面向天文观测的本地综合网页服务：ICON/IFS 数值预报评分、区域网格观星地图、极光卵实况、 卫星云图、APOD 每日天文图、天象/流星雨/彗星、光污染、太阳活动与健康检查。 纯 Python 标准库，零运行时依赖。
cd web
python3 server.py 8890
# 电脑打开: http://localhost:8890
# 手机同WiFi: http://<电脑IP>:8890 (server 已绑定 0.0.0.0)| 模块 | 数据源 | 状态 |
|---|---|---|
| 观星指数 5晚逐小时 | ICON 数值预报 | ✅ 直连 |
| 多模型对比 ICON vs IFS | 两套数值预报 | ✅ 直连 |
| 观星指数地图 (区域网格扫描) | 后端 /api/scan 并发扫 3×3~7×7 网格点, Leaflet 真实底图(CARTO暗色/高德矢量/高德卫星/ESRI) + 双线性插值(Bilinear)热力连续色面(边缘羽化) + Marching-squares 等值线(20/40/60/80) + 细采样点选点(可点容差) + 风云4B云图叠加 |
✅ 后端聚合 |
| 晴天钟 7天对照 | 7Timer astro.php | ✅ 代理 |
| 光污染 Bortle/MPSAS/历年 | DarkMap 2025 | ✅ 代理 |
| 卫星云图实况 | 国家卫星气象中心 风云4B | ✅ 直连 |
| 底图 | CARTO暗色 / 高德矢量 / 高德卫星 / ESRI (无key直连) | ✅ 直连 |
| 流星雨活跃/全年 | 内置流星雨星表 | ✅ 本地 |
| 天象事件 | 天文事件接口 | ✅ 代理 |
| 太阳活动 Kp/太阳风/极光/Bz | NOAA 上游聚合 | ✅ 代理 |
| 高德/Google/DarkMap/Windy 跳转 | URL 生成 | ✅ |
聚合的公开上游数据源（均可免费直连或经本地 /proxy 转发）：
- 数值预报: ICON / ECMWF IFS / Open-Meteo
- 晴天钟: 7Timer
- 太阳活动/极光: NOAA SWPC（Kp、太阳风、OVATION 极光卵、射电通量）
- 卫星云图: 国家卫星气象中心 NSMC 风云4B、向日葵8（阿里云镜像）
- 每日天文图: NASA APOD
- 天象/流星雨: 内置星表 + 天文事件接口
- 光污染: DarkMap
- 卫星目录: CelesTrak TLE 缓存
观星指数来自数值预报模型，预报之间存在不确定性（实测 ICON 评分 26 vs IFS 评分 48 的情况并不少见）。 页面同时给出 晴天钟（另一套预报）+ 风云4B 卫星云图实况，以实况为准，避免“预报翻车”。
基于公开 API 采样数据（2016 行，14 地点 × ICON/IFS × 3 天 × 24h）拟合的评分模型：
ICON: base = 89.673 - 88.057*cloudIndex + 5.290*transparency + 5.111*seeing - 8.905*dewRisk
IFS : base = 90.042 - 87.849*cloudIndex + 5.126*transparency + 4.666*seeing - 32.640*dewRisk
score = max(0, min(100, base))，但触发天气封顶时取离散值
- 离散天气封顶: 降水/雷暴 → 10；一般恶劣天气 → 25；雾/近饱和+低云 → ~55
- 整晚分 ≈ 同一天历日夜间小时 (20:00-24:00 + 00:00-05:00, 共10h) 分数的简单平均
- 泛化验证: 20 次随机“地点分组”（10 训练/4 测试），ICON 连续域 MAE≈0.38，±1 分内 93.4%
- 更科学的开源替代方案见
notes/OPENSOURCE_RESEARCH.md（DarkHours / pyastroweatherio / bot_astrosferum）
# 算法元数据 (系数/封顶/验证指标/开源引用)
python -m clearsky.cli info
# 单点预测 (威远穹窿今晚 20:00 ICON → 89.1)
python -m clearsky.cli predict -m icon -c 0.1043 -t 0.7866 -s 0.8711 -d 0
# 带天气封顶标记 (降水/雾)
python -m clearsky.cli predict -m ifs -c 0.3 -t 0.6 -s 0.7 -d 0.3 --fog
# 复现测试 (20 次地点分组交叉验证)
python -m clearsky.cli test
# CSV 批量预测 (列: model,cloudIndex,transparency,seeing,dewRisk[,precipitation,fog])
python -m clearsky.cli batch -i in.csv -o out.csv
# URL 健康检查 (运行前连通性/延迟探测)
python -m clearsky.cli check --group core --jsonfrom clearsky import predict_score, explain
predict_score("icon", 0.1043, 0.7866, 0.8711, 0.0) # 89.1
explain("icon", 0.1043, 0.7866, 0.8711, 0.0) # ScoreResult(score=89.1, ...)
from clearsky import check_all, check_url, get_urls
rep = check_all(group="core") # 只查关键链路
print(rep.summary()) # {total, ok, fail, critical_fail, elapsed_s, avg_total_ms}Web 启动前自动检查（默认开启）:
python web/server.py # 启动前自动全量健康检查(约10-15s)+延迟TOP5, 失败不阻塞
python web/server.py --no-check # 跳过检查直接启动
python web/server.py --check-exit # 关键服务失败则中止启动
python web/server.py --check-group core # 只查核心分组Web 页内健康检查: 「🩺 健康」Tab 调用 /api/health，展示全部数据源状态 + 连接/TTFB/总延迟，
顶部状态点实时反映关键服务是否正常; 每 15 分钟自动复查。web/server.py 使用 ThreadingTCPServer 多线程处理请求，
全量健康检查(约 6-15s)期间静态页/天气/卫星等其他请求完全不受阻塞。
URL 注册表: clearsky/urls.py 维护 34 个端点 (6 组: core/nodeapi/weather/satellite/maps/misc)，
默认坐标=威远穹窿 (29.58,104.50)，可用 build_urls(coords={...}) 换成任意观测地重建。
检查指标: 连接(含 TLS) / TTFB / 总耗时, 自动跟随重定向, 只读响应前 2KB 避免下载大图。
| 文件 | 作用 |
|---|---|
clearsky/scoring.py |
评分算法核心 (predict_score / explain / COEFFICIENTS) |
clearsky/__init__.py |
包导出 (from clearsky import predict_score) |
clearsky/algorithm.json |
机器可读算法元数据 (系数/封顶/指标/引用) |
clearsky/cli.py |
命令行入口 (info/predict/test/batch/check) + clearsky 入口点 |
clearsky/urls.py |
URL 注册表 (34 端点/6 组/关键性标记/默认坐标) |
clearsky/healthcheck.py |
URL 健康检查 (连通+连接/TTFB/总延迟, 并发, 报告) |
clearsky/test_healthcheck.py |
healthcheck 离线单元测试 (本地 mock HTTP) |
web/index.html + web/js/* |
综合网页 (10 Tab: 观星/指数地图/天气/光害/云图/极光/天象/卫星/健康/关于) |
web/css/app.css |
网页深色主题样式 |
web/server.py |
本地服务: 启动前健康检查 + 静态页 + /api/* + /proxy 代理 |
clearsky/test_scoring.py |
复现测试 (20 次地点分组交叉验证) |
clearsky/data/sample_dataset.csv |
2016 行真实 API 采样 (训练/验证数据) |
clearsky/data/nightly_probe.json |
整晚分聚合探针 |
notes/OPENSOURCE_RESEARCH.md |
开源算法调研报告 |
upstream/fetch_pinned.sh |
一键克隆/还原 4 个固定 commit 的开源项目 |
upstream/ |
已并入的开源实现 (chromasky-backend/toolkit、pyastroweatherio) |
pyproject.toml |
第三方库构建配置 (wheel/entry point/元数据) |
pip install -e .
clearsky info # 命令行入口
python -c "from clearsky import predict_score; print(predict_score('icon',0.1043,0.7866,0.8711,0))" # 89.1- 观星指数=预报，请结合晴天钟+卫星云图实况判断
- 公开演示密钥仅用于低频率个人/学习调用，请勿高频调用或商用