- 综合排序
- 最热优先
- 最新优先
- 来自专栏kali blog
Arduino OLED显示温湿度及土壤湿度
本期教程，我们来说说怎样通过Arduino将DHT11 和土壤湿度传感器的数据通过OLED屏幕显示出来。. 首先，来看看实际的效果怎样吧！ 温湿度传感器 土壤传感器 线路连接 OLED屏幕 GND-->GND VCC-->3.3V SCL-->SCL SDA-->SDA DHT11线路 GND-->GND VCC-->3.3V DATA-->D10 代码 #include <DFRobot_DHT11.h> #include "U8glib.h" #define DHT11_PIN 10//设置D10引脚为DHT11数据采集端 int moistureSensorPin 0x00, 0x00, 0x23, 0xF8, 0x12, 0x08, 0x12, 0x08, 0x83, 0xF8, 0x42, 0x08, 0x42, 0x08, 0x13, 0xF8, 0x10 u8g.drawStr( 80, 60, "%"); int moistureValue = analogRead(moistureSensorPin); // 读取传感器的模拟值 // 将模拟值转换为土壤湿度百分比
35510编辑于 2025-07-28 - 来自专栏DIY
小安派简易 DIY——土壤湿度检测器
用 AiPi-Eyes-DSL 做一些小玩意还是不错的，这次带来的小物品是土壤湿度检测器，其实是非常简单的 DIY，原理在于使用 ADC 采集土壤湿度，再将数据显示到屏幕上，屏幕显示是基于 LVGL 绘制的 产品展示物料准备物料数量AiPi-Eyes-DSL（包含 3.5 寸屏幕）1电容式土壤湿度传感器1电容式土壤湿度传感器比电阻式的更加精准（再也不用担心数值乱飘），这里采用的三线制，VCC、GND 和信号线
47010编辑于 2024-10-25 - 来自专栏Dotnet9
在树莓派用C#+Winform实现传感器监测
| | | 0v | | | | 4 | 7 | GPIO. 7 | IN | 1 | 7 || 8 | 1 | ALT5 | TxD | 15 | 14 | | | | 0v | | | 9 || 10 | 15 || 16 | 0 | IN | GPIO. 4 | 4 | 23 | | | | 3.3v | | | 17 || 18 | 1 | OUT | GPIO. 5 | 5 | 24 | | 10 | 21 || 22 | 1 | OUT | GPIO. 6 | 6 | 25 | | 11 | 14 | SCLK | ALT0 | 1 | 23 || 24 | 0 | OUT | CE0 | 10 | | | 0v | | | | 4 | 7 | GPIO. 7 | IN | 1 | 7 || 8 | 1 | ALT5 | TxD | 15 | 14 | | | | 0v | | | 9 || 10 this.土壤湿度.TabIndex = 6; this.土壤湿度.Text = "土壤湿度"; // // 土壤湿度显示 //
1.4K20发布于 2021-12-01 - 来自专栏开发者成长激励计划2022
开发者成长激励计划-基于TencentOS Tiny的植物土壤湿度监测机
一、总体设计 本次有幸参与开放原子开源基金会举办的开发者成长激励计划，植物土壤湿度监测机基于TencentOS Tiny CH32V_EVB RISC-V开发套件（采用WCH的RISC-V CH32V307VCT6 MCU）开发套件，外接WiFi模组及土壤湿度传感器监测植物生长环境湿度数据上传至云端，支持本地自动水泵运行，也可以通过腾讯云IoT实现云端手动控制水泵。 扩展串口UART数量到8组，定时器到10组，其中4组高级定时器。提供USB2.0高速接口（480Mbps）并内置了PHY收发器，以太网MAC升级到千兆并集成了10M-PHY模块。 图片 硬件外设选择了土壤湿度传感器、一个板载的ESP8266模块直接用上了。水泵手头暂时没有，先LED顶上吧，板子上UESR LED 3/4权当水泵。 CalibrattionValue:%d\n", Calibrattion_Val); while(1) { val = Get_ADC_Average( ADC_Channel_8, 10
94080编辑于 2023-07-01 - 来自专栏疯狂学习GIS
NC | 骤旱加剧全球植被损失并延缓植被恢复
干旱定义与分类 骤发干旱：土壤湿度百分位数在5期内快速下降≥5%/期（从>40%降至<20%），且持续≥4期（图1a）。 缓发干旱：土壤湿度下降速率<5%/期，发展更为缓慢（图1b）。 数据来源：融合ERA5-Land三层土壤湿度数据（0–100 cm），计算期（5天）平均值并转换为百分位数。 2. 阈值效应：土壤湿度下降速率≥5%/期时，NDVI损失增量近乎翻倍（Supplementary Fig. 19），验证了5%/期的生态临界点。 未恢复区域：约87.5×10⁴ km²（骤发干旱）和39.9×10⁴ km²（缓发干旱）在极端干旱后NDVI未完全恢复。 生长季定义：北半球4–9月，南半球10–3月，避免物候周期干扰。 统计方法：平滑样条拟合无干旱条件下的NDVI基线，计算异常值。
18110编辑于 2026-01-13 - 来自专栏MeteoAI
科研解读 | ACP-高温天气对土壤湿度的敏感性：WRF模式的个例研究
2010年夏季，东欧及俄罗斯大块地区出现持续的异常炎热天气；俄罗斯西部地区的区域平均最高气温比2003~2009年夏季平均高出8℃~10℃，这次异常高温热浪事件造成的不利影响在强度和空间范围上均超过2003 这些研究大都利用天气或气候模式进行较长时间（如季节）的连续积分，研究高温事件中土壤湿度的影响，并认为，前期土壤湿度偏低或者高温热浪期间土壤湿度偏低有利于热浪的产生、维持或者增强。 同时，我们注意到，前人的研究主要集中在土壤湿度较正常偏低的情况，那么在土壤湿度较正常偏高的情况下，高温天气模拟对增大土壤湿度的敏感程度将出现怎样的变化？ 对这些的回答，都可增进我们对高温天气中土壤湿度影响的理解，并可通过较好土壤湿度指数的预报来提高高温天气预报的准确率。 每组执行10个24小时积分。 与以往关于气候热浪事件的研究不同时间尺度，本文给出了模拟的灵敏度主要以短期炎热天气对初始土壤水分的影响，并强调在模拟炎热天气时，适当的土壤水分初值的重要性。 ? ? ?
1.8K10发布于 2020-09-21 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
GEE 图表：分析摩苏尔水库流域的土壤湿度和降水数据，计算并可视化时序图表
GEE 图表：分析摩苏尔水库流域的土壤湿度和降水数据，计算并可视化时序图表 数据 NASA_USDA/HSL/SMAP10KM_soil_moisture NASA_USDA/HSL/SMAP10KM_soil_moisture 这个数据集的目标是提供全球范围内10公里分辨率的土壤湿度观测数据。 该数据集是通过使用名为Soil Moisture Active Passive (SMAP)的卫星来收集观测数据。 NASA_USDA/HSL/SMAP10KM_soil_moisture数据包含了全球各地区的土壤湿度观测结果，并提供了每个像素的土壤湿度值。 总之，NASA_USDA/HSL/SMAP10KM_soil_moisture数据提供了全球范围内土壤湿度观测数据，具有广泛的应用潜力。 */ // 土壤湿度数据 var nasa_usda_smap = ee.ImageCollection('NASA_USDA/HSL/SMAP10KM_soil_moisture'); // 降水数据
32710编辑于 2025-02-04 - 来自专栏防止网络攻击
基于51单片机的自动浇花器电路
工作原理为：土壤湿度传感器测出土壤湿度模拟信号，经AD转换器将模拟信号转换成数字信号后传输到51单片机，单片机将土壤湿度数据与设定的上下限值进行比较。 当土壤湿度增加至超过下限时，声光报警关闭，但水泵会继续工作，直到土壤湿度继续增加并超过设定的上限值为止。 用户可通过按键设定湿度上下限值，土壤湿度数据和上下限值数据均通过LCD显示屏实时显示。 点击RV2向上的红色箭头，模拟土壤湿度的增加。 当土壤湿度从23%增加至37%，超过下限时，声光报警停止工作，但水泵会继续工作，直到土壤湿度继续增加到高于上限值为止，过程如下所示。 +0x30);//上限百位 write_date(RH/10%10+0x30);//上限十位 //write_date('.'); //write_date(RH%10+0x30 ); write_date(temp/100%10+0x30);//千位 write_date(temp/10%10+0x30);//百位
60711编辑于 2024-05-16 - 来自专栏气象学家
国家杰出青年科学基金项目《陆气相互作用》研究进展
主要进展如下： 主要进展-1 定量评估了土壤湿度持续性和海洋外强迫对土壤湿度可预报性的影响 土壤湿度是陆面过程的关键因子，加强土壤湿度可预报性的研究是深入理解陆面过程影响的基础。 研究发现：仅考虑土壤湿度的自身持续性，土壤湿度的可预报性仅为1-2个月，而考虑海温作为外强迫因子时，可以显著提高土壤湿度的可预报性；考虑海温外强迫之后，热带、北美和西亚地区土壤湿度可预报性提升最为显著， 通过分析发现中国东部的土壤湿度存在显著的10~30周期变化，这一周期变化主要出现在中国东部的雨季（图9）。然而，这一次显著的次季节周期并非完全由降水的周期造成，可能与土壤的其它特性有关。 8月黄淮流域降水产生影响（图10）。 图10 华南7月土壤湿度影响8月黄淮降水的可能物理机制示意图（Dong X，Zhou Y，Chen HS, et al. 2021 Climate Dynamics） 主要进展-6 揭示了局地陆气相互作用和欧亚春季融雪对东亚中纬度夏季非均匀增暖的贡献及其影响机理
1.8K21编辑于 2022-03-28 LoRa 通信协议
长距离：视野开阔的情况下，通信距离可达 10-15 公里。 低数据速率：适用于小数据包的传输（如传感器数据）。 频段：常用的免费频段包括 433 MHz、868 MHz 和 915 MHz。 LoRa 案例：土壤湿度监测 项目需求 通过 LoRa 通信协议，将土壤湿度传感器数据从一个 LoRa 节点发送到 LoRa 网关。 网关接收数据并通过串口显示。 土壤湿度传感器：常用型号为 YL-69。 开发板：如 Arduino UNO 或 ESP32。 供电设备：USB 或电池。 项目结构 发送端（Node）： 采集土壤湿度数据。 LORA_SS 10 // LoRa 模块的 SS 引脚 #define LORA_RST 9 // LoRa 模块的 RESET 引脚 #define LORA_DIO0 接收端（LoRa Gateway） #include <SPI.h> #include <LoRa.h> #define LORA_SS 10 // LoRa 模块的 SS 引脚 #
99910编辑于 2025-08-29- 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
俄克拉荷马州 MOISST 站点上空采集的机载次冠层和次表层微波观测站 (AirMOSS) 雷达仪器的 1 (L1) 级极坐标雷达反向散射、多图复合、极坐标校准和地理参照数据产品
从 2012 年到 2015 年，至少每半年在北美的 10 个研究地点进行一次飞行活动。 获取的 L1 P 波段雷达后向散射数据将用于检索研究地点的 RZSM。 这些数据是通过雷达反射信号来测量地表土壤湿度变化的，并且具有极化信息，以提供更详细的土壤湿度特征。 AirMOSS项目通过收集多个日期的数据，可以观测土壤湿度的季节性和年度变化，从而提供更准确的土壤湿度预测和监测。 这些数据对于研究土壤湿度与气候变化、水文循环以及植被生长等方面具有重要意义。 研究人员可以利用AirMOSS数据来分析土壤湿度变化的空间和时间分布，并提供对土壤湿度变化的更深入理解。 代码 !pip install leafmap !pip install pandas ! Moisst_1413", cloud_hosted=True, bounding_box=(-99.0, 35.78, -96.82, 36.89), temporal=("2012-10
16200编辑于 2025-01-13 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
哥斯达黎加拉塞尔瓦生物站上空采集的机载次冠层和次表层微波观测站（AirMOSS）雷达仪器的 1 (L1) 级极坐标雷达反向散射系数
从 2012 年到 2015 年，至少每半年在北美的 10 个研究地点进行一次飞行活动。 获取的 L1 P 波段雷达后向散射数据将用于检索研究地点的 RZSM。 摘要 AirMOSS是一个用于监测土壤湿度的卫星雷达项目，它利用了P波段合成孔径雷达（SAR）来观测植被覆盖地区的土壤湿度变化。 这些数据提供了大量有关La Selva地区土壤湿度的信息。它们通过P波段SAR测量土壤的微小变化，从而揭示了土壤湿度的时空分布。数据中还包含了极化信息，可以提供有关土壤和植被特性的更多详细信息。 这些数据对于土壤湿度监测和研究非常有用。它们可以用于分析土壤湿度的季节变化、植被的生长和土壤水分的分布模式。 总而言之，AirMOSS项目的L1 S-0极化数据提供了关于La Selva地区土壤湿度的宝贵信息，可以在土壤湿度监测和研究中发挥重要作用。 代码 !pip install leafmap !
15200编辑于 2025-01-13 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
北美七个站点的地面传感器（L2）每小时容积（立方厘米/立方厘米）土壤水分剖面图
AirMOSS 项目使用机载雷达仪器估算北美 10 个研究地点的根区土壤湿度。 收集这些地面土壤水分数据是为了校准和验证 AirMOSS 数据。 该项目于2011年至2015年期间进行，旨在利用航空载荷的微波雷达技术来测量地下土壤湿度。 该雷达发射和接收L波段（1-2 GHz）微波信号，通过测量信号的反射和散射来推断土壤湿度。该技术具有穿透力强、对地表植被影响小的优点。 该数据集中包含了2011年至2015年期间AirMOSS项目在各个观测点收集到的地下土壤湿度数据。这些数据以每小时为间隔进行记录，提供了地下0-100厘米深度范围内的土壤湿度变化情况。 这些数据能够帮助科学家们了解土壤湿度的时空分布特征，以及土壤湿度与地表植被和气候变化的关系。 AirMOSS的数据对于研究地下水循环、土壤水分管理、气候变化和生态系统模拟等领域都具有重要意义。
21810编辑于 2025-01-17 - 来自专栏用户9270932的专栏
AIoT应用创新大赛 基于TencentOS Tiny智能家居自动浇灌监控系统
系统基于TencentOS Tiny EVB_AIoT开发板和NXP的MCUXpresso IDE，使用了土壤湿度传感器监测土壤湿度，并通过TencentOS Tiny的MQTT模块传输至腾讯云物联网开发平台 添加描述（二）软件方案与实现1.MQTT线程，负责连接腾讯云，接收土壤湿度数据并转发至腾讯云，接收腾讯云的控制命令，启停水泵。 - 3096)/10），按照湿度百分比来计算。 系统基于TencentOS Tiny EVB_AIoT开发板和NXP的MCUXpresso IDE，使用了土壤湿度传感器监测土壤湿度，并通过TencentOS Tiny的MQTT模块传输至腾讯云物联网开发平台 - 3096)/10），按照湿度百分比来计算。
808101编辑于 2022-03-14 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
杜克森林飞行活动中获得的所有 L1 产品
从 2012 年到 2015 年，至少每半年在北美的 10 个研究地点进行一次飞行活动。 获取的 L1 P 波段雷达后向散射数据将用于检索研究地点的 RZSM。 数据集提供了高分辨率的地表土壤湿度信息，可以用于研究土壤水分的时空变化以及与气候和生态系统的相互作用关系。 这些数据对于土壤湿度研究、水文模型验证、农业监测等应用具有重要意义。 研究人员可以使用这些数据来分析土壤湿度的时空变化、研究土地利用对土壤湿度的影响以及预测未来的土壤湿度变化趋势等。 代码 !pip install leafmap ! DukeFr_1408", cloud_hosted=True, bounding_box=(-80.04, 35.39, -78.5, 36.43), temporal=("2012-10 -13", "2015-09-10"), count=-1, # use -1 to return all datasets return_gdf=True, ) gdf.explore
25200编辑于 2025-01-13 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
豪兰森林飞行活动中获得的所有 L1 产品
AirMOSS 雷达是一种 P 波段（超高频）全偏振合成孔径雷达 (SAR)，目前工作在 420-440 兆赫波段，用于测量根区土壤湿度 (RZSM)，由美国宇航局湾流-III 型飞机搭载。 从 2012 年到 2015 年，至少每半年在北美的 10 个研究地点进行一次飞行活动。 获取的 L1 P 波段雷达后向散射数据将用于检索研究地点的 RZSM。 P频段SAR是一种特殊的雷达技术，能够穿透植被并探测地下的土壤湿度和根系。L1 S-0极化数据意味着数据集包含了水平（H）和垂直（V）极化的数据，以及斜极化（S-0）的数据。 这些数据对于研究地下土壤湿度和树木根系的分布非常有用。研究人员可以利用这些数据来分析植被覆盖下的土壤湿度变化以及树木根系在不同地区的分布情况。 Howlnd_1410", cloud_hosted=True, bounding_box=(-69.11, 44.5, -68.25, 46.02), temporal=("2012-10
25000编辑于 2025-01-13 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
NASA数据集——全球土壤顶部 1 厘米土壤湿度的网格估算值25km分辨率
AMSR-E/Aqua L2B Surface Soil Moisture, Ancillary Parms, & QC EASE-Grids V003 简介 该数据集包含土壤顶部 1 厘米土壤湿度的网格估算值 土壤湿度是通过 AMSR-E/Aqua L2A亮度温度（Tb）测量值估算的，使用了两种不同的方法：归一化极化差算法（NPD）和单通道算法（SCA）。 为了与 AU_Land 土壤湿度产品保持一致，现在使用两种不同的方法估算土壤湿度：归一化极化差算法（NPD）和单通道算法（SCA）。因此，输出参数现在与 AU_Land 相同。 参数： 土壤湿度/含水量预测含水量 平台 Aqua 传感器 AMSR-E 数据格式： HDF-EOS5 时间范围 2002 年 6 月 1 日至 2011 年 10 月 4 日 时间分辨率 cloud_hosted=True, bounding_box=(-180.0, -89.24, 180.0, 89.24), temporal=("2002-06-01", "2011-10
28000编辑于 2024-05-24 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine——NASA-USDA增强型SMAP全球土壤水分数据以10公里的空间分辨率提供全球的土壤水分信息。包括：地表和地下土壤湿度（毫米）和异常，土壤湿度剖面（%）
NASA-USDA Enhanced SMAP Global soil moisture data provides soil moisture information across the globe at 10 NASA-USDA增强型SMAP全球土壤水分数据以10公里的空间分辨率提供全球的土壤水分信息。该数据集包括：地表和地下土壤湿度（毫米），土壤湿度剖面（%），地表和地下土壤湿度异常（-）。 Big Data, 3(10). doi:10.3389/fdata.2020.00010 Article Mladenova, I.E., Bolten, J.D., Crow, W.T., Sazib Remote sensing, 10(8): 1265. doi:10.3390/rs10081265 Article Bolten, J., W.T. Crow, X. Zhan, T.J. Yields Over the U.S., IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 10
50810编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
机载次冠层和次表层微波观测站（AirMOSS）雷达仪器在北美十个站点采集的多深度、90 米空间分辨率的 23 级根区土壤湿度（RZSM）估算值
Derived From Radar, 2012-2015 简介 该数据集提供了通过机载次冠层和次表层微波观测站（AirMOSS）雷达仪器在北美十个站点采集的多深度、90 米空间分辨率的 2/3 级根区土壤湿度 每个文件都代表单个站点单日一次 AirMOSS 飞行活动的 L2/3 土壤湿度估算值。 该数据产品的算法理论基础文件（ATBD）作为配套文件提供。 摘要 AirMOSS是一个美国国家航空航天局（NASA）资助的项目，旨在通过使用合成孔径雷达（SAR）技术来观测和监测地球表面的土壤湿度。 通过AirMOSS项目收集的数据，可以获得土壤湿度的垂直剖面信息，即L2/3 Volumetric Soil Moisture Profiles。 AirMOSS项目的数据可用于研究土壤水分对生态系统和气候的影响，以及用于监测土壤湿度的变化。该数据对于农业、水资源管理和自然灾害预警等领域具有重要的应用价值。
18510编辑于 2025-01-17 单片机智能自动浇水浇花灌溉装置设计，Keil程序+Proteus仿真+原理图+论文
工作原理为：土壤湿度传感器测出土壤湿度模拟信号，经AD转换器将模拟信号转换成数字信号后传输到51单片机，单片机将土壤湿度数据与设定的上下限值进行比较。 当土壤湿度低于下限时，驱动水泵工作进行灌溉浇水，并提供声光报警。当土壤湿度增加至超过下限时，声光报警关闭，但水泵会继续工作，直到土壤湿度继续增加并超过设定的上限值为止。 通过调节滑动变阻器RV2（鼠标点击上下两个红色箭头），改变输入到ADC0832采样通道0的电压大小来模拟土壤湿度的变化。点击RV2向下的红色箭头，模拟土壤湿度的降低。 点击RV2向上的红色箭头，模拟土壤湿度的增加。当土壤湿度从23%增加至37%，超过下限时，声光报警停止工作，但水泵会继续工作，直到土壤湿度继续增加到高于上限值为止，过程如下所示。 需要说明的是，水泵停止工作（即：土壤湿度超过上限）后，调节RV2模拟土壤湿度的下降，在下降到上下限范围内时，水泵不会启动，只有土壤湿度继续下降至低于下限时才会启动。通过按键可以预设湿度的上下限值。
2.7K12编辑于 2024-04-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号