iMETOS VWS
Ihr unverzichtbarer Partner für Smart Farming.
WAS SIND DIE VORTEILE EINER VIRTUELLEN WETTERSTATION?
HAUPTMERKMALE
- Berechnete Sensoren gleichen dem iMETOS IMT300 Sensorset: Windgeschwindigkeit, Solarstrahlung, Bodentemperatur, Lufttemperatur, Niederschlagsmengen, relative Luftfeuchtigkeit und Blattnässe, sowie berechnete Werte für ET0, Sättigungsdampfdruckdefizit (VPD) und DeltaT.
- Alle Daten und Entscheidungsunterstützungssysteme sind online auf der FieldClimate Plattform einsehbar.
DIE iMETOS VWS IST GENAU DAS RICHTIGE FÜR SIE, WENN:
iMETOS VWS vs. iMETOS IoT STATION
Virtuelle Wetterstation | iMETOS IOT Stationen | |
Variablen | Dieselben Parameter wie iMETOS IMT300 + Bodentemperatur | Hängt vom Sensorset ab |
Präzision | Beschränkt | Hoch |
Verfügbarkeit | Überall auf der Welt | Nur dort, wo die Station installiert ist |
Terrain | Kein komplexes Terrain | Unabhängig vom Terrain |
Instandhaltung | Keine Instandhaltung | Regelmäßige Instandhaltung der Hardware notwendig |
Eignung für wichtige Entscheidungen (Frost, water management, disease modelling etc.) | Beschränkt | Hoch |
DATENQUALITÄT UNTERSTÜTZT DURCH AKTUELLE FALLSTUDIEN
Mittels aktueller Fallstudien werden iMETOS VWS stetig verbessert.
Sieben verschiedene Umgebungsparameter wurden in den letzten drei Monaten an mehr als 25 verschiedenen METOS®-Stationen weltweit validiert, indem die Genauigkeit der virtuellen Daten von meteoblue analysiert und mit Sensormesswerten von Pessl Instruments verglichen wurde.
Vor allem Lufttemperatur, relative Luftfeuchtigkeit, Solarstrahlung, Windgeschwindigkeit und Bodentemperatur werden stündlich und Niederschlag und Blattnässe täglich berücksichtigt, da sich diese Parameter schnell verändern können.
Die Ergebnisse zeigen, dass die Lufttemperatur auf Stundenbasis einen mittleren absoluten Fehler MAE <1.5K, die relative Luftfeuchtigkeit <10%, die Windgeschwindigkeit <1.5 m/s und die tägliche Niederschlagsmenge <2 mm aufweisen.
Folgende Messungen wurden definiert, um eine statistische Analyse aller Daten durchzuführen.
- MAE (Mean absolute error) misst die durchschnittliche Größe der Fehler in einem Datensatz, ohne ihre Richtung zu berücksichtigen.
- MBE (Mean bias error) ist ein Indikator dafür, ob das Modell die Messwerte über- oder unterbewertet.
- RMSE (Root mean square error) ist eine quadratische Bewertungsregel, die die durchschnittliche Größe des Fehlers misst. Damit ist das RMSE vor allem dann nützlich, wenn große Fehler besonders unerwünscht sind.
*Vergrößern Sie ein Bild, indem Sie darauf klicken
Die virtuelle Wetterstation ermöglicht bei Bedarf eine manuelle Anpassung der lokalen Niederschlagsdaten. Der Benutzer kann mit einem kleinen Regenmesser den tatsächlichen Niederschlag messen und dann die Daten in FieldClimate korrigieren. Manuell angepasste Niederschlags- und Blattnässewerte liefern genauere Ergebnisse.
Lufttemperatur | |
Relative Luftfeuchtigkeit | |
Solarstrahlung | |
Windgeschwindigkeit | |
Niederschlag | |
Blattnässe | |
Bodentemperatur |
GOT A QUESTION? ASK THE EXPERT!*

Product manager, Weather forecast & Hardware