meteo气象数据看板产品系统Vibe Coding

本项目针对工业能源、智慧农业及户外施工（如风电、光伏电站）等对气象环境高度敏感的行业开发。在这些领域，气象数据不仅是信息，更是生产安全与效率的决策依据。本项目旨在解决行业内常见的数据孤岛、历史数据回溯难、以及多维度气象指标协同分析不直观等痛点，提供金融级可靠性的数据支撑。

1. 多维气象监控与高德 GIS 地图全景展示

- 全局地理联动：系统内嵌高精 A-Map（高德地图）图层，支持多监测点、多电站地理坐标的实时锚定与可视化大屏交互。
- 多维参数同屏：覆盖短波辐射、多高度水平风速（10m/80m）、预报低/中/高云量、温度、降水等一期核心指标，新增二期卫星反演指标，构建完整的全景气象要素监测指标卡阵列。

2. 高清卫星云图遥感物理反演（二期核心亮点）

- 学术级真值对接：直连 NASA GIBS 官方学术级低空极轨气象卫星（Terra/Aqua）250米高分辨率 True
Color（可见光反射率）图层，彻底摆脱传统网络爬虫易被封禁的硬伤。
- 精密物理模型反演：自研轻量级计算机视觉（CV）反演算法，根据目标坐标像素灰度，利用分段线性插值模型，高逼真反演出光学厚度（\tau）、等效物理云厚
H（米）、局地云量占比（成）、以及水平面总辐射衰减率（%）。

3. 5分钟级高精时序插值与四层共享 X 轴分析

- 高频时序重采样：系统内置时间序列重采样（Temporal Resampling）引擎。将小时级的气象预测数据，自动进行 5分钟
频率的高阶线性平滑插值，数据颗粒度精细 12 倍，完美模拟云层移动带来

架构设计：采用 Python 3.12 + FastAPI 异步后端架构，配合 Streamlit 构建响应式前端，确保在大数据量加载下的极速响应。

数据工程：集成全球高精度气象 API（Open-Meteo）与ZoomEarth，设计了健壮的重试机制与数据缓存层，利用 Pandas 进行高性能向量化数据清洗与聚合计算。

可视化引擎：基于 Plotly 进行底层定制，实现了跨图表的鼠标悬停联动（Hover Linkage）与坐标轴同步，解决了多指标对比时的视觉误差问题。

交付标准：遵循 HSBC Senior Engineer 级别的工程标准，代码逻辑高度模块化，通过环境隔离技术（Conda/Packer）实现复杂依赖的无损迁移，确保在不同 Windows 环境下的绝对稳定性。