基于 surrogate 模型的猪舍甲烷排放预测方法：质量传递系数与粪浆表面甲烷浓度的构建

《Biosystems Engineering》：An approach to predict methane emissions from pig housing by developing surrogated models of mass transfer coefficient and methane concentration at slurry surface

　　

本研究旨在开发一种预测猪舍甲烷（CH₄）排放的方法，通过计算流体力学（Computational Fluid Dynamics, CFD）获取对流传质系数（convective mass transfer coefficient）的亚模型，并基于两段式猪栏的现有实验数据，建立粪浆表面CH₄浓度的预测模型。用于预测粪浆表面CH₄浓度的输入参数包括猪体重、粪肥龄期与数量、温度和湿度等气候参数以及通风率，这些参数均可在现场便捷监测。结果表明，CH₄的质传系数与通风率和粪浆体积均呈正相关。敏感性分析显示，粪浆表面CH₄浓度主要受粪浆体积和粪浆龄期的影响。所建立的CH₄排放估算模型具有显式表达、物理意义明确的特点，在侧壁射流通风（sidewall jet ventilation）条件下表现良好（决定系数R²为0.88，均方根误差RMSE为1093.19 mg/h），但在漫射天花板通风（diffuse ceiling ventilation）条件下预测精度有所下降（R²为0.78，RMSE为1548.96 mg/h）。

农业温室气体（Greenhouse Gas, GHG）排放是重要的环境问题，丹麦农业部门的温室气体排放约占全国总量的25%，其中生猪养殖产生的CH₄排放约占农业排放的13%。粪肥管理是农业CH₄排放的第二大来源，而猪粪在丹麦粪肥管理CH₄排放中占比最高，约为51%。CH₄的全球变暖潜势（Global Warming Potential）是CO₂的28倍，因此削减CH₄排放对于实现丹麦2030年温室气体减排70%及2050年碳中和目标至关重要。

当前CH₄排放预测模型主要包括机理模型和机器学习模型两类。机理模型能够描述粪肥内部CH₄传递过程的内在机制，关键输入包括可降解挥发性固体、挥发性脂肪酸、总氨氮、pH等参数，但其对水解速率常数高度敏感，且实际操作中需进行粪样采集和参数测定，过程繁琐耗时。机器学习模型则利用大数据集训练预测模型，虽准确度较高，但通常仅适用于特定猪场，缺乏可解释性和通用性。鉴于此，研究人员提出将机器学习与CH₄从粪浆表面到空气的质量传递力学相结合，以关联CH₄排放与影响因素。CH₄主要在粪浆内部产生，在粪肥表面形成边界层，边界层与远离边界层的主体空气之间存在质量传递过程。若能估算粪浆表面的CH<sub>4浓度，则其对流质传系数可表征CH4随气流出猪舍的传输过程。该研究成果发表于《Biosystems Engineering》期刊。

研究人员采用的技术方法主要包括以下方面：选取包含两个猪栏的实验猪舍区域作为研究对象，该区域具有 housing systems、气候数据、通风率、CH4和氨气浓度及排放量的完整实验数据。研究设计了两组CFD模拟情景：第一组考虑通风 rate、粪浆深度和猪体重三个关键因素，用于建立CH4对流传质系数模型；第二组用于验证质传系数模型并建立表面浓度与影响因素的关系。模型开发采用多元线性回归框架，结合留一法交叉验证、10折交叉验证和正则化方法以防止过拟合。最终模型在侧壁射流通风系统的冬季数据集上进行训练，并在同一场景的预留数据以及漫射天花板通风系统的外部数据集上进行验证。数据来源于Zong等（2015）先前发表的两个猪舍区段（分别采用侧壁射流通风和漫射天花板通风）的冬夏季实验，其中80%的侧壁射流通风冬季数据用于CH4浓度模型开发，20%用于初步验证，漫射天花板通风冬季数据用于进一步验证。

研究结果部分，研究人员首先对CFD建模进行了验证。通过比较模拟与实测风速，得到均方根误差RMSE为0.217 m/s，模拟风速整体处于实测数据标准差范围内且趋势相似，表明CFD建模设置对于模拟非等温气流条件具有稳健性和可靠性，尽管近地面局部区域因涡流结构存在偏差。

在CH4对流传质系数模型开发方面，研究人员确定了距粪浆表面6 cm处的平面平均风速作为参考风速，该高度处风速趋于稳定。通过多元线性回归建立了参考风速预测模型（R²=0.86，RMSE=0.0064 m·s^-1），发现参考风速与粪浆深度和总通风率呈正相关，与猪体重呈负相关。进一步建立参考风速与对流传质系数的线性关系（R²=0.94，RMSE=6.95×10^-5 m·s^-1），并得到量纲为1的Sherwood数（Sh）关联式：Sh=0.0836·Re^0.7503（R²=0.94，RMSE=4.72），其中Re为雷诺数（Reynolds number）。该关联式适用于相同通风模式（如侧壁射流通风）和相似猪栏单元几何配置的系统。

在粪浆表面CH4浓度模型方面，研究人员利用前21个CFD情景估算粪浆表面浓度。研究期间粪浆CH4排放量随猪只生长稳步增加，在粪肥清除日（约第61天和第88天）出现峰值后急剧下降；相应地，表面浓度从138 ppm降至97 ppm（首次清除），以及从176 ppm降至119 ppm（第二次清除）。清除后表面浓度以更高速率上升，可能与残留粪肥与新鲜粪便混合加速CH4产生有关。

研究人员进一步验证了质传系数模型，将CFD模拟值与模型预测值进行比较，结果显示两者具有强线性关系（R²=0.85，RMSE=8.41×10^-5 m·s^-1）。

在粪浆表面CH4浓度建模方面，研究采用多元线性回归框架，考虑室内温湿度、房间通风率、猪总体重、粪浆 volume 和粪浆龄期等因素。最终模型显示，粪浆表面浓度与房间通风率、室内相对湿度和粪浆 volume 呈正相关，与粪浆龄期呈负相关；粪浆 volume 的二次项表明其非线性关系。模型在侧壁射流通风预留数据集上表现良好（预测浓度：R²=0.87，RMSE=17.86 mg/m³；预测排放：R²=0.88，RMSE=1093.19 mg/h）。应用于漫射天花板通风系统时，预测精度有所下降（预测浓度：R²=0.67，RMSE=25.77 mg/m³；预测排放：R²=0.78，RMSE=1548.96 mg/h），原因可能在于该通风系统的对流传质系数与侧壁射流系统存在差异。

敏感性分析采用一次一因子（One-Factor-At-A-Time, OFAT）方法，结果显示粪浆龄期对模型输出影响最强，变化±200%标准差导致输出变化±267.03%；粪浆 volume 呈现强非线性不对称效应，增加时导致输出急剧下降；室内温度和房间通风率影响较小（约±4%）。该分析表明粪浆管理措施对于控制粪浆表面CH4浓度进而影响猪舍排放具有关键作用。

研究讨论部分涉及了模型局限性：所有CFD模拟均在稳态条件下进行，而实际中猪只活动或通风率变化会产生非稳态条件；假设CH4以均匀恒定浓度从粪浆表面释放，与实际气泡释放形式存在偏差；模型基于冬季低通风率数据集开发，夏季高通风率条件下的适用性有待验证；粪肥清除频率固定为每批次两次，更频繁清除的影响未能在模型中体现。研究人员指出，未来需纳入不同猪舍配置、通风系统、气候条件和管理实践的数据以提升模型适用性。

研究结论部分翻译如下：本研究建立了一个整合粪浆池参考风速模型、对流传质系数模型和粪浆表面CH4浓度模型的建模框架，并将其应用于侧壁射流通风下完全occupied的两栏式猪舍，验证了该框架预测此通风配置下CH4排放的能力。为使质传系数模型具有更广适用性，采用量纲为1数（Sh）进行了表述。结合质传系数和粪浆表面CH4浓度的CH4排放建模方法可用于构建猪舍CH4排放预测模型。预测的CH4表面浓度和对流传质系数模型不仅可用于预测冬季侧壁射流通风模式下的猪舍CH4排放，还可辅助定义CFD模拟的边界条件以进一步研究CH4减排策略。模型的敏感性分析进一步表明，减少粪浆龄期和体积可有效降低CH4排放。基于侧壁射流通风冬季实验数据开发的质传系数模型也应用于预测漫射天花板通风系统的粪浆表面CH4浓度，但排放预测精度有所下降（R²为0.78，RMSE为1548.96 mg/h），低于侧壁射流通风下的结果（R²为0.88，RMSE为1093.19 mg/h）。</sub>