随着气候变化和大气环境研究精度的不断提高,希望用于气象站温度传感器的测量温度误差值控制在0.1℃范围中。目前气象站中使用的温度传感器一般被安装在防辐射罩内,但是由于防辐射罩内的温度传感器测量大气温度时会吸收一些太阳辐射,以至于传感器测量值大于实际的大气温度值,辐射误差值可高达1℃。为了降低太阳辐射对传感器温度测量造成的误差,本文通过利用计算流体动力学(CFD)方法对气象站温度传感器进行仿真,分析海拔高度、气流速度、太阳高度角、太阳辐射强度等环境参数对气象站温度传感器的辐射误差值的影响。仿真数据显示:温度传感器的辐射误差值随着太阳辐射强度、海拔高度的增大而增大;辐射误差值随着气流速度、太阳高度角的增大而减小。因计算流体动力学方法难以分析连续变化的物理量,本文通过BP神经网络算法对仿真数据进行拟合,获得铂电阻温度传感器在不同环境参数下的辐射误差修正方程,实现当环境参数连续变化时对测量地表温度的太阳辐射误差值进行修正。本文通过BP神经网络的拟合结果和仿真结果的均方根误差值为0.05℃,提高气温观测数据准确性的目标。本文设计了一款基于STM32微处理器的自动气象站数据采集器。数据采集器是由各类传感器、主控制器、通讯设备以及电源组成。可通过RS232串口和以太网口两种通信方式将采集到的数据传送至自动气象站上位机中。在此基础上,通过Visual Studio 2013开发平台,基于C#编程语言设计了一款具有实时修正辐射误差功能的软件。用户仅需要向系统中输入各个环境参数值,软件可自动输出辐射误差修正值。经过神经网络算法拟合使获得相对真实的大气温度与软件结合在气象传感器数据处理领域具有一定的潜在应用前景。