未来 5 天逐小时云海 / 日出观测概率 · 模糊逻辑 + 标注驱动 ML · 天地图选点 · Himawari 卫星
本溪五女山 · 点将台 — 5 天时间轴、双场景概率、分层因子拆解与雷达图
面向摄影爱好者、景区运营与气象景观研究者的 免费 Web 预测系统：在地图上选择观景点（或搜索 POI），查看未来 5 天 × 120 小时 的云海、日出观测参考概率，并结合 Himawari 卫星红外云图 做区域云量辅助判断。
🌍 在线地址：https://yunhai.timkj.com/
系统采用 「规则引擎 + 机器学习 + 底层观测」三层因子架构：
| 层级 | 说明 |
|---|---|
| 规则引擎 | 基于文献的模糊逻辑评分（850/700 hPa 垂直场、逆温、低云/能见度补偿、Type A/B 型态） |
| ML 模型 | 日出窗口 03–07 点由标注数据训练的 Logistic 回归接管概率（v2，22 维日特征） |
| 底层观测 | 分层云量、垂直场剖面、云海型态、地面态等原始气象字段完整展示 |
内置 五女山、大黑山、黄山、庐山 等精选景区观景点，也支持天地图 POI 搜索与地图拖拽自定义坐标。配套 开放标注 / 审核 / ML 训练 共建闭环（见下方 共建计划）。
⚠️ 预测结果为参考概率，基于 Open-Meteo 免费预报与本地模型，不替代官方气象预警与现场判断。
| 功能 | 说明 |
|---|---|
| 🗺️ 地图选点 | 天地图底图，POI 搜索、标记拖拽 / 点击微调坐标 |
| 📊 双场景预测 | 云海 + 日出概率，综合场景评分与五级适宜等级 |
| 🧠 混合预测引擎 | 03–07 点 ML 概率 + 完整规则因子 + 底层观测数据 |
| ⏱️ 5 天时间轴 | 逐小时折线图，标注日出时刻与推荐观测窗口 |
| 📡 因子拆解 | 雷达图（加权评分维度）+ 列表（含模型层 / 观测层） |
| 🛰️ 卫星云图 | Himawari 红外裁切，当天已发生时段轻量校正 |
| 🏔️ 精选景区 | 预置观景点海拔、坐标、季节权重；支持全国 POI |
| 📝 开放标注 | 匿名贡献 ID、POI/社区点云海标注、审核后入训练集 |
| 🔬 标注回测 | 开放标注页、Historical Forecast 回测、Admin 审核与重训 API |
最终目标：建成一套全国可扩展、观景点级可校准的日出—云海联合预测体系——任何人可在地图上选点、微调坐标、贡献现场标注；数据经审核后驱动点位专属模型与全国 POI 通用模型迭代，让预测从「五女山金标准」逐步覆盖更多真实观景点。
全国 POI 选点 ──→ 精确坐标 ──→ 现场标注（云海 / 日出）
│ │
▼ ▼
社区点位库 审核通过的标注样本
│ │
├──────────► 单点专属 ML ◄─────┤
│ │
└──────────► 全国 POI 通用 ML ◄─┘
│
▼
线上预测：规则引擎 + 分层 ML 融合 + 可解释因子
长期价值：
- 观景点级精度：同一套规则无法套用全国；每个高频点位可有独立校准模型与 Type A/B 型态权重。
- 数据飞轮：用户标注 → 审核 → 训练 → 部署 → 预测更准 → 吸引更多人标注。
- 开放共建：无需注册账号，浏览器匿名 ID 即可贡献；高质量点位可「精选落库」进入官方景区列表。
- 专业可解释：保留底层气象观测与规则因子，ML 只做日出窗口概率校准，不黑盒替代业务判断。
| 模块 | 说明 | 状态 |
|---|---|---|
| 社区点位 | POI 或地图选点自动注册为 cs_ 社区点，500 m 去重；可收藏深链 /?loc=cs_xxx |
✅ 已完成 |
| 点位精确位置修改 | 预测页地图拖拽 / 点击放置标记，微调 WGS84 坐标后再预测 | ✅ 已完成（会话内微调） |
| 社区点坐标持久化修改、贡献者编辑点位名称/海拔 | ✅ 已完成（标注页 PATCH + 精选 JSON 同步） | |
| 日出 · 云海标注 | 日出窗口 03:00–07:00 三档云海标注（无 / 部分 / 完整） | ✅ 已完成（云海） |
| 日出质量独立标注（可见 / 遮挡 / 不可拍） | ✅ 已完成（入库；暂不入云海 ML，待日出模型） | |
| 开放贡献与审核 | 匿名 Contributor ID、30 条/日限额、pending → approved 审核 | ✅ 已完成 |
| 标注页 Admin 可视化审核队列 UI | 🔶 部分（API 已有，label.html?admin=1 待增强） |
|
| 社区点位专属模型 | 单点 accumulated ≥10 天 approved 后可训练/绑定专属 ML | 🔶 部分（融合权重已分 spot；独立 pkl 未实现） |
| 全国 POI 通用模型 | 汇总多地区 approved 样本，训练跨点位泛化 ML | 🔶 部分（全局 --approved-only 训练已有；POI 专项管线规划中） |
| 精选落库 | approved ≥15 天 → 写入 scenic-spots/*.json，搜索可见 |
✅ 已完成（Admin API） |
| 定期重训 | 标注增量或周期触发自动重训 + LOOCV 门禁部署 | 🔶 部分（手动 POST .../train；cron 未接） |
| 深链与收藏 | /?spot=&vp=、/?lat=&lng=、/label.html?... 直达预测/标注 |
✅ 已完成 |
图例：✅ 已完成 · 🔶 部分完成 · ⏳ 规划中
| 入口 | 地址 |
|---|---|
| 预测主页 | yunhai.timkj.com |
| 开放标注 | yunhai.timkj.com/label.html |
| 使用指南 | docs/index.html |
贡献流程：主页选 POI → 「标注此点位」→ 选择日期 → 1/2/3 标注云海 → 可选标注日出质量 → 社区点可持久化编辑坐标。
Admin 流程（需 Token）：审核队列 → approve/reject → 达标社区点 curate 落库 → train 重训云海 ML（不含日出质量字段）。
详细设计见 internal/open-annotation-plan.md · 标注操作见 internal/CLOUDSEA-LABEL.md
| 阶段 | 目标 |
|---|---|
| 近期 | 模型版本与贡献数公开展示；日出 ML 训练脚本（基于 sunrise_quality） |
| 中期 | 单点专属 ML（每社区点/精选点独立 pkl + 自动切换） |
| 远期 | 全国 POI 通用 ML（跨纬度/地形泛化）；定时重训 CI；贡献排行榜 |
确认结论（截至当前版本）：
- 共建计划的 P1 核心（社区点、POI 标注、开放贡献、审核 API、深链、精选落库 API）已实现并部署。
- P2/P3 深化（单点独立模型、全国 POI 模型、日出 ML 训练、自动重训）部分进行中。
欢迎通过 Issue / PR 参与：补充观景点 JSON、提交标注样本、改进单点/全国模型训练脚本。
| 景区 | 说明 |
|---|---|
| 本溪五女山 | 点将台、观云亭（金标准标注与 ML 主标定区） |
| 大连大黑山 | 观日峰等 |
| 黄山 / 庐山 / 泰山 / 峨眉山 / 华山 / 五台山 | 经典观云观日点位 |
数据文件：data/scenic-spots/，可自行扩展 JSON。
┌──────────────────────────────────────────────────────────────────┐
│ Vue 3 · Vite · TypeScript · Tailwind · Naive UI · ECharts │
│ 天地图 JS API 4.0 · Pinia · axios · suncalc │
├──────────────────────────────────────────────────────────────────┤
│ FastAPI · Uvicorn · httpx · Pydantic · scikit-learn · Redis │
│ Open-Meteo Forecast / Historical · GIBS Himawari · SQLite │
│ 模糊逻辑 v2（Archetype）· ML v2 · 标注样本库 · 行为分析 │
└──────────────────────────────────────────────────────────────────┘
- Node.js 20+ · Python 3.12+ · （可选）Redis 7
- 天地图开发者 Key（浏览器端类型）
git clone https://github.com/TIMtechnology/yunhai.git
cd yunhai
cp frontend/.env.example frontend/.env.local
# 编辑 frontend/.env.local，填入 VITE_TIANDITU_KEY# 终端 1 — 后端
cd backend
python3 -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
uvicorn app.main:app --reload --port 8000
# 终端 2 — 前端
cd frontend && npm install && npm run dev
# http://localhost:5173export CLOUDSEA_ML_ENABLED=true
export CLOUDSEA_MODEL_PATH=../data/cloudsea/models/cloudsea_ml_v2.pkldocker compose up --build # 开发
bash scripts/build-amd64.sh # 生产 amd64 镜像
docker compose -f docker-compose.prod.yml up -d生产部署见 docker-compose.deploy.yml。
| 方法 | 路径 | 说明 |
|---|---|---|
GET |
/health |
健康检查 |
GET |
/api/spots/search?q= |
搜索景区 |
GET |
/api/predict/{spot_id}/viewpoint/{viewpoint_id} |
预置观景点预测 |
POST |
/api/predict |
自定义坐标预测 |
GET |
/api/contribute/cloudsea/* |
开放标注（Header: X-Contributor-Id） |
PATCH |
/api/contribute/locations/{id} |
编辑我的社区点位名称/坐标/海拔 |
GET |
/api/satellite/cloud |
Himawari 红外裁切 |
GET |
/api/internal/cloudsea/review-queue |
待审标注（Admin Token） |
POST |
/api/internal/cloudsea/train |
手动重训 ML（Admin Token） |
GET |
/api/internal/backtest/predict |
历史日回测（Admin Token） |
Swagger：http://localhost:8000/docs
# 1. 回填标注日完整垂直场气象
python3 scripts/backfill_meteo_hourly.py
# 2. 训练 ML（仅 approved 标注）
python3 scripts/train_cloudsea_model.py --approved-only
# 3. 模型输出
# data/cloudsea/models/cloudsea_ml_v2.pkl开放标注页：https://yunhai.timkj.com/label.html（无需 Token，浏览器自动生成贡献 ID）
Admin：审核 / 落库 / 重训见 共建计划 · 操作细节 internal/CLOUDSEA-LABEL.md
yunhai/
├── frontend/ # Vue 3 主应用 + label.html 标注页
├── backend/app/
│ ├── adapters/ # Open-Meteo、Historical、Himawari WMS
│ ├── engine/ # cloudsea_scorer · cloudsea_ml · cloudsea_features
│ ├── routers/ # api · cloudsea · contribute · analytics
│ └── services/ # predictor · cloudsea_store · community_store
├── data/
│ ├── scenic-spots/ # 景区 JSON
│ └── cloudsea/ # 标注库 cloudsea.db · ML 模型
├── docs/docs/ # 用户文档（同步至 frontend/public/docs）
├── internal/ # 标注说明 · 分析看板（本地内部）
├── scripts/ # build-amd64 · train · backfill
└── Dockerfile
| 文档 | 链接 |
|---|---|
| 使用指南 | /docs/index.html |
| 数据来源 | /docs/data-sources.html |
| 预测模型 | /docs/prediction-model.html |
| 系统架构 | /docs/architecture.html |
| 界面设计 | /docs/ui-design.html |
源码副本：frontend/public/docs/
官方实例：yunhai.timkj.com · Docker 单镜像 + Redis · 时区 Asia/Shanghai
欢迎 Issue / PR：观景点 JSON、云海/日出现场标注、单点/全国模型优化、文档完善等。
参与 日出云海预测模型共建 见 共建计划。
MIT License · © 2026 timkj
如果这个项目对你规划观云、拍日出或开展研究有帮助，欢迎 Star ⭐