摘要
本文研究了塞尔维亚中部某地区的太阳辐射情况。在该地区，我们在三个地点部署了一个低成本的物联网（IoT）传感器网络：一个山坡、一个村庄附近的开阔地带以及城市中心的一个受阻位置。这三个地点都属于同一个NASA POWER网格单元。经过多阶段质量控制后，共有26,145条有效的日间辐射记录与卫星数据进行了比较。卫星数据给这三个地点的辐射值相同，但实际上测得的日间平均辐射值分别为267.7 W/m2、351.5 W/m2和19.6 W/m2。农村站点的测量结果与卫星数据最为吻合（R2 = 0.567）；山区站点存在持续的阴影遮挡偏差（MBE = ?138.9 W/m2）；城市站点的信号因周围建筑物和植被的遮挡而减弱了约12倍。此外，我们还使用同一网格单元25年的NASA POWER月度数据训练了25种回归模型（包括梯度提升、循环神经网络、卷积神经网络、全连接神经网络和基于图的模型）。其中，XGBoost模型的R2值为0.998，混合TCN-GNN模型的R2值为0.968，纯ReLU网络的R2值为0.912；我们还使用了一个包含日历特征的季节性模型来重建2026年档案中尚未发布的两个月的卫星数据。部署的硬件、网络及能量使用情况都有详细的量化记录：各站点的链路传输效率分别为96.8%、83.5%和58.2%；节点的光伏发电量也有记录；同时，该系统没有采用任何基于能量需求的传输调度策略。其中两个训练好的模型被编译为适用于ESP32微控制器的程序，并在部署硬件上进行了测试：一个是深度限制的梯度提升模型，运行时间为46.3微秒，占用11.1 KB的闪存；另一个是INT8类型的全连接模型，运行时间为138.1微秒，占用3.0 KB的闪存。需要注意的是，基于图的混合模型无法被转换为适用于微控制器的代码。这种架构实现了边缘计算与云计算的分离：边缘计算负责偏差校正和故障检测，而云计算则负责处理复杂的模型和定期重新训练。据作者所知，这是塞尔维亚中部首个针对具有如此多样化地形类型的多个站点进行的地面辐射测量记录。
