世界气象日 | Sensors：智慧气象，清新地球 | MDPI 编辑荐读

点击左上角"MDPI开放数字出版"关注我们，为您推送更多最新资讯。

每年的3月23日是世界气象日，旨在唤起人们对气象工作的重视和热爱，推广气象学在航空、航海、水利、农业和人类等其他活动方面的应用。本期推文精选了近期发表在Sensors期刊上有关气象监测的最新技术，以飨读者。

01

Performance of the ATMOS41 All-in-One Weather Station for Weather Monitoring

用于气象监测的ATMOS41多合一气象站

Olga Dombrowski et al.

https://doi.org/10.3390/s21030741

三个ATMOS41均摆放成一排安装在距离地面2米的位置

性价比和精准度高的气象监测系统对于低收入和发展中国家至关重要。近年来，智能农业和城市气候等小型研究越来越需要这样的监测系统。多合一气象站可以提供可靠的测量数据，成效高，且结构坚固，易于使用。来自德国Forschungszentrum Jülich GmbH的Heye Reemt Bogena博士及其科研团队对市售的ATMOS41多合一气象站的性能进行了评估。测评结果表明，与参照系统相比，ATMOS41多合一气象站表现更加突出，非常适用于农场等私人用户使用，但在使用时需要注意这种气象台在测量降水量方面的局限性。

识别二维码

阅读英文原文

02

Heterogeneous (ITS-G5 and 5G) Vehicular Pilot Road Weather Service Platform in a Realistic Operational Environment

现实操作环境中的异构 (ITS-G5和5G) 车辆试点道路气象服务平台

Muhammad Naeem Tahir and Marcos Katz

https://doi.org/10.3390/s21051676

专为 (ITS)-G5和5G相结合的智能交通系统量身定制的道路天气监测服务

车辆自组织网络 (VANETs) 是车载通信领域中无线通信技术的一个新兴领域。来自芬兰University of Oulu的Muhammad Naeem Tahir博士及其科研团队将ITS-G5和基于蜂窝的5G测试网络 (5GTN) 结合在一起，组成了一种先进的异构车载网络 (VN) 测试平台。该平台通过采集实时天气数据和道路观测信息，搭建了一个实时智能交通保障服务网络平台。基于实地测量的结果，该课题组提出了一种有效的解决方法，旨在利用道路天气信息开发综合异构车辆网络基础设施。

识别二维码

阅读英文原文

03

Implementation of a MEIoT Weather Station with Exogenous Disturbance Input

具有外源性干扰输入的MEIoT气象站

Héctor A. Guerrero-Osuna et al.

https://doi.org/10.3390/s21051653

国家智能环境数字天文台 (OBNiSE) 教育机电一体化物联网 (IoT) 架构

受COVID19影响，线上教学得到了广泛应用。来自墨西哥Universidad del Valle de México的Luis F. Luque-Vega博士及其科研团队设计和实施了一种名为MEIoT气象站的新型物联网设备。该设备在国家智能环境数字天文台 (OBNiSE) 体系结构中结合了外源性干扰输入。外源性干扰输入涉及带有直流无刷电动机的鼓风机。此设备可以通过Node-RED平台上的滑杆手动控制，也可以通过不同的预定义配置文件功能自动控制，实现修改风速和风向标传感器数值的效果。本项研究以机电一体化教育概念框架 (EMCF) 为背景，以最小二乘回归主题 (线性、二次、三次近似) 教学设计为例，介绍了该平台在工程教育中的应用，突显其间的相关性。这项工作的主要贡献是借助集成的外部干扰输入，将天气监控系统转变为综合实践学习方法。

识别二维码

阅读英文原文

04

Temperature Prediction Based on Bidirectional Long Short-Term Memory and Convolutional Neural Network Combining Observed and Numerical Forecast Data

天气预测—结合观测与数值预报的双向长短期记忆和卷积神经网络

Seongyoep Jeong et al.

https://doi.org/10.3390/s21030941

基于深度神经网络的温度预测模型

天气会受到地形、位置和时间等复杂因素的影响。为了更加精准地测量天气，来自韩国Gwangju Institute of Science and Technology的Hong Kook Kim科研团队使用基于深度神经网络的温度预测模型，从自动气象站获取了时间序列天气数据，并从区域数据同化和预测系统 (RDAPS) 中收集了图像数据。为了将不同类型的数据容纳到单个模型中，使用双向长短期记忆 (BLSTM) 模型和卷积神经网络 (CNN) 模型来表示时间序列观测数据和RDAPS图像数据中的特征。将这两种模型的功能结合起来，即可预测未来14天的温度。实验结果表明，与仅使用观察数据的BLSTM模型和仅使用RDAPS图像数据的CNN-BLSTM模型相比，两种模型结合在一起的预测数据准确度更高。

识别二维码

阅读英文原文

05

Advanced Real-Time Monitoring of Rainfall Using Commercial Satellite Broadcasting Service: A Case Study

商业卫星实时监测降雨

Gian Luigi Gragnani et al.

https://doi.org/10.3390/s21030691

智能降雨系统 (SRS) 传感器射频前端工作原理示意图

正确调节地表水和地下水是一个领域可持续发展的根本目标。来自意大利University of Genoa的Daniele D. Caviglia科研团队介绍并讨论了一种实时监测降雨和累积降雨的新系统。该系统运行了一种基于IoT的传感器网络，可以使用相对较少的传感器，放置在传统天气雷达和雨量计未覆盖的区域。作者将该系统与偏振天气雷达和传统雨量计的数据进行对比，发现该设备部署、维护和保养的成本较低。因此，尽管该项目仍处于开发的早期阶段，但其仍具有成为快速、可靠监测系统的巨大潜力。

识别二维码

阅读英文原文

06

The Influence of Climate Parameters on Maintenance of Wind Farms—A Galician Case Study

气候参数对风力发电场维护的影响—Galician案例研究

José A. Orosaet al.

https://doi.org/10.3390/s21010040

每种风向的温度和风速

不同的风力发电场监测程序拥有两个相同的目标。一是通过国家电网的能力提高能源产量；二是缩短由于预防性或纠正性维修导致的停机时间。为实现这两种目标，需要使用不同的传感器对设备的工作情况、电力生产情况和天气情况进行实时监测、采样。来自西班牙University of A Coruña的José A. Orosa科研团队测试了天气和维修之间的一些数学关系，但没有一个变量的极值可以预测故障及工作时间的损失。为此，该课题组通过统计分析确定了气象变量与误差之间的关系，并得到了不同的模型。研究结果表明，该模型可以适应不同的天气区域，可作为天气维护的有效工具，适用于其他风力发电场的个案研究。

识别二维码

阅读英文原文

Sensors (ISSN 1424-8220) 于2001年创刊，2019年最新影响因子为3.275，在JCR 'Instruments & Instrumentation'学科分类中排名居Q1(15/64)；2019 Citescore 为5.0，在 Scopus 'Physics and Astronomy: Instrumentation' 学科分类中排名居Q1(17/129)。作为一个国际型开放获取期刊，Sensors主要刊载传感器科学和技术研究领域的学术文章，采取单盲同行评审，一审周期约为15天，文章从接收到发表仅需2.6天。

往期回顾：

版权声明：

文案作者：Tammy Zhang

本内容由MDPI中国办公室编辑负责撰写，一切内容请以英文原版为准。如需转载，请邮件联系：[e-mail]

由于微信订阅号推送规则更新，建议您将“MDPI开放数字出版”设为星标，便可在消息栏中便捷地找到我们，及时了解最新开放出版动态资讯！

点击左下方“阅读原文”，进入期刊官网。

喜欢今天的内容？不如来个“三连击”☞【分享，点赞，转发】