Construire une station météo Raspberry Pi SUPER : 8 étapes (avec photos)

2025 Auteur: John Day | [email protected]. Dernière modifié: 2025-01-23 14:45

Avouons-le, nous les humains parlons beaucoup de la météo ⛅️. La personne moyenne parle de la météo quatre fois par jour, pendant une moyenne de 8 minutes et 21 secondes. Faites le calcul et cela fait 10 mois de votre vie que vous passerez à japper sur la météo. La météo se classe comme le sujet de prédilection pour les amorces de conversation et les briseurs de silence inconfortables. Si nous allons en parler autant, nous pourrions aussi bien porter notre crédit météo à un tout autre niveau. Ce projet super amusant et facile tirera parti de l'Internet des objets (IoT) et d'un Raspberry Pi pour faire exactement cela.

Nous allons créer notre propre tableau de bord IoT météo hyper-local, capturant la météo à l'intérieur et à l'extérieur de notre maison au fil du temps. La prochaine fois que quelqu'un vous demandera « et la météo ces derniers temps ? », vous pourrez sortir votre téléphone et le laisser à bout de souffle avec votre compétence d'analyse météo folle ☀️.

Ce dont vous aurez besoin pour suivre le cours:1. Raspberry Pi avec connectivité Internet

2. Raspberry Pi SenseHAT

3. Un câble d'extension IDE mâle à femelle de 6 à 40 broches (en option pour la précision de la température)

4. Un compte État initial

5. C'est tout !

Niveau du projet: Débutant

Temps approximatif pour terminer: 20 minutes

Facteur de plaisir approximatif: hors des charts

Dans ce didacticiel pas à pas, vous allez: apprendre à utiliser l'intégration de l'API Weatherstack sur l'état initial pour obtenir la météo extérieure locale dans votre région

- Apprenez à utiliser un Raspberry Pi avec un Sense HAT (https://www.raspberrypi.org/products/sense-hat/) pour capturer des données météorologiques à l'intérieur de votre maison

- Créez votre propre tableau de bord météo hyper-local personnel auquel vous pouvez accéder à partir de n'importe quel navigateur Web sur votre ordinateur portable ou votre appareil mobile

- Donnez à votre météorologue une course pour leur argent

Fournitures

Ce dont vous aurez besoin pour suivre le cours:

1. Raspberry Pi avec connectivité Internet

2. Raspberry Pi SenseHAT

3. Un câble d'extension IDE mâle à femelle de 6 à 40 broches (en option pour la précision de la température)

4. Un compte État initial

5. C'est tout !

Étape 1: Mise en route

Nous avons déjà beaucoup travaillé pour vous en assemblant le code et en organisant les informations. Nous aurons juste besoin que vous fassiez quelques ajustements en cours de route.

Pour récupérer tout ce que nous avons préparé pour vous, vous devrez cloner le référentiel à partir de GitHub. Github est un service génial qui nous permet de stocker, réviser et gérer des projets comme celui-ci. Pour cloner le référentiel, tout ce que nous avons à faire est d'aller dans le terminal de notre Pi ou le terminal de votre ordinateur connecté en SSH à votre pi et de taper cette commande:

$ git clone

Appuyez sur Entrée et vous verrez ces informations:

pi@raspberrypi ~ $ git clone

Clonage dans 'wunderground-sensehat'…

remote: Comptage d'objets: 28, terminé.

distant: Total 28 (delta 0), réutilisé 0 (delta 0), pack-réutilisé 28

Déballage des objets: 100 % (28/28), terminé.

Vérification de la connectivité… terminé.

Une fois que vous voyez cela, félicitations, vous avez cloné avec succès le dépôt Github et vous disposez de tous les fichiers nécessaires pour créer votre super station météo. Avant de passer à l'étape suivante, prenons le temps d'explorer ce répertoire et d'apprendre quelques commandes de ligne de commande de base.

Tapez la commande ci-dessous dans votre terminal:

$ ls

Cette commande répertorie tout ce qui est disponible dans le répertoire dans lequel vous vous trouvez actuellement. Cette liste montre que notre Github Repo a été cloné avec succès dans notre répertoire sous le nom "wunderground-sensehat". Voyons ce qu'il y a dans ce répertoire. Pour changer de répertoire, il vous suffit de taper « cd », puis de taper le nom du répertoire dans lequel vous souhaitez accéder.

Dans ce cas, nous taperons:

$ cd wunderground-sensehat

Une fois que nous avons appuyé sur Entrée, vous verrez que nous sommes maintenant dans le répertoire wunderground-sensehat. Tapons à nouveau ls pour voir quels fichiers nous avons installés sur notre pi.

LISEZMOI.md sensehat.py sensehat_wunderground.py wunderground.py

Ici, nous voyons que nous avons notre document readme et quelques fichiers python différents. Jetons un coup d'œil à sensehat.py. Au lieu de sauter dans le fichier avec la commande cd comme nous l'avons fait pour les répertoires, nous allons utiliser la commande nano. La commande nano nous permet d'ouvrir l'éditeur de texte nano où nous avons tout notre code python pour chaque segment de ce projet. Allez-y et tapez:

$ nano sensehat.py

Ici vous pouvez voir tout le code que nous avons préparé pour vous pour ce projet. Nous n'allons pas encore apporter de modifications à ce document, mais n'hésitez pas à faire défiler et voir ce que nous allons faire plus tard dans ce didacticiel.

Étape 2: État initial

Nous voulons diffuser toutes nos données météorologiques sur un service cloud et faire en sorte que ce service transforme nos données en un joli tableau de bord auquel nous pouvons accéder depuis notre ordinateur portable ou notre appareil mobile. Nos données ont besoin d'une destination. Nous utiliserons l'état initial comme destination.

Étape 1: Inscrivez-vous pour un compte État initial

Accédez à https://www.initialstate.com/app#/register/ et créez un nouveau compte.

Étape 2: Installez l'ISStreamer

Installez le module Python Initial State sur votre Raspberry Pi: À une invite de commande (n'oubliez pas d'abord de SSH dans votre Pi), exécutez la commande suivante:

$ cd /home/pi/

$ \curl -sSL https://get.initialstate.com/python -o - | sudo bash

Note de sécurité: La commande ci-dessus a une anatomie importante que l'utilisateur doit connaître.

1) Il y a un / avant curl. Ceci est important pour s'assurer qu'aucun alias de curl n'est exécuté s'il en a été créé un. Cela permet d'atténuer le risque que la commande fasse plus que prévu.

2) La commande est une commande redirigée, donc lors de l'exécution, vous dirigez la sortie d'un script qui est récupéré de https://get.initialstate.com/python dans la commande sudo bash. Ceci est fait pour simplifier l'installation, cependant, il convient de noter que https est important ici pour aider à garantir qu'aucune manipulation du script d'installation n'est effectuée, d'autant plus que le script est exécuté avec des privilèges élevés. C'est un moyen courant de simplifier l'installation et la configuration, mais si vous êtes un peu plus méfiant, il existe des alternatives un peu moins pratiques: vous pouvez diviser la commande en deux étapes et enquêter sur le script bash téléchargé à partir de la commande curl pour vous assurer c'est la fidélité OU vous pouvez suivre les instructions pip, vous n'obtiendrez tout simplement pas un exemple de script généré automatiquement.

Étape 3: Faites de l'Automagic

Après l'étape 2, vous verrez quelque chose de similaire à la sortie suivante à l'écran:

pi@raspberrypi ~ $ \curl -sSL https://get.initialstate.com/python -o - | sudo bash

Mot de passe: Début de l'installation facile d'ISStreamer Python !

Cela peut prendre quelques minutes à installer, prenez un café:)

Mais n'oubliez pas de revenir, j'aurai des questions plus tard !

Trouvé easy_install: setuptools 1.1.6

Pip trouvé: pip 1.5.6 de /Library/Python/2.7/site-packages/pip-1.5.6-py2.7.egg (python 2.7)

version majeure de pip: 1

pip version mineure: 5

ISStreamer trouvé, mise à jour…

Exigence déjà à jour: ISStreamer dans /Library/Python/2.7/site-packages Nettoyage…

Voulez-vous obtenir automatiquement un exemple de script ? [o/N]

(la sortie peut être différente et prendre plus de temps si vous n'avez jamais installé le module de streaming Python Initial State auparavant)

Lorsque vous êtes invité à obtenir automatiquement un exemple de script, tapez y.

Cela créera un script de test que nous pouvons exécuter pour nous assurer que nous pouvons diffuser des données vers l'état initial à partir de notre Pi. Vous serez invité:

Où voulez-vous enregistrer l'exemple ? [par défaut:./is_example.py]:

Vous pouvez soit taper un chemin local personnalisé, soit appuyer sur Entrée pour accepter la valeur par défaut. Vous serez invité à saisir votre nom d'utilisateur et votre mot de passe que vous venez de créer lors de l'enregistrement de votre compte Initial State. Entrez les deux et l'installation se terminera.

Étape 4: Clés d'accès

Jetons un coup d'œil à l'exemple de script qui a été créé. Taper:

$ nano is_example.py

Sur la ligne 15, vous verrez une ligne qui commence par streamer = Streamer(bucket_ …. Cette ligne crée un nouveau seau de données nommé « Python Stream Example » et est associé à votre compte. Cette association se produit à cause de access_key = « … » sur cette même ligne. Cette longue série de lettres et de chiffres est la clé d'accès de votre compte Initial State. Si vous accédez à votre compte Initial State dans votre navigateur Web, cliquez sur votre nom d'utilisateur en haut à droite, puis accédez à « mon compte », vous trouverez cette même clé d'accès en bas de la page sous « Clés d'accès en streaming ».

Chaque fois que vous créez un flux de données, cette clé d'accès dirigera ce flux de données vers votre compte (donc ne partagez votre clé avec personne).

Étape 5: Exécuter l'exemple

Exécutez le script de test pour vous assurer que nous pouvons créer un flux de données sur votre compte Initial State.

Exécutez ce qui suit:

$ python is_example.py

Étape 6: Profiter

Revenez à votre compte Initial State dans votre navigateur Web. Un nouveau compartiment de données appelé "Python Stream Example" aurait dû s'afficher à gauche dans votre étagère de journaux (vous devrez peut-être actualiser la page). Cliquez sur ce bucket, puis sur l'icône Waves pour afficher les données de test.

Vous voudrez suivre le didacticiel Waves pour vous familiariser avec l'utilisation de cet outil de visualisation de données. Ensuite, affichez les données dans Tiles pour voir ces mêmes données sous forme de tableau de bord.

Vous êtes maintenant prêt à commencer à diffuser des données réelles depuis Wunderground et plus encore.

Étape 3: Sentez le CHAPEAU

Le Sense HAT est une carte d'extension pour le Raspberry Pi qui regorge de capteurs, de LED et d'un minuscule joystick. Ce qui est génial avec ce petit module complémentaire, c'est qu'il est incroyablement facile à installer et à utiliser grâce à une fantastique bibliothèque Python que vous pouvez installer rapidement. Pour ce projet, nous utiliserons les capteurs de température, d'humidité et de pression barométrique du Sense HAT. Mettons-le en place.

La première étape de l'utilisation du Sense HAT consiste à l'installer physiquement sur votre Pi. Avec le Pi éteint, attachez le CHAPEAU comme indiqué dans l'image.

Allumez votre Pi. Nous devons installer la bibliothèque Python pour faciliter la lecture des valeurs des capteurs à partir du Sense HAT. Tout d'abord, vous devrez vous assurer que tout est à jour sur votre version de Raspbian en tapant:

$ sudo apt-get update

Ensuite, installez la bibliothèque Python Sense HAT:

$ sudo apt-get install sense-hat

Redémarrez votre Pi

Nous sommes prêts à tester le Sense HAT en lisant les données du capteur et en envoyant ces données à l'état initial.

Testons notre Sense HAT pour nous assurer que tout fonctionne. Nous utiliserons le script situé à https://github.com/InitialState/wunderground-sensehat/blob/master/sensehat.py. Vous pouvez copier ce script dans un fichier sur votre Pi ou y accéder depuis notre référentiel Github que nous avons cloné précédemment. Accédez à votre répertoire wunderground-sensehat, puis nano dans votre fichier sensehat.py en tapant:

$ nano sensehat.py

Remarquez sur la première ligne que nous importons la bibliothèque SenseHat dans le script. Avant d'exécuter ce script, nous devons configurer nos paramètres utilisateur.

# --------- Paramètres utilisateur ---------CITY = "Nashville"

BUCKET_NAME = ":partly_sunny: " + VILLE + " Météo"

BUCKET_KEY = "sensehat"

ACCESS_KEY = "Your_Access_Key"

SENSOR_LOCATION_NAME = "Bureau"

MINUTES_BETWEEN_SENSEHAT_READS = 0,1

# ---------------------------------

Plus précisément, vous devez définir votre ACCESS_KEY sur la clé d'accès de votre compte Initial State. Remarquez à quel point il est facile de lire les données du Sense HAT dans une seule ligne de Python (par exemple sense.get_temperature()). À une invite de commande sur votre Pi, exécutez le script:

$ sudo python sensehat.py

Accédez à votre compte Initial State et affichez le nouveau compartiment de données créé par le Sense HAT.

Maintenant, nous sommes prêts à tout assembler et à créer notre tableau de bord météo hyper-local !

Étape 4: Tableau de bord météo hyper local

La dernière étape de ce projet consiste simplement à combiner nos données météorologiques et notre script Sense HAT dans un seul tableau de bord. Pour ce faire, nous utiliserons l'intégration de l'état initial avec Weatherstack pour ajouter des données météorologiques dans notre tableau de bord Sensehat que nous avons créé à la dernière étape.

L'utilisation de l'API Weatherstack est très simple. Dans le passé, dans ce didacticiel, nous vous avons demandé de créer et d'exécuter un script pour extraire des données d'une API de données météorologiques, mais depuis le début de ce didacticiel, Initial State a créé le marché de l'intégration de données. Le marché de l'intégration de données vous donne le pouvoir d'accéder et de diffuser des API vers un tableau de bord de l'état initial sans code. Il ne s'agit littéralement que de quelques clics de souris et de BAM: données météorologiques..

Utilisation de l'intégration Weatherstack

1. Connectez-vous à votre compte Initial State

2. Cliquez sur le bouton Détails dans la case Weatherstack sur la page des intégrations. Cette page vous donnera toutes les informations de base sur l'intégration et ce qui est nécessaire pour l'utiliser. Dans ce cas, vous aurez juste besoin du code postal (ou de la latitude et de la longitude) d'un endroit pour lequel vous voudrez surveiller la météo, et vous devrez savoir dans quelles unités vous voudrez voir ces données. (métrique, scientifique ou impérial américain).

3. Cliquez sur le bouton Commencer la configuration et vous verrez une fenêtre contextuelle modale sur le côté droit de votre écran. Il n'y a que quelques étapes faciles à suivre avant de pouvoir commencer à regarder les données météorologiques arriver:

4. Donnez un nom à votre nouveau tableau de bord. J'ai nommé le mien Nashville Weather. Pro tip: j'aime utiliser des emoji dans les noms de mes tableaux de bord pour leur donner un peu plus de punch. Un moyen rapide d'afficher des emojis sur un Mac est Ctrl+Commande+Barre d'espace. Pour Windows, maintenez enfoncé le bouton Windows et soit le point (.) soit le point-virgule (;). 2 5. Saisissez votre emplacement. J'utilise le code postal de la zone que je veux suivre, mais vous pouvez également mettre la latitude et la longitude pour être plus précis. Il est facile de trouver la latitude et la longitude de votre région en allant simplement sur Google Maps, en recherchant un lieu, puis en copiant la latitude et la longitude hors du navigateur et en les collant dans le formulaire. Seuls les emplacements aux États-Unis, au Royaume-Uni et au Canada peuvent être utilisés pour le moment.

6. Choisissez vos unités. J'ai choisi US/Imperial parce que je vivais aux États-Unis.

7. Choisissez de créer un nouveau compartiment ou d'envoyer vos données Weatherstack à un compartiment existant. Dans ce didacticiel, si vous avez déjà configuré votre Sense Hat pour diffuser à l'état initial (dans la dernière étape), envoyez simplement les données Weatherstack à ce seau.

8. Choisissez si vous souhaitez que toutes les données envoyées par Weatherstack ou si vous souhaitez uniquement que des données météorologiques spécifiques soient envoyées à votre tableau de bord. Vous pouvez toujours envoyer toutes les données et retirer quelques tuiles plus tard.

9. Choisissez la fréquence à laquelle vous souhaitez que votre tableau de bord soit mis à jour avec les conditions météorologiques. Vous pouvez choisir entre toutes les 15 minutes ou heure par heure. Gardez à l'esprit que l'envoi de données toutes les 15 minutes coûte un jeton supplémentaire par rapport à son envoi toutes les heures. Donc, si vous souhaitez utiliser d'autres intégrations sur le marché en même temps, vous voudrez peut-être simplement interroger toutes les heures. Vous pouvez toujours arrêter d'envoyer des données à partir de l'intégration et la redémarrer, ou modifier la fréquence à laquelle vous envoyez des données ultérieurement. Cependant, si vous l'arrêtez et recommencez, il y aura des lacunes dans vos données.

10. Cliquez sur Démarrer l'intégration. Maintenant, vous diffusez des données depuis Weatherstack ! Cliquez sur le bouton « Afficher dans l'application IoT » pour voir les premiers points de données arriver.

11. Personnalisez votre tableau de bord. Si vous diffusez vers un nouveau compartiment, nous vous avons configuré un modèle pour vous aider à démarrer. Cependant, vous devriez le faire vous-même! Appuyez sur la flèche vers le bas en haut au centre de votre tableau de bord pour faire descendre la chronologie, cliquez sur Modifier les vignettes, déplacez certaines vignettes, redimensionnez-les et modifiez l'arrière-plan. Créez le tableau de bord comme vous le souhaitez afin qu'il vous soit facile d'ingérer les données que vous souhaitez collecter. Vous pouvez également utiliser d'autres modèles Weatherstack que nous avons créés pour vous ici. Pour ajouter un peu plus de contexte à votre tableau de bord, vous pouvez également ajouter une carte qui indique l'emplacement où vous surveillez la météo. Votre tableau de bord peut sembler un peu nu au début, mais donnez-lui un peu de temps et il se remplira de belles données météorologiques historiques.

Étape 5: Ajoutez une carte à votre tableau de bord (Bonus)

Nous pouvons facilement ajouter une vignette de carte à notre tableau de bord indiquant l'emplacement de notre flux météo. Vous pouvez en savoir plus sur la vue cartographique interactive dans les tuiles à l'adresse https://support.initialstate.com/knowledgebase/articles/800232-tiles-map-view. Nous pourrions simplement ajouter une nouvelle instruction streamer.log dans notre script Python (et j'expliquerai comment vous pouvez le faire à la fin de cette section). Au lieu de cela, nous profiterons de cette occasion pour vous montrer une façon différente d'envoyer des données dans votre tableau de bord.

Étape 1: Obtenez les coordonnées de latitude/longitude de votre position

Vous devez obtenir les coordonnées de latitude/longitude de votre emplacement. Une façon de le faire est d'aller sur Google Maps, de rechercher votre position et de zoomer sur votre position exacte. Dans l'URL, vous verrez vos coordonnées de latitude/longitude. Dans l'exemple ci-dessus, mes coordonnées sont 35,925298, -86,8679478.

Copiez vos coordonnées (vous en aurez besoin à l'étape 2) et assurez-vous de ne pas copier accidentellement de caractères supplémentaires à partir de l'URL.

Étape 2: créez une URL pour envoyer des données dans votre tableau de bord

Cliquez sur le lien "Paramètres" sous le nom du bucket dans l'étagère des buckets. Cela fera apparaître l'écran ci-dessus. Copiez le texte dans la section API Endpoint et collez-le dans votre éditeur de texte préféré. Nous allons l'utiliser pour créer une URL que nous pouvons utiliser pour envoyer des données dans notre compartiment et tableau de bord existants. Dans mon bucket, le texte que j'ai copié ressemble à: https://groker.initialstate.com/api/events?accessKey=bqHk4F0Jj4j4M4CrhJxEWv6ck3nfZ79o&bucketKey=shwu1 Votre URL aura votre accessKey et votre bucketKey. Nous devons ajouter un nom de flux et une valeur aux paramètres d'URL pour compléter l'URL.

Ajoutez "&MapLocation=YOUR_COORDINATES_FROM_STEP1" à votre URL

(insérez les coordonnées de l'étape 1, pas d'espaces et ne copiez pas les miennes !!)

Voici à quoi ressemble le mien: https://groker.initialstate.com/api/events?accessKey=bqHk4F0Jj4j4M4CrhJxEWv6ck3nfZ79o&bucketKey=shwu1&MapLocation=35.925298, -86.8679478

Collez votre URL complète dans la barre d'adresse de votre navigateur et appuyez sur Entrée (ou utilisez la commande « curl » à une invite de commande) pour envoyer les coordonnées de votre carte au flux « MapLocation » dans votre nouveau compartiment.

Si vous regardez votre tableau de bord dans Tiles maintenant (vous devrez peut-être actualiser si vous êtes impatient), un nouveau Tile nommé MapLocation aurait dû apparaître zoomé sur votre emplacement actuel.

Alternative de l'étape 2: modifiez votre script

Si vous n'aimez vraiment pas l'étape 2 ci-dessus, vous pouvez simplement ajouter une autre instruction streamer.log à votre script Python. Ajoutez simplement la ligne

streamer.log("MapLocation", "YOUR_COORDINATES_FROM_STEP1")

quelque part dans le def main(): fonction du script sensehat_wunderground.py (faites attention à l'indentation car Python vous oblige à suivre des règles d'indentation strictes). Par exemple, j'ai ajouté streamer.log("MapLocation", "35.925298, -86.8679478") juste après la ligne 138.

Étape 6: Correction de la lecture de la température du Sense Hat

Vous remarquerez peut-être que les lectures de température de votre Sense HAT semblent un peu élevées - c'est parce qu'elles le sont. Le coupable est la chaleur générée par le processeur du Pi qui chauffe l'air autour du Sense HAT lorsqu'il est assis sur le Pi.

Pour rendre le capteur de température utile, nous devons soit éloigner le HAT du Pi (ce qui éliminerait l'avantage important d'être une solution compacte), soit essayer de calibrer la lecture du capteur de température. Le processeur est la principale cause de la chaleur parasite affectant notre capteur de température, nous devons donc déterminer la corrélation. Lors de l'examen de l'Enviro pHAT pour le Pi Zero, nous avons proposé une équation pour tenir compte de la température du processeur affectant la lecture de la température d'un chapeau. Nous avons juste besoin de la température du CPU et d'un facteur d'échelle pour calculer la température calibrée:

temp_calibré = temp - ((cpu_temp - temp)/FACTEUR)

Nous pouvons trouver le facteur en enregistrant la température réelle et en la résolvant. Afin de trouver la température réelle dans la pièce, nous avons besoin d'une configuration de capteur de température différente. À l'aide d'un capteur DHT22 (instructions de configuration ici et script ici), nous pouvons enregistrer et visualiser les deux températures simultanément:

Le résultat révèle que la lecture du Sense HAT est assez constante de 5 à 6 degrés Fahrenheit. L'ajout de la température du processeur dans le mélange (avec ce script) montre tout d'abord qu'il fait extrêmement chaud, et deuxièmement, une sorte d'onde que la mesure Sense HAT imite.

Après avoir enregistré pendant environ 24 heures, j'ai résolu le facteur en utilisant six lectures différentes à six moments différents. La moyenne des valeurs de facteur a donné une valeur de facteur finale de 5,466. Application de l'équation

temp_calibré = temp - ((cpu_temp - temp)/5.466)

la température étalonnée s'est rapprochée d'un degré près de la lecture de température réelle:

Vous pouvez exécuter cette correction d'étalonnage sur le Pi lui-même, à l'intérieur du script wunderground_sensehat.py.

Étape 7: Bonus: Configurez vos propres alertes météo

Créons une alerte SMS chaque fois que la température descend en dessous de zéro.

Nous allons suivre le processus de configuration de la notification de déclenchement décrit sur la page d'assistance.

Assurez-vous que votre bucket de données météo est chargé.

Cliquez sur les paramètres du bucket dans l'étagère de données (sous son nom).

Cliquez sur l'onglet Déclencheurs.

Sélectionnez le flux de données sur lequel déclencher (vous pouvez utiliser la liste déroulante pour sélectionner parmi les flux existants une fois qu'un seau de données a été chargé ou vous pouvez saisir manuellement le nom/la clé du flux; *remarque Safari ne prend pas en charge les listes déroulantes HTML5). Dans mon exemple de capture d'écran ci-dessus, j'ai sélectionné Température (F).

Sélectionnez l'opérateur conditionnel, dans ce cas '<'.

Sélectionnez la valeur de déclenchement qui déclenchera une action (tapez manuellement la valeur souhaitée). Dans ce cas, tapez 32 comme indiqué ci-dessus.

Cliquez sur le bouton '+' pour ajouter la condition de déclenchement.

Sélectionnez l'action (les actions actuellement disponibles sont notifiées par SMS ou e-mail).

Cliquez sur le bouton '+' pour ajouter l'action. Entrez n'importe quel code de vérification si vous ajoutez un nouveau numéro de téléphone ou une nouvelle adresse e-mail pour terminer la configuration.

Votre déclencheur est maintenant actif et se déclenchera lorsque la condition sera remplie. Cliquez sur Terminé pour revenir à l'écran principal.

SMS PIR

Chaque fois que la température descend en dessous de 32, vous recevrez un message texte. Vous définissez des alertes sur tout ce qui se trouve dans votre ensemble de données météo (*notez que vous devez utiliser des jetons emoji, pas les emojis réels).

Par exemple, chaque fois qu'il pleut

:cloud: Conditions météo =:umbrella:

Chaque fois qu'il y a du vent

:dash: Vitesse du vent (MPH) > 20

etc.

Étape 8:

Deuxième prix du concours Internet des objets 2016