- 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！ -- 文字: ℃ --*/ /*-- 宋体12; 此字体下对应的点阵为：宽x高=16x16 --*/ 0x60, 0x00, 0x91, 0xF4, 0x96, 0x0C, 0x6C 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
| | | 5v | | | | 2 | 8 | SDA.1 | ALT0 | 1 | 3 || 4 | | | 5v | | | | 3 | 9 | SCL.1 | ALT0 | 1 | 5 || 6 | 6 | 25 | | 11 | 14 | SCLK | ALT0 | 1 | 23 || 24 | 0 | OUT | CE0 | 10 | 8 | | | | 0v | | | 25 || 26 ); this.土壤湿度.Name = "土壤湿度"; this.土壤湿度.Size = new System.Drawing.Size(94, 21); this.土壤湿度.TabIndex = 6; this.土壤湿度.Text = "土壤湿度"; // // 土壤湿度显示 // ; this.土壤湿度显示.Location = new System.Drawing.Point(143, 89); this.土壤湿度显示.Name = "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。 图片 二、硬件设计 开发板采用沁恒RISC-V MCU CH32V307VCT6芯片，CH32V305/7系列是基于沁恒自研RISC-V架构微处理器青稞V4系列设计的32位工业级互联型微控制器，配备了硬件堆栈区 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。 val = 3500; if(val > 4090 ) val = 4000; return ((4000 - val)/5); } 本地水泵控制逻辑，低于50%启动水泵，1s监测一次土壤湿度
94080编辑于 2023-07-01 - 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
发现随着华北地区年代际增暖，土壤湿度呈现下降趋势，导致土壤湿度对局地热力状态和极端高温事件的负反馈能力得到加强（图6）。 1961-2012年间，该地区土壤湿度的反馈贡献占气温变化的6%，而在1994-2012年，华北增温后，反馈贡献达到36%。 图6 冷期1961-1993 (a 和 c)和暖期1994-2012 (b 和 d)华北地区土壤湿度对平均气温的反馈参数(a 和 b，单位:°C (1%)-1)及方差贡献(c 和 d，单位:1%)，打点区域表示显著性通过 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 图17 5月土壤焓(a)、土壤温度(b)、土壤湿度(c)与 6月降水的相关（实点通过 p<0.05的显著性水平）（Zhao CY, Chen HS, et al. 2018 AAS） 陈海山教授简介 陈海山
1.8K21编辑于 2022-03-28 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。 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。 水泵停止LED_R=1; //红灯熄灭}资源内容（1）基于51单片机花卉、农田自动浇水灌溉系统设计毕业论文；（2）Proteus仿真文件；（3）C程序文件；（4）原理图文件；（5）Visio流程图文件；（6）
2.7K12编辑于 2024-04-14- 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
6. 在这个演示中，我们使用了每月一次的GPM IMERG的最终产品， 从2001年6月到2021年9月开始发售。 土壤湿度产品 /* 我们直接使用来自美国宇航局-美国农业部增强型SMAP土壤湿度的异常产品 */ //异常表面和地下土壤湿度（mm）。 var monthlyPrecipitationAnomalies = monthlyPrecipitation.map( computeAnomalyPrecipitation); // 6. 棕色较多的像素具有更多的负值 */ // 设定颜色 var palette = ['8c510a', 'bf812d', 'dfc27d', 'f6e8c3', 'ffffff',
32710编辑于 2025-02-04 LoRa 通信协议
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.begin(433E6)) { Serial.println("启动 LoRa 失败!") LoRa.begin(433E6)) { Serial.println("启动 LoRa 失败!") 注意事项 频率设置： 确保发送端和接收端设置的频率一致，例如 433E6（433 MHz）。 天线安装： LoRa 模块需要正确安装天线，以确保通信距离和信号强度。
99910编辑于 2025-08-29- 来自专栏气象学家
四种卫星反演土壤湿度产品在中国北方地区的适用性评估
随着卫星观测技术的发展，遥感方法为土壤湿度的估算开辟了新的途径，近年来基于微波传感器的土壤湿度反演估算得到了深入研究，该技术可提供全球或区域高分辨率土壤湿度信息，已成为获取较大空间尺度土壤湿度信息的最有效手段之一 因此，在使用或改进土壤湿度反演产品时，识别其在时间和空间上误差特征是至关重要的｡ 本文利用中国北方地区土壤湿度站点观测数据，计算了AMSR2、CCI、SMAP和SMOS等4种基于卫星微波传感器的土壤湿度反演产品与观测数据的中位数 结果表明，AMSR2能给出中国北方地区土壤湿度分布的总体格局，但较实况观测值存在明显高估；SMAP和SMOS反演土壤湿度的概率分布与实况观测较为接近，对中西部土壤湿度较干地区反演结果较好；CCI产品对中国北方地区土壤湿度分布特征刻画效果最好 在不同季节中，卫星反演产品对夏季土壤湿度的描述能力最佳，而对冬季土壤湿度的描述能力较差。AMSR2和CCI对所有季节反演均为正偏差，SMAP和SMOS对所有季节反演均为负偏差。 发表论文近40篇，其中第一作者（或通讯作者）21篇，SCI（SCIE）检索6篇，EI检索2篇；副主编出版专著3部；总被引240余次。
1.3K20编辑于 2022-04-18 - 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 - 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
结果表明，一旦暖、干的环境形成，土壤湿度偏低对其维持是有利的。 敏感性试验表明，土壤湿度对于欧洲热浪的演变是一个重要的参数，若无春季土壤湿度异常偏低，一些地区夏季的异常高温能降低40%左右。 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。
1.8K10发布于 2020-09-21 - 来自专栏嵌入式项目开发
基于STM32的蔬菜大棚温湿度智能控制系统设计
【1】主控芯片：STM32F103ZET6 主控芯片使用STM32F103ZET6，它是一款高性能的ARM Cortex-M3内核微控制器，具有丰富的外设资源和强大的处理能力。 【3】土壤湿度传感器：土壤湿度传感器 土壤湿度采集选用土壤湿度传感器，通过模拟-数字转换器（ADC）接口采集土壤湿度数据。该传感器能够准确测量土壤湿度，为农作物提供合适的灌溉水量。 【5】LCD显示：将采集到的温湿度和土壤湿度数值通过LCD显示屏进行显示，以便用户实时监测。 【6】用户交互：通过按键输入或其他方式，实现用户与系统的交互。设置土壤湿度阈值、调节温度范围等。 系统的主控芯片采用了STM32F103ZET6，用于控制和协调各个硬件模块的工作。 系统的功能包括温湿度的实时监测、土壤湿度的检测、通风风扇的自动控制、灌溉系统的自动控制和数据的显示。通过按键设置土壤湿度阈值，实现自动浇水功能，当土壤湿度低于阈值时，系统自动开启灌溉系统进行浇水。
2.6K51编辑于 2023-09-27 - 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
28000编辑于 2024-05-24 - 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. 驱动因子归因分析 采用多元线性回归量化四类干旱特征的贡献，分别包括土壤湿度下降速率、干旱频率、干旱强度和持续时间，通过标准化系数计算各因子贡献率。 关键发现 1. 强度：骤发干旱的最小土壤湿度百分位更低（5.6% vs. 11.9%），表明其胁迫更剧烈。 驱动因子：降水亏缺是主因（贡献74.3%），蒸散发和融雪为次要因素。 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。
18110编辑于 2026-01-13 - 来自专栏技术汇总专栏
[开源免费]基于STM32的全自动节水灌溉系统
整体架构如下：控制核心：STM32F103C8T6或STM32F401等Cortex-M3/M4微控制器传感器模块：土壤湿度（电阻式/电容式）、光照强度、温湿度、雨滴检测执行机构：电磁阀、水泵、继电器驱动模块通信模块 三、核心功能设计1.实时土壤湿度监测采用电容式土壤湿度传感器，通过ADC采集模拟值并进行滤波处理。软件内部通过多点标定建立湿度—ADC映射关系，得到最终湿度百分比。 2.智能灌溉策略控制灌溉策略不再是“湿度低于阈值就浇水”这么简单，而是通过多维因素进行判断：参数作用土壤湿度判断是否缺水光照强度判断是否处于曝晒状态空气温湿度估计蒸发速度是否下雨防止雨天灌溉历史灌溉时间限制过多灌溉策略示例 2.传感器模块土壤湿度：电容式（抗腐蚀、寿命长）光照强度：光敏/TSL2561雨滴检测：模拟量+数字阈值空气温湿度：DHT22/SHT30所有传感器通过排针外接，便于更换与维护。
91210编辑于 2025-12-06 - 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——1 度网格单元的全球月度土壤湿度统计数据
GES DISC GES DISC 的 AMSR-E/Aqua 第 3 级全球每月地表土壤水分标准偏差 V005 (AMSRE_STDMO) 简介 该数据集包含 1 乘 1 度网格单元的全球月度土壤湿度统计数据 - ** 数据集简介** 该数据集包含1x1度网格单元的全球月表面土壤湿度统计数据（标准偏差），数据来源为AMSR-E每日。 [来源](https://monica.im/s/CuNBYiSw6n) - ** 数据来源** 该数据集为AMSR-E/Aqua级别3全球月表面土壤湿度标准偏差V005（AMSRE_STDMO）在GES 数据包含全球月表面土壤湿度统计数据。[来源](https://monica.im/s/CuNBYiT4cr) 该数据集包含 1 乘 1 度网格单元的全球月度土壤湿度统计数据（标准偏差）。
43010编辑于 2024-07-12 - 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
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。 此外，这些数据还可以帮助农业和自然资源管理者更好地了解土壤湿度对作物生长和水资源管理的影响。 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 - 来自专栏速入大数据
数据下田，庄稼不“瞎种”——聊聊大数据如何帮农业提效
说白了，农业数据来源主要有三块：传感器数据：土壤湿度、pH值、温度、光照强度，全都能实时监控。比如地里埋个传感器，就知道今天土壤渴不渴。 import LinearRegression# 假设我们有一份农田的土壤湿度数据data = { "temperature": [20, 22, 25, 27, 30, 32, 35], # 温度(℃) "humidity": [40, 38, 35, 33, 30, 28, 25] # 土壤湿度(%)}df = pd.DataFrame(data)# 建立一个线性回归模型 运行结果可能是：预计温度 28℃ 时，土壤湿度约为 32.5%。预计温度 31℃ 时，土壤湿度约为 29.0%。预计温度 34℃ 时，土壤湿度约为 25.5%。 这意味着，当气温再升高，土壤湿度会快速下降，如果低于某个阈值（比如25%），咱就该考虑浇水了。相比以前凭经验“差不多该浇了”，这就科学多了。三、数据还能帮农民做啥？1.
27600编辑于 2025-09-26 - 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
摘要 AirMOSS是由NASA发起的一个地球科学项目，旨在利用P波段合成孔径雷达(SAR)观测地球表面的土壤湿度变化。 MOISST仪器具有极化能力，可以获取地表土壤湿度和温度的高分辨率数据。 AirMOSS数据集中的每个数据都包含了来自AirMOSS项目的P波段SAR观测数据。 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 !
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
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
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