Wetterdaten von yr.no

[gestein]

Hallo,

Hat es vielleicht schon jemand geschafft, die Forecast-Daten von yr.no in FHEM zu laden?

Die Werte von den Norweger passen anscheinend ganz gut für Wien.

Danke, lg, Gerhard

[betateilchen]

Wo ist das Problem? Die haben doch sogar eine dokumentierte API
https://api.met.no/weatherapi/locationforecast/2.0/documentation

Beispiel für Wien:

Code Auswählen Erweitern


defmod yrno JsonMod https://api.met.no/weatherapi/locationforecast/2.0/compact?lat=48.14&lon=16.21
attr yrno readingList complete()


[gestein]

Hallo,

wo das Problem liegt? Vor dem Computer

Vielen Dank.
Das probiere ich gleich mal aus.

Danke Dir!
lg, Gerhard

[betateilchen]

wo das Problem liegt? Vor dem Computer

tja, im Liegen könnte ich auch nicht denken...

[gestein]

Ach, das geht ganz gut 

Die Abfrage geht schon mal. Danke nochmals.
Eine Frage aber noch:
Bei all den Readings, die erzeugt werden: gibt es da eines, das anzeigt, dass die Abfrage abgeschlossen ist?
Vielleicht sogar mit ,,ok" oder ,,error"?

Lg, Gerhard

[betateilchen]

Die Frage verstehe ich nicht, denn wenn die Abfrage nicht funktioniert, werden erst gar keine readings erzeugt.

Der Ergebnis-Code der letzten Abfrage steht im Internal API_LAST_MESSAGE

[Gisbert]

Oh, eine neue Wetterseite, von der man Daten laden kann. Mal schauen, was die so bietet, wie zuverlässig es funktioniert, und ob es etwas gibt, was andere Seiten nicht haben.

Viele​ Grüße​ Gisbert​

[Gisbert]

Hallo,

mit readingList complete() bekommt man Tonnen von Daten, viel zu viel. Mit compact() kommt leider gar nichts mehr rein. "compact" wird auf der Seite angeboten, aber ich weiß nicht, wie ich das richtig anwende.

Viele​ Grüße​ Gisbert​

[betateilchen]

Mit compact() kommt leider gar nichts mehr rein. "compact" wird auf der Seite angeboten, aber ich weiß nicht, wie ich das richtig anwende.

Ich hatte doch oben ein funktionierendes Beispiel mit compact gepostet? Du brauchst nur die Geokoordinaten anpassen.

Übrigens:
"compact" ist ein Parameter in der URL der Webseite.
complete() ist eine Funktion des JsonMod devices in FHEM.
Bitte nicht verwechseln!

Wenn Dir complete() zu viele readings erzeugt, musst Du halt das Attribut readingList entsprechend anpassen und nur die readings erzeugen lassen, die dich interessieren (siehe Doku zu JsonMod, Attributwerte multi() bzw. single().

Und...

Oh, eine neue Wetterseite, von der man Daten laden kann.

... nein, die Seite ist nicht neu.

[Gisbert]

Hallo betateilchen,

deine Definition hab ich genauso, nur mit meinen Geodaten, benutzt. Wenn das im Sinne der Seite "compact" ist, dann will ich nicht wissen, was "complete" liefert.

Danke für die Erklärung von complete() als Funktion des JsonMod.

Dann werde ich mich wohl mit der Seite und JsonMod beschäftigen, um kleinere Anzahl von Readings zu bekommen.

Viele​n Dank und viele Grüße
Gisbert​

[Gisbert]

Hallo betateilchen und Gerhard,

yr.no liefert die Daten anscheinend rollierend:

properties.meta.updated_at 2022-08-09T07:35:00Z

liefert den 1. Datensatz timerseries 0 mit folgender Zeit:

properties.timeseries.0.time 2022-08-09T07:00:00Z

Der 2. Datensatz sind demnach die Werte bei 8:00 usw.

Das ist für die Darstellung der Werte zur aktuellen Zeit, bzw. zur Zeit der letzten Abfrage suboptimal.
Jedenfalls ist es nicht die timesseries 0, 1 oder 2 sondern 3 zum Zeitpunkt dieses Threads.
Bei einer späteren Abfrage ist es dann vermutlich die timeseries 0 oder eher noch 1.

Der Temperaturwert von 26.7. für 10:00 liegt dann doch ca. 4~5°C über einer vorort gemessenen Temperatur bzw. auch zu anderen Wetterseiten.
Ich bin mir nicht sicher, ob ich die Daten von dieser Seite gut finden will.

Viele Grüsse Gisbert

[gestein]

Hallo Gisbert,

Ja, die Datensätze sind rollierend aufgebaut.
Daher möchte ich das über ein DOIF aufbereiten.
Da bin ich gerade dran.

Über die Datenqualität weiß ich noch nicht viel.
Die Werte, die ich bis dato überprüft habe, haben relativ gut gepasst.
Mal sehen.

Lg, Gerhard

[betateilchen]

Forecast timeseries
The forecast timeseries is structured as an array of forecast objects. The array is always sorted with increasing time.

The time resolution for a timeseries can vary. E.g the first half of a timeseries can have time values with one hour intervals, while the last half of the timeseries can have time values with six hour intervals.

Each forecast object contains a time attribute and a number of forecast parameters for that time. We have two main types of forecast parameters:

parameters for a time instant
parameters for a time period
Parameters for a time instant

These parameters are found under the instant object. These parameters, e.g air_temperature has a value that describes the state at that exact time instant.

Parameters for a time period

These parameters are found under a number of objects: next_1_hours, next_6_hours, next_12_hours. These parameters, e.g precipitation_amount describe a period of time. E.g precipitation_amount under the object next_1_hours describe the amount of forecasted precipitation for the period time + 1 hour.

The parameters under the object summary describes the weather situation based on many of the other parameters. E.g symbol_code will describe the weather situation for period of time, and includes information about clouds, precipitation and more. It is also used as the basename of the weathericon filename, by appending the desired extension (.png, .svg or similar).

Please note that there will typically be multiple period objects for any given time value, e.g one forecast object can have next_1_hours, next_6_hours and next_12_hours. There will never be a period object with shorter period than the current time resolution in the timeseries. So, if its 6 hours until the next time value, the current forecast object will NOT have a next_1_hours period object.

Ja, die Datensätze sind rollierend aufgebaut.
Daher möchte ich das über ein DOIF aufbereiten.
Da bin ich gerade dran.

Die Werte für Orte außerhalb der "Nordic area" werden ohnehin nur 4 Mal pro Tag aktualisiert.
Das macht doch die Aufbereitung viel einfacher, wenn man die Daten nur 4 Mal pro Tag abruft.

Data sources
The data sources for locationforecast are divided into three separate regions. Although the forecasts cover the whole globe, the Nordic and Arctic regions are our main priority. In these regions you will find the most frequently updated and accurate forecasts.
...
Our Nordic forecasts are updated once every hour.
...
Our Arctic forecasts are updated 4 times pr day.
...
Our global forecasts are updated 4 times pr day

Vielleicht sollte man das Thema im Unterforum für Wettermodule weiterdiskutieren und abwarten, ob sich einer der Modulautoren für Weather.pm berufen fühlt, eine Modul-API zu schreiben, um die Daten aus Norwegen dann einfach im Weather-Modul verwenden zu können.

Jetzt irgendeine Krampf-Lösung mit weiteren devices (DOIF) zu stricken, halte ich für wenig sinnvoll.

[betateilchen]

Vielleicht sollte man das Thema im Unterforum für Wettermodule weiterdiskutieren und abwarten, ob sich einer der Modulautoren für Weather.pm berufen fühlt, eine Modul-API zu schreiben, um die Daten aus Norwegen dann einfach im Weather-Modul verwenden zu können.

https://forum.fhem.de/index.php/topic,128692.0.html