VillagrnM E A Bojacc R 2017 Simulacionconbaseellatcnicadinmicadefluidoscomputacional

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/354586904
Simulación con base en la técnica Dinámica de Fluidos Computacional (CFD),

para el diseño y optimización de la ventilación natural de los invernaderos de
ﬂores de corte en la Saba...
Book · May 2018
CITATIONS READS
2 64
2 authors:
Edwin Andres Villagran Munar Carlos Ricardo Bojacá

Agrosavia Universidad de Bogotá Jorge Tadeo Lozano
55 PUBLICATIONS 277 CITATIONS 94 PUBLICATIONS 876 CITATIONS
SEE PROFILE SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Reinforcement of the R+D+i capabilities of the Tibaitata research center. View project
Desarrollo de un prototipo de sistema de soporte a la decisión para el manejo del agua y la nutrición del tomate a campo abierto y bajo invernadero View project
All content following this page was uploaded by Edwin Andres Villagran Munar on 14 September 2021.
The user has requested enhancement of the downloaded file.

Autores
Edwin Andrés Villagrán Munar, MSc.
Carlos Ricardo Bojacá, PhD
BOGOTÁ, 2017
Simulación con base en la técnica Dinámica de Fluidos Computacional
(CFD), para el diseño y optimización de la ventilación natural de los inver-
naderos de flores de corte en la Sabana de Bogotá
Proyecto
Generación de una herramienta de diseño u optimización de la ventilación natural de
los invernaderos dedicados a la producción de flores de corte en cuatro subregiones
de la Sabana de Bogotá, mediante el uso de herramientas de simulación basadas en
la técnica Dinámica de Fluidos Computacional (CFD).
Febrero del 2017

Primera edición
ISBN: 978-958-98993-6-6
Autores
Edwin Andrés Villagrán Munar, MSc.
Investigador de Ceniflores
Carlos Ricardo Bojacá, PhD
Profesor titular
Departamento de Ciencias Básicas y Modelado
Universidad de Bogotá Jorge Tadeo Lozano
Edición
Nidia Patricia Copete, directora ejecutiva de Ceniflores
Adriana Carrillo, coordinadora de Investigación y Proyectos de Ceniflores
Fotografías e imágenes
Edwin Andrés Villagrán Munar
Ceniflores
Diagramación e impresión
Centro de Innovación de la Floricultura Colombiana (Ceniflores)

Carrera 9A No. 90-53. Bogotá, Colombia.
PBX: (571) 2579311, ext. 0143.
FAX: (571) 2579311, ext. 0170.
info_ceniflores@ceniflores.org
www.ceniflores.org
CONTENIDO
Introducción 7
1. El fenómeno de la ventilación 9
1.1. Generalidades 9
1.2. Índices de ventilación 11
1.3. Métodos de medición de la ventilación natural 11
1.4. CFD y geoestadística aplicada a la evaluación de invernaderos 12
2. Caracterización climática de la Sabana de Bogotá 14

2.1. Generalidades 14
2.2. Origen de los datos 14
2.3. Análisis de la información 16
2.3.1. Análisis a escala anual 16
2.3.2. Análisis a escala mensual 17
2.3.3. Análisis a escala horaria 19
2.3.4. Análisis día-noche 21
2.4. Análisis mediante técnicas de variabilidad espacial 22
2.4.1. Temperatura 22
2.4.2. Humedad relativa 22
2.4.3. Radiación solar 23
2.4.4. Velocidad del viento 23
2.4.5. Punto de rocío 24
3. Prototipos de invernaderos evaluados 25

3.1. Generalidades de los invernaderos dedicados a la producción 25
de flores de corte
3.2. Selección de municipios 26
3.3. Selección de los modelos de invernadero a evaluar 27
3.3.1. Subregión 1.2 27
Bloque uno 27
Bloque 10 28
3.3.2. Subregión dos 29
Bloque 11 29
3.3.3. Subregión tres 31
Bloque 30-E 31
3.3.4. Subregión cuatro 32
Bloque 0 32
4. Uso de modelos CFD para el estudio climático y de ventilación de

invernaderos 34
4.1. Ecuaciones que gobiernan el flujo de un fluido 34
4.2. Consideraciones especiales de los modelos de simulación enfocados al
estudio en invernaderos 36
4.3. Desarrollo y funcionamiento de un modelo de simulación CFD 37
4.3.1. El preproceso 37
4.3.2. El proceso 37
4.3.3. El postproceso 38
5. Desarrollo de modelos de simulación CFD 39

5.1. Uso de modelos de simulación CFD-2D 39
Condiciones de frontera 41
5.2. Usos de modelos de simulación CFD-3D 44
Digitalización y simulación 3D de los cinco modelos de invernadero 44
5.3 Resultados de las evaluaciones mediante simulación CFD 46
5.3.1. Simulaciones de la finca Agua clara - bloque 10 46
5.3.2. Simulaciones de la finca Wayuu Flowers 52
5.3.3. Simulaciones en la finca Rosas Ipanema 57
5.3.4. Simulaciones de la finca Turflor 62
6. Evaluación climática real de los invernaderos mediante técnicas

geoestadísticas 66
6.1. Recolección de datos 66
6.2. Análisis geoestadístico 67
Análisis exploratorio 67
Análisis estructural 67
Cálculo del semivariograma empírico 67
Ajuste del semivariograma a un modelo teórico 68
Predicción 69
6.3 Resultados de la evaluación climática 69
6.3.1. Finca Agua clara, bloques uno y 10 69
Temperatura 69
Humedad relativa 70
Déficit de presión de vapor 71
Bloque uno 72
Temperatura 73
Humedad relativa 73
Bloque 10 74
Temperatura 74
Humedad relativa 75
6.3.2. Finca Wayuu Flowers 76
Temperatura 77
Humedad relativa 77
Temperatura 79
Humedad relativa 79
6.3.3. Finca Flores Ipanema 81
Temperatura 81
Humedad relativa 82
Déficit de presión de vapo 83
Temperatura 83
Humedad relativa 84
Déficit de Presión de Vapor 85
6.3.4. Finca Turflor 85
Temperatura 86
Humedad relativa 86
Temperatura 88
Humedad relativa 89
Bibliografía 92
Simulación con base en la técnica Dinámica de Fluidos Computacional (CFD), para el diseño y optimización
de la ventilación natural de los invernaderos de flores de corte en la Sabana de Bogotá 9
INTRODUCCIÓN
n Colombia se estima que existen 7950 ha de agricultura protegida, de la cuales
E 900 ha están dedicadas a la producción de hortalizas y otras especies menores y

7050 a la de ornamentales; de estas, cerca del 88 % está concentrado en la Saba-
na de Bogotá. El área de agricultura bajo cubierta en Colombia se caracteriza por
el uso de invernaderos de bajo costo y poco nivel tecnológico, en los que la ventilación natural
es el método de control climático predominante.
En el país, la implementación de sistemas de control activo del clima en invernaderos se ha

visto limitada por la alta inversión en equipos y tecnología, asociada además con el alto gasto
energético para su funcionamiento. Otro factor son las limitantes estructurales de los inverna-
deros actuales, en donde la instalación de los sistemas mencionados no es viable en muchas
ocasiones.
Por esta razón, el estudio microclimático de los invernaderos y, en especial, la ventilación na-
tural o control pasivo del clima representa un aspecto importante en el sector productor de
flores de corte bajo invernadero. Los problemas de ventilación en los invernaderos generan
condiciones que inciden de manera determinante en la aparición de enfermedades de tipo
fungoso y limitan el desarrollo y crecimiento de los cultivos.
Con esta premisa se realizó un proyecto de investigación financiado por el SENA, Ceniflores y
Asocolflores en 2016, cuyo título es Generación de una herramienta de diseño u optimización
de ventilación natural de los invernaderos dedicados a la producción de flores de corte en cuatro
subregiones de la Sabana de Bogotá, mediante el uso de herramientas de simulación basadas
en la técnica Dinámica de Fluidos Computacional (CFD). Los resultados de este proyecto, que se
presentan de forma resumida en esta cartilla, están dirigidos a los gerentes y personal técnico
de las empresas de flores, a la comunidad académica del SENA, a las personas con formación
técnica, tecnológica y profesional en agricultura, y en general a toda la comunidad con interés
en el sector floricultor y la agricultura protegida. Esta cartilla sirve al propósito de transferir el
conocimiento tecnológico adquirido en este proyecto a la comunidad, llevando e implemen-
tando innovación en la floricultura del país.
10 de la ventilación natural de los invernaderos de flores de corte en la Sabana de Bogotá
El proyecto se llevó a cabo con la contribución del SENA; en particular, las actividades del plan
de transferencia de este proyecto se realizaron en el Centro de Biotecnología Agropecuaria
(CBA) del SENA en Mosquera, Cundinamarca. El equipo ejecutor del proyecto expresa su agra-
decimiento y reconocimiento a Edgar Sierra y Néstor Muñoz, quienes en representación del
SENA respaldaron la realización de este proyecto.
Así mismo, la investigación se realizó gracias a la decidida participación de las empresas afilia-
das a Asocolflores: Rosas agua clara, Wayuu Flowers, Flores Ipanema y Turflor. Las actividades
de investigación del proyecto se realizaron en las instalaciones e invernaderos que el personal
gerencial y técnico de estas empresas facilitó. El equipo ejecutor del proyecto expresa su re-
conocimiento y agradecimiento al personal de estas empresas, quienes hicieron posible esta
investigación.
El investigador Edwin Andrés Villagrán Munar lideró el proyecto y es actualmente un profe-

sional vinculado a Corpoica; además contó con la participación de Carlos Ricardo Bojacá, in-
vestigador actualmente vinculado a la Universidad Jorge Tadeo Lozano; con Manuel Herrera,
estudiante de ingeniería agroecológica de la Universidad Uniminuto; con Adriana Carrillo,
coordinadora técnica del proyecto y coordinadora de Investigación y proyectos de Ceniflores, y
con Nidia Patricia Copete, directora ejecutiva de Ceniflores.
La investigación que se presenta en esta publicación tuvo como finalidad generar una herra‑
mienta de diseño que permita diseñar y optimizar los sistemas de ventilación de los invernade‑
ros de producción de flores de corte en cuatro subregiones de la Sabana de Bogotá, a través del
conocimiento de las condiciones microclimáticas de los invernaderos y el uso de la herramienta
de simulación Computational Dynamic Fluids (CDF). El uso de esta técnica permite crear es-
trategias orientadas a rediseñar los sistemas de ventilación de los invernaderos existentes y
a diseñar invernaderos en función de las condiciones climáticas locales, las condiciones en
finca y la ecofisiología del cultivo a establecer. Se espera a futuro que la implementación de
este conocimiento contribuya, además, a disminuir el uso de plaguicidas de síntesis química y
aumentar los rendimientos de los cultivos.
La selección de las cuatro subregiones se efectuó con base en una caracterización climática de
la Sabana de Bogotá, información que fue facilitada por Ceniflores. En cada una de las zonas
establecidas en la investigación se seleccionó un invernadero en cada empresa afiliada a Aso-
colflores que participó en el proyecto. De esta forma, las empresas en cuyas fincas se realizaron
las evaluaciones fueron: Rosas agua clara, Wayuu Flowers, Flores Ipanema y Turflor.
1. EL FENÓMENO DE LA VENTILACIÓN
1.1. Generalidades
a ventilación natural es el método de control climático predominante en los in-
L vernaderos colombianos y en otras regiones de condiciones climáticas favorables

(control de clima pasivo). La principal ventaja de este método de enfriamiento
es la reducción de costos de operación de un invernadero, ya que no requiere de
energía artificial para su funcionamiento (Baptista et al., 2001). Esta es la principal razón por
la que predomina en países donde los horticultores no poseen los recursos para equipar los
invernaderos con los sistemas asociados, necesarios para tener un control total del microclima
generado (control de clima activo).
Este método de ventilación natural depende de dos fuerzas impulsoras: la convección forzada
o ventilación dinámica, causada por la acción del viento exterior, y la convección libre o ven-
tilación térmica vía flotabilidad, causada por la diferencia de temperaturas entre el exterior y
el interior del invernadero (Boulard et al., 1996; Coelho et al., 2006). La ventilación dinámica
tiene una relación directamente proporcional con la velocidad del viento exterior y el área del
sistema de ventilación. Un aumento o una disminución de estos factores repercutirán posi-
tiva o negativamente sobre el valor de la ventilación. Por el contrario, la ventilación térmica
aumenta en función del aumento del gradiente térmico entre el interior y exterior del inver-
nadero o, en caso contrario, disminuye con la reducción de este (Katsoulas et al., 2006). La
ventilación térmica es la responsable del movimiento de aire en el interior del invernadero en
condiciones de cero viento o cuando los sistemas de ventilación lateral y frontal se encuentran
cerrados. Este movimiento se genera a partir de un cambio de densidad en el aire, en función
de la temperatura, lo cual genera un movimiento vertical hacia la zona de la cumbrera del
invernadero conocido como efecto chimenea.
Un incremento en el área de ventilación genera un efecto positivo en la ventilación general de

los invernaderos, por lo que se recomienda instalar mayores áreas de ventilación en inverna-
deros altos o de gran volumen. Sin embargo, estos invernaderos, por su alto valor de inercia
térmica, son menos susceptibles a cambios bruscos de temperatura. Para estos invernaderos
se requieren mayores áreas de ventilación con el fin de conseguir tasas de ventilación adecua-
das. El aumento de las áreas de ventilación toma cada vez más importancia, debido al uso de
mallas antiinsectos de baja porosidad en las ventanas del invernadero, las cuales pretenden
evitar el ingreso de plagas (Teitel et al., 1998), fundamentalmente las transmisoras de virus
como mosca blanca (Trialeurodes vaporariorum) y trips (Frankliniella occidentalis) (Bethke,
1994; Bethke y Paine, 1994). La adopción de estos sistemas protege los cultivos y reduce el uso
de plaguicidas, pero a su vez dificultan el proceso de ventilación, generando un incremento en
la temperatura interna del invernadero (Kittas et al., 2002).
La ventilación natural es un proceso que influye directamente en el clima interior del in-
vernadero (Bailey, 1995; Kittas et al., 1996; Mistriotis et al., 1997), por lo que es un factor
determinante a la hora del diseño de la estructura. Un diseño adecuado de los sistemas de
ventilación puede mejorar tanto el control climático como el uso de la energía (de Jong y Bot,
1992; Ashrae, 1993; Mistriotis et al., 1997), lo cual impacta directamente en el crecimiento y
desarrollo de los cultivos (Bot, 1983; Castilla, 1994; Kittas et al., 1997). Por lo tanto, existe la
necesidad de diseñar sistemas de ventilación eficientes, partiendo desde la perspectiva de que
esta eficiencia depende de factores tales como: velocidad y dirección del viento, diferencias
entre la temperatura exterior e interior del invernadero, diseño del invernadero y la presencia
o ausencia de cultivos (Ould-Khaoua et al., 2006).
La ventilación afecta la temperatura interna del invernadero, de forma tal que en horas de alta
radiación se hace necesario circular aire del exterior hacia el interior del invernadero en forma
homogénea, con el fin de controlar los excesos de temperatura. Este movimiento del flujo de
aire debe permitir, además, el intercambio de masa y de calor entre las plantas del cultivo y
el aire circulante en el invernadero (Bailey, 2000). Otro factor que afecta la temperatura del
aire en el interior del invernadero es el valor de la temperatura del aire exterior. En periodos
o en climas cálidos, la temperatura interior suele superar el umbral máximo biológico de los
cultivos, ocasionando pérdidas en rendimiento y calidad de estos (Ali et al., 1990). De mane-
ra similar, una inadecuada ventilación puede generar excesos de temperatura y problemas
asociados a dichos excesos térmicos, tales como estrés hídrico de las plantas y problemas de
cuajado y rajado de frutos, entre otros.
Por otra parte, la ventilación natural ayuda a evacuar los excesos de humedad y así evitar su
acumulación en la superficie de la cubierta, lo cual genera condensación y posterior goteo so-
bre el cultivo, provocando la aparición de enfermedades (Hand, 1984; Mistriotis et al., 1997).
Esta acumulación de agua en la cubierta puede provocar una disminución en la transmisión
de la radiación solar, con la consecuente pérdida de producción si la condensación se presen-
ta en forma de gotas (Jaffrin y Makhlonf, 1990). Otros problemas reportados originados por
los excesos de humedad pueden causar deficiencias minerales en los cultivos (Lorenzo, 1994;
Mistriotis et al., 1997), como consecuencia de restricciones en la transpiración (Stanghellini y

van Meurs, 1992; Holder y Cockshull, 1990).
La falta de ventilación incide también negativamente en la composición del aire interior, prin-
cipalmente al producirse déficits en la concentración de CO2 (Hand, 1984; Lorenzo et al., 1990;
Lorenzo, 1994). Esto se debe a que la entrada de aire externo es la principal fuente de CO2 para
los cultivos en los invernaderos que no cuentan con una fuente de enriquecimiento carbónico,
tal es el caso de las estructuras colombianas.
1.2. Índices de ventilación

Existen diferentes índices de medida básicos para evaluar la ventilación de los invernaderos.
Estos índices pueden estar definidos en función del volumen de aire encerrado dentro del
invernadero, como en el caso del índice de renovación (N), o en función del área de suelo
cubierta por el invernadero, para el caso de la tasa de ventilación (G). El índice de renovación
se expresa mediante la siguiente ecuación:
(1.1)
Donde N (s-1) se define en función de la razón entre el caudal de flujo de aire por unidad de
tiempo (Q, m3 s-1) y el volumen de aire encerrado en el invernadero (VI, m3). La ecuación que
define la tasa de ventilación es la siguiente:
(1.2)
Donde G (m s-1) depende del caudal de flujo de aire por unidad de tiempo (Q, m3 s-1) y del área
cubierta por el invernadero (AI, m2).
1.3. Métodos de medición de la ventilación natural

El estudio de la ventilación natural de invernaderos se puede enfocar desde dos perspecti-
vas fundamentales: la teórica y la práctica. La primera se basa principalmente en modelos
matemáticos que incluyen diferentes principios físicos, actuando separadamente o en con-
junto, tales como: la flotabilidad del aire producida por el cambio de densidad al aumentar
la temperatura o el efecto dinámico generado por la presión del aire. Estos principios básicos
permitieron el desarrollo de modelos que fueron inicialmente planteados para estudiar el fe-
nómeno en edificaciones urbanas e industriales (Down et al., 1985; Zhang, 1989) y que han
sido parte importante del desarrollo de metodologías prácticas de lo que existe actualmente
para el estudio de la ventilación natural en invernaderos.
Por otra parte, la experimentación por medio de métodos directos (anemometría) o indirectos
(balance de masa y energía) permite comprender y analizar de forma más adecuada el fenó-
meno de la ventilación natural (intercambio de aire del exterior al interior del invernadero).
Adicionalmente, la experimentación es parte fundamental para la validación de los estudios
teóricos, debido a que permite la generación de soluciones de carácter cualitativo y cuantita-
tivo, dependiendo del método experimental empleado.
1.4. CFD y geoestadística aplicada a la evaluación de invernaderos

Los estudios basados en CFD se desarrollaron a partir de los primeros trabajos de Okushima
et al. (1989), quienes a partir del estudio de un invernadero tipo Venlo de una sola capilla,
equipado con sistemas de ventilación lateral y cenital, estudiado inicialmente por Sase et al.
(1984), analizaron mediante un ensayo de túnel de viento el comportamiento de un modelo
de invernadero construido a escala 1:10. Okushima et al. (1989) utilizaron las herramientas
CFD para realizar una validación cualitativa y cuantitativa de información recopilada en campo
de los patrones de flujo de aire al interior del invernadero.
La aplicación de CFD al diseño y optimización de invernaderos ha cobrado gran importancia

en los últimos años y hoy en día es una herramienta utilizada para el análisis de invernaderos
de grandes dimensiones cada vez más complejos y que incorporan la interacción del cultivo
con el microclima del invernadero (e.g. Fatnassi et al., 2006). Los modelos simples de CFD que
consideran el movimiento de un flujo de aire dentro de un invernadero vacío en condiciones
isotérmicas siguen siendo los más utilizados. Estos modelos buscan encontrar índices de re-
novación y tasas de ventilación utilizando como parámetros de diseño el área y orientación de
las ventanas cenitales, disposición y área de las ventilaciones laterales y frontales, geometría
del invernadero, en especial de la cumbrera, en función de diferentes velocidades y dirección
del viento (Baeza et al., 2004a; Campen, 2004).
Los estudios realizados se han aplicado a invernaderos en zonas tropicales (Bartzanas et al.,
2004; Romero et al., 2006), a invernaderos multitúnel (Kacira et al., 2004), a invernaderos tipo
Venlo (Baeza, 2004b, 2006, 2007; Molina-Aiz 2005, 2006; Ould Khaoua et al., 2006), así como
a invernaderos tipo parral y multicapilla. Estos estudios concluyeron lo siguiente:
• Se debe realizar un estudio minucioso del flujo de aire al interior del invernadero y
así poder determinar el tipo de configuración y orientación de las ventanas y si estas
deben ubicarse a barlovento (de cara al viento incidente) o a sotavento (de espaldas al
viento incidente).
• La heterogeneidad climática en el interior del invernadero, principalmente en el nivel

de las plantas, debe ser investigada a fin de definir la mejor configuración de la venti-
lación.
• Maximizar la tasa de renovación del aire no siempre conduce a una mejor condición
climática dentro del invernadero, principalmente al nivel de las plantas.
En este campo de aplicación se conocen actualmente dos trabajos de investigación, el prime-

ro fue realizado por Bojacá et al. (2008) y el segundo por Gil et al. (2011). En el primer caso
se utilizó este método de análisis para determinar la variabilidad espacial de variables como
temperatura y DPV (déficit de presión de vapor) en el interior de dos invernaderos comerciales
usados para la producción de flores de corte. Los autores reportaron que existe una heteroge-
neidad del microclima generado en el interior de los invernaderos evaluados, adicionalmente
reportaron que esta metodología puede mejorarse en el futuro para ser usada como herra-
mienta de evaluación climática o estudio de los invernaderos colombianos.
En el segundo estudio, los autores utilizaron esta técnica para el estudio de fenómenos espa-
cio-temporales y se aplicó a la variación de la temperatura dentro de un invernadero emplea-
do para la producción de rosas de corte en la Sabana de Bogotá, discutiendo sus implicaciones
en este sistema de producción. Los autores concluyeron que en el invernadero analizado existe
una distribución de la variable temperatura heterogénea desde la perspectiva espacial, así
como de la temporal y, por lo tanto, la práctica actual de medir esta variable en un solo punto
dentro del invernadero no está representando la realidad del comportamiento climático de
este, perspectiva que ya había sido puesta en discusión por los autores del primer estudio.
2. CARACTERIZACIÓN CLIMÁTICA
DE LA SABANA DE BOGOTÁ
2.1. Generalidades
l análisis climático de la zona donde se pretenda establecer cualquier tipo de
E producción agrícola, y más aún bajo invernadero, es un requerimiento previo a

la realización de cualquier actividad sobre el terreno. El conocimiento del com-
portamiento climático de la zona productiva permitirá conocer las condiciones
climáticas a las que se verá expuesto el cultivo y se podrán desarrollar estrategias que permi-
tan, al menos, disminuir los efectos adversos de condiciones climáticas no óptimas para el
desarrollo del cultivo.
El presente informe técnico presenta el análisis climático de la Sabana de Bogotá, dividida en

cuatro subregiones, considerando los datos registrados en el periodo de 2010 a 2015 por 22
estaciones climáticas ubicadas en distintos puntos de la Sabana de Bogotá. La caracterización
climática consideró las principales variables climáticas relevantes para la producción agrícola,
como son: temperatura del aire, temperatura del punto de rocío, humedad relativa, radiación
solar, precipitación y velocidad del viento.
2.2. Origen de los datos

Los datos utilizados para el análisis climático de las cuatro subregiones de la Sabana de Bogotá
provinieron de la red de monitoreo climático Ceniclima, administrada por la empresa Canal
Clima, que cuenta con estaciones climáticas instaladas en la zona de estudio. La ubicación de
las 22 estaciones con las cuales se realizó el análisis se presenta en la Figura 2‑1. La discrimi-
nación de las estaciones en las cuatro subregiones se realizó con base en información previa
suministrada por Canal Clima, quienes tienen definidas dichas subregiones de acuerdo con el
comportamiento climático histórico analizado a partir de los datos obtenidos de las estaciones
que tienen instaladas en la zona.
La subregión tres es la que tiene una mayor representación con el 36,4 % de las estaciones,
mientras que la subregión cuatro solamente está caracterizada por dos estaciones. Las subre-
5.2
5.0
Latitud
4.8
4.6
-74.4 -74.2 -74.0 -73.8

Longitud
No. Subregión Nombre Latitud Longitud
1 1 Cogua 5°03'00.02''N 73°55'00.00''O

2 1 Sésquile 5°01'00.02''N 73°50'00.00''O
3 1 Suesca Norte 5°05'38.34''N 73°48'10.23''O
4 1 Suesca Sur 5°04'01.53''N 73°49'11.71''O
5 1 Tocancipá 5°00'00.02''N 73°55'00.00''O
6 1 Zipaquirá 4°59'00.02''N 73°59'00.00''O
7 2 Chía 4°50'23.01''N 74°02'49.51''O
8 2 Cota 4°46'00.02''N 74°05'00.00''O
9 2 Guasca 4°50'55.78''N 73°52'58.87''O
10 2 La Calera 4°41'33.40''N 74°00'37.50''O
11 2 Sopó Centro 4°46'06.84''N 73°58'29.63''O
12 2 Sopó Norte 4°45'00.02''N 73°57'60.00''O
13 3 Bojacá 4°44'59.60''N 74°20'31.59''O
14 3 El Rosal 4°51'43.38''N 74°13'24.94''O
15 3 El Rosal Ipanema 4°51'56.60''N 74°13'15.92''O
16 3 Facatativa 4°48'11.64''N 74°18'24.03''O
17 3 Funza 4°46'20.22''N 74°13'41.16''O
18 3 Madrid Centro 4°43'22.28''N 74°16'01.19''O
19 3 Madrid Norte 4°45'35.96''N 74°16'01.19''O
20 3 Tenjo 4°53'31.88''N 74°05'00.00''O
21 4 Aeropuerto El Dorado 4°44'21.25''N 74°09'11.62''O
22 4 Soacha 4°35'36.39''N 74°12'31.84''O
Figura 2‑1. Ubicación geográfica de las estaciones utilizadas para el análisis climático.
giones uno y dos están representadas por igual cantidad de estaciones, con el 27,3 % cada
una de ellas.
La información climática cruda se recibió con intervalos de una hora para los periodos de
tiempo presentados. La fecha inicial del conjunto de datos climáticos es variable para cada
estación y dependió de la información suministrada por Canal Clima. Sin embargo, para la
gran mayoría de estaciones se considera un periodo de análisis de seis años, empezando el 01
de enero del 2010 y finalizando el 31 de diciembre del 2015. Solo en casos excepcionales se
contó con una cantidad limitada de información, como en el de la estación Sopó Centro, donde
el periodo de tiempo considerado fue de aproximadamente un año.
2.3. Análisis de la información

El análisis de los datos climáticos se realizó en diferentes escalas temporales. Las escalas con-
sideradas fueron: anual, mensual, día, noche y horaria. La información cruda fue promediada
para cada una de las variables estudiadas, en función de la escala temporal considerada, a ex-
cepción de la precipitación, en cuyo caso los datos fueron sumados, dada la naturaleza misma
de la variable.
El análisis espacial se realizó considerando las cuatro subregiones predefinidas, entre las cua-
les se hizo la comparación del comportamiento de las variables climáticas analizadas. De esta
forma, para cada escala temporal se realizó el análisis espacial comparando entre subregiones.
2.3.1. Análisis a escala anual
La representación de la información climática analizada a escala anual se presenta en la Figura

2‑2. Las temperaturas medias a escala anual registraron un promedio de 13,5 ºC, con una
desviación estándar de 0,57 ºC, al considerar la información de todas las subregiones. El rango
de variación de la temperatura del aire para todas las estaciones, a escala anual, estuvo entre
Año Año
Año Año
Año Año
Figura 2‑2. Comportamiento anual de las variables climáticas consideradas, discriminado por subregión.
12,8 y 14,8 ºC. Este comportamiento de la temperatura es consistente con los valores que
tradicionalmente se han manejado en la Sabana de Bogotá.
Al considerar las diferencias entre las subregiones de estudio, se observa que la subregión cua-
tro presentó las temperaturas anuales más altas, con un promedio de 14,3 ºC, en comparación
con las otras subregiones, en las que la temperatura promedio fue de aproximadamente 1 ºC
menor a la registrada en la subregión cuatro.
Al comparar los promedios anuales de la temperatura del aire con la temperatura del punto de
rocío se observa la cercanía que hay entre estos valores, indicando que en promedio el aire se
encuentra muy cercano a su punto de saturación, lo cual se confirma al observar los resultados
de la humedad relativa, que en general indican que el aire de las cuatro subregiones contiene
una alta cantidad vapor de agua, muy cercana a la saturación. El promedio general de todas
las estaciones, independiente de la subregión a la que pertenecen, fue de 84,4 %, con una
desviación estándar de tan solo 2,2 %. La subregión con la humedad relativa más baja fue la
cuatro, con un promedio de 81,4 %, mientras que el promedio de las subregiones uno, dos y
tres fue de 85,4, 84,8 y 85,6 %.
La velocidad del viento más alta se registró en la subregión cuatro, con un promedio de
3,9fkm/h. Las otras subregiones presentaron valores promedio de velocidad del viento entre
1,8 y 2,3 km/h.
La radiación solar promedio anual varió entre 123,6 y 163,0 W/m2, con un promedio de
147,0 W/m2 para todas las estaciones.
El comportamiento de la precipitación fue similar para las cuatro subregiones consideradas, a

pesar de las importantes variaciones que se observaron en los años 2010 y 2011; en los años
2012 a 2015 fueron de 650,3, 772,3, 716,7 y 789,2 mm. Los bajos valores de precipitación para
estos años y para algunas subregiones se deben a información faltante de algunas estaciones,
para las cuales no se contó con el periodo completo de información, tal como ya se comentó
anteriormente. Es así como del año 2012 en adelante las precipitaciones anuales registradas
para las subregiones son similares, sin mayores variaciones entre ellas.
2.3.2. Análisis a escala mensual
El comportamiento mes a mes de las variables climáticas analizadas se presenta en la Figura

2‑3. El comportamiento mes a mes de la temperatura del aire sigue la misma tendencia entre
las subregiones, aunque las temperaturas promedio para la subregión cuatro fueron mayores
a las del resto, el rango de variación de las temperaturas es pequeño, entre 1,2 y 1,4 ºC.
Las temperaturas promedio más altas se registraron en los meses de mayo y noviembre,
mientras que las temperaturas más bajas correspondieron a los meses de enero, septiembre
y diciembre. Las temperaturas del punto de rocío siguen la misma tendencia que las de la
temperatura del aire, pero a un nivel más bajo. Para el caso de esta variable no se aprecia-
ron mayores diferencias entre subregiones. En este caso, las temperaturas variaron entre 9,5
y 11,4fºC. Para cada subregión, las diferencias promedio entre meses estuvieron entre 1,6 y
2,1fºC. La tendencia mes a mes de la temperatura es típica para una ubicación geográfica
como la de la Sabana de Bogotá, ubicada en cercanías del Ecuador, en donde no hay estaciones
que ocasionen variaciones temporales marcadas del clima.
Las variaciones mes a mes de la humedad relativa para cada subregión son pequeñas, confir-
mando la alta presencia de vapor de agua en el aire a lo largo de todo el año. El comportamien-
to de las tres primeras subregiones es muy similar, de alguna manera constante, mientras
que la subregión cuatro presentó humedades relativas más bajas, como consecuencia de las
temperaturas del aire más elevadas.
Al igual que con la humedad relativa, la velocidad del viento de la subregión cuatro, mes a
mes, es diferente a las de las demás subregiones, encontrándose valores en la subregión cua-
Mes Mes
Mes Mes
Mes Mes
Figura 2‑3. Comportamiento mensual de las variables climáticas consideradas, discriminado por subregión.
tro que casi duplican la velocidad de las otras subregiones. Mes a mes se evidencian algunas
variaciones en la velocidad del viento como consecuencia del comportamiento típico de esta
variable en la Sabana de Bogotá y en relación con el clima regional al que se encuentra ex-
puesta esta zona. Los meses con velocidades de viento más altas fueron de julio a septiembre,
mientras que las velocidades más bajas se registraron de marzo a mayo.
El comportamiento de la radiación solar evidencia la tendencia característica del clima en la

Sabana de Bogotá, en particular los altos niveles de radiación que se registran a finales y co-
mienzo de año, debido a la ausencia o a la baja nubosidad típica de esta zona.
Las cuatro subregiones consideradas presentaron la misma tendencia mes a mes en la variable
de radiación global. Enero, con una radiación global promedio para las cuatro subregiones de
171,3 W/m2, fue el mes con la mayor cantidad de radiación recibida, en contraste con el mes
de julio, el cual fue en promedio el de menor cantidad de radiación recibida, con un valor de
142,4 W/m2.
A pesar de las variaciones climáticas que se han venido presentando en los últimos años, la
información analizada sobre la precipitación exhibe el típico comportamiento bimodal de esta
variable. En la Figura 2‑3 se observa la primera temporada de lluvias del año desarrollándose
entre marzo y mayo; la segunda se presenta entre octubre y diciembre. Las variaciones en la
precipitación, entre subregiones, son muy pequeñas, pudiendo interpretarse como similar el
comportamiento de esta variable para toda la Sabana de Bogotá.
El promedio de precipitación mensual general fue de 48,8 mm, con un registro máximo de
96,5 mm y un mínimo de 59,3 mm. El mes promedio con la mayor cantidad de precipitación
registrada fue noviembre con 80,9 mm, mientras que el más seco fue enero, con 22,8 mm.
2.3.3. Análisis a escala horaria
Dentro del comportamiento de la temperatura es claro que las más elevadas se registran entre
la 1:00 y las 2:00 p.m. (Figura 2‑4). Mientras que las horas con temperaturas más bajas se
observaron entre las 5:00 y las 6:00 a.m. Este resultado de la temperatura confirma una vez
más lo presentado en diferentes estudios, en los que se destacan las bajas temperaturas de la
Sabana de Bogotá como uno de los factores que limitan el potencial productivo, en este caso,
de los cultivos de flores de corte; el comportamiento horario sigue mostrando una tendencia
de la subregión cuatro a presentar las temperaturas más altas.
El comportamiento de la temperatura del punto de rocío es similar entre las subregiones, tal
como ya se comentó para los análisis realizados a otras escalas temporales. Las diferencias
hora a hora con respecto a la temperatura del aire son las que permiten identificar los momen-
tos en los que el aire se encuentra más cercano de alcanzar su saturación completa por vapor
de agua y presentarse el fenómeno de la condensación. Con base en lo anterior, son las horas
de la madrugada aquellas en las que las diferencias de la temperatura del aire versus la del
punto de rocío son mínimas. Por el contrario, en las horas de comienzo de la tarde, cuando las
temperaturas son más altas, el aire tiene una mayor capacidad de almacenar vapor de agua,
reflejándose en una mayor diferencia entre la temperatura del aire y la del punto de rocío.
Hora Hora
Hora Hora
Hora
Figura 2‑4. Comportamiento horario de las variables climáticas consideradas, discriminado por subregión.
Las estaciones de la subregión cuatro presentaron las velocidades de viento más altas a lo lar-
go de todo el día, en particular durante las horas del comienzo de la tarde. En su punto máxi-
mo, la curva de velocidad de viento en la subregión cuatro alcanzó un promedio de 9,6fkm/h,
mientras que las subregiones uno, dos y tres registraron velocidades máximas de 4,9, 4,6 y
6,6 km/h, respectivamente; en la noche se puede observar cómo la velocidad de viento es casi
nula en las cuatro subregiones.
La radiación solar, evidentemente, es función de la presencia del sol durante el día, siendo
muy similares los valores de radiación registrados hora a hora entre las subregiones.
2.3.4. Análisis día-noche
El resumen de la caracterización climática, discriminando entre las horas del día y las de la
noche, se presenta en la Tabla 2‑1, donde se pueden apreciar mejor las diferencias entre los
promedios, de día y de noche, de las variables seleccionadas, así como el promedio día para la
radiación solar. La mayoría de los cultivos requiere que exista un diferencial de temperatura
entre el día y la noche para optimizar su desarrollo.
Tabla 2‑1. Caracterización climática de las cuatro subregiones en estudio

en función del periodo de tiempo considerado durante las 24 horas
Temperatura Temperatura Humedad relativa Radiación

Subregión (ºC) punto de rocío (ºC) (%) solar (W/m2)
Día 15,2 11,0 78,8 302,4

1
Noche 11,1 9,8 90,9 -
Día 14,6 10,6 79,2 344,3
2
Noche 10,8 9,3 91,6 -
Día 15,3 11,2 78,8 289,2
3
Noche 11,2 9,8 90,9 -
Día 16,0 11,2 75,2 298,9
4
Noche 12,6 10,4 87,0 -
El diferencial promedio de la temperatura entre el día y la noche de todas las subregiones fue
de 3,8 ºC, siendo el diferencial más grande el de las subregiones una y tres, ambas con un
valor de 4,1 ºC, y el más pequeño es el de la subregión cuatro con un valor de 3,3 ºC. Hopper
y Hammer (1991), estudiando la respuesta de Rosa hybrida con diferentes combinaciones de
temperaturas diurnas y nocturnas, reportaron que los mayores pesos fresco y seco de plantas
ocurrieron cuando las plantas se sometieron a una temperatura diurna de 15 ºC, en combina-
ción con una temperatura nocturna de 12 ºC. Sin embargo, estas temperaturas retardaron el
desarrollo de la flor.
Las diferencias entre la temperatura del aire y la del punto de rocío fueron mayores durante
el día para todas las subregiones consideradas, con un promedio de 4,3 ºC. Esto indica que el
aire durante el día está en una mayor capacidad de retener vapor de agua. Por el contrario,
durante la noche, las diferencias entre estas dos temperaturas se redujeron, en promedio, a
1,6fºC, situación en la cual ya se está muy cerca de presentarse el fenómeno de la condensa-
ción. Bajo las condiciones de invernadero, la humedad relativa durante la noche es mayor que
la registrada en el ambiente exterior, en la medida en que el área se encuentra aislada en su
totalidad, impidiendo la circulación de aire. Esto hace que sea muy común encontrar las dife-
rentes estructuras de la planta con agua libre sobre la superficie, por cuenta de la saturación
de vapor de agua a la que se ve expuesto el aire contenido dentro del invernadero.
Lo anterior es evidente al observar las diferencias en los promedios de la humedad relativa

entre el día y la noche en el exterior de las cuatro subregiones, los cuales son muy similares;
además, es claro que en la noche, el aire se encuentra en promedio cerca del 90 % de su satu-
ración de vapor de agua. Esta situación obliga a los floricultores a tratar de evacuar los excesos
de humedad lo más pronto posible en las primeras horas de la mañana, ventilando al máximo
el invernadero.
2.4. Análisis mediante técnicas de variabilidad espacial

2.4.1. Temperatura La Mesa Cucunubá
5.2 Utica La Peña
Chocontá
Pacho
La Figura 2‑5 presenta la distribución espa-
Vergara
Nocaima
cial de la temperatura en la Sabana de Bo- 5.0 Villeta La Vega

Temperatura (C°)
14
gotá, a partir de la información promedio de Sasaima
Latitud
Albán 13
Facatativa
las estaciones meteorológicas incluidas en el 4.8
Zipacón
Bojacá
12
análisis climático. San Antonio de

4.6 Soacha
Choachí
El rango de temperaturas promedio observa- Sibaté

Chipaque
Fómeque
-74.4 -74.2 -74.0 -73.8

das en la zona de estudio se ubicó entre 11 Longitud
y 14,5 ºC. Las zonas más frías se localizaron Figura 2‑5. Mapa de contorno de la temperatura en la
Sabana de Bogotá.
tanto al oriente como al occidente de Bogo-
tá. Al oriente, las estaciones La Calera y Guasca presentaron temperaturas promedio de 11 y
12fºC, respectivamente. Hacia el occidente, las estaciones ubicadas en municipios como Boja-
cá, Funza y Facatativá representaron el otro límite frío de la Sabana de Bogotá.
La zona con las temperaturas más elevadas estuvo representada por las estaciones ubicadas
en las cercanías de Bogotá. Estaciones como aeropuerto El Dorado, Soacha y Cota presentaron
temperaturas promedio iguales o superiores a los 14 ºC. El efecto térmico ocasionado por la
zona urbana es el que provoca el aumento de la temperatura en esta zona de la Sabana de
Bogotá.
2.4.2. Humedad relativa
La representación de la humedad relativa sobre el área de la Sabana de Bogotá se presenta

en la Figura 2‑6. El comportamiento de esta variable es contrario al de la temperatura, lo cual
es la situación típica de estas dos variables. Con respecto a la zona de estudio, las zonas más
calientes, como el área circundante a Bogotá, son las más secas, mientras que las áreas más
frías, como Cota o Cogua, son las que más humedad presentaron en promedio.
La variación de la humedad relativa entre las La Mesa Cucunubá
zonas seca y húmeda fue de 11,4 %. Con res- 5.2 Utica La Peña
Pacho
Chocontá
Vergara
pecto al comportamiento microclimático de Nocaima
Humedad
5.0 Villeta
los invernaderos, aquellos ubicados en zonas
La Vega Relativa (%)
90.0
Sasaima
clasificadas como húmedas, con humedades 87.5
Latitud
Albán
Facatativa 85.0
4.8 82.5
relativas cercanas al 90 %, demandarán me- Zipacón
Bojacá
80.0
jores tasas de ventilación, de manera que la 4.6 San Antonio de Soacha

evacuación de los excesos de humedad sea Sibaté
Choachí
Fómeque
más eficiente con respecto a las zonas consi- -74.4 -74.2
Chipaque
-74.0 -73.8
deradas más secas. Longitud
Figura 2‑6. Mapa de contorno de la humedad relativa

de la Sabana de Bogotá.
2.4.3. Radiación solar
La radiación solar global varió entre 77 y La Mesa Cucunubá

5.2 Utica La Peña
177,6 W/m2, siendo el municipio de Sopó el Vergara Pacho
Chocontá
que presentó el nivel de radiación más bajo, 5.0 Villeta

Nocaima
La Vega Radiación
con promedios inferiores a los 100 W/m2 en (W/m2)
Sasaima 150
las dos estaciones ubicadas en este munici-
Latitud
Albán
125
Facatativa
4.8 100
pio. Aparte de esta situación, el comporta- Zipacón
Bojacá
miento de la radiación solar es relativamente 4.6

San Antonio de
Soacha
homogéneo a lo largo de la zona de estudio Sibaté
Choachí
Fómeque
(Figura 2‑7). -74.4 -74.2
Chipaque
-74.0 -73.8
Longitud
En el sector del municipio de Madrid también Figura 2‑7. Mapa de contorno de la radiación solar
global de la Sabana de Bogotá.
se observa un área de baja radiación solar,
con un promedio de 109,2 W/m2. Los mayores niveles de radiación solar se registraron en mu-
nicipios como La Calera, Suesca y Soacha, en los que fue superior a los 160 W/m2.
2.4.4. Velocidad del viento 5.2 Utica La Peña

La Mesa Cucunubá
Chocontá
Vergara Pacho
La zona norte de la Sabana de Bogotá pre- 5.0 Villeta La Vega Nocaima

Velocidad
viento (km/h)
sentó las velocidades de viento más bajas, Sasaima
4
3
Latitud
Albán
en donde estaciones como las dos instaladas 4.8 Facatativa 2
1
en Sopó registraron velocidades promedio de
Zipacón
Bojacá
0,29 y 0,72 km/h, respectivamente (Figura 4.6 San Antonio de Soacha

2‑8). Luego de estas dos estaciones, la de Sibaté
Chipaque
Choachí
Fómeque
Tocancipá, también ubicada en la zona norte, -74.4 -74.2

Longitud
-74.0 -73.8
registró la tercera velocidad del viento más Figura 2‑8. Mapa de contorno de la velocidad del viento
baja con un promedio de 0,92 km/h. en la Sabana de Bogotá.
El occidente de la Sabana de Bogotá presentó las velocidades de viento más altas, empezando
por la estación de Soacha con una velocidad promedio de 4,1 km/h; se observa cómo hacia el
occidente las velocidades del viento son superiores a los 2 km/h.
2.4.5. Punto de rocío La Mesa Cucunubá

5.2 Utica La Peña
Chocontá
Vergara Pacho
La Figura 2-9 presenta el comportamiento Nocaima

Punto de
5.0 Villeta La Vega
espacial de la temperatura del punto de rocío, Rocío (C°)
10.5
Sasaima
cuyo rango de variación se ubicó entre 8,8 y
Latitud
Albán 10.0
Facatativa 9.5
4.8
10,9 ºC. En los extremos de la zona de estudio Zipacón
Bojacá
9.0
se presentaron las temperaturas más bajas, y 4.6 San Antonio de Soacha

es así como en las estaciones de El Rosal y La Sibaté
Choachí
Fómeque
Calera se registraron algunas de las tempera- -74.4 -74.2

Chipaque
-74.0 -73.8
turas de punto de rocío más bajas con 9,7 y Longitud
8,8 ºC, respectivamente. Figura 2‑9. Mapa de contornos de la temperatura del

punto de rocío en la Sabana de Bogotá.
El comportamiento de la temperatura del punto de rocío fue homogéneo en la zona de es-

tudio, dado que el 75 % de las estaciones registraron valores promedios entre 10,1 y 10,9 ºC.
A partir del análisis realizado a las series climáticas históricas del año 2010 al 2015, es posible
concluir que el comportamiento climático de las cuatro subregiones climáticas predefinidas
presenta pequeñas variaciones que podrían ejercer algún tipo de efecto sobre las tasas de
desarrollo de los cultivos. De manera general, el comportamiento climático de las cuatro su-
bregiones representa la situación promedio de la Sabana de Bogotá, que es el de un clima frío
con un régimen de lluvias bimodal y sin la presencia de mayores variaciones de variables como
temperatura y humedad relativa a lo largo del año.
3. PROTOTIPOS DE INVERNADEROS
EVALUADOS
3.1. Generalidades de los invernaderos dedicados a la producción de

flores de corte
os invernaderos colombianos pueden definirse como estructuras con cubierta de
L plástico y sistemas de ventilación natural en las siguientes partes: 1. La zona de

la cumbrera, denominada ventana cenital fija, y 2. Las paredes exteriores, deno-
minadas ventanas laterales frontales (Figura 3‑1).
Ventana
cenital fija
Ventana
Ventana frontal
lateral
Antepecho
Figura 3‑1. Áreas de ventilación de un invernadero colombiano.
A pesar del área existente cultivada bajo cubierta en el país, son aún pocos los estudios refe-
rentes al tipo de estructuras de invernadero existentes y a su comportamiento climático. En
orden cronológico, el trabajo realizado por Acuña et al. (2004) fue la primera caracterización
de los invernaderos colombianos usados para la producción de flores de corte, estableciendo
que en Colombia existen tres tipos de estructuras de invernaderos. El primero y más extendido
es el tradicional de madera, establecido en un 64 % del área total de estudio. El segundo tipo
es el tradicional de metal-madera y flexon, cada uno con un porcentaje cercano al 10 %; y en
la última tipología se encuentran modelos como el espacial, espacial millenium, multitúnel,
colgante y tándem, cada uno de estos con porcentajes menores al 5 %.
Este estudio concluyó que el invernadero tradicional, el más antiguo utilizado en la floricultura
colombiana, es de bajo costo y no ofrece las mejores condiciones microclimáticas para el desa-
rrollo de los cultivos. De los invernaderos del segundo tipo se concluyó que son adaptaciones
del primero, buscan una mayor durabilidad de la estructura, por lo que se usan materiales
más resistentes y de mayor vida útil. Los invernaderos del tercer tipo presentan un avance en
diseño, buscan aumentar la inercia térmica y los índices de ventilación, y mejorar el control
climático mediante el uso de diferentes sistemas o equipos auxiliares. Estas adaptaciones de
equipos están determinadas principalmente por el tipo de estructura del invernadero, puesto
que si no tiene las condiciones de diseño y materiales apropiados, difícilmente un sistema
con un nivel tecnológico alto puede ser implementado. En el medio nacional, el invernadero
tradicional solo permite la mecanización razonable de la apertura y cierre de las áreas de ven-
tilación (Acuña et al., 2004).
Actualmente, en la Sabana de Bogotá existen cuatro tipos de invernadero (Figura 3‑2) que se
dedican a la producción de la rosa; en términos generales, todos son evoluciones históricas
del invernadero tradicional multicapilla que sigue siendo la estructura dominante con un uso
superior al 80 % del área cultivada, es decir, 7050 hectáreas (Asocolflores, 2015).
A B
C D
Figura 3‑2. Tipos de invernaderos colombianos: A. Tradicional multicapilla. B. Tradicional

multicapilla mejorado. C. Multitúnel, y d. Espacial.
3.2. Selección de municipios

En el desarrollo del proyecto, las fincas se ubicaron de forma estratégica dentro de las cuatro
zonas productoras de flores en las que se ha dividido la Sabana de Bogotá, según Boshell
(2009).
En la subregión uno encontramos la finca Rosas agua clara, en el municipio de Cogua, muy
cerca de la estación meteorológica de la red Ceniclima; es el mismo caso de las demás; en la
subregión dos (finca Wayuu Flowers), en la subregión tres (finca Ipanema Guaymaral) y en la
subregión cuatro (finca Turflor S.A.).
3.3. Selección de los modelos de invernadero a evaluar

3.3.1. Subregión 1.2
Dentro de la zona norte encontramos cinco municipios productores (Zipaquirá, Cogua, Suesca,
Tocancipá y Sesquilé), algunos hacen parte de la cuenca alta del río Bogotá; debido a similitu-
des climáticas, se seleccionó en el municipio de Cogua, cerca de los límites con Nemocón, una
finca representativa de la subregión uno, llamada Rosas agua clara.
La finca Rosas agua clara está ubicada a los 5°03”21.43” de latitud norte y 73°55”49.65” de
longitud oeste, a una elevación de 2569 msnm (Figura 3‑3); en esta finca se evaluaron los
bloques 1 y 10.
Figura 3‑3. Vista superior de la finca Rosas agua clara.

Fuente: Google Earth.
Bloque uno
El diseño del invernadero del bloque uno se caracteriza por ser de tipo multicapilla modificado
(Figura 3‑4), con un total de 24 naves con cubierta de polietileno y un área total de 9792 m2.
Las dimensiones de cada nave fueron de 6,8 m de ancho × 60 m de largo y el invernadero en
su eje longitudinal se orientó en dirección norte-sur.
Ventilación lateral Ventilación cenital

Figura 3‑4. Vista frontal y lateral del bloque uno.
La característica principal para seleccionar este invernadero fue la ventilación; lateralmente,

las cortinas tienen una amplitud efectiva de 1,9 m en cada uno de sus costados, como en las
fachadas, y en la parte superior consta de una ventilación cenital de apertura manual, confor-
mada por un techo móvil que se levanta unos 30º, teniendo como eje la intersección de las dos
aguas, como se observa en la Figura 3‑5; en este bloque, la dirección de las ventanas cenitales
es en de un solo sentido, hacia el nororiente.
Apertura de ventanas cenitales Capilla invertida o capilla colgante

Figura 3‑5. Vista interior del bloque uno.
Bloque 10
El diseño de invernadero del bloque 10 se caracteriza por ser de tipo multicapilla modificado
(Figura 3‑6), con un total de 12 naves con cubierta de polietileno y un área total de 5344,8 m2.
Las dimensiones de cada nave fueron de 6,8 m de ancho × 65,6 m de largo y el invernadero en
su eje longitudinal se orientó en dirección norte-sur.
Figura 3‑6. Vista frontal del bloque 10.
La ventilación en este bloque está compuesta por cortinas con una apertura efectiva de
1,8 m en cada uno de los costados laterales y en las fachadas. La ventilación cenital está
construida de forma similar a la del bloque uno, con la diferencia de que en este bloque la
dirección de apertura es alterna en cada una de las naves, es decir, que una tiene ventanas
cenitales en dirección nororiente y la siguiente tiene una ventana cenital en dirección suroc-
cidente (Figura 3‑7).
Vista interna de una nave Vista interior de ventanas cenitales

3.3.2. Subregión dos
La subregión dos está comprendida por seis municipios: Chía, Cajicá, Sopó, Guasca, La Calera
y Guatavita; estos se encuentran en la transición de la cuenca alta a la cuenca media del río
Bogotá. Guasca fue el municipio en el cual se seleccionó la finca representativa de esta zona y
lleva por nombre Wayuu Flowers.
La finca Wayuu está ubicada a los 4°50”53.48” de latitud norte y 73°53”13.59” de longitud
oeste, a una elevación de 2662 msnm (Figura 3‑8); en esta finca se evaluó el bloque 11.
Figura 3‑8. Vista superior de la finca Wayuu Flowers.

Bloque 11
El diseño de invernadero del bloque 11 se caracteriza por ser de tipo multicapilla tradicio-
nal (Figura 3‑9), con un total de nueve naves con cubierta de polietileno y un área total de
3916,8fm2. Las dimensiones de cada nave fueron de 6,8 m de ancho × 64 m de largo y el
invernadero en su eje longitudinal se orientó en dirección este-oeste.
La ventilación de este invernadero comprende una cortina lateral con una amplitud efectiva
de un metro en tres de los cuatro lados del bloque, al igual que una ventana permanente en la
pared lateral superior del bloque, tal como lo muestra la Figura 3‑10.
Ventilación lateral superior Ventilación lateral inferior

Figura 3‑10. Vistas del bloque 11.
El modelo de invernadero está equipado también con unas ventilaciones que no se encuen-
tran activas, como por ejemplo, la ventilación lateral que se encuentra en dirección suroriente,
al igual que las ventilaciones cenitales que alguna vez se adaptaron para esta Figura 3‑11.
Ventilación lateral inactiva Ventilación cenital inactiva

Figura 3‑11. Ventilaciones inactivas del bloque 11.
3.3.3. Subregión tres
La subregión tres comprende seis municipios de importancia productiva del sector floricultor:
Madrid, El Rosal, Facatativá, Tenjo, Subachoque y Funza; estos municipios se encuentran en la
cuenca media del río Bogotá; dentro de esta investigación, la finca representativa correspon-
dió a Guaymaral de Flores Ipanema, ubicada en El Rosal.
La finca Guaymaral se encuentra ubicada en El Rosal a los 4°50”54.51” de latitud norte y

74°14”34.88” de longitud oeste, a una elevación de 2589 msnm (Figura 3‑12).
Figura 3‑12. Vista superior de la finca Guaymaral de Flores Ipanema.

Dentro de la finca Ipanema Guaymaral los invernaderos tienen un área promedio de una hec-
tárea y son de dos tipos, según la zona en la que se encuentren ubicados; para esta investiga-
ción se evaluó el bloque 30E.
Bloque 30-E
El modelo de invernadero es del tipo nuevo milenio, que consiste en un invernadero multica-
pilla, curvo, con una cresta perpendicular a lo largo de las naves que se cortan a su longitud
media por medio de un camino central (Figura 3‑13), por lo que este invernadero es más alto
Vista frontal interna de una nave Vista lateral interna

Figura 3‑13. Vista del bloque 30-E.
que los invernaderos comunes; este invernadero, en particular, posee 15 naves cubiertas con
polietileno, con un área total de 5692,5 m2; las dimensiones de cada nave son de 6,9 m de
ancho por 55 m de largo.
Este tipo de invernadero se caracteriza por tener una estructura metálica, en la que cada nave
está compuesta por una capilla de forma circular con una ventana cenital fija de aproximada-
mente 30 cm de apertura efectiva y cuenta con cortinas en cada una de las paredes laterales y
en cada una de las fachadas (Figura 3‑14).
Vista frontal de una nave Vista frontal interior de una nave

Figura 3‑14. Vistas frontales, exterior e interior del bloque 30-E.
3.3.4. Subregión cuatro
La subregión cuatro está compuesta por un municipio, Soacha, y por el distrito capital, Bogotá;
de igual manera, se encuentra en la cuenca media del río Bogotá. En esta zona se seleccionó,
en Soacha, la finca que lleva por nombre Turflor S.A.
Esta finca se encuentra en Soacha a los 4°37”25.25” de latitud norte y 74°13”01.50” de longi-
tud oeste, a una elevación de 2545 msnm (Figura 3‑15).
Dentro de la finca Turflor S.A. hay dos tipos de invernaderos: multicapilla tradicional y espa-
cial; estos últimos difieren entre sí por su forma, construcción estructural y configuración de
las ventilaciones cenitales; en esta finca se seleccionó el bloque 0 para realizar la evaluación.
Bloque 0
El modelo de invernadero seleccionado es de los denominados tipo espacial, conformados es-
tructuralmente mediante la ubicación vertical de postes de concreto que hacen la función de
columna (Figura 3‑16), localizados en la zona central y frontal del invernadero; a su vez, los
Figura 3‑15. Vista superior de la finca Turflor.

cables sometidos a tensión entre sí conforman la cubierta. El bloque 0 está conformado por 42
naves cubiertas en polietileno, con un área total de 17.892 m2; las dimensiones de cada nave
son de 7,1 m de ancho por 60 m de largo.
Figura 3‑16. Vista interior del bloque 0.
Este invernadero presenta ventilaciones en las paredes laterales como en las fachadas, com-
plementadas con una ventilación cenital, que en el bloque 0 tiene una amplitud efectiva entre
0,1 a 0,2 metros en cada nave que se forma a partir de una cresta en forma de triángulo de 0,3
metros (Figura 3‑16).
4. USO DE MODELOS CFD PARA EL

ESTUDIO CLIMÁTICO Y DE VENTILACIÓN
DE INVERNADEROS
a dinámica de fluidos computacional es una de las ramas de la mecánica de flui-
L dos que usa métodos numéricos y algoritmos para estudiar y analizar proble-
mas que involucran fluidos en movimiento, empleando computadores de gran
capacidad de desarrollo, equipados con software capaz de realizar millones de
cálculos para simular la interacción de líquidos y gases en unas condiciones de contorno gene-
ralmente definidas por el usuario; estos casos de estudios involucran las ecuaciones de Navier-
Stokes. Adicionalmente, los casos estudiados pueden contener procesos de transferencia de
calor y masa e incluso otras (reacciones químicas). Existen diferentes métodos numéricos y
algoritmos que resuelven de distinta forma las ecuaciones fundamentales (Baeza, 2007).
4.1. Ecuaciones que gobiernan el flujo de un fluido

Las ecuaciones de Navier-Stokes son un conjunto de ecuaciones que definen el comporta-
miento dinámico de un fluido (flujo y transferencia de calor). Estas ecuaciones forman un sis-
tema de ecuaciones diferenciales-parciales no lineales que actualmente no tienen solución
analítica; se derivan de la aplicación de los principios de conservación de la mecánica y de la
termodinámica al fluido, relacionando generalmente la velocidad del cambio de una propie-
dad del fluido originado por fuerzas externas (Norton et al., 2007). Deben cumplir lo siguiente:
• La ley de la conservación de la masa (continuidad) establece que la masa que fluye hacia
el interior de un elemento de fluido debe equilibrarse exactamente con la masa que fluye
hacia afuera.
• La ley de conservación del momento (segunda ley de movimiento de Newton) establece

que la tasa de cambio del momento lineal es igual a la suma de las fuerzas que actúan
sobre las partículas del fluido.
• La ley de conservación de la energía (primera ley de la termodinámica) establece que la

tasa de variación de la energía de una partícula de fluido es igual a la adición de calor y el
trabajo realizado sobre la partícula.
Las ecuaciones que gobiernan el flujo tridimensional de un fluido viscoso, compresible en es-
tado no estacionario, son:
• Ecuación de continuidad:
(4.1)
• Ecuaciones de momento:
(4.2)
(4.3)
(4.4)
Donde ∇ es el operador nabla que denota el gradiente de velocidad, u, v y w son las compo-
nentes cartesianas de la velocidad, V es el vector de velocidad, t representa el esfuerzo cor-
tante, y fx, fy y fz representan las componentes cartesianas del vector de fuerzas de cuerpo f.
• Ecuaciones de energía:
(4.5)
Donde ∇ es el operador nabla que denota el gradiente de velocidad, u, v y w son las compo-
nentes cartesianas de la velocidad, V es el vector velocidad, t representa el esfuerzo cortante,
f es el vector de fuerzas de cuerpo y energía interna debida al movimiento de las moléculas de
fluido y k es la conductividad térmica del fluido.
4.2. Consideraciones especiales de los modelos de simulación enfoca-

dos al estudio en invernaderos
El estudio del fenómeno de la ventilación en invernaderos por efecto eólico, térmico o combi-
nando las técnicas de medición y visualización ha demostrado el carácter turbulento del flujo
de aire en el exterior y en el interior del invernadero, por lo tanto, se sugiere que el modelo
de turbulencia sea tenido en cuenta a la hora de plantear una solución numérica de un caso
específico.
La turbulencia significa que la velocidad instantánea varía en cada punto del campo de flujo.
La mayoría de los modelos de turbulencia que vienen en los paquetes comerciales CFD con-
sidera un modelo de turbulencia con aumento de la viscosidad del flujo de acuerdo con la
ecuación 4.6 (Rico, 2008):
(4.6)
Donde μe es la viscosidad efectiva, μfluido es la viscosidad laminar del fluido (que es una propie-
dad del fluido) y μturbulenta es la viscosidad turbulenta, calculada por el modelo de turbulencia
(Ansys, 2007).
En algunas ocasiones, la presencia de cultivos o mallas antiinsectos puede ser incluida en los
modelos CFD mediante la aproximación de un medio poroso; en estos casos, la ecuación que
representa el fenómeno es la descrita en la ley de Darcy (Darcy-Forcheimer), la cual relaciona
la fuerza de arrastre a través del medio poroso con una combinación lineal de la velocidad del
flujo; esta ecuación (4.7) se describe así:
(4.7)
Donde S∅ es fuerza de arrastre en el medio poroso, U es la velocidad del aire; µ, la viscosidad

dinámica del fluido; K, la permeabilidad del medio poroso y Cf, el coeficiente de pérdida de
momento no lineal; K y Cf deben ser calculados para cada malla y para cada cultivo.
El efecto térmico de flotación es otro de los fenómenos físicos incluidos constantemente en

el estudio del flujo de aire en invernaderos; la ecuación de estado relaciona la densidad del
aire en función de la temperatura y la presión, fenómeno muy frecuente en el interior de los
invernaderos, debido al calentamiento y enfriamiento del aire. Su modelado puede realizarse
por medio de la aproximación de Boussinesq; esta ecuación (4.8) se escribe así:
(4.8)
Donde ρ referencia es la densidad constante del flujo; T referencia es la temperatura real y β es el

coeficiente de expansión térmica (β= 0,00329 para el aire). La aproximación de Boussinesq
es válida si las diferencias de temperaturas que aparecen en el dominio computacional no son
demasiado grandes: situación que generalmente ocurre en el
estudio de microclima de invernaderos (Baeza, 2007).
4.3. Desarrollo y funcionamiento de un modelo de simulación CFD

En todo proceso de simulación numérica existen tres pasos fundamentales para desarrollar un
proyecto: 1. El preproceso, 2. El proceso, y 3. El postproceso. A continuación se mencionan los
aspectos relevantes de cada paso:
4.3.1. El preproceso
En esta primera etapa deben ser definidos los parámetros matemáticos y físicos que deter-
minan cada caso de estudio. Generalmente, una gran parte del trabajo del usuario se centra
en esta etapa, ya que de la calidad y estructuración de esta depende el éxito de la solución.
El usuario deberá definir por medio de la interfaz de los software comerciales existentes lo
siguiente: dominio computacional compuesto por geometría del invernadero y del túnel de
viento virtual (Figura 4‑1); dividir el dominio computacional en número finito de subdomi-
nios, selección de los fenómenos físicos que requieren ser modelados, tipo de fluido y su pro-
piedades, y condiciones de frontera o borde de la geometría evaluada. En el caso puntual de
un invernadero se definen las condiciones para paredes rígidas, ventilaciones laterales, fron-
tales, cenitales y grados de apertura.
Figura 4‑1. Dominio computacional de simulación (amarillo y rojo, túnel de viento virtual, y verde, invernadero).
4.3.2. El proceso
En esta etapa, los softwares comerciales solucionan numéricamente las ecuaciones gober-
nantes del fluido. Los métodos numéricos utilizados por estos softwares llevan a cabo los
siguientes procesos: mediante funciones simples realizan aproximaciones de las variables

desconocidas del flujo del fluido estudiado, discretización de las ecuaciones gobernantes del
flujo mediante el uso por sustitución de las aproximaciones calculadas en el proceso anterior y
solución de las ecuaciones algebraicas.
Existen cuatro grupos diferentes de técnicas numéricas de solución: las diferencias finitas, los
elementos finitos, los volúmenes finitos y los métodos espectrales. Estos métodos tienen su
principal diferencia en la forma como cada método aproxima las variables desconocidas del
flujo y con los procesos de discretización (Baeza, 2007). En el presente caso de estudio se aplica
la solución por los métodos de volúmenes finitos.
4.3.3. El postproceso
En esta etapa final, el usuario podrá tener acceso a la solución del caso estudiado, podrá reali-
zarlo desde una perspectiva cualitativa o cuantitativa, dependiendo del grado de análisis que
quiera realizar. En la actualidad, debido al constante desarrollo de la industria tecnológica se
ha avanzado en generar herramientas que permiten una visualización cada vez más especí-
fica de las soluciones gráficas (cualitativas). Los softwares comerciales permiten lo siguiente:
visualización de la geometría del dominio computacional y del enmallado de este; gráficos
de vectores de velocidad y comportamiento del flujo de aire en el dominio computacional
(Figura 4‑2); traslación y rotación para generar diversos planos de vista de la geometría y el
dominio computacional; gráficos de contorno del comportamiento de variables como tempe-
ratura, presión y densidad del flujo de aire; extracción de los valores numéricos de las variables
analizadas en cada punto del dominio computacional y, por último, animaciones de cada una
de las variables analizadas.
Figura 4‑2. Comportamiento del flujo del aire en una simulación CFD-3D.
5. DESARROLLO DE MODELOS
DE SIMULACIÓN CFD
e acuerdo con la metodología de desarrollo del proyecto se estableció la ge-
D neración de modelos de simulación CFD para dos actividades:
• Evaluación de las tasas de ventilación e índices de renovación de los mo-

delos de invernaderos seleccionados en cada una de las cuatro subregiones, en función de
las condiciones climáticas locales predominantes.
• Evaluación climática para las horas 0, 4, 8, 12 ,16 y 20 en cada uno de los invernaderos
seleccionados, tomando como condiciones de frontera las condiciones meteorológicas
presentadas en el mismo periodo en el cual se desarrolló la toma de datos para realizar
la evaluación climática real de cada una de las estructuras; esto se hizo como método de
validación y ajuste del modelo CFD utilizado, ya que una de las recomendaciones a nivel
mundial de estudios similares es realizar la validación mediante la toma de datos reales.
Para estas actividades se priorizó el uso de modelos de simulación CFD-3D, partiendo de bases
generadas a partir del uso de modelos CFD-2D; los modelos CFD-3D presentan complejidad en
sus tres etapas (preproceso-proceso-posproceso), ya que requieren de inversiones de tiempo
considerables y son muy exigentes en trabajo computacional; aunque debe resaltarse que en
contraprestación ofrecen soluciones más detalladas de los componentes escalares de veloci-
dad de flujo y temperatura en cada punto del dominio computacional. Adicionalmente, las so-
luciones que ofrecen este tipo de modelos tienen una aproximación más cercana a la realidad
experimental (Baeza, 2007).
5.1. Uso de modelos de simulación CFD-2D
La evaluación inicial de cada uno de los invernaderos prototipo fue desarrollada mediante el
uso de un modelo de simulación CFD-2D de un software comercial, variando las condiciones
de frontera requeridas para cada caso de estudio; se inició creando cada uno de los modelos
geométricos que representaran la sección transversal de cada uno de los invernaderos estu-
diados (Tabla 5‑1). Este modelo se utilizó para realizar análisis del comportamiento del flujo
de aire y del comportamiento térmico en el interior del invernadero. Esta sección transversal
se incluyó dentro de un dominio computacional de gran tamaño, buscando que los límites de
este no afecten los resultados; de acuerdo con Franke et al. (2007) se seleccionaron las siguien-
tes dimensiones: altitud de 50 m × 50 m de longitud en cada costado, utilizando el paquete
de cómputo Ansys V 17.
Este dominio computacional estuvo compuesto por una malla no estructurada de elementos
cuadrados, dividida entre un número finito de elementos para cada caso simulado (Tabla 5‑1).
La calidad de cada una de las mallas fue evaluada, dado que este es un criterio fundamental
para establecer la precisión de las soluciones obtenidas mediante CFD. Los parámetros de ca-
lidad de la malla evaluados fueron el tamaño de las celdas y la variación de tamaño celda a
celda, encontrando que para todos los modelos estudiados se presentaron valores superiores
al 94 % de las celdas de la malla en rangos de calidad alta (0,95-1) y el orthogonal quality, el
cual puede tener valores de 0 a 1, siendo los valores cercanos a 0 considerados como malla de
mala calidad y los cercanos a 1 como malla de excelente calidad; en este caso el valor mínimo
fue de 0,91 para el caso del invernadero del bloque uno de la finca Rosas agua clara, valor que
se considera como un rango de alta calidad (Flores, 2014b).
Tabla 5‑1. Esquemas generales del Meshing 2D y números de elementos
por modelo de invernadero
# Elementos
Finca Mallado-Esquema
Calidad
132.510
Rosas agua clara Elementos
Bloque 1. 95,2 % (Alta)
76.510
Rosas agua clara Elementos
Bloque 10. 94,2 % (Alta)
69.473
Wayuu Flowers Elementos
97,2 % (Alta)
105.310
Flores Ipanema Elementos
Bloque 30-E 94,7 % (Alta)
232.710
Turflor Elementos
Bloque 0 93,9 % (Alta)
Posteriormente se utilizó el módulo Fluent (Ansys Fluent Inc.) para resolver las ecuaciones de
Navier-Stokes en 2D. La naturaleza turbulenta del flujo de aire se modeló utilizando el modelo
de turbulencia estándar k-ε (Launder & Spalding, 1974), ya que ha demostrado una precisión
adecuada en los estudios de ventilación natural en invernaderos (Bartzanas et al., 2004; Fat-
nassi et al., 2006). Todas las simulaciones consideraron la ecuación de energía para estudiar
los efectos de la ventilación en el campo escalar de temperaturas al interior del invernadero.
De igual manera, se fijaron las propiedades del fluido a la aproximación de Boussinesq, lo cual
permitió modelar los efectos de flotabilidad del aire por efecto de la variación de la densidad
del aire.
Para el análisis del comportamiento nocturno se acopló al análisis numérico CFD el modelo
que resuelve el fenómeno de radiación desde el suelo del invernadero al ambiente exterior. El
modelo seleccionado es el de ordenadas discretas con discretización angular, modelo utilizado
con éxito en trabajos anteriores (Montero et al., 2005; Iglesias et al., 2009).
El resumen de los parámetros de entrada al modelo CFD para el análisis diurno y nocturno se
presenta en la Tabla 5‑2:
Tabla 5‑2. Resumen de parámetros de entrada del modelo CFD-2D
Parámetros Valores
Algoritmo Simple
Método numérico de solución Volúmenes finitos.
Método de solución Presured-Based, 2D planar.
1x10e-06, 1x10e-03 y 1x10e-03, para la ecuación de energía, continuidad y
Criterios de convergencia momento.
Estado Estacionario
Modelo de energía On
K-épsilon estándar, con efectos de flotabilidad y funciones estándar de
Modelo de viscosidad pared.
DO ordenadas discretas, material de cubierta (semitransparente), suelo
Modelo radiativo (opaco).
Densidad de los materiales Aproximación de Boussinesq en los fluidos.
Condiciones de frontera
El límite izquierdo se estableció como la entrada de aire (velocity-inlet) al dominio computa-

cional, considerando un perfil uniforme de velocidad del viento (Baeza, 2007) y evaluando
velocidades desde los 0,1 m s-1 hasta los 5 m s-1. Este rango de valores de velocidad de viento
permitirá construir la curva de índices de renovación, y los valores encontrados en la caracteri-
zación climática se encuentran dentro de estos rangos. El límite derecho se fijó como la salida
de presión de aire (pres-outlet) del dominio computacional. La parte superior del dominio fue
fijada con condiciones de frontera de propiedades simétricas (symmetrical), para no generar
pérdidas de fricción del flujo de aire en contacto con esta superficie (Figura 5‑1). Las simula-
ciones consideraron las características atmosféricas de la Sabana de Bogotá (2600 msnm),
junto con otras condiciones de frontera relevantes, que se presentan en la Tabla 5‑3.
Valores de temperatura promedio, medida calculada en la caracterización climática, otros va-

lores de temperatura (cubierta, suelo interior y suelo exterior) fueron asumidos para la fase
preliminar de diseño y se mantuvieron constantes en cada simulación.
Symmetry
Velocity Presure
Inlet Outlet
Wall Wall Wall
Figura 5‑1. Condiciones de frontera establecidas al dominio computacional.
Tabla 5‑3. Valores de las condiciones de fronteras específicas para el caso de estudio
Condición Valor
Presión atmosférica 74.660 Pa

Fuerza de la gravedad 9,81 ms-2
Viscosidad del aire 1,7e-05 kg m-1 s-1
En función de la hora evaluada y de la caracterización de
Temperatura promedio la subregión seleccionada.
Temperatura de la cubierta del invernadero la subregión seleccionada.
Temperatura del suelo del invernadero la subregión seleccionada.
Temperatura del suelo exterior la subregión seleccionada.
Pa: pascales.
A la parte inferior del dominio considerada como el suelo y a la estructura del invernadero
se les fijó una condición de frontera de pared (wall), de acuerdo con lo reportado por Baeza
(2007) y teniendo en cuenta para ello sus propiedades físicas y térmicas (Tabla 5‑4) tomadas
de Rico (2008).
Tabla 5‑4. Propiedades físicas y térmicas de los materiales incluidos dentro del dominio computacional establecido para
evaluar cada uno de los modelos de invernaderos y configuraciones de ventilación
Material Densidad (ρ, kg m-3) Conductividad (k, W m-K-1) Calor específico (Cp, J kg-K-1)
Suelo 1300 1,0 800

Polietileno 923 0,38 2300
Aire 1,225 0,0242 1006,43
Para el caso específico del análisis del clima nocturno y con la finalidad de establecer el com-
portamiento térmico nocturno del invernadero en función de las condiciones climáticas locales,
se usaron como parámetros de entrada para el modelo de radiación las siguientes propiedades
ópticas para el material de cubierta establecidas para el fenómeno de radiación infrarroja de
onda larga: coeficiente de absorción (α), coeficiente de transmisión (Ƭ) y coeficiente de re-
flexión (ρ) (Tabla 5‑5); estos valores son asumidos del trabajo de Iglesias et al. (2009).
Tabla 5‑5. Propiedades ópticas del material de cubierta incluidas en el dominio computacional establecido para
evaluar el comportamiento climático nocturno
Material α (1/m) Ƭ ρ
Polietileno 0,69 0,19 0,11
Los valores de temperatura del aire externo para las condiciones de clima nocturno se esta-
blecieron con base en la caracterización climática de la zona de estudio, seleccionando como
condición de frontera el valor mínimo registrado por la estación meteorológica; así mismo, el
valor de la velocidad del viento fue establecido de acuerdo con el promedio registrado para las
horas de la noche.
Las evaluaciones climáticas se realizaron asumiendo tres escenarios posibles (Tabla 5‑6);
para cada cual se estableció la condición de frontera de temperatura del cielo, como supuesto
cuerpo negro, y la cesión de calor del suelo al ambiente interno del invernadero, metodología
establecida en el trabajo de Iglesias et al. (2009).
Tabla 5‑6. Condiciones de borde establecidas para los escenarios de simulación
de comportamiento climático nocturno
Escenario Temperatura del cielo (°C) Cesión de calor del suelo (W m-2)
Noches despejadas y secas -10 20

Noches despejadas y húmedas 0 20
Noches con nubosidad 10 20
5.2. Usos de modelos de simulación CFD-3D
Con la finalidad de poder realizar una evaluación climática del invernadero real construido se
desarrolló un modelo de simulación CFD-3D. El paso inicial en este proceso consistió en crear
las geometrías de los invernaderos en 3D y el dominio computacional que cumplirá la función
de túnel de viento virtual en cada uno de estos. Este procedimiento se realizó mediante el uso
del software comercial Ansys v.17.0.
Digitalización y simulación 3D de los cinco modelos de invernadero
Se digitalizaron un total de cinco modelos de invernaderos, los cuales se especifican según

bloque y finca en Tabla 5‑8:
Tabla 5‑7. Digitalización en 3D de invernaderos
Bloque Finca Esquema
N1 Agua clara
N 10 Agua clara
N 11 Wayuu Flowers
N 30-E Guyamaral Ipanema
N0 Turflor
Posterior a esto se realizó la etapa de preproceso en el software Ansys V 17.0, que incluyó los
siguientes pasos:
• Digitalización del invernadero en 3D (Tabla 5‑9, paso 1).
• Construcción de un túnel de viento y acople al invernadero en 3D (Tabla 5‑9, paso 2).
• División en bloques del dominio computacional (túnel e invernadero) (Tabla 5‑9, pa-
sos 3, 4 y 5).
• Mesh o mallado del dominio computacional (Tabla 5‑9, pasos 6 y 7).
Tabla 5‑8. Proceso de digitalización en Ansys
Esquema Paso
Paso 1.
Paso 2.
Paso 3.
Paso 4.
Paso 5.
Paso 6.
Paso 7.
Cada uno de los invernaderos evaluados y su dominio computacional fueron divididos en un

número finito de volúmenes, garantizando la calidad de la malla en cada volumen por los mis-
mos parámetros que en el modelo CFD-2D. En la Tabla 5‑10 se resumen los criterios de calidad
y el número de volúmenes finitos en los cuales fue dividido cada invernadero.
Tabla 5‑9. Volúmenes finitos y calidad de los invernaderos virtuales
Invernadero. Volúmenes Finitos Calidad.
Agua clara - Bloque 1 76.548.935 Superior al 88 %

Agua clara - Bloque 10 58.965.321 Superior al 91 %
Wayuu Flowers - Bloque 11 79.156.252 Superior al 84,5 %
Ipanema - Bloque 30 E 102.305.145 Superior al 87,6 %
Turflor - Bloque 0 178.524.653 Superior al 87,9 %
Una vez construidos los modelos CFD se procedió a la solución numérica de cada uno de los
casos evaluados, siguiendo con la resolución de la etapa de posproceso, donde se utilizó como
condiciones de frontera las condiciones climáticas presentadas en el momento de la evalua-
ción real de cada estructura.
5.3 Resultados de las evaluaciones mediante simulación CFD

5.3.1. Simulaciones de la finca Agua clara - bloque 10
Las condiciones de frontera usadas para el modelo CFD-3D fueron similares a las establecidas
en el modelo numérico de partida, variando únicamente los valores de las variables velocidad
del viento, temperatura del aire externo y temperatura del suelo, de acuerdo con el compor-
tamiento registrado de estas durante el periodo de tiempo que se estableció para realizar la
evaluación climática real del invernadero (Tabla 5‑10). Una vez establecidas estas condiciones
se procedió a realizar simulaciones para tres condiciones específicas de ventilación y para unas
horas específicas del día (Tabla 5‑11):
Tabla 5‑10. Valores de condiciones meteorológicas, establecidas como condiciones de frontera
en el modelo CFD-3D, para diferentes horas de evaluación
Hora Temperatura (°C) Humedad (%) Vel. viento (km/h)- (m/s) Radiación solar (w/m2)
0 11,84 95,79 0-0 0

4 11,32 97,31 0,076-0,019 0
8 12,66 96,96 0,157-0.043 114,9
12 17,84 75,42 3,52- 0,97 384,5
16 18,01 74,53 4,32-1,2 245,77
20 13,56 91,16 0,107-0,029 0
Con el fin de determinar la dirección predominante de la velocidad del viento fue construida la
rosa de los vientos para la zona de estudio y se encontró que la dirección de estos es muy va-
riable, resaltando que predominan las direcciones en el cuadrante Norte-Este, con porcentajes
de aparición entre el 0,7 y el 3,5 % de los vientos totales presentados; en cuanto a la variable
velocidad, puede observarse que predominan entre 0,5 y 3,6 ms-1 (Figura 5‑2):
North
3,5%
2,8%
2,1%
1,4%
0,7%
West East
Wind Speed
(m/s)
>= 11,1
8,8 - 11,1
5,7 - 8,8
3,6 - 5,7
2,1 - 3,6
0,5 - 2,1
Calms: 61.99%
South
Figura 5‑2. Rosa de los vientos de la subregión uno.
Tabla 5‑11. Descripción de las simulaciones realizadas mediante CFD en 3D, considerando variaciones en la confi‑
guración de las ventilaciones (VL: ventilación lateral, VCF: ventilación cenital fija, VCA: ventilación cenital abatible),
su grado de apertura (0 %: ventilación cerrada, 100 %: ventilación completamente abierta) y la dirección del viento
Configuración de Dirección
Simulación Esquema Horas
ventilación del viento
VL: 0 %,
0, 4, 20
VCF: 0 %,
S1
VCA: 0 %.
VL: 100 %,
S2 VCF: 0 %, 8, 12, 16
VCA: 0 %.
VL: 0 %,
S3 VCF: 0 %, 8, 12, 16
VCA: 100 %.
En términos de ventilación natural existen unos parámetros de diseño que deberían ser cum-
plidos en invernaderos ventilados naturalmente; estos son, entre otros: diseñar invernaderos
equipados con ventanas cenitales y laterales, ya que desde el punto de vista de la ventilación
natural son más eficientes en comparación con invernaderos equipados con una sola de ellas
(Papadakis et al., 1996; Kittas et al., 1997). Esto es válido para invernaderos con anchos li-
mitados a menos de 50 m y para zonas donde las velocidades de viento son bajas (< 1 m
s-1) y el efecto térmico de la ventilación natural es relevante. Otros principios de diseño son:
la orientación del invernadero debe ser perpendicular a la dirección de los vientos predomi-
nantes en la zona, la superficie de las ventanas (SV) laterales y cenitales en relación con la
superficie de suelo cubierto por el invernadero debe estar entre SV/SSC = 25 – 30 % (FAO,
2002), el comportamiento térmico diario y nocturno del invernadero debe estar en los rangos
de temperaturas y humedades relativas óptimos para la producción de especies hortícolas u
ornamentales, garantizando las condiciones ambientales adecuadas para el crecimiento y de-
sarrollo de las plantas.
La Figura 5‑3 muestra los contornos calculados de la velocidad del viento para las simulacio-
nes S1. Esta configuración de ventilación es la predominante en horas de la noche; se puede
observar, en general, un movimiento del aire generado por los cambios de temperatura que
ocurren a medida que transcurre el periodo nocturno; la velocidad del viento promedio en los
horas evaluadas es de 0,3 ms-1; cabe resaltar que este invernadero no posee ventanas cenitales
abiertas en el transcurro de la noche, por lo cual ese movimiento no promueve un enfriamien-
to rápido de la estructura:
B
A C
SIMULACIONES S1
PERFILES DE FLUJO DE AIRE
Velocity
Vector 1 [m s-1]
0.0 0.1 0.3 0.4 0.5 0.7 0.8 0.9 1.1 1.2
Figura 5‑3. Vectores de velocidad de flujo para el caso S1, a) 0 horas, b) 4 horas, y c) 20 horas.
En la Figura 5‑4 se puede observar el comportamiento de la temperatura en un plano de plan-

ta a un metro del nivel del suelo, situación evaluada de forma real en el invernadero, el valor
de la temperatura del aire en el interior del invernadero comienza a descender en el transcurso
del periodo nocturno, pasando de un promedio general a las 20 horas de 14,7 °C a 11,8 °C a
las cuatro horas; este es un proceso completamente natural de amplitud térmica presentada
en los invernaderos colombianos y se debe principalmente a la pérdida energética que va ocu-

rriendo en las horas nocturnas por la incapacidad del polietileno de no permitir la salida de
los rayos infrarrojos:
B
A C
SIMULACIONES S1
PERFILES DE TEMPERATURA
Temperature
Agua Clara Bloque 10 [C]
11 13 15 16 18 20 22 23 25 27
Figura 5‑4. Distribución de la variable temperatura para el caso S1, a) 0 horas, b) 4 horas, y c) 20 horas.
En la Figura 5‑5 se presentan los resultados del flujo de aire para la simulación S2; se puede
observar un comportamiento del flujo de aire que presenta valores desde los 0,75 ms-1 hasta
los 1,2 ms-1; en este invernadero se puede observar cómo la zona de entrada de aire exterior
tiene una mayor velocidad y a medida que este flujo atraviesa el invernadero va perdiendo
velocidad considerablemente:
B
A C
SIMULACIONES S2
Velocity
Vector 1 [m s-1]
0.0 0.1 0.3 0.4 0.5 0.7 0.8 0.9 1.1 1.2
En la Figura 5‑6 se pueden observar cómo las zonas de baja velocidad de viento son las que
presentan mayores valores de temperatura, con valores de 22,8 °C para la hora 12 (Figura
5‑6b); en las condiciones de simulación S2 se observa cómo hay un aumento en el trascurso
del día entre las 8 y las 12 horas, pasando de valores promedio de temperatura de 15,6 °C a
21,2 °C, respectivamente, para cada hora, para el plano de planta evaluado, que es a un metro
sobre el nivel del suelo:
A C
SIMULACIONES S2
Temperature
11 13 15 16 18 20 22 23 25 27
En la Figura 5‑7 se observa el comportamiento de los flujos de viento en el interior del inverna-
dero, para la condición S3 se tiene la condición de ventilación al 100 %, tanto en las fachadas
laterales y frontales como en las cenitales; esta configuración de ventilación es la más eficien-
te, ya que combina el efecto eólico con el térmico; se pueden observar valores de velocidad
entre los 0,6 ms-1 y los 1,2 ms-1; para las tres horas simuladas se observa un comportamiento
similar, con un alto porcentaje del invernadero en zonas de alta velocidad, con lo cual es de
esperar que la temperatura interna del invernadero sea menor en este caso de simulación:
B
A C
SIMULACIONES S3
Velocity
Vector 1 [m s-1]
0.0 0.1 0.3 0.4 0.5 0.7 0.8 0.9 1.1 1.2
En la Figura 5‑8 se observa el comportamiento térmico en un plano a un metro del nivel de

suelo; se puede observar un comportamiento similar al encontrado en la simulación S2, con un
aumento de temperatura entre las 8 y las 12 horas, con valores promedio de 14,8 °C y 19,4 °C,
lo cual demuestra que para las mismas condiciones ambientales, a mayor área de ventilación se
reduce significativamente la temperatura del aire interior; igualmente, entre las 12 y las 16 ho-
ras hay una disminución de la magnitud de la temperatura, efecto observado en las anteriores
simulaciones y en la Figura 6‑2, donde se analizó el comportamiento real de este invernadero,
situación que nos muestra el gran ajuste que está ofreciendo el modelo CFD utilizado:
A C
SIMULACIONES S3
Temperature
11 13 15 16 18 20 22 23 25 27
En la Figura 5‑9 se observa el comportamiento de los índices de renovación de los bloques 10 y

1; se observa la dependencia de esta variable a la velocidad del viento exterior: a mayor velo-
cidad, mayor índice de renovación; para la situación predominante en la zona, con velocidades
promedio de 1,2 ms-1, se presentan un total de 62 renovaciones en una hora, valor superior
al recomendado por Montero et al., (2000) (> 40 vol/h); para el bloque 10 hay que resaltar
que este invernadero tiene una relación superficie de ventanas/ superficie suelo cubierto (SV/
SSC) con un valor de 28,3 %, valor que cumple con lo recomendado por la FAO (2002); en el
caso del bloque uno, para la situación predominante en la zona, con velocidades promedio de
1,2 ms-1 se presenta un total de 26 renovaciones en una hora, valor inferior al recomendado
por Montero et al., (2000) (> 40 vol/h); este invernadero tiene una relación superficie de ven-
tanas/ superficie suelo cubierto (SV/SSC) con un valor de 22,3 %, valor que no cumple con lo
recomendado por la FAO (2002):
IR Bloque 10 - Rosas agua clara IR Bloque 1 - Rosas agua clara

250 200
200
150
150
IR (Vol/h)
IR (Vol/h)
100
100
50
50
0 0
1 2 3 4 5 6 1 2 3 4 5 6
Velocidad (m/s) Velocidad (m/s)
Figura 5‑9. Índices de renovación calculados para los bloques 10 y 1 de Rosas agua clara.
5.3.2. Simulaciones de la finca Wayuu Flowers
Las condiciones de frontera usadas para el modelo CFD-3D se reportan en la Tabla 5‑13. Una
vez establecidas estas condiciones se procedió a realizar simulaciones para tres condiciones
específicas de ventilación y para unas horas específicas del día (Tabla 5‑14).
Tabla 5‑12. Valores de condiciones meteorológicas, establecidas como condiciones de frontera

en el modelo CFD-3D, para diferentes horas de evaluación
Vel. viento Radiación solar

Hora Temperatura (°C) Humedad (%)
(km/h)- (m/s) (w/m2)
0 10,65 93,90 0,0596-0,013 0

4 10,24 95,92 0,116-0,032 0
8 11,66 95,15 0,3383-0,093 82,38
12 16,54 78,43 2,47-0,68 443,4
16 16,75 75,96 2,69-0,74 251,18
En la Figura 5‑10 se observa la rosa de los vientos y en este caso predominan las direcciones
en el cuadrante Norte-Oeste con porcentajes de aparición entre el 3 y el 12 % de los vientos
totales presentados; en cuanto a la variable velocidad, puede observarse que predomina entre
0,5 y 2,1 ms-1:
North
15%
12%
9%
6%
3%
West East
Wind Speed
(m/s)
>= 11,1
8,8 - 11,1
5,7 - 8,8
3,6 - 5,7
2,1 - 3,6
0,5 - 2,1
Calms: 74.58%
South
Figura 5‑10. Rosa de los vientos de la subregión dos.

Configuración Dirección
de ventilación del viento
VL: 0 %,
0, 4, 8, 12,
S1 VCF: 100 %,
16, 20
VCA: 0 %.
VL: 50 %,
S2 VCF: 100 %, 8, 12, 16
VCA: 0 %.
VL: 100 %,
S3 VCF: 100 %, 8, 12, 16
VCA: 0 %.
En la Figura 5‑11 se observa el comportamiento de la velocidad del viento en el interior del

invernadero; este caso simula la configuración de las ventilaciones laterales y frontales cerra-
das; el promedio de velocidad es de 0,2 ms-1; son velocidades bajas generadas completamente
A B
C D
SIMULACIONES S1
Velocity
Vector 1 [m s-1]
0.0 0.3 0.5 0.8 1.0
E F
Figura 5‑11. Vectores de velocidad de flujo para el caso S1, a) 0 horas, b) 4 horas, c) 8 horas, d)
12 horas, e) 16 horas, y f) 20 horas.
por el efecto térmico de la ventilación natural; las velocidades más altas se presentan en las
horas 12 y 16 (Figura 5‑11d y e) y se deben principalmente a que en esas horas el diferencial
de temperatura entre el interior y el exterior es más alto, factor que maximiza el efecto de
flotación del aire:
En la Figura 5‑12 se puede observar el comportamiento térmico del invernadero a través del
día, se observa cómo las temperaturas más bajas se presentan en las horas nocturnas 20, 0 y 4
horas (Figura 5‑12 f, a, b), con valores promedios de 13,5 °C para las 20 horas y de 12,2 y 11,6
paras las 0 y 4 horas; los valores más altos de temperatura son observados en las horas diurnas,
con un valor promedio alto de 24,4 °C para la hora 12; estos valores altos de temperaturas se
presentan porque el fenómeno de ventilación está apoyado sobre el efecto térmico:
A B
C D
SIMULACIONES S1
Temperature
Finca wayyu [C]
10 12 13 15 17 18 20 22 23 25
E F
Figura 5‑12. Comportamiento térmico del caso S1, a) 0 horas, b) 4 horas, c) 8 horas,
d) 12 horas, e) 16 horas, y f) 20 horas.
En la Figura 5‑13 se observa el comportamiento del flujo de aire en el interior del invernadero
bajo la condición de ventilación predominante en la finca wayuu; el flujo de aire presenta ve-
locidades de 0,21 ms-1 y 0,53 ms-1 en valores promedio para la hora 8 y la hora 12 (Figura 5‑13
a, b); se puede observar cómo el flujo que no puede ingresar al invernadero por la ventana
lateral uno, la cual está deshabilitada, sigue la forma de la cubierta e ingresa por la ventana
lateral dos; en la hora 16 se observa un comportamiento con una velocidad de flujo con valores
promedio de 0,68 ms-1, pero este flujo de aire no sale del invernadero, sino que se convierte en
un movimiento cíclico que no ventila la estructura, por lo tanto es de esperar que los valores
de temperatura y humedad sean altos en esas zonas:
A C
SIMULACIONES S2
Velocity
Vector 1 [m s-1]
0.0 0.3 0.5 0.8 1.0
En la Figura 5‑14 se observa el comportamiento térmico; la amplitud térmica entre las 8 horas
y las 12 horas presenta valores promedios entre 13,2 °C y 22,3 °C, similares a los reportados
en la evaluación (Figura 6‑11); en las horas 12 y 16 se puede observar cómo una deficiente
ventilación genera un heterogeneidad climática en el interior de los invernaderos, con zonas o
parches calientes y diferenciales térmicos entre puntos del interior superiores a 3 °C, lo que ya
había sido reportado por Bojacá et al., 2009:
A C
SIMULACIONES S2
Temperature
Finca wayyu [C]
10 12 13 15 17 18 20 22 23 25
Figura 5‑14. Comportamiento térmico del caso S2, a) 8 horas, b) 12 horas, y c) 16 horas.
En la Figura 5‑15 se observa la simulación para el caso S2; en este se simula la condición
máxima de ventilación que podría generarse en este invernadero al abrir la cortina que está
deshabilitada; la velocidad del viento en las ocho horas presenta velocidades de viento bajas
de 0,26fms-1, pero se debe resaltar que en esta condición el flujo de aire busca salir del inver-
nadero; en la hora 12 se observa cómo la entrada de flujo de aire presenta una velocidad de
0,9fms-1 y este valor va disminuyendo a medida que supera el perfil transversal del inverna-
dero; en general, en esta configuración se observa un mejor movimiento de aire, causado por
una mayor área de ventilación:
A C
SIMULACIONES S3
Velocity
Vector 1 [m s-1]
0.0 0.3 0.5 0.8 1.0
En la Figura 5‑16 se observa el comportamiento térmico que se generaría bajo esta configura-
ción de ventilación; en general se observa un comportamiento similar entre las horas al caso
S2, con una diferenciación marcada en magnitud, donde los valores promedios de tempera-
tura disminuyen en magnitudes de 2,2 °C para la hora 12 y se observa que la generación de
gradientes no es tan crítica:
A C
SIMULACIONES S3
Temperature
Finca wayyu [C]
10 12 13 15 17 18 20 22 23 25
En la Figura 5‑17 se observa el comportamiento de los índices de renovación del invernadero;

se observa la dependencia de esta variable a la velocidad del viento exterior: a mayor veloci-
dad, mayor índice de renovación; sobre la situación predominante en la zona, con velocidades
promedio de 1,3 ms-1, se presenta un total de 5,81 renovaciones en una hora valor muy por
debajo al recomendado por Montero et al., (2000) (> 40 vol/h); este invernadero tiene una
relación superficie de ventanas/ superficie de suelo cubierto (SV/SSC) con un valor de 10,9 %,
que no cumple con lo recomendado por la FAO (2002):
IR Wayyu Flowers
25
20
15
IR (Vol/h) 10
0
1 2 3 4 5 6
Velocidad (m/s)
Figura 5‑17. Índices de renovación calculados.
5.3.3. Simulaciones en la finca Rosas Ipanema
Las condiciones de frontera usadas en el modelo CFD-3D se reportan en la Tabla 5‑14. Una
vez establecidas estas condiciones, se procedió a realizar simulaciones para tres condiciones
específicas de ventilación y para unas horas específicas del día (Tabla 5‑15):
Tabla 5‑14. Valores de condiciones meteorológicas, establecidas como condiciones

de frontera en el modelo CFD-3D, para diferentes horas de evaluación
Vel. viento Radiación

Hora Temperatura (°C) Humedad (%) (km/h)- (m/s) solar (w/m2)
0 11,41 90,93 0,219-0,06 0

4 10,43 93,42 0,046-0,012 0
8 12,50 89,65 1,30-0,36 210,2
12 16,59 74,76 4,13-1,14 382,4
16 16,92 73,84 2,69-0,74 282,9
20 13,17 85,85 0,35-0.097 0
en el cuadrante Norte-Oeste con porcentajes de aparición entre 3 y 15 % de los vientos totales
presentados; en cuanto a la variable velocidad, puede observarse que predominan vientos
entre 0,5 y 3,6 ms-1:
North
15%
12%
9%
6%
3%
West East
Wind Speed
(m/s)
>= 11,1
8,8 - 11,1
5,7 - 8,8
3,6 - 5,7
2,1 - 3,6
0,5 - 2,1
South Calms: 69.90%
Figura 5‑18. Rosa de los vientos de la subregión tres.

Configuración de Dirección
Simulación Esquema Horas.
ventilación del viento
VL: 0 %,
S1
VCF: 100 %, 0, 4, 20
VCA: 0 %.
VL: 100 %,
S2 VCF: 100 %, 8, 12, 16
VCA: 0 %.
VL: 100 %,
S3 VCF: 100 %, 8, 12, 16
VCA: 0 %.
En la Figura 5‑19 se observa el comportamiento del movimiento del aire en el interior del
invernadero para la condición S1; en general se observan valores promedio de velocidad del
aire de 0,37 ms-1 para la hora 0 y la hora 20; este movimiento de flujo es debido al efecto chi-
menea que ocurre en las noches, cuando el aire del invernadero intenta salir por la ventilación
cenital fija; en la hora cuatro se observa una velocidad de viento promedio más alta, cercana a
0,53fms-1; esto se debe al enfriamiento que se produce en esa hora de la madrugada:
A C
SIMULACIONES S1
Velocity
Vector 1 [m s-1]
0.0 0.3 0.6 0.9 1.2
En la Figura 5‑20 se observa el comportamiento térmico en las horas de la noche, cuando se

obtuvieron valores promedio de 12,7 °C para la hora 20, 11,4 °C para la hora 0 y 10,2 °C para
la hora cuatro; estos valores son similares a los reportados en la evaluación climática real y
demuestran el comportamiento normal de un invernadero en las horas de la noche, cuando
va perdiendo energía y disminuyendo su temperatura interior a medida que transcurren las
horas:
B
A C
SIMULACIONES S1
Temperature
Plane 1 [C]
10 11 13 14 16 17 19 20 22 23
En la Figura 5‑21 se presentan las simulaciones para el caso S2, de ventilación predominante
en este invernadero en las condiciones in-situ, que es del 100 % en los laterales y cenitales; se
observa un movimiento del aire en el invernadero, en el cual los valores máximos de velocidad
se presentan en la zona por donde golpea el viento incidente y a medida que atraviesa el perfil
longitudinal del invernadero va perdiendo velocidad; los valores promedios para las horas 8,
12 y 16 son, respectivamente, 0,33, 0,78 y 0,56 ms-1:
B
A C
SIMULACIONES S2
Velocity
Vector 1 [m s-1]
0.0 0.3 0.6 0.9 1.2
En la Figura 5‑22 se observan los valores de temperatura en un plano a 1,5 metros del suelo;
en la hora ocho el promedio de temperatura es igual a 15,3 °C, en la hora 12 se presenta la
mayor temperatura promedio con un valor de 19,7 °C y en la hora 16 el valor promedio es
de 16,3 °C. La formación de gradientes es notoria pero su magnitud no supera los 1,2 °C; los
valores encontrados son muy similares a los obtenidos en la evaluación real para estas horas
específicas (Figura 6‑17):
B
A C
SIMULACIONES S2
Temperature
Plane 1 [C]
10 11 13 14 16 17 19 20 22 23
En la Figura 5‑23 se presentan los valores de velocidad de flujo de aire para la condición S3,
donde se modificó la dirección del viento incidente; en general, se observa un comportamien-
to similar para las horas evaluadas: en la hora 12 se presentan unas velocidades de viento más
altas, con valores de 0,82 ms-1; este comportamiento se debe al efecto térmico, en combina-
ción con el efecto eólico, lo cual genera un mejor comportamiento del flujo de aire:
A
C
SIMULACIONES S3
Velocity
Vector 1 [m s-1]
0.0 0.3 0.6 0.9 1.2
En la Figura 5‑24 se presentan los planos del comportamiento térmico en las horas evaluadas
en la condición S3; se observa un comportamiento similar al encontrado en la evaluación real,
donde las horas de mayor temperatura estuvieron entre las 12 y las 14 horas; en este caso, en
las horas 8, 12 y 16 se obtuvieron valores promedio de temperaturas de 14,6, 21,2 y 18,9f°C;
en la hora 12 se observa un gradiente acumulado en las naves opuestas a la dirección del
viento incidente:
B
A
C
SIMULACIONES S3
Temperature
Plane 1 [C]
10 11 13 14 16 17 19 20 22 23
En la Figura 5‑25 se observa el comportamiento de los índices de renovación del invernadero;

se observa la dependencia de esta variable a la velocidad del viento exterior: a mayor veloci-
dad, mayor índice de renovación; para la situación predominante en la zona, con velocidades
promedio de 1,2 ms-1 se presenta un total de 20,8 renovaciones en una hora valor por debajo
al recomendado por Montero et al., (2000) (> 40 vol/h); este invernadero tiene una relación
superficie de ventanas/ superficie de suelo cubierto (SV/SSC) con un valor de 11,8 %, que no
cumple con lo recomendado por la FAO (2002):
IR Ipanema
80
70
60
50
IR (Vol/h)
40
30
20
10
0
1 2 3 4 5 6
Velocidad (m/s)
Figura 5‑25. Índice de renovación calculado.
5.3.4. Simulaciones de la finca Turflor
Las condiciones de frontera usadas para el modelo CFD-3D se reportan en la Tabla 5‑16. Una
vez establecidas estas condiciones, se procedió a realizar simulaciones para tres condiciones
específicas de ventilación y para unas horas específicas del día (Tabla 5‑17):
Tabla 5‑16: Valores de condiciones meteorológicas, establecidas como condiciones

de frontera en el modelo CFD-3D, para diferentes horas de evaluación
Vel. viento Radiación

Hora Temperatura (°C) Humedad (%)
(km/h)- (m/s) solar (w/m2)
0 12,45 84,1 1,26- 0,35 0

4 11,3 87,4 1,26- 0,35 0
8 12,9 83,1 2,7-0,75 147,28
12 17,7 66,5 7,4-2,05 633,9
16 17,3 66,9 8,6-2,38 290,8
20 13,6 81,5 2,4-2,39 0
hacia todos los cuadrantes, resaltando que los de valor más intenso se dan en el cuadrante
Norte-Este; los porcentajes de aparición están entre el 6 y el 30 % de los vientos totales pre-
sentados; en cuanto a la variable velocidad de los vientos, puede observarse que predominan
entre 0,5 y 11,1 ms-1:
North
30%
24%
18%
12%
6%
West East
Wind Speed
(m/s)
>= 11,1
8,8 - 11,1
5,7 - 8,8
3,6 - 5,7
2,1 - 3,6
0,5 - 2,1
Calms: 0.00%
South
Figura 5‑26. Rosa de los vientos en la subregión cuatro.
Configuración Dirección
de ventilación del viento
VL: 100 %, 0, 4, 8, 12,

S1 VCF: 100 %,
VCA: 0 %. 16, 20
En la Figura 5‑27 se presentan los contornos de temperatura de la situación predominante en

la finca Turflor; se observa un comportamiento normal de un invernadero con temperaturas
bajas en las horas de la noche y temperaturas altas en las diurnas; el valor promedio de la tem-
peratura en la hora 0 es de 10,9 °C, en la hora cuatro es de 10,4 °C, en la hora ocho, 16,7 °C; la
hora 12 es la más caliente, con un valor de 24,3 °C; en la hora 16 es de 21,4 °C y en la hora 20 es
de 12,6 °C; estos valores son similares a los obtenidos en la evaluación climática (Figura 6‑23):
A B
SIMULACIONES S1 D
Temperature
Finca Turflor [C]
9 11 13 15 17 18 20 22 24 26
E F
Figura 5‑27. Contornos de temperatura S1, a) 0 horas, b) 4 horas, c) 8 horas, d) 12 horas, e) 16 horas, y f) 20 horas.
En la Figura 5‑28 se presentan los contornos de velocidad; se observa un comportamiento

similar a través de las horas evaluadas; en general, la zona de velocidades más altas es la pared
por donde ingresa el viento incidente, que pierde velocidad a lo largo del perfil longitudinal
del invernadero; las velocidades promedio en las horas 12 y 16 es de 2,05 ms-1 y 1,78 ms-1,
respectivamente; las velocidades más lentas se presentan en la horas de la noche:
A B
SIMULACIONES S1 D
Velocity
Vector 1 [m s-1]
0.0 0.3 0.5 0.8 1.1 1.3 1.6 1.9 2.1 2.4
E F
Figura 5‑28. Contornos de temperatura S1, a) 0 horas, b) 4 horas, c) 8 horas, d) 12 horas, e) 16 horas, y f) 20 horas.
En la Figura 5‑29 se observa el comportamiento de los índices de renovación del invernadero

y la dependencia de esta variable a la velocidad del viento exterior: a mayor velocidad, mayor
índice de renovación; sobre la situación predominante en la zona con velocidades promedio de
1 ms-1, se presenta un total de 20,2 renovaciones en una hora, valor por debajo al recomen-
dado por Montero et al., (2000) (> 40 vol/h); este invernadero tiene una relación superficie de
ventanas/ superficie del suelo cubierto (SV/SSC) con un valor de 14,2 %, que no cumple con lo
recomendado por la FAO (2002):
IR Turflor
80
70
60
50
IR (Vol/h)
40
30
20
10
0
1 2 3 4 5 6
Velocidad (m/s)
Figura 5‑29. Índices de renovación calculados.

6. EVALUACIÓN CLIMÁTICA REAL DE LOS

INVERNADEROS MEDIANTE TÉCNICAS
GEOESTADÍSTICAS
6.1. Recolección de datos

En la recolección de datos se utilizó un total de 40 registradores de datos remoto Cox-Tracer.
Esta cantidad ha mostrado ser un número aceptable para el cálculo de la función de depen-
dencia espacial (Bojacá et al., 2009). A los registradores se le conectaron un par de termocu-
plas tipo -T (cobre-constatan) (Rango: -40,5 °C-70 °C, resolución: 0,1 °C, precisión: ± 0,3 °C) y
una capacidad de almacenamiento superior a los 16.000 datos. Estas termocuplas se ubicaron
dentro de una cápsula de color blanco, totalmente cerrada y ventilada, con el fin de medir el
Figura 6‑1. Etapas del proceso de recolección de datos: a) diseño de grillas de muestreo, b) estación de medición, y
c) ubicación de las estaciones en el invernadero.
calor del aire del invernadero sin la influencia de la radiación. Al conjunto de termocuplas,
cápsula y registrador se le denominará estación. Las estaciones se ubicaron en el interior del
invernadero a una altura de 1,5 metros sobre el nivel del suelo, formando una grilla rectan-
gular regular. En cada estación se registraron las temperaturas de bulbo seco y bulbo húmedo
del aire, con la finalidad de calcular por medio de ecuaciones psicométricas otras variables
ambientales de interés, como la humedad relativa. Después de instaladas las estaciones de
medición en el interior del invernadero, estas comenzaron a registrar los valores de tempera-
tura cada 10 minutos en un periodo comprendido de 30 días.
6.2. Análisis geoestadístico

Un análisis mediante técnicas geoestadísticas se compone generalmente de tres etapas prin-
cipales: análisis exploratorio de los datos, análisis de la relación espacial (análisis estructural)
y predicción (estimación o simulación). A continuación se presenta el detalle de los procedi-
mientos realizados:
Análisis exploratorio
Esta primera etapa se realiza generalmente con la finalidad de cumplir varios propósitos, entre
los más importantes están los siguientes: verificar algunos supuestos de la geoestadística,
como lo son la estacionariedad y estacionalidad (periodicidad). En esta fase del proceso, usual-
mente se utilizan gráficos que permiten inspeccionar la estacionariedad de la variable (Isaaks
et al., 1989). Es de interés, además, verificar si los datos son estacionales, es decir, si presentan
un comportamiento periódico; para esto se asume que el grado de asociación de estos está en
función de la separación espacial y no de la ubicación de estos datos en el espacio. Adicional-
mente, se utilizan estadísticos básicos, en este caso el test de Shapiro-Wilk, para determinar la
distribución estadística de los datos y verificar que estos cumplan con el supuesto de normali-
dad que junto con el análisis grafico inicial permiten verificar que los datos no tengan tenden-
cia alguna en el espacio. Una vez realizados estos procedimientos se procede a continuar con
el siguiente paso del análisis geoestadístico.
Análisis estructural
Esta etapa está compuesta, según Armstrong y Carignan (1997), por el cálculo del semivario-
grama empírico y el ajuste de este a un modelo de semivariograma teórico.
Cálculo del semivariograma empírico

El semivariograma es definido como la media aritmética de todos los cuadrados de las diferen-
cias entre pares de valores experimentales separados por una distancia h (Journel y Huijbregts,
1978). Los semivariogramas se construyen utilizando la ecuación 6-1 (Matheron, 1963):
(6-1)
Donde es el semivariograma empirico, Np(h) es el número de pares a la distancia h, h es

el incremento, Z(xi) son los valores experimentales y xi las localizaciones donde son medidos
los valores z(xi).
Ajuste del semivariograma a un modelo teórico

Existen diversos modelos teóricos de semivariograma que pueden ser ajustados al semivario-
grama empírico. Para el presente trabajo se evaluaron cuatro modelos: gaussiano, esférico,
circular y cúbico. Los parámetros básicos de este tipo de modelos son el efecto pepita (C0), que
representa una discontinuidad puntual del semivariograma en el origen; la silla (C1), que es
el límite del semivariograma cuando la distancia h tiende a infinito, y el rango (as), que es la
distancia h para la cual dos observaciones son independientes (David, 1977). Las expresiones
matemáticas para obtener los semivariogramas pueden observarse en la Tabla 6-1:
Tabla 6‑1. Modelos de semivariogramas teóricos usados para el análisis de variabilidad espacial
Caso Ecuación
Gaussiano
Esférico
Circular
Cúbico
La selección del modelo de semivariograma que será utilizado para realizar la predicción se
basa en el análisis de dos criterios de ajuste de bondad. Estos son el criterio de información
de Akaike (AIC) (Akaike, 1973) y el criterio de información bayesiano (BIC) (Schwartz, 1978).
Los modelos con los valores más bajos para los dos criterios de ajuste fueron seleccionados
como el modelo de semivariograma que mejor representa el conjunto de datos para cada hora
evaluada en el interior del invernadero.
Predicción
En esta etapa se utiliza la información recopilada en las etapas anteriores para realizar estima-
ciones (Journel y Huijbregts, 1978; Armstrong y Carignan, 1997), es decir, predecir la variable
en puntos no muestreados a partir de valores conocidos y de su estructura de continuidad
espacial. El método de estimación predominante es el kriging por el método ordinario, el cual
se considera como un predictor lineal óptimo, insesgado y de mínima varianza (Cressie, 1992),
en el que la predicción está dada por la siguiente ecuación:
(6-2)
Donde son los pesos (ponderaciones) que se asignan a cada valor de la variable en las po-
siciones observadas Z(x0) con base en los parámetros del semivariograma teórico previamente
ajustado (Cressie, 1992).
Una vez realizado este procedimiento se elaboran mapas que muestren la representación de la
variable de interés, donde los tipos de mapas más empleados son los de contornos
6.3 Resultados de la evaluación climática

6.3.1. Finca Agua clara, bloques uno y 10
Temperatura
El promedio de temperatura para la grilla de sensores instalada en el bloque uno fue de 15,7 ºC
durante el periodo de medición. La temperatura promedio registrada en el exterior en el mismo
periodo de registro de datos fue de 14,1 ºC, es decir, la diferencia promedio entre el bloque uno
y el exterior fue de 1,6 ºC. La Figura 6‑2 compara el comportamiento horario entre las tempera-
turas del bloque uno y el exterior.
La diferencia promedio de temperatura entre el bloque 10 y el exterior fue similar a la ob-

servada entre el bloque uno y el exterior, con un valor de 1,7 ºC. El promedio de temperatura
registrado en el bloque 10 fue de 16,0 ºC, mientras que la temperatura promedio del exterior
fue de 14,3 ºC. La temperatura exterior en el bloque 10 fue ligeramente más alta, en compara-
ción con lo registrado en el periodo de medición del bloque uno. La Figura 6‑2b presenta el
comportamiento horario entre las temperaturas del bloque 10 y el exterior.
El comportamiento de la temperatura en los dos invernaderos es muy similar. La diferencia

promedio en las horas de la noche con respecto al exterior fue de 0,5 y de 0,7 ºC para los blo-
ques uno y 10, respectivamente. Durante las horas del día, las diferencias con respecto al exte-
rior también mostraron un comportamiento similar en los dos invernaderos. La diferencia con
respecto al exterior del bloque uno fue de 2,7 ºC, mientras que la del bloque 10 fue de 2,6 ºC.
22
A B
20.0 Ubicación Ubicación
Bloque 1 20 Bloque 1
Exterior Exterior
Temperatura (°C)
Temperatura (°C)
17.5 18
16
15.0
14
12.5
12
0 5 10 15 20 0 5 10 15 20
Hora Hora
Figura 6‑2. Comportamiento promedio de la temperatura de las grillas de sensores instaladas en el bloque uno (a)
y en el bloque 10 (b), comparado con respecto a la temperatura del exterior.
Humedad relativa
La comparación del comportamiento horario promedio de la humedad relativa entre las grillas
de sensores montadas en los bloques uno y 10 versus el exterior se presenta en la Figura 6‑3.
El comportamiento de la humedad relativa de los dos invernaderos es muy similar al comparar
las tendencias observadas con respecto al exterior.
Durante el promedio de las 24 horas, la humedad relativa del bloque uno fue de 97,2 %, mien-
tras que para el exterior se registró una humedad de 87,5 %. La diferencia promedio obser-
vada fue de 9,7 %, lo cual representa el comportamiento característico de un invernadero en
la Sabana de Bogotá. En el caso del bloque 10, la humedad relativa promedio fue de 97,5 %,
mientras que en el exterior se registró una de 89 %. En este caso, la diferencia entre los dos
ambientes fue de 8,5 %.
El comportamiento de la humedad relativa durante la noche indica una saturación completa

del aire con vapor de agua, situación característica de estos invernaderos. En el caso del bloque
uno, la humedad relativa promedio durante la noche fue 99,6 %, mientras que en el caso del
bloque 10 el promedio fue de 99,8 %. Con respecto a las humedades observadas en el exterior,
las diferencias fueron de 6,9 y 5,1 % para los bloques uno y 10, respectivamente.
100 100
A B
Ubicación Ubicación
Humedad relativa (%)

Bloque 1 Bloque 1
90 Exterior 90 Exterior
80 80
0 5 10 15 20 0 5 10 15 20
Hora Hora
Figura 6‑3. Comportamiento del promedio de humedad relativa de las grillas de sensores instaladas en el bloque
uno (a) y en el bloque 10 (b), comparado con respecto a la humedad relativa del exterior.
Durante las horas del día, las humedades se mantuvieron altas con promedios de 94,8 y 95,2f%
en los bloques uno y 10, respectivamente. Las diferencias observadas con respecto al exterior
fueron de 12,5 % en el bloque uno y de 11,8 % en el bloque 10. Nuevamente, al analizar esta
variable de humedad relativa se puede concluir que en promedio el comportamiento climático
de los dos invernaderos es similar.
Déficit de presión de vapor
El déficit de presión de vapor (DPV) es otra variable climática que permite analizar el conteni-
do de humedad del aire. El DPV representa la diferencia entre la humedad presente en el aire y
la cantidad de humedad que el aire puede retener cuando se encuentra saturado. Si el aire se
encuentra saturado ocurre el fenómeno de condensación de agua libre sobre superficies como
las hojas o las láminas de polietileno. El comportamiento del DPV es inverso al de la humedad
relativa. Mientras más grande sea el valor del DPV, mayor será el potencial del aire de succio-
nar humedad de la planta y viceversa.
Al igual que con las otras dos variables climáticas consideradas anteriormente, la Figura 6‑4
presenta la comparación del comportamiento horario del DPV dentro y fuera de los dos blo-
ques de la finca Agua clara. Los promedios en las 24 horas del DPV dentro de los dos inverna-
deros fueron similares, con valores de 0,07 kPa en el bloque uno y de 0,06 kPa en el bloque 10.
Durante los periodos de medición en cada invernadero, el DPV en el exterior fue de 0,23 y 0,21
kPa en los bloques uno y 10, respectivamente.
0.6 0.6
A B
Ubicación Ubicación
Bloque 1 Bloque 1
Déficit de presión de vapor (kPa)
Exterior Exterior

0.4 0.4
0.2 0.2
0.0 0.0
0 5 10 15 20 0 5 10 15 20
Hora Hora
Figura 6‑4. Comportamiento promedio del déficit de presión de vapor de las grillas de sensores instaladas en el
bloque uno (a) y en el bloque 10 (b), comparado con respecto al déficit de presión de vapor del exterior.
Durante la noche, el aire se encontró totalmente saturado de vapor de agua, por lo que el DPV
fue igual a cero (0) en ambos invernaderos, en comparación con los promedios del exterior que
fueron de 0,11 y 0,08 kPa en los bloques uno y 10, respectivamente.
Durante las horas del día, el comportamiento del DPV siguió la misma tendencia en los dos
invernaderos. El bloque uno, con un promedio de 0,13 kPa, y el bloque 10, con un promedio
día de 0,12 kPa, indicaron tener una mayor saturación de vapor de agua en su interior, en
comparación con lo registrado en el exterior de estos invernaderos.
Una vez realizado el análisis estructural de cada conjunto de datos mediante el ajuste de los
semivariogramas teóricos, se procedió a realizar la predicción en puntos no muestreados en
cada una de las variables.
Bloque uno
En esta sección se presentan los resultados de las tres variables en estudio del bloque uno, el
cual tiene un ancho de 163,2 m y un largo de naves de 60 m, para un área total de 9792 m2. Las
estimaciones mediante el método de kriging ordinario se realizaron para cada metro cuadrado
del invernadero.
Temperatura
Las temperaturas promedio dentro del invernadero fueron aumentando en la medida en que
aumentaban los niveles de radiación. Es así como durante la noche, los promedios de tem-
peratura a la altura de un metro fue de 12,6 ºC (Figura 6‑5a), mientras que el promedio de
temperatura en los niveles de radiación más altos fue de 21,8 ºC (Figura 6‑5b).
Las mayores variaciones de temperatura se presentaron durante las horas de más alta radia-
ción. La diferencia de temperaturas entre el punto más frío y el más caliente, estimados por el
método de kriging, fue de 3,3 ºC en la altura de un m. En esta misma altura, durante las horas
de la noche, el diferencial de temperatura fue de 0,9 ºC.
A B
13.8 23.5
50 13.6 50 23.0
40 13.4 40
13.2 22.5
Y 30 13.0 Y 30 22.0
20 12.8 20 21.5
12.6 21.0
10 10 20.5
12.4
50 100 150 50 100 150
X X
Figura 6‑5. Predicción de la temperatura en puntos no muestreados en el bloque 1 de la finca Agua clara, en dife‑
rentes niveles de radiación: a) bajos, y b) altos.
Humedad relativa
Las predicciones para los conjuntos de datos de humedad relativa se presentan en la Figura
6‑6. De acuerdo con estas predicciones, las variaciones espaciales de la humedad relativa son
mínimas, especialmente durante las horas de la noche, el amanecer y el anochecer, que es
cuando se presentan los niveles más bajos de radiación. No se encontró un patrón espacial
consistente entre conjuntos de datos y solo se observan algunos parches con mayores niveles
de humedad, lo cual es consecuencia de la información utilizada para la calibración de los
modelos.
A B
99.85 96
50 99.80 50 94
99.75 92
40 99.70 40 90
Y 30 99.65 Y 30 88
99.60 86
20 99.55 20 84
10 99.50 10 82
99.45 80
50 100 150 50 100 150
X X
Figura 6‑6 . Predicción de la humedad relativa en puntos no muestreados en el bloque uno de la finca Agua clara,
en diferentes niveles de radiación: a) bajos, y b) altos.
A nivel espacial, las diferencias entre el máximo y el mínimo estimados para cada uno de los
conjuntos de datos fueron especialmente bajas en los primeros agrupamientos de datos en los
que se presentaron bajos niveles de radiación. La mayor diferencia se presentó en el conjunto
de datos con el mayor nivel de radiación y a la altura de un m, y fue de 16,3 % entre el punto
más seco y el más húmedo.
En la medida en que el DPV y la humedad relativa están relacionadas directamente, se observó

la misma situación al realizar la estimación espacial en puntos no muestreados (Figura 6‑7). Las
variaciones espaciales, aunque representadas en los gráficos, llegan a ser muy bajas como para
pensar que se puedan generar diferencias significativas en términos de su efecto sobre las plantas.
En el plano horizontal, las mayores diferencias se presentaron en las estimaciones realizadas con
el grupo de radiación alta; la diferencia entre la estimación máxima y la mínima fue 0,44 kPa.
A B
0.008 0.5
50 50
0.007
40 0.006 40 0.4
Y 30 0.005 Y 30 0.3
20 0.004 20
10 0.003 10 0.2
0.002 0.1
50 100 150 50 100 150
X X
Figura 6‑7. Predicción del déficit de presión de vapor en puntos no muestreados en el bloque uno de la finca Agua
clara, en diferentes niveles de radiación: a) bajos, y b) altos.
Bloque 10
En esta sección se presentan los resultados de las tres variables en estudio del bloque 10, el
cual tiene un ancho de 81,6 m y un largo de naves de 65,6 m, para un área total de 5353 m2.
Igual que en el caso del bloque uno, las estimaciones mediante el método de kriging ordinario
se realizaron para cada metro cuadrado del invernadero.
Temperatura
El comportamiento de la temperatura en el bloque 10 no presentó ningún tipo de gradiente

particular, salvo algunos parches en ciertos sectores del invernadero (Figura 6‑8).
Durante la noche, el promedio de temperatura a una altura de un metro fue de 13,2 ºC, mien-
tras que en los agrupamientos con los niveles más altos de radiación estos promedios fueron
de 21,7 y 23 ºC, respectivamente.
En el plano horizontal, las diferencias entre las temperaturas a una misma altura se incremen-
taron en la medida en que aumentaron los niveles de radiación. Por ejemplo, la diferencia
entre el máximo y el mínimo estimado para el grupo uno a la altura de un m fue de 0,4 ºC,
mientras que para el grupo cinco a la altura de un m fue de 3,7 ºC.
A B
23.5
13.40
50 13.35 50 23.0
40 13.30 40 22.5
13.25
Y 30 Y 30 22.0
13.20
20 13.15 20 21.5
13.10
10 10 21.0
13.05
13.00 20.5
20 40 60 80 20 40 60 80
X X
Figura 6‑8. Predicción de la temperatura en puntos no muestreados en el bloque 10 de la finca Agua clara, en
diferentes niveles de radiación: a) bajos, y b) altos.
Humedad relativa
La situación de la humedad relativa en el bloque 10 es similar a la estimada para el bloque uno

(Figura 6‑9). A niveles de humedad muy alta durante las horas de la noche no se evidencia
mayor tendencia espacial. Los parches de altas humedades que estima el modelo no generan
grandes diferencias en el comportamiento de la variable en el plano horizontal.
En la medida en que aumenta el nivel de radiación, los niveles de humedad relativa dismi-
nuyeron al interior del invernadero. Lo anterior es consistente con el comportamiento típico
de estos invernaderos ventilados naturalmente. Mientras que durante la noche se estimaron
humedades cercanas al 100 %, es decir, saturación completa del aire con vapor de agua, en las
horas de más alta radiación se encontraron humedades promedio de alrededor de 89 % en los
dos planos horizontales considerados.
De igual manera, en la medida en que aumentó el nivel de radiación, también fueron más
evidentes las diferencias entre el máximo y el mínimo de humedad estimados para un mismo
plano horizontal. Mientras que las diferencias fueron despreciables durante las horas de la
noche, en el mayor nivel de radiación las diferencias entre el máximo y el mínimo estimado de
humedad fueron de 13,8 %.
El DPV presentó una condición relativamente homogénea en toda el área del bloque 10, salvo
ciertas pequeñas áreas en las que se incrementaban los valores de esta variable (Figura 6‑10).
A B
100.0 94
50 99.8 50 92
99.6
40 40 90
99.4
88
Y 30 99.2
Y 30
86
20 99.0 20
84
98.8
10 10 82
98.6
80
20 40 60 80 20 40 60 80
X X
Figura 6‑9. Predicción de la humedad relativa en puntos no muestreados en el bloque 10 de la finca Agua clara, en
diferentes niveles de radiación: a) bajos, b) altos.
Al registrar durante la noche una saturación total del aire con vapor de agua y valores de DPV
cercanos a 0 kPa, estos se van incrementando progresivamente hasta alcanzar valores prome-
dio cercanos a 0,30 kPa en los momentos de máxima radiación.
Igual que lo estimado para las otras variables, los mayores diferenciales espaciales del DPV se
presentaron en los momentos de mayor radiación. Lo anterior, como consecuencia del mayor
diferencial entre el clima interno y externo del invernadero. Las diferencias estimadas alcan-
zaron a ser de 0,37 y 0,43 kPa.
A B
0.04 0.50
50 50
0.45
40 0.03 40 0.40
Y 30 Y 30 0.35
0.02
0.30
20 20
0.25
0.01
10 10 0.20
0.00 0.15
20 40 60 80 20 40 60 80
X X
Figura 6‑10. Predicción de la humedad relativa en puntos no muestreados en el bloque 10 de la finca Agua clara, en
6.3.2. Finca Wayuu Flowers
A continuación se presenta un análisis descriptivo de la información recopilada en el inverna-

dero de la finca Wayuu Flowers de las tres variables de estudio: temperatura, humedad relati-
va y déficit de presión de vapor.
Temperatura
El promedio de temperatura de la grilla de sensores instalada en el invernadero de Wayuu

Flowers fue de 15,1 ºC durante el periodo de medición. La temperatura promedio registrada
en el exterior, en el mismo periodo de registro de datos, fue de 13,1 ºC, es decir, la diferencia
promedio entre el interior del invernadero y el exterior fue de 2 ºC al comparar el comporta-
miento horario entre las temperaturas del invernadero y el exterior.
Al separar los comportamientos durante el día y la noche, la diferencia promedio dentro del
invernadero en las horas de la noche con respecto al exterior fue de 0,9 ºC. Durante las ho-
ras del día, las diferencias con respecto al exterior fueron mayores, alcanzando una diferencia
promedio de 3,1 ºC (Figura 6‑11). En la medida en que la radiación solar alcanza su máximo
diario, así mismo se observaron las mayores temperaturas dentro del invernadero como con-
secuencia del efecto invernadero.
Ubicación
Bloque 1
20 Exterior
Temperatura (°C)
17.5
15.0
12.5
0 5 10 15 20
Hora
Figura 6‑11. Comportamiento promedio de la temperatura de la grilla de sensores instalada dentro del invernadero,
comparado con respecto a la temperatura del exterior.
Humedad relativa
Durante el promedio de las 24 horas, la humedad relativa del invernadero fue de 97,0 %,
mientras que en el exterior se registró una humedad de 88,2 % (Figura 6‑12). La diferencia
promedio observada fue de 8,8 %, lo cual representa una diferencia estándar de los inverna-
deros dedicados a la producción de flores.
La humedad relativa promedio del invernadero durante la noche fue de 99,4 %, mientras que
en el exterior la humedad relativa promedio en el periodo de medición fue de 91,7 %. Con
base en lo anterior, la diferencia de la humedad relativa entre el exterior y el interior del inver-
nadero fue de 7,7 %.
100
Ubicación
Bloque 1
95 Exterior
90
85
80
75
0 5 10 15 20
Hora
Figura 6‑12. Comportamiento promedio de la humedad relativa de la grilla de sensores instalada dentro del inver‑
nadero, comparado con respecto al déficit de presión de vapor del exterior
Durante las horas del día, el invernadero presentó una alta humedad con un promedio de
94,6f%. Con respecto al exterior, la diferencia durante el periodo de tiempo considerado fue
de 9,9 %, dado que la humedad relativa registrada en el exterior fue de 84,7 %.
El comportamiento horario del déficit de presión de vapor (DPV), tanto en el exterior como en
el interior del invernadero, se presenta en la Figura 6‑13. El promedio de las 24 horas del DPV
dentro del invernadero fue de 0,07 kPa. Durante el periodo de medición dentro del invernade-
ro de Wayuu Flowers, el DPV en el exterior fue de 0,20 kPa.
0.5
Ubicación
0.4 Bloque 1
Exterior
0.3
0.2
0.1
0.0
0 5 10 15 20
Hora
Figura 6‑13. Comportamiento promedio del déficit de presión de vapor de la grilla de sensores instalada dentro del
invernadero, comparado con respecto al déficit de presión de vapor del exterior.
Durante la noche, en concordancia con lo reportado de la humedad relativa, el aire estuvo

saturado de vapor de agua, por lo que el DPV fue igual a 0,01 en el invernadero en estudio, en
comparación con el promedio del exterior que fue de 0,12.
Durante las horas del día, el comportamiento promedio del DPV fue de 0,13 kPa, mientras
que en el exterior el VPD promedio registrado fue de 0,28 kPa. Lo anterior indica que durante
el día, el VPD interno representó el 46,4 % del valor obtenido por esta variable en el exterior.
Temperatura
La Figura 6‑14 presenta las predicciones de los puntos no muestreados durante las horas de la
noche; el promedio estimado en toda el área del invernadero fue de 11,9 ºC, para luego ir au-
mentando progresivamente hasta alcanzar una temperatura promedio de 22,4 ºC en los mo-
mentos de mayor radiación. En las horas de la noche, la diferencia de la temperatura más alta y la
más baja fue de 0,9 ºC. En los niveles más altos de radiación la diferencia fue superior a los 5 ºC.
A B
60 60 25
12.4
50 50 24
40 12.2 40 23
Y 30 12.0
Y 30 22
20 20 21
11.8
10 10 20
11.6
19
10 20 30 40 50 60 10 20 30 40 50 60
X X
Figura 6‑14. Predicción de la temperatura en puntos no muestreados de la finca Wayuu Flowers, en diferentes
niveles de radiación: a) bajos, b) altos.
Humedad relativa
Las predicciones de los conjuntos de datos de humedad relativa se presentan en la Figura 6‑15.
Las variaciones espaciales de la humedad relativa son mínimas, especialmente durante las horas
de la noche, el amanecer y el anochecer, cuando se presentan los niveles más bajos de radiación.
En la medida en que aumentan los niveles de radiación a lo largo del día, en contraste van dis-
minuyendo los niveles de humedad relativa dentro del área del invernadero. Luego de iniciar
con un promedio de saturación total durante las horas de la noche, la estimación promedio de
humedad relativa en el invernadero fue de 89,7 % en el nivel de radiación más alto. Los con-
juntos de datos intermedios presentaron valores promedio de 96,4, 90,1 y 88,7 % de manera
ascendente, respectivamente.
Igual que con la temperatura, las diferencias en términos de humedad aumentaron en la me-
dida en que los niveles de radiación eran más elevados, dando a entender que el aumento de
la radiación, así como de otras variables como la velocidad del viento, provocan una mayor
heterogeneidad del clima dentro del invernadero. En el primer conjunto de datos la diferencia
entre el máximo y el mínimo punto predicho fue de 0,9 %, mientras que los conjuntos de datos
tres y cuatro registraron diferencias alrededor del 17 %.
A B
60 99.8 60
94
50 99.6 50
92
40 40
99.4 90
Y 30 Y 30
99.2 88
20 20
10 99.0 10 86
10 20 30 40 50 60 10 20 30 40 50 60
X X
Figura 6‑15. Predicción de la humedad relativa en puntos no muestreados de la finca Wayuu Flowers, en diferentes
La Figura 6‑16 presenta las estimaciones del déficit de presión de vapor de cada uno de los
conjuntos de datos considerados, el comportamiento incremental de los valores de déficit de
presión de vapor, en la medida en que incrementan los valores de radiación se confirman con
los conjuntos de datos de este invernadero. Los promedios de déficit de presión de vapor de los
cinco conjuntos de datos fueron 4,9 E-03, y 0,3 kPa, respectivamente.
A B
0.6
60 0.016 60
0.014 0.5
50 50
0.012 0.4
40 40
0.010
Y 30 Y 30 0.3
0.008
20 20 0.2
0.006
10 0.004 10 0.1
0.002
10 20 30 40 50 60 10 20 30 40 50 60
X X
Figura 6‑16. Predicción de la temperatura en puntos no muestreados de la finca Wayuu Flowers con diferentes
De igual manera, las diferencias entre los diferentes puntos dentro del invernadero también
aumentaron a medida que se incrementaron los niveles de radiación. Durante las horas de la
noche se estimó una situación homogénea dentro del área del invernadero con una diferencia
de 0,01 kPa entre los puntos máximo y mínimo. Las mayores diferencias se observaron en los
niveles más altos de radiación, con diferencias estimadas de alrededor de 5 kPa.
6.3.3. Finca Flores Ipanema

dero de la finca Ipanema sobre las tres variables de estudio: temperatura, humedad relativa y
déficit de presión de vapor.
Temperatura
El promedio de temperatura de la grilla de sensores instalada en el invernadero de Ipanema

fue de 14,2 ºC durante el periodo de medición. La temperatura promedio registrada en el ex-
terior en el mismo periodo de registro de datos fue de 13,4 ºC, es decir, la diferencia promedio
entre el interior del invernadero y el exterior fue de 0,8 ºC. La Figura 6‑17 compara el compor-
tamiento horario entre las temperaturas del invernadero y el exterior.
Al separar los comportamientos durante el día y la noche se observa que en la noche el com-
portamiento de la temperatura dentro del invernadero fue igual a la del exterior. Los promedi-
os nocturnos de las dos ubicaciones, interior y exterior, fueron 11,6 y 11,5 ºC, respectivamente.
Durante las horas del día, las diferencias con respecto al exterior fueron mayores, alcanzando
Ubicación
Bloque 1
Exterior
17.5
Temperatura (°C)
15.0
12.5
10.0
0 5 10 15 20
Hora
comparado con la temperatura del exterior.
una diferencia promedio de 1,6 ºC. Las mayores diferencias entre las temperaturas del interior
y el exterior del invernadero se alcanzaron durante las horas del mediodía.
Humedad relativa
La comparación del comportamiento horario promedio de la humedad relativa entre la grilla

de sensores montada en el invernadero versus el exterior se presenta en la Figura 6‑18.
Durante el periodo de 24 horas, la humedad relativa del invernadero fue de 87,0 %, mientras
que la del exterior fue de 84,6 %. La diferencia promedio observada fue de 2,4 %, lo cual
representa una diferencia mínima de esta variable.
Igual que en los casos analizados anteriormente, el comportamiento de la humedad relativa

durante la noche tiende a una saturación máxima del aire con vapor de agua. La humedad
relativa promedio del invernadero durante la noche fue 92,8 %, mientras que en el exterior la
humedad relativa promedio en el periodo de medición fue de 90,2 %. Con base en lo anterior,
la diferencia de la humedad relativa entre el exterior y el interior del invernadero fue de 2,6 %.
95
90
85
80
Ubicación
Bloque 1
Exterior
75
0 5 10 15 20
Hora
nadero, comparado con la humedad relativa del exterior.
Durante las horas del día, el invernadero presentó una humedad con un promedio de 81,2 %.
Con respecto al exterior, la diferencia durante el periodo de tiempo considerado fue de 2,3f%,
dado que la humedad relativa registrada en el exterior fue de 78,9 %. El comportamiento
de la humedad relativa es prácticamente similar al del exterior en el periodo de medición
considerado.
el interior del invernadero, se presenta en la Figura 6‑19. El promedio en las 24 horas del DPV
ro de Ipanema, el DPV en el exterior fue similar al registrado dentro del invernadero, 0,26 kPa.
0.5
Ubicación
Bloque 1
Exterior
0.4
0.3
0.2
0.1
0 5 10 15 20
Hora
invernadero, comparado con el déficit de presión de vapor del exterior.
Durante la noche, en concordancia con lo reportado para la humedad relativa, el aire estuvo
saturado de vapor de agua, por lo que el DPV fue igual a 0,11 en el invernadero en estudio, en
comparación con el promedio del exterior que fue de 0,14.
Durante las horas del día, el comportamiento promedio del DPV dentro del invernadero fue
de 0,40 kPa, mientras que en el exterior el promedio registrado fue de 0,38 kPa. La tendencia
a la acumulación de humedad dentro del invernadero es similar a la observada en el exterior.
Temperatura
La Figura 6‑20 representa las predicciones de temperatura en función del nivel de radiación de
toda el área del invernadero. El promedio de la temperatura estimada durante la noche y en el
periodo de medición se ubicó en 11,1 ºC. Luego, en la medida en que el nivel de radiación va
aumentando, también se incrementa el promedio de temperatura al interior del invernadero.
De esta forma, en la medida en que se alcanza el mayor nivel de radiación, la temperatura
promedio del invernadero fue de 19,4 ºC.
Durante las horas de la noche y con los niveles de radiación más bajos, el comportamiento de
la temperatura es muy homogéneo dentro del área del invernadero. Solamente se evidencian
algunas diferencias de temperatura entre distintos puntos dentro del invernadero donde las
diferencias máximas alcanzaron valores alrededor de 3,5 ºC.
En los niveles más altos de radiación se determinaron diferencias espaciales máximas de 5,6 ºC.
A B
14.5 22
60 60
14.0 21
50 50
13.5
20
40 13.0 40
12.5 Y 30 19
Y 30
12.0 18
20 20
11.5
10 10 17
11.0
10.5 16
10 20 30 40 50 60 10 20 30 40 50 60
X X
Figura 6‑20. Predicción de la temperatura en puntos no muestreados en la finca Flores Ipanema con diferentes
Humedad relativa
Las predicciones realizadas mediante kriging ordinario de la humedad relativa están represen-
tadas en la Figura 6‑21. Las variaciones espaciales de la humedad relativa durante las horas de
la noche fueron relativamente bajas, a excepción de un área ubicada en la parte sur y central
del invernadero, donde se estimó un área con un nivel de humedad relativamente bajo. Aun
así, el promedio de humedad relativa en las horas de la noche fue de 96,3 %.
Las diferencias en términos de humedad aumentaron en la medida en que los niveles de ra-
diación eran más elevados, como consecuencia no solo del aumento de la radiación, sino de
A B
60 100 100
60
98 95
50 50
90
40 96
40 85
Y 30 94 Y 30 80
92 75
20 20
70
90
10 10 65
88 60
10 20 30 40 50 60 10 20 30 40 50 60
X X
Figura 6‑21. Predicción de la humedad relativa en puntos no muestreados de la finca Flores Ipanema con diferentes
otras variables como la velocidad del viento, que contribuyen a una mayor heterogeneidad
del clima dentro del invernadero. Durante las horas de la noche se alcanzó una diferencia del
11,5f% entre el punto más húmedo y el más seco, hasta llegar a diferencias considerables de
37,8 % en el nivel máximo de radiación.
Déficit de Presión de Vapor

conjuntos de datos considerados. La tendencia espacial observada en esta variable es muy
similar a lo encontrado en la humedad relativa. Debido a la fuerte correlación que hay entre las
dos variables, se encuentran los mismos parches o áreas húmedas o secas para estas variables.
El aumento de los valores de déficit de presión de vapor, en la medida en que incrementan
los valores de radiación, se reafirman con los conjuntos de datos de este invernadero. Los pro-
medios de déficit de presión de vapor de los cinco conjuntos de datos fueron 0,05 y 0,54 kPa,
respectivamente.
De igual manera, a medida que aumentaron los niveles de radiación, las diferencias entre los
diferentes puntos dentro del invernadero también se incrementaron. Durante las horas de la
noche se estimó una situación relativamente homogénea en el área considerada, con una dif-
erencia de 0,15 kPa entre los puntos máximo y mínimo. Las diferencias se van incrementando
en función del nivel de radiación, hasta alcanzar una diferencia máxima de 0,96 kPa en los
niveles más altos de radiación entre los extremos seco y húmedo.
A B
0.16 60 1.0
60
0.14
50 50 0.8
0.12
40 0.10 40
0.6
Y 30 0.08 Y 30
0.06 0.4
20 20
0.04
0.2
10 0.02 10
0.00 0.0
10 20 30 40 50 60 10 20 30 40 50 60
X X
Figura 6‑22. Predicción del déficit de presión de vapor en puntos no muestreados de la finca Flores Ipanema con
6.3.4. Finca Turflor

dero de la finca Wayuu Flowers en las tres variables de estudio: temperatura, humedad relati-
va y déficit de presión de vapor.
Temperatura
El promedio de temperatura de la grilla de sensores instalada en el invernadero de Turflor fue

de 16,0 ºC durante el periodo de medición. La temperatura promedio registrada en el exterior
en el mismo periodo de registro de datos fue de 14,2 ºC, es decir, la diferencia promedio entre
el interior del invernadero y el exterior fue de 1,8 ºC. La Figura 6‑23 compara el comporta-
miento horario entre las temperaturas del invernadero y del exterior.
Al separar los comportamientos durante el día y la noche se observa que durante la noche
el comportamiento de la temperatura dentro del invernadero fue prácticamente igual a la
del exterior. El promedio nocturno de las dos ubicaciones fue de 12,2 ºC, respectivamente.
Durante las horas del día, las diferencias con respecto al exterior fueron mayores, alcanzando
una diferencia promedio de 3,6 ºC. Las mayores diferencias de temperatura entre el interior
y el exterior del invernadero se alcanzaron durante las horas del mediodía. La temperatura
promedio al interior del invernadero fue de 19,7 ºC, mientras que en el interior fue de 16,1 ºC.
25
Ubicación
Bloque 1
Exterior
20
Temperatura (°C)
15
10
0 5 10 15 20
Hora
comparado con la temperatura del exterior.
Humedad relativa
La comparación del comportamiento horario promedio de la humedad relativa entre la grilla

de sensores montada en el invernadero versus el exterior se presenta en la Figura 6‑24.
Durante el promedio de las 24 horas, la humedad relativa del invernadero fue de 84,5 %,
mientras que en el exterior se registró una humedad de 78,8 %. La diferencia promedio obser-
vada fue de 5,7 %, la cual no es significativa para esta variable.
Igual que en los casos analizados anteriormente, el comportamiento de la humedad relativa

durante la noche tiende a una saturación máxima del aire con vapor de agua. La humedad
relativa promedio del invernadero durante la noche fue 93,5 %, mientras que en el exterior,
en el periodo de medición, fue de 85,2 %. Con base en lo anterior, la diferencia de la humedad
relativa entre el exterior y el interior del invernadero fue de 8,3 %. La humedad dentro del
invernadero fue superior tanto en las horas de la noche como en las del día.
90
85
80 Ubicación
Bloque 1
Exterior
0 5 10 15 20
Hora
nadero, comparado con la humedad relativa del exterior.
Durante las horas del día, el invernadero presentó una humedad con un promedio de 75,5f%.
La diferencia durante el periodo de tiempo considerado fue de 3,2 % entre el invernadero y
el exterior, en razón de que la humedad relativa registrada en el exterior fue de 72,3 %. El
comportamiento de la humedad relativa es prácticamente similar al del exterior en el periodo
de medición considerado.
el interior del invernadero, se presenta en la Figura 6‑25. El promedio en las 24 horas del DPV
ro de Turflor, el DPV en el exterior fue similar, con un valor de 0,38 kPa.
Durante la noche, igual que lo reportado para la humedad relativa, el aire estuvo saturado de
vapor de agua, por lo que el DPV fue igual a 0,09 kPa en el invernadero en estudio, en compa-
ración con el promedio del exterior que fue de 0,22 kPa.
Ubicación
0.75 Bloque 1
Exterior
0.50
0.25
0 5 10 15 20
Hora
invernadero, comparado con el déficit de presión de vapor del exterior.
Durante las horas del día, el comportamiento promedio del DPV dentro del invernadero fue
de 0,58 kPa, mientras que en el exterior el promedio registrado fue de 0,54 kPa. La tendencia
a la acumulación de humedad dentro del invernadero es similar a la observada en el exterior.
Temperatura
La Figura 6‑26 presenta las predicciones de la temperatura en función del nivel de radiación de
toda el área del invernadero. El efecto del agrupamiento, realizado en función de la radiación
solar, se ve reflejado en las temperaturas estimadas para cada grupo de datos. Durante las
horas de la noche, el promedio estimado para toda el área del invernadero fue de 11,7 ºC, para
luego ir aumentando progresivamente hasta alcanzar una temperatura promedio de 24,4 ºC
en la situación de radiación más alta.
A B
126
124 27
50 50
122 26
40 120 40 25
Y 30 118 Y 30 24
116 23
20 20
114 22
10 112 10 21
110 20
50 100 150 200 250 50 100 150 200 250
X X
Figura 6‑26. Predicción de la temperatura en puntos no muestreados de la finca Turflor con diferentes niveles de
radiación: a) bajos, b) altos.
Este comportamiento observado en las horas de la noche se maximiza durante las horas del
día con los mayores niveles de radiación. Se estiman parches específicos de bajas temperatu-
ras en la parte sur del invernadero, mientras que en la parte central de invernadero se alcanzan
las temperaturas más elevadas de forma general en cualquier nivel de radiación.
Humedad relativa
Las predicciones sobre la humedad relativa se presentan en la Figura 6‑27. Las variaciones
espaciales de la humedad relativa son mínimas, especialmente durante las horas de la noche,
aunque se evidencian algunos parches con unos gradientes relativamente grandes de hume-
dad. En la medida en que aumentan los niveles de radiación, estos parches de humedad se
hacen más evidentes y son muy localizados en un área relativamente pequeña y consecuencia
del comportamiento de los parámetros utilizados para el ajuste del semivariograma teórico. Al
contrario del comportamiento de la temperatura, los niveles de humedad relativa aumentan
dentro del área del invernadero a medida que aumenta el nivel de radiación. Durante la noche
se encuentra una saturación total del aire con vapor de agua. Posteriormente va disminuyen-
do, por lo que la estimación promedio de humedad relativa en el invernadero fue de 65,6 %
en el nivel de radiación más alto.
Las diferencias en términos de humedad aumentaron en la medida en que los niveles de radi-
ación fueron más elevados, provocando una mayor heterogeneidad del clima dentro del inver-
nadero. La diferencia entre el máximo y el mínimo punto predicho fue de 42,6 %.
A B
100
90
98
50 50 85
96
80
40 94 40
75
Y 30 92 70
Y 30
90 65
20 20 60
88
10 55
86 10
50
84
50 100 150 200 250 50 100 150 200 250
X X
Déficit de Presión de Vapor
conjuntos de datos considerados. Se observa un comportamiento incremental de los valores
de déficit de presión de vapor, en la medida en que se incrementan los valores de radiación.

Los promedios de déficit de presión de vapor fueron 0,055 y 0,95 kPa, respectivamente.
Las diferencias entre los puntos dentro del invernadero aumentaron a medida que se incre-
mentaron los niveles de radiación. Durante las horas de la noche se estimó una situación en
la que las diferencias entre los puntos máximo y mínimo fue de 0,14 kPa, mientras que en el
nivel más alto de radiación las mismas diferencias fueron de 1,8 kPa.
A B
0.14
50 50
0.12 1.5
40 0.10 40
Y 30 0.08 Y 30 1.0
0.06
20 20
0.04 0.5
10 0.02 10
0.00 0.0
50 100 150 200 250 50 100 150 200 250
X X
CONCLUSIONES
De acuerdo con los resultados del proyecto se puede concluir en términos generales:
• La investigación logró una evaluación de cinco tipos de modelos de invernaderos de em-

presas de flores localizadas en la Sabana de Bogotá, en donde se obtuvo resultados des-
criptivos de cada uno en referencia a su respectivo sistema de ventilación. En este orden
de ideas las conclusiones son específicas a cada sistema evaluado, no obstante se puede
afirmar de manera general, que de los prototipos de invernaderos evaluados, el bloque 10
de la empresa Rosas Aguaclara, permitió maximizar el sistema de ventilación natural del
invernadero, cumpliendo con los valores mínimos de índices de renovación para la con-
dición de viento predominante en la subregión 1 contemplada en la investigación. Esta
optimización de las condiciones de ventilación se logró al introducir una configuración
de ventilación que consiste en una orientación alterna de ventanas cenitales fijas y una
combinación de ventanas laterales y cenitales.
• Las simulaciones mediante CFD son una herramienta de diseño con gran potencial para
sistemas de ventilación en invernaderos. Esta metodología permite evaluar mejoras para
ser introducidas tanto en estructuras existentes, como en aquellas que vayan a ser instala-
das, permite ahorrar tiempo y dinero evitando la construcción real de prototipos y de esa
forma agiliza la adopción de medidas para optimizar la ventilación natural. Los modelos
CFD deben ser validados para una zona buscando un alto grado de confiabilidad.
• El monitoreo y registro de las condiciones climáticas locales donde se construyen los inver-
naderos es sumamente relevante para obtener modelos CFD-3D que brinden soluciones
cercanas a la realidad. Las condiciones de frontera suministradas a este tipo de modelos
deben ser las que se presentan en un día típico en la zona evaluada.
AGRADECIMIENTOS
a información provista en este documento ha sido generada en la ejecución del
L proyecto Generación de una herramienta de diseño u optimización de los sistemas

de ventilación natural de los invernaderos dedicados a la producción de flores de
corte en cuatro subregiones de la Sabana de Bogotá, mediante el uso de herramien‑
tas de simulación basadas en la técnica dinámica de fluidos computacional (CFD), financiado por
el Sena, Asocolflores y Ceniflores, y ejecutado entre septiembre del 2015 y diciembre del 2016.
Los autores expresan su agradecimiento a las empresas Rosas agua clara, Wayuu Flowers, Flo-
res Ipanema y Turflor, y en cada empresa agradecen a sus gerentes, directores técnicos y, en
general, a todo el personal de las fincas relacionado con el desarrollo del proyecto y el sumi-
nistro de información.
Adicionalmente, agradecen a Manuel Fernando Herrera, ingeniero agroecólogo en formación,

quien se desempeñó como pasante, por su colaboración en la toma de datos y en el desarrollo
de actividades propias del proyecto.
BIBLIOGRAFÍA
[1]. Acuña, J. F., Bustamante, N., Casallas, L. F & Gutiérrez, N. (2004a). Caracterización de los Invernaderos
Para Cultivo de Flores en la Sabana de Bogotá. En Memorias del VI Congreso Latinoamericano Para el
Desarrollo y Aplicación de Plásticos en la Agricultura. Cidapa 2004. Bogotá, pp. 57-64.
[2]. Acuña, J. F., Amaya, A. & Martínez, S (2004b). Estudio de la Ventilación Natural en Invernaderos Por
Medio de Análisis de Imágenes Digitales. En Memorias del VI Congreso Iberoamericano de Aplicación de
Plásticos en la Agricultura. Bogotá, Noviembre del 2004.
[3]. Akaike, H. (1973). Information Theory and Extension of the Maximum Likelihood Principle, Second Inter-
national Symposium on Information Theory. B. N. Petrov and F. Akademiai, Budapest, pp. 267-281.
[4]. Alonso, F. J. (2011). Efecto del Enriquecimiento Carbónico Sobre la Productividad y Absorción Hídrica y
Mineral del Cultivo de Pimiento. Tesis doctoral. Universidad de Almería, pp. 179.
[5]. Al-Arifi, A., Short, T., Ling, P. (2001). Validating the CFD Model for Air Movements and Heat Transfer in
Ventilated Greenhouses. ASAE Annual International Meeting, Sacramento, California, July 29- Aug 1,
Paper N° 01-4056.
[6]. Ali, H. M., Moustafa, S. & El-Mansy, H. (1990). Efficient Greenhouse Design for Hot Climates, Energy Con-
version and Management 30: 433-437.
[7]. Ansys, Release 11.0. Documentation for Ansys.
[8]. Armstrong, M. & Carignan, J. (1997) Géostatistique Linéaire, Application au Domaine Minier, École de
Mines de Paris, 112 p.
[9]. Asae (American Society of Agricultural Engineers). (1991). Engineering Practice (EP 06-1) Standards.
Michigan, EE.UU.
[10]. Ashrae (American Society of Heating Refrigerating and Air Conditioning Engineers). (1993). Infiltration
and Ventilation. Ashrae Handbook of Fundamentals. Atlanta, Ga, EE.UU.
[11]. Asocolflores. Asociación Colombiana de Exportadores de Flores. (2014). Floricultura Colombiana, Es‑
tadísticas Año: 2014.
[12]. Baeza, E. J., Montero, J. I., Pérez-Parra, J. J. & Kamaruddin, R. (2004). CFD Simulations of Velocity Fields
and Ventilation Rates in a Crop Protection Structure for the Tropics. Acta Horticulturae 710.
[13]. Baeza, E. J., Pérez-Parra, J. & Montero, J. I. (2004b). Effect of Ventilator Size on Natural Ventilation in
Parral Greenhouse by Means of CFD Simulations. International Symposium on Greenhouse Cooling:
Methods, Technologies and Plant Response. Acta Horticulturae 691, 465-472.
[14]. Baeza, E. J., Pérez-Parra, J. J., Montero, J. I. & López, J. C. (2006). CFD Study of the Natural Ventilation
Performance of a Parral Type Greenhouse with Different Numbers of Spans and Roof Vent Configurations.
Acta Horticulture 719, 333-340.
[15]. Baeza, E. J. (2007). Optimización del Diseño de los Sistemas de Ventilación en Invernaderos Tipo Parral.
Tesis doctoral, Universidad de Almería, Almería, España.
[16]. Baeza, E. J., Pérez, J., Montero, J. I., Bailey, B., López, J. C. & Gazquez, J. C. (2009). Analysis of The Role
of Sidewall Vents on Buoyancy-Driven Natural Ventilation Inparral-Type Greenhouses With and Without
Insect Screens Using Computational Fluid Dynamics. Biosystems Engineering 104, 86-96.
[17]. Bailey, B. J. (1995). Greenhouse Climate Control: New Challenges. Acta Horticulturae 399, 13-24.
[18]. Bailey, B. J. (2000). Constraints, Limitations and Achievements in Greenhouse Natural Ventilation. Acta
Horticulturae 534: 21-30.
[19]. Banco de Patentes SIC (Superintendencia de Industria y Comercio). (2014). Boletín Tecnológico. Tec‑
nologías Relacionadas con Invernaderos Para Flores. Bogotá, Junio del 2014. 112 p.
[20]. Baptista, F. J., Bailey, B. J. & Meneses, J. F. (2001). Natural Ventilation of Greenhouses: Comparison of
Measured and Predicted Ventilation Rates. Airbuilding, pp. 136-151.
[21]. Bartzanas, T., Kittas, C. & Boulard, T. (2002). Numerical Simulation of the Airflow and Temperature Pat-
terns in a Greenhouse Equipped With Insect-Proof Screen in the Openings. Acta Horticulture 578, 351-
358.
[22]. Bartzanas, T., Boulard, T. & Kittas, C. (2004). Effect of Vent Arrangement on Windward Ventilation of a
Tunnel Greenhouse. Biosystems Engineering 88, 479-490.
[23]. Bethke, J. A. & Paine, T. D. 1991. Screen Whole Size and Barriers for Exclusion of Insect Pests of Glasshouse
Crops. J. Entomol. Sci. 26: 169-177.
[24]. Bethke, J. A. (1994). Considering Installing Screening? This is What You Need to Know. Greenhouse Man‑
ager. Abril 13 (1): 34-37.
[25]. Bojacá, C., Casilimas, H., Gil, R. & Gómez, S. (2008). Caracterización del Microclima en Invernaderos Co-
merciales de Rosa. Revista Asocolflores 71: 48-58.
[26]. Bojacá, C. R. (2009). Generic Modeling Approaches to Technical Sustainability on Field Level for Farming
Systems in The High Andean Tropics. Tesis doctoral. Universidad Católica de Lovaina, Bélgica.
[27]. Bojacá, C R., Gil, R. & Cooman, A. (2008) Use of Geostatistical and Crop Growth Modeling to Assess the
Variability of Greenhouse Tomato Yield Caused by Spatial Temperature Variations. Computers and Elec‑
tronics in Agriculture, 65 (1): 219-227.
[28]. Bojacá, C. R., Gil, R. & Schrevens, E. (2011). The Greenhouse Effect in the High Tropics of Colombia: A
Modeling Approach. Acta Horticulturae 893, 791-796.
[29]. Bojacá, C., Monsalve, O., Villagran, E., Gil, R., Casilimas, H., Fuentes, L. & Arias, L. (2012). Manual de
Producción de Pimentón Bajo Invernadero. Universidad de Bogotá Jorge Tadeo Lozano, 252 p.
[30]. Boulard, T. & Draoui, B. (1995). Natural Ventilation of a Greenhouse with Continuous Vents: Measure-
ments and Data Analysis. J. Agric. Eng. Res 61(1): 27-36.
[31]. Boulard, T., Meneses, J. F., Mermier, M. & Papadakis, G. (1996). The Mechanisms Involved in the Natural
Ventilation of a Greenhouse. Agricultural and Forest Meteorology 79, 61-77.
[32]. Boulard, T., Feuilloley, G. & Kittas, C. (1997a). Natural Ventilation Performance of Six Greenhouse and
Tunnel Type. Journal of Agricultural Engineering Research 67, 249-266.
[33]. Boulard, T., Papadakis, G., Kittas, C. & Mermier, M. (1997b). Air Flow and Associated Sensible Heat Ex-
changes in a Naturally Ventilation Greenhouse. Agricultural and Forest Meteorology 88, 111-119.
[34]. Boulard, T., Haxaire, R., Lamrani, M. A., Roy, J. C. & Jaffrin, A. (1999a). Characterization and Modelling
of the Air Fluxes Induced by Natural Ventilation in a Greenhouse. Journal of Agricultural Engineering Re‑
search 74, 135-144.
[35]. Boulard, T., Chave, M., Fatnassi, H., Poncet, C. & Roy, J. C. (2008). Botrytis Cinerea Spore Balance of a
Greenhouse Rose Crop. Agricultural and Forest Meteorology 48, 504-511.
[36]. Boulard, T., Roy, J. C., Fatnassi, H., Kichah, A., Lee, I. B. & Girardot, F. (2008b). Development and Validation
of a Global CFD Model of Heat, Water Vapour and Fungal Spores Transfers in a Greenhouse. Acta Horticul‑
turae 801, 877-884.
[37]. Boshell, F. (2009). Manejo del Riesgo Climático en la Floricultura Colombiana. Ceniflores, 97 p.
[38]. Bot, G. P. A. (1983). Greenhouse Climate: From Physical Processes to a Dynamic Model. Tesis doctoral, Wa-
geningen University, Wageningen, Holanda.
[39]. Bournet, P. E., Winiarek, V. & Chassériaux, G. (2006a). Simulation of Energy Transfers in a Partitioned
Glasshouse During Daytime Using a Bi-Band Radiation Model. International Symposium on Greenhouse
Cooling: Methods, Technologies and Plant Response. Acta Horticulturae 719, 357-364.
[40]. Cambardella, C. A., Moorman, T. B., Novak, J. M., Parkin, T. B., Karlen, D. L., Turco, R. F. & Konopka, A. E.
(1994). Field-Scale Variability of Soil Properties in Central Iowa Soils. Soil Sci. Soc. Am. J. 58, 1501-1511.
[41]. Campen, J. B. & Bot, G. P. A. (2003). Determination of Greenhouse-Specific Aspects of Ventilation Using
Three-Dimensional Computational Fluid Dynamics. Biosystems Engineering 84 (1), 69-77.
[42]. Campen, J. B. (2004). Greenhouses Design Applying CFD for Indonesian Conditions. Acta Horticulturae
691: 419-424.
[43]. Casanova, V. V. (2008). Modelación de Dióxido de Carbono (CO2) en Invernaderos Ventilados Naturalmente.
Tesis doctoral. Facultad de Ingeniería. Universidad Autónoma de Querétaro. México, pp. 26-27.
[44]. Castilla, N. (1998). Condiciones Ambientales en Invernaderos no Climatizados. Tecnología de Invernaderos
II, pp. 163-177.
[45]. Castilla, N. (1994). Greenhouses in the Mediterranean Area: Technological Level and Strategic Manage-
ment. Acta Horticulturae 361, 44-56.
[46]. Castilla, N. (2007). Invernaderos de Plástico, Tecnología y Manejo. Ediciones Mundiprensa, pp. 462.
[47]. Cobos, J. J. & López, J. C. (1998). Filmes Plásticos Como Material de Cubierta de Invernadero. Tecnología de
Invernaderos II, pp. 143-160.
[48]. Coelho, M., Batista, F., Fitas Da Cruz, V. & García, J. L. (2006). Comparison of Four Natural Ventilation
Systems in a Mediterranean Greenhouse. Acta Hort. 719: 157-171.
[49]. Cooman, A. & Lee. R. (1998). Investigación en Control de Clima en la Sabana de Bogotá, Las Condiciones
Locales y Sus Limitaciones. Plantflor Cultivo & Comercio, 2: 41-43.
[50]. Cooman, A. (2002). Feasibility of Protected Tomato Cropping in the High Altitude Tropics Using Statistical
and System Dynamic Models for Plant Growth and Development. Tesis doctoral. Universidad Católica de
Lovaina, Bélgica.
[51]. Corpoica. (2014). Modelo Productivo del Cultivo de Pimentón Bajo Condiciones Protegidas en el Oriente An‑
tioqueño, 82 p.
[52]. Corpoica (Jaramillo, J. E., Sánchez, G. D., Rodríguez, V. P., Aguilar, P. A., Gil, L. F., Hío, J. C., Pinzón, L. M.,
García, M. C., Quevedo, D., Zapata, M. Á., Restrepo, J. F. & Guzmán, M. (2012). Tecnología Para el Cultivo de
Tomate Bajo Condiciones Protegidas. Bogotá: Corpoica, 482 p.
[53]. Couto, N., Rouboa, A., Monteiro, E. & Viera, J. (2012). Computational Fluid Dynamics Analysis of Green-
houses with Artificial Heat Tube. World Journal of Mechanics, 2, 181-187.
[54]. Challa, H., Heuvelink, E. & Van Meeteren, U. (1995.). Crop Growth and Development, Bakker, J. C., Bot, G.
P. A., Challa, H., Van De Braak, N. J. Greenhouse Climate Control: An Integrated Approach. (Ed.): Wagenin-
gen Pers. Netherlands, pp. 62-84.
[55]. Chauvet, P. (1994). Aide-Memoire de Géostatistique Miniere, École des Mines de Paris, 210 p.
[56]. Cressie, N. (1992). Statistics for Spatial Data. Terra Nova, 4 (5): 613-617.
[57]. Cressie, N. (1993). Statistics for Spatial Data, Rev. ed., Wiley.
[58]. Cressie, N. y Majure, M. (1995). Non-Point Source Pollution of Surface Waters Over a Watershed. Pro-
gramme Abstracts of the Third Spruce International 2a. Conference. Mérida, México.
[59]. David, M. (1977). Geostatistical or Reserve Estimation. Elsevier. Amsterdam, 364 p.

[60]. De la Torre, G. A. (2013). Modelación del Flujo de Aire Mediante Dinámica de Fluidos Computacional en
Invernadero con Ventilación Natural. Tesis doctoral. Universidad Autónoma de Querétaro, México.
[61]. De Jong, T. & Bot, G. P. A. (1992). Air Exchange Caused by Wind Effects Through (Window) Openings
Distributed Evenly on a Quasi-Infinite Surface. Energy and Buildings 19, 93-103.
[62]. Demrati, H., Boulard, T., BekkaouI, A. & Bouirden, L. (2001). Natural Ventilation and Microclimatic Perfor-
mance of a Large-Scale Banana Greenhouse. J. Agric. Eng. Res. 80: 261-271.
[63]. Diggle, P., Harper, L. & Simon, S. (1995). Geoestatistical Analysis of Residual Contamination from Nuclear
Weapons Testing. Programme Abstracts of the Third Spruce International Conference, Mérida, México.
[64]. Down, M. J., Foster, M. P. & McMahon, T. A. (1990). Experimental Verification of Theory for Ventilation of
Livestock Buildings by Natural Convection, Journal of Agricultural Engineering Research 45: 269-279.
[65]. Espinel, V. y López, L., Rojano, A., Romantchick, E. & Ramírez, H. (2015). Publicado como artículo en
Agrociencia 49: 233-247.
[66]. El Sebai T., Lagacherie, B., Soulas, G. & Martin-Laurent, F. (2007). Spatial Variability of Isoproturon Min-
eralizing Activity Within an Agricultural Field: Geostatistical Analysis of Simple Physicochemical and
Microbiological Soil Parameters. Environ. Pollut. 145, 680-690.
[67]. FAO. (2002). El Cultivo Protegido en Clima Mediterráneo, 318 p.
[68]. Espejel, D. & López, L. (2013). Determinación de las Tasas de Ventilación Natural en un Invernadero Me-
diante Modelos Teóricos y Gases Trazadores. Revista Mexicana de Ciencias Agrícolas, 4(2), 185-198.
[69]. Fatnassi, H., Boulard, T., Demrati, H., Bouirden, L., & Sappe, G. (2002). Ventilation Performance of a Large
Canariantype Greenhouse Equipped With Insect-Proof Nets. Biosyst. Eng. 82: 97-105.
[70]. Fatnassi, H., Boulard, T. & Bouirden, L. (2003). Simulation of Climatic Conditions in Full-Scale Greenhouse
Fitted With Insect-Proof Screens. Agricultural and Forest Meteorology 118, 97-111.
[71]. Fatnassi, H., Boulard, T., Poncet, C. & Chave, M. (2004). Greenhouse Insect Screening Optimization Base
Don CFD Studies. Presentado in Ishs Intl. Conf. Sustainable Greenhouse Systems-Greensys 2004, Septem-
ber, 12-16, Leuven, Belgium.
[72]. Fatnassi, H., Boulard, T., Poncet, C. & Chave, M. (2006). Optimization of Greenhouse Insect Screening with
Computational Fluid Dynamics. Biosystems Engineering 93 (3), 301-312.
[73]. Fatnassi, H., Poncet, C., Brun, R., Bertin, M. N. & Muller, M. (2012). CFD Study of Climate Conditions in
Greenhouses Equipped With Photovoltaic Panels.
[74]. Ferrato, J. & Panelo, M. (Sf). Climatización de Invernaderos. Consejo de Investigaciones. Facultad de Cien-
cias Agrarias, UNR.
[75]. Fidaros, D. K., Baxevanou, C. A., Bartzanas, T. & Kittas, C. (2010). Numerical Simulation of Thermal Be-
havior of a Ventilated Arc Greenhouse During a Solar Day. Renewable Energy Volume 35, Issue 7, July, pp.
1380-1386, Special Section: Ist National Conference.
[76]. Flores, J., Mejía, J., Montero, I. & Rojano, A. (2011). Numerical Analysis of the Inner Climate in a Mechan-
ically-Ventilated Greenhouse with Three Spans. Agrociencia 45: 545-560.
[77]. Flores, J., Montero, J. I., Baeza, E. J. & López, J. C. (2014). Mechanical and Natural Ventilation Systems in
a Greenhouse Designed Using Computational Fluid Dynamics. February, 2014, Int. J. Agric. & Biol. Eng.
Open Access at http://www.Ijabe.org, Vol. 7, No. 1.
[78]. Flores-Velázquez, López, I. L., Mejía, E. & Montero, J. I. (2014b). Evaluación del Desempeño Climático
de un Invernadero Baticenal del Centro de México Mediante Dinámica de Fluidos Computacional (CFD).
Revista de Agrociencia, marzo del 2014, pp. 131-146.
[79]. Franke, J., Hellsten, A., Schlünzen, H. & Carissimo, B. (eds.). (2007). Best Practice Guideline for the CFD
Simulation of Flows in the Urban Environment, Brussels: Cost Office. http://www.mi.unihamburg.de/
officialdocuments.5849.0.html
[80]. Gil, R. (2011). Metodología para el Estudio de la Variabilidad Espacio-Temporal Caso de Estudio: tempera‑
tura Dentro de Invernaderos Naturalmente Ventilados. Universidad Nacional de Colombia Facultad de
Agronomía, Escuela de Posgrados, Bogotá, Colombia. Tesis, 64 p.
[81]. Guenko, G. (1983). Fundamentos de la Horticultura Cubana. Ciencia y Tecnología. La Habana, Cuba. 335 p.
[82]. Jaramillo, J. (2009). The State Of Research in Tomato In Colombia. Acta Horticulturae 821: 47-52.
[83]. Hand, D. W. (1984). Crop Responses to Winter and Summer Co2 Enrichment. Acta Horticulturae 162, 45-64.
[84]. Haxaire, R., Roy, J. C., Boulard, T., Lamrani, M. A. & Jafrin, A. (1998a). Etude Numerique et Experimentale
de la Ventilation Par Covection Naturelle Dans Une Serre. Actes du Congres Annuel de la SFT, Marseille 5-7
May, pp. 64-69.
[85]. Haxaire, R., Roy J. C., Boulard, T., Lamrani, M. A. & Jafrin, A. (1998b). Greenhouse Natural Ventilation
by Buoyancy Froces. In Epic 98/11 Proceedings of the 2nd European Conference on Energy Performance
and Indoor Climate in Buildings and 3rd International Conference on Indoor Air Quality, Ventilation and
Energy Conservation in Buildings, 522-527. Ecole Nationale des Traveaux Publics deI Etat, Lyon, France.
[86]. Haxaire, R., Boulard, T. & Mermier, M. (2000). Greenhouse Natural Ventilation by Wind Forces. Acta Hort.
534: 31-40.
[87]. Hernández, J., Escobar, L. & Castilla, N. (2001). La Radiación en Invernaderos Mediterráneos, Revista de
Horticultura, Tecnología de Producción Hortícola, pp. 1-11.
[88]. Holder, R. & Cockshull, K. E. (1990). Effects of Humidity on the Growth and Yield of Glasshouse Tomatoes.
Journal of Horticultural Science, 65 (1): 31-39.
[89]. IGAC. (1996). Informe Anual de Suelos.
[90]. Iglesias, N. Y. & Muñoz, A. (2007). Comparación de la Transmisión de la Radiación Fotosintéticamente
Activa (Par) en Invernaderos del Norte de la Patagonia, Horticultura Argentina 26 (60): ene-jun.
[91]. Iglesias, N., Montero, J. I., Muñoz, P. & Antón, A. (2009). Estudio del Clima Nocturno y el Empleo de Doble Cubi-
erta de Techo Como Alternativa Pasiva Para Aumentar la Temperatura Nocturna de los Invernaderos Utilizando
un Modelo Basado en la Mecánica de Fluidos Computacional (CFD). Horticultura Argentina 28 (67): sep.-dic.
[92]. Isaaks, E. H. & Srivastava, R. H. (1989). Applied Geostatistics. Oxford University Press, Oxford.
[93]. Jaffrin, A. & Makhlonf, S. (1990). Mechanism of Light Transmision Through Wet Polymer Films. Acta Hor‑
ticulturae, 281: 11-24.
[94]. Journel, A. G. & Huijbregts, C. J. (1978). Mining Geostatistics, Academic Press, New York, 600 p.
[95]. Kacira, M., Short, T. H. & Stowell, R. (1998). A CFD Evaluation of Naturally Ventilated Multi-Span, Saw-
tooth Greenhouses. Transaction of the Asae 41 (3), 833-836.
[96]. Katsoulas, N., Bartzanas, T., Boulard, T., Mermier, M. & Kittas, C. (2006). Effect of Vent Openings and
Insect Screens on Greenhouse Ventilation, Biosystems Engineering, 93: 427-436.
[97]. Keesung, K., Jeong-Yeol, Y., Hyuck-Jin, K., Jin-Hee, H., Jung Eek, S., Sang-Woon, N., Gene A., G. & In-Bok,
L. (2008). 3-D CFD Analysis of Relative Humidity Distribution In Greenhouse With a Fog Cooling System
and Refrigerative Dehumidifiers. Biosystems Engineering 100: 245-255.
[98]. Kittas, C., Boulard, T., Mermier, M. & Papadakis, G. (1996). Wind Induced Air Exchange Rates in a Green-
house Tunnel With Continuous Side Openings. Journal of Agricultural Engineering Research 65, 37-49.
[99]. Kittas, C., Boulard, T. & Papadakis, G. (1997). Natural Ventilation of a Greenhouses with Ridge Side Open-
ings: Sensitive to Temperature and Wind Effects, Transactions of the Asae 40: 415-425.
[100].Kittas, C., Boulard, T., Bartzanas, T., Katsoulas, N. & Mermier, M. (2002). Influence of an Insect Screen of
Greenhouse Ventilation. Trans. Asae 45: 1083-1090.
[101].Lane-Serff, G. F. (1989). Heat Flow and Air Movement in Buildings. PhD thesis. University Of Cambridge.
[102].Lee, I. B. & Short, T. H. (1999). Computational Fluid Dynamic Study for Structural Design of Naturally
Ventilated Multi-Span Greenhouses. In: 92nd Annual International Meeting of Asae, Paper No. 995010,
Toronto, Ontario, Canada, July 18-21.
[103].Lee, I. B. & Short, T. H. (2000). Two-Dimensional Numerical Simulation of Natural Ventilation in a Multi-
Span Greenhouse. Transaction of the Asae 43 (3), 745-753.
[104].Lorenzo, P., Maroto, C, & Castilla, N. (1990). Co2 in Plastic Greenhouse in Almería (Spain). Acta Horticul‑
turae, 268: 165-169.
[105].Lee, I. B., Sase, S., Okushima, L., Ikeguchi, A., Choi, K. & Yun, J. (2003). A Wind Tunnel Study of Natural
Ventilation For Multi-Span Greenhouse Scale Models Using Two-Dimensional Particle Image Velocimetry
Piv. Transaction of the Asae 46, 763-772.
[106].Lee, I. B., Sase, S. & Sung, S. H. (2007). Evaluation of CFD Accuracy for the Ventilation Study of a Naturally
Ventilated Broiler House. Japan Agricultural Research Quarterly 41 (1), 53-64.
[107].Lorenzo, P. (1994). Intercepción de Luz, Bioproductividad e Intercambio Gaseoso Durante la Ontogenia de un
Cultivo Invernal de Cucumis Sativus en Almería. Tesis doctoral, Universidad de Barcelona, Barcelona, España.
[108].Lorenzo, P. (2012). El Cultivo en Invernadero y Su Relación con el Clima. Cuadernos de Estudios Agroali‑
mentarios Ifapa, pp. 23-44.
[109].Majdoubi, H., Boulard, T., Hanafi, A., Bekkaoui, A., Fatnassi, H., Demrati, H., Nya, M. & Bouirden, L.
(2007). Natural Ventilation Performance of a Large Greenhouse Equipped With Insect Screens. Trans.
Asabe 50: 641-650.
[110].Majdoubi, H., Boulard, T., Fatnassi, H. & Bouirden, L. (2009). Airflow and Microclimate Patterns in a
One-Hectare Canary Type Greenhouse: An Experimental and CFD Assisted Study. Agricultural and Forest
Meteorology 149 (6-7), 1050-1062.
[111].Maroto, J. (1995). Horticultura Herbácea Especial. Ediciones Mundi Prensa, pp. 400-417.
[112].Mashonjowa, E., Ronsse, F., Milford, J. R., Lemeur, R. & Pieters, J. G. (2010). Measurement and Simula-
tion of the Ventilation Rates in a Naturally Ventilated Azrom-Type Greenhouse in Zimbabwe. Appl. Eng.
Agric. 26: 475-488.
[113].Matheron, G. (1963). Principles of Geostatistics. Econ. Geol. 58 (8):1246‐1266.
[114].Miranda, D., Fischer, G., Barrientos, J. C., Carranza, C., Rodríguez, M. & Lancheros, O. (2009). Character-
ization of Productive Systems of Tomato (Solanum Lycopersicum L.) in Production Zones of Colombia.
Acta Horticulturae 821: 35-46.
[115].Mistriotis, A., Bot, G. P. A., Picuno, P. y Scarasscia-Mugnozza, G. (1997). Analysis of the Efficiency of Green-
house Ventilation Using Computational Fluid Dynamics. Agricultural and Forest Meteorology 85, 217-228.
[116].Mistriotis, A., Arcidiacono, C., Picuno, P., Bot, G. P. A. & Scarascia-Mugnozza, G. (1997a). Computational
Analysis of Ventilation in Greenhouses at Zero and Low-Windspeed. Agricultural and Forest Meteorology
88, 121-135.
[117].Mistriotis, A., Bot, G. P. A., Picuno, P. & Scarascia-Mugnozza, G. (1997b). Analysis of the Efficiency of
Greenhouse Ventilation Using Computational Fluid Dynamics. Journal of Agricultural Engineering Re‑
search 85, 217-228.
[118].Mistriotis, A., De Jong, T., Wagemans, M. J. M. & Bot, G. P. A. (1997c). Computational Fluid Dynamics CFD
as a Tool for the Analysis of Ventilation and Indoor Microclimate in Agricultural Buildings. Netherlands
Journal of Agricultural Science 45, 81–96.
[119].Mistriotis, A. & Briassoulis, D. (2005). Wind Pressure Distribution on Plastic-Covered Low-Tunnels Used
in Protected Cultivation. Acta Hort. 691: 411-418.
[120].Molina-Aiz, F. D., Valera, D. L. & Álvarez, A. J. (2004). Measurement and Simulation of Climate Inside
Almeria-Type Greenhouses Using Computational Fluid Dynamics. Agricultural and Forest Meteorology
125, 33-51.
[121].Monsalve, I., Casilimas, H. & Bojacá, C. (2011). Evaluación Técnica y Económica del Pepino y el Pimentón Como
Alternativas al Tomate Bajo Invernadero. Revista Colombiana de Ciencias Hortícolas. Vol. 5. No. 1, pp. 69-82.
[122].Montero, J. & Anton, A. (2000). Buoyancy Driven Ventilation in Tropical in Greenhouses Windows with
Insect-Proof Screens. Acta Horticulturae, 443: 71-77.
[123].Montero, J. I., Hunt, G. R., Kamruddin, R., Anton, A. & Bailey, B. J. (2001). Effect of Ventilator Configu-
ration on Wind-Driven Ventilation in a Crop Protection Structure for the Tropics. Journal of Agricultural
Engineering Research, 80: 99-107.
[124].Montero, J. I., Muñoz, P., Anton, A. & Iglesias, N. (2005). Computational Fluid Dynamic Modelling of
Night-Time Energy Fluxes in Unheated Greenhouses. Acta Horticulturae 693, 403-410.
[125].Montero, J. I. (2006). Evaporative Cooling in Greenhouses: Effect on Microclimate, Water Use Efficiency
and Plant Response. Acta Horticulturae 719, 373-383.
[126].Montero, J. I. (2006). Desarrollo de Estructuras Para Invernadero. Cuaderno de Estudios Agroalimentarios, 26 p.
[127].Montero, J. I., Muñoz, P., Sánchez-Guerrero, M. C., Medrano, E., Piscia, D. & Lorenzo, P. (2013). Thermal
Performance of an Unheated Greenhouse Under Semi-Arid Conditions During the Night Shading Screens
for the Improvement of the Night-Time Climate of Unheated Greenhouses. Span. J. Agric. Res. 11: 32-46.
[128].Montero, J. I., Stanghellini, C. & Castilla, N. (2008). Invernadero Para la Producción Sostenible en Áreas
de Clima de Invierno Suave. Revista Horticultura Internacional, octubre de 2008, pp. 12-28.
[129].Molina-Aiz, F. D., Valera, D. L. & Álvarez, A. J. (2004). Measurements and Simulation of Climate Inside
Almería-Type Greenhouses Using Computational Fluid Dynamics. Agricultural and Forest Meteorology
125, 33-51.
[130].Molina-Aiz, F. D., Valera, D. L., Gil, J. A. & Peña, A. A. (2006). Analysis of the Effect of Rollup Vent Arrange-
ment and Wind Speed on Almeria-Type Greenhouse Ventilation Performance with Computational Fluid
Dynamics. Acta Horticulturae 719, 173-179.
[131].Myers, D. E. (1987). Optimization of Sampling Locations for Variogram Calculations. Water Resources
Research, 23 (3): 283-293.
[132].Cressie, N. A. C. (1992). Statistics for Spatial Data. Terra Nova, 4 (5): 613-617.
[133].Nebbali, R., Roy, J. C., Boulard, T. & Makhlouf, S. (2006). Comparison of the Accuracy of Different CFD
Turbulence Models for the Prediction of the Climatic Parameters in a Tunnel Greenhouse. Acta Horticul‑
turae 719, 287-294.
[134].Nelson, M., Orum, T., García, R. & Nadeem, A. (1999). Applications of Geographic Information Systems
and Geostatistics in Plant Disease Epidemiology and Management. Plant Disease Vol. 83: 308-319.
[135].Newman, S. (1999). Efectos del Clima en la Fisiología de la Floración. En: Clima, Fisiología y Producción
de Cultivos Bajo Invernadero, Lee, Rebecca. Santafé de Bogotá. Centro de Investigaciones y Asesorías
Agroindustriales, pp. 15-29.
[136].Nielsen, F. O. (2002). Natural Ventilation of a Greenhouse with Top Screen. Biosystems Engineering 81,
443-451.
[137].Nisen, A., Grafiadellins, M., Jiménez, R., Malfa, G., Martínez García, P. F., Monteiro, A., Verlodt, H., Villele,
O., Zabeltitz, C. H., Von, D. I. & Baudoin, W. O. (1988). Cultures Protegees. En: Climat Mediterraneen. FAO.
N° 90. Roma, 317 p.
[138].Norton, T., Sun, D. W., Grant, J., Fallon, R. & Dodd, V. (2007). Applications of Computational Fluid Dy-
namics CFD. In: The Modelling and Design of Ventilation Systems in the Agricultural Industry: A Review
Bioresource Technology 98, 2386-2414.
[139].Okushima, L., Sase, S. & Nara, M. (1989). A Support System for Natural Ventilation Design of Greenhouse
Based On Computational Aerodynamics. Acta Horticulturae 248, 129-136.
[140].Ould-Khaoua, S. A., Bournet, P. E., Migeon, C., Boulard, T. & Chasseriaux, G. (2006). Analysis of Green-
house Ventilation Efficiency Based on Computational Fluid Dynamics. Biosystems Engineering 95 (1),
83-98.
[141].Ortiz, D. M. (2004). Simulación Numérica de la Ventilación Natural en un Invernadero Colombiano de
Diez Naves. En: Memorias del Congreso Iberoamericano Para el Desarrollo y Aplicación de los Plásticos en
Agricultura, Bogotá, Colombia, pp. 99-104.
[142].Ortiz, D. M. & Acuña, J. F., (2005). Natural Numerical Simulation of Ventilation in a Colombian Green-
house. Pasticulture 124, 58-71.
[143].Ortiz, I. C. (2013). Dinámica de Fluidos Computacional Aplicada al Estudio de la Ventilación Natural y
la Temperatura de un Conjunto de Invernaderos Amazcla. Tesis de Maestría. Universidad Autónoma de
Querétaro. México.
[144].Ould Khaoua, S. A., Bournet, P. E., Migeon, C., Chassériaux, G. & Boulard, T. (2006). Analysis of Green-
house Ventilation Efficiency with CFD. Biosystems Engineering 95 (1), 83-98.
[145].Papadakis, G., Mermier, M., Meneses, J. F. & Boulard, T. (1996). Measurement Anda Anlisys of Air Exchange
Rates in a Greenhouses with Continuous Roof and Side Openings. J. Agric., Engng. Res., 63, 219-228.
[146].Pérez-Parra, J. (2002). Ventilación Natural de Invernaderos Tipo Parral. PhD Tesis Dissertation. Univer-
sidad de Córdoba. Escuela Técnica Superior de Ingenieros Agrónomos y de Montes. Departamento de
Agronomía.
[147].Pérez. J.; López J. C. & Fernández, M. D. (2005). La Agricultura del Sureste: Situación Actual y Tendencias
de las Estructuras de Producción en la Horticultura Almeriense. Mediterráneo Económico II, pp. 262-282.
[148].Purseglove, J. W. (1974). Tropical Crops: Dicotyledons. London: Longman, pp. 242-246.
[149].Reichrath, S. & Davies, T. W. (2002). Using CFD to Model the Internal Climate of Greenhouses: Past, Pres-
ent and Future. Agronomie 22, 3-19.
[150].Rico, E., Reyes, J. L. & Herrera, G. (2006). Simulation of the Climate in Two Different Greenhouses. Acta
Horticulturae 719, 325-332.
[151].Rico, E. (2008). Modelación Climática en Invernaderos: Ventilación Natural. Universidad Autónoma de
Querétaro, Facultad de Ingeniería, Doctorado en Ingeniería, México. Tesis, 106 p.
[152].Romero, P., Giacomelli, G. A., Choi, C. & López, I. (2006). Ventilation Rates for a Naturally Ventilated
Greenhouse in Central México. Acta Horticulturae 719, 65-72.
[153].Romero, P., Choi, C. Y. & López, I. L. (2010). Enhancement of the Greenhouse Air Ventilation Rate Under
Climate Conditions of Central México. Agrociencia 44: 1-15.
[154].Roy, J.C. & Boulard, T. (2005). CFD Prediction of the Natural Ventilation in Tunnel-Type Greenhouses:
Influence of Wind Direction and Sensibility to Turbulence Models. Acta Hort (Ishs) 691: 457-464.
[155].Roy, J. C., Boulard, T., Kittas, C. & Wang, S. (2002). Convective and Ventilation Transfer in Greenhouses,
Part 1: The Greenhouse Considered as a Perfect Stirred Tank. Biosys. Eng. 83 (1):1-20.
[156].Ruiz, A., López, I., Arteaga, R. & Ramírez, J. (2015). Publicado Como Artículo en Agrociencia 49: 87-100.
[157].Sánchez, M. C.; Lorenzo, P.; Medrano, E.; Baille, A. & Castilla, N. (2009). Effects of Ec-Based Irrigation
Scheduling and Co2 Enrichment on Water Use Efficiency of a Greenhouse Cucumber Crop. Agricultural
Water Management, 96, pp. 429-436.
[158].Sase, S., Takakura, T. & Nara, M. (1984). Wind Tunnel Testing on Airflow and Temperature Distribution of
a Naturally Ventilated Greenhouse. Acta Horticulturae 148, 329-336.
[159].Sato, S., Peet, M. M. & Thomas, J. F. (2000). Physiological Factors Limit Fruit Set of Tomato (Lycopersicon
Esculentum Mill). Under Chronic, Mild Heat Stress, Plant, Cell and Environment, (23), pp. 719-726.
[160].Seniger, I. (2002). The Penman-Monteith Evapotranspiration Equation as an Element in Greenhouse
Ventilation Design. Biosystems Engineering 82 (4): 423-439.
[161].Sepaskhah, A. R., & Ataee, J. (2004). A Simple Model to Determine Saturated Hydraulic Conductivity for
Large-Scale Subsurface Drainage. Biosystem Enginnering (89), pp. 505-513.
[162].Shkklyar, A. & Arbel, A. (2000). Greenhouse Turbulence Flow Numerical Simulation. Proceedings of the
International Conference and British-Israeli Workshop on Greenhouse Tecniques Towards the 3rd Mille-
nium, Acta Horticulturae 534: 49-55.
[163].Skoien, J. O., Merz, R. & Bloschl, G. (2006). Top-Kriging - Geostatistics on Stream Networks. Hydrology
and Earth System Sciences, 10, 277-287.
[164].Stanghellini, C. & Van Meurs, W. (1992). Environmental Control of Greenhouse Crop Transpiration. Jour‑
nal of Agricultural Engineering Research, 51: 297-311.
[165].Schwarz, G. (1978). Estimating the Dimension of a Model. The Annal of Statistics, Vol. 6, No. 2, pp. 461-
464.
[166].Teitel, M. & Shkylar, S. (1998). Pressure Drop Across Insect-Prooft Screens. Transactions of the Asae,
41(6), 1829-1834.
[167].Teitel, M., Liran, O., Tanny, J. & Barak, M. (2008a). Wind Driven Ventilation of a Monospan Greenhouse
with a Rose Crop And Continuous Screened Side Vents and its Effect on Flow Patterns and Microclimate.
Biosystems Engineering 101 (1), 111-122.
[168].Teitel, M., Barak, M. & Antler, A. (2009). Effect of Cyclic Heating and a Thermal Screen on the Nocturnal
Heat Loss and Microclimate of a Greenhouse. Biosystems Engineering 102: 162-170.
[169].Teitel, M. (2010). Using Computational Fluid Dynamics Simulations to Determine Pressure Drops on
Woven Screens. Biosystems Eng. 105: 172-179.
[170].Tesi, R. (1972). Moderne Tecniche di Protezione in Horticultura, Floricultura e Frutticoltura. Edagricole,
Italia.
[171].Tong, G., Christopher, D. M. & Li, B. (2009). Numerical Modelling of Temperature Variations in a Chinese
Solar Greenhouse. Computers and Electronics in Agriculture 68, 129-139.
[172].Trudgill, D. L., Honek, D. & Van Straalen, N. (2005). Thermal Time: Concepts and Utility. Ann. Appl. Biol.
146 (1): 1‐14.
[173].Valera, D. L., Molina, F. D., Álvarez, A. J., López, J. A., Terres-Nicoli, J. M. & Madueno, A. (2005). Contri-
bution to the Characterization of Insect-Proof Screens: Experimental Measurements in Wind Tunnel and
CFD Simulations. Acta Horticulturae 691, 441-448.
[174].Villagran, E. & Alvarado, F. (2014). Variables Ambientales Relacionadas Directamente con la Producción
Agrícola Bajo Invernadero. Asocolflores. Revista Florycultura, mayo 2014, 27 p.
[175].Wang, S. (1998). Measurement and Modelling of Natural Ventilation in a Large Venlo-Type. PhD Tesis,
Glembloux, Bélgica.
[176].Zhang, J. S., Janni, K. A. & Jacobson, L. D. (1989). Modelling Natural Ventilation Induced by Combined
Thermal Buoyancy and Wind. Transactions of the Asae 32(6): 2165-2174.
View publication stats

VillagrnM E A Bojacc R 2017 Simulacionconbaseellatcnicadinmicadefluidoscomputacional

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

VillagrnM E A Bojacc R 2017 Simulacionconbaseellatcnicadinmicadefluidoscomputacional

Uploaded by

Copyright:

Available Formats

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

Simulación con base en la técnica Dinámica de Fluidos Computacional (CFD),

Book · May 2018

Edwin Andres Villagran Munar Carlos Ricardo Bojacá

SEE PROFILE SEE PROFILE

The user has requested enhancement of the downloaded file.

Febrero del 2017

Centro de Innovación de la Floricultura Colombiana (Ceniflores)

2. Caracterización climática de la Sabana de Bogotá 14

3. Prototipos de invernaderos evaluados 25

4. Uso de modelos CFD para el estudio climático y de ventilación de

5. Desarrollo de modelos de simulación CFD 39

6. Evaluación climática real de los invernaderos mediante técnicas

n Colombia se estima que existen 7950 ha de agricultura protegida, de la cuales

E 900 ha están dedicadas a la producción de hortalizas y otras especies menores y

En el país, la implementación de sistemas de control activo del clima en invernaderos se ha

El investigador Edwin Andrés Villagrán Munar lideró el proyecto y es actualmente un profe-

L vernaderos colombianos y en otras regiones de condiciones climáticas favorables

Un incremento en el área de ventilación genera un efecto positivo en la ventilación general de

Mistriotis et al., 1997), como consecuencia de restricciones en la transpiración (Stanghellini y

1.2. Índices de ventilación

1.3. Métodos de medición de la ventilación natural

1.4. CFD y geoestadística aplicada a la evaluación de invernaderos

La aplicación de CFD al diseño y optimización de invernaderos ha cobrado gran importancia

• La heterogeneidad climática en el interior del invernadero, principalmente en el nivel

En este campo de aplicación se conocen actualmente dos trabajos de investigación, el prime-

E producción agrícola, y más aún bajo invernadero, es un requerimiento previo a

El presente informe técnico presenta el análisis climático de la Sabana de Bogotá, dividida en

2.2. Origen de los datos

-74.4 -74.2 -74.0 -73.8

No. Subregión Nombre Latitud Longitud

1 1 Cogua 5°03'00.02''N 73°55'00.00''O

2.3. Análisis de la información

2.3.1. Análisis a escala anual

La representación de la información climática analizada a escala anual se presenta en la Figura

El comportamiento de la precipitación fue similar para las cuatro subregiones consideradas, a

2.3.2. Análisis a escala mensual

El comportamiento mes a mes de las variables climáticas analizadas se presenta en la Figura

El comportamiento de la radiación solar evidencia la tendencia característica del clima en la

2.3.3. Análisis a escala horaria

2.3.4. Análisis día-noche

Tabla 2‑1. Caracterización climática de las cuatro subregiones en estudio

Temperatura Temperatura Humedad relativa Radiación

Día 15,2 11,0 78,8 302,4

Lo anterior es evidente al observar las diferencias en los promedios de la humedad relativa

2.4. Análisis mediante técnicas de variabilidad espacial

cial de la temperatura en la Sabana de Bo- 5.0 Villeta La Vega

análisis climático. San Antonio de

El rango de temperaturas promedio observa- Sibaté

-74.4 -74.2 -74.0 -73.8

2.4.2. Humedad relativa

La representación de la humedad relativa sobre el área de la Sabana de Bogotá se presenta

La variación de la humedad relativa entre las La Mesa Cucunubá

jores tasas de ventilación, de manera que la 4.6 San Antonio de Soacha

Figura 2‑6. Mapa de contorno de la humedad relativa

La radiación solar global varió entre 77 y La Mesa Cucunubá

que presentó el nivel de radiación más bajo, 5.0 Villeta

miento de la radiación solar es relativamente 4.6

2.4.4. Velocidad del viento 5.2 Utica La Peña

La zona norte de la Sabana de Bogotá pre- 5.0 Villeta La Vega Nocaima

0,29 y 0,72 km/h, respectivamente (Figura 4.6 San Antonio de Soacha

Tocancipá, también ubicada en la zona norte, -74.4 -74.2

2.4.5. Punto de rocío La Mesa Cucunubá