德國科學家研發新系統以聲音傳感器精確測量降雨量

·作者 Henderson·Engineering
德國科學家研發新系統以聲音傳感器精確測量降雨量
重點
  • 新系統利用聲音傳感器和機器學習技術測量降雨量,無需移動部件。
  • 該系統提供低維護的替代方案,擴展氣象監測網絡。
  • 研究人員希望收集更多數據,優化系統以應對強降雨事件。
  • 更密集的降雨傳感器網絡可改善局部降雨的實時監測。

科學家們開發了一種系統,利用結構傳播聲音傳感器和機器學習技術來測量降雨量,無需任何移動部件。這項技術可作為傳統雨量計的補充。該系統的平均誤差為每小時 1.88 毫米。由德國弗勞恩霍夫數字媒體技術研究所(Fraunhofer IDMT)和 Pan Acoustics GmbH 的研究人員開發的這種新型人工智能(AI)降雨監測系統,可以以每小時僅 1.88 毫米的平均誤差來估計輕微降雨量。

這種新方法通過分析雨滴撞擊太陽能電池板時產生的微小震動,提供了一種低維護的替代方案,以擴展氣象監測網絡。

新系統的工作原理

該系統利用結構傳播聲音傳感器和機器學習來測量降雨量,無需移動部件。這項技術能夠通過創建密集的低成本測量點,捕捉高度局部化的降雨量,從而補充傳統雨量計。研究人員通過最近完成的 lokalRAIN 項目展示了這一方法,並在實驗室實驗和戶外安裝中測試該系統。他們目前正在尋求行業合作夥伴,以進行額外的試點部署,以評估該技術在更廣泛操作條件下的表現。

弗勞恩霍夫 IDMT 項目的科學總監雅各布·貝爾格納(Jakob Bergner)表示:「我們已經證明瞭我們的方法對輕微降雨的可行性。現在我們希望收集更多數據,以便處理較少發生的強降雨事件,並優化不同操作條件下的程序。」該系統將結構傳播聲音傳感器安裝在光伏(PV)模塊上。每一滴擊中面板的雨滴都會產生微觀震動,形成隨降雨強度變化的獨特聲學特徵。

該系統不將原始傳感器數據發送到遠程伺服器,而是使用運行在節能微控制器上的 AI 模型直接在測量現場處理資訊。僅計算出的降雨值被傳輸,顯著降低了功耗和無線頻寬需求。Pan Acoustics 為無線通信網絡開發了硬件和軟件。在現場測試中,該系統在城市環境中的傳輸範圍約為 2.5 英里(4 公里),在視線不受阻礙的農村地區則達到 22 英里(35 公里)。從多個傳感器節點收集的數據隨後被整合到中央數據基礎設施中,以生成局部降水圖。

傳統監測的挑戰

傳統的降水監測依賴於裝備有專用雨量計的氣象站,這些雨量計的安裝和維護成本昂貴。因此,許多地區的監測網絡相對稀疏,難以捕捉局部暴雨,因為在短距離內降雨量可能會有劇烈變化。為了驗證這種新方法,研究人員首先在雨水模擬器內進行實驗,測試不同的雨滴大小、降雨強度、光伏模塊和傳感器安裝位置。之後,他們在弗勞恩霍夫 IDMT 的伊爾梅瑙(Ilmenau)、Pan Acoustics 的沃爾芬比特爾(Wolfenbüttel)以及伊爾梅瑙工業大學的氣象花園安裝了三個戶外測量系統。

收集到的數據與參考雨量測量進行比較,以訓練和驗證機器學習模型。

對於每小時 2 至 5 毫米的降雨率,該系統的平均誤差為每小時 1.88 毫米,符合世界氣象組織(WMO)對低強度降水測量的 C 級準確性要求。研究人員強調,該技術旨在補充而非取代高精度降水計。更密集的降雨傳感器網絡可以改善對局部降雨的實時監測,並為城市數字雙胞胎提供有價值的數據,使城市和基礎設施運營商能更快地應對洪水風險。這些資訊還可支持排水規劃、保險風險評估和氣象預測模型。

弗勞恩霍夫 IDMT 還通過另一個項目探索農業應用,將傳感器網絡整合到農光系統中,使農民能夠利用特定地點的降雨數據做出更具針對性的灌溉決策。在商業部署之前,研究人員計劃進行額外的試點安裝,以便在強降雨事件中收集更多數據,並進一步完善傳感器外殼、電子設備和生產就緒系統所需的質量保證流程。

新技術如何改善降雨監測

這項新技術透過聲音傳感器和機器學習,提供了一種低成本且低維護的降雨監測方法,能夠捕捉局部降雨的變化。傳統的降水監測系統因為安裝和維護成本高,導致許多地區的監測網絡稀疏,無法有效應對局部暴雨。新系統的出現,將有助於改善氣象數據的準確性,並為城市基礎設施提供即時的降雨資訊,進一步提升洪水風險管理能力。

H
關於作者
Henderson