, UK  

Yousef, M. K., 1985. Stress Physiology in Livestock. CRC Press, Boca Raton, FL. 

Zhang  G.,  Svidt  K.,  Bjerg  B.,  Morsing  S.,  1999.  Buoyant  flow  generated  by  thermal 
convection of a simulated pig. Transactions of the ASAE 42, 1113–1120. 

Zimbelman,  R.  B.,  R.  P.  Rhoads,  M.  L.  Rhoads,  G.  C.  Duff,  L.  H.  Baumgard,  and  R.  J. 
Collier,. 2009. A re‐evaluation of the impact of temperature humidity index (THI) 
and  black  globe  humidity  index  (BGHI)  on  milk  production  in  high  producing 
dairy  cows.  Pages  158–169  in  Proceedings  of  the  Southwest  Nutrition 
Conference. R. J. Collier, ed. Accessed Feb. 2, 2009.  

38 
 
  

8. Acknowledgements 
 

This work has been financially supported of the DairyCare, COST action (FA1308). 
A special thanks to the host Prof. Thomas Amon, Head of Department of Engineering 
for Livestock Management at the Leibniz Institute for Agricultural Engineering (ATB) 
for accepting my STSM and for his hospitality and collaboration during my stay on ATB. 
I would also to thank G. Hoffmann, D. Janke; S. Hempel, W. Pauw and B. Amon and 
also the rest staff of the Department of Engineering for Livestock Management for the 
fruitful and interest discussion I had with them but also for their effort and willingness 
to guide me to the different experimental facilities of the Institute.  

39 
 
 9. Appendix 
 

The experimental farm 

40 
 
  

41