A low‐cost IoT network to monitor microclimate variables in ecosystems

Microclimatic and macroclimatic data differ, and microclimatic data are most useful at short time intervals (30‐min scales rather than daily/monthly scales). We developed an end‐to‐end system to acquire such data at a high temporal resolution, transfer them to a server through an Internet of Things network using low‐cost technologies, and make them available with dynamic graphical visualizations and download capabilities. The system has been used for 2 years to monitor environmental variables in contrasting agroecosystems in France, Bolivia and Kenya. It has been proven to be reliable and supports the mismatch between macro‐ and microclimates. This low‐cost Internet of Things system can capture the microclimate in contrasting environments with accuracy comparable to commercial solutions, and great flexibility in data processing. It thus constitutes a possible solution in an academic context and has the potential to be used by a broad audience of scientists interested in capturing environmental variables in real time and at a high temporal frequency. Resumen Los datos microclimáticos y macroclimáticos difieren, y los datos microclimáticos son más útiles en intervalos de tiempo cortos (escalas de 30 minutos en lugar de escalas diarias o mensuales). Hemos desarrollado un sistema completo para adquirir datos microclimáticos a una alta resolución temporal, transferirlos a un servidor a través de una red de Internet de las Cosas (IoT en inglés) utilizando tecnologías de bajo costo y ponerlos a disposición con visualizaciones gráficas dinámicas y capacidades de descarga. El sistema se ha utilizado durante dos años para monitorear variables ambientales en agroecosistemas contrastantes en Francia, Bolivia y Kenia. Se ha demostrado que es confiable y resalta la falta de coincidencia entre macro y microclimas. Este sistema IoT de bajo costo puede capturar el microclima en entornos contrastantes con una precisión comparable a las soluciones comerciales y una gran flexibilidad en el procesamiento de datos. Por lo tanto, constituye una posible solución en un contexto académico y tiene el potencial de ser utilizado por una amplia audiencia de científicos interesados en capturar variables ambientales en tiempo real y con una alta frecuencia temporal.