g
gcw_4BAuHkQd/xiaojianfengyun
Datasets
Dataset viewer
Files & versions
Pull Requests
Discussion

气象大数据可视化与行业智能服务平台

基于 Python Flask + Vue 3 + ECharts 构建的全栈气象数据可视化系统,覆盖实时天气、历史气候分析、机器学习预测、AI 预警助手,以及面向农业、能源、交通、海洋、医疗、旅游等 10+ 行业的垂直气象服务模块。

核心功能

基础气象能力

  • 用户系统:注册、登录、JWT 会话鉴权、个人中心、管理员后台(用户管理、公告管理)
  • 实时天气:城市搜索、当前天气、未来 7 日预报、生活指数
  • 历史查询:多城市历史天气检索、CSV/PNG/PDF 导出
  • ECharts 可视化:折线图、柱状图、散点图、热力图、时间轴、仪表盘
  • 全国天气地图:温度/湿度双模式、城市实时数据聚合
  • AI 预警助手:接入大模型接口,天气风险提示、出行建议、连续对话

大数据与 AI

  • 气候大数据分析:气候态分位计算、年际趋势倾向率、极端天气事件识别、月度距平、多城气候对比;支持 Open-Meteo 存档一键回填多年历史数据
  • 机器学习预测引擎:GBDT 温度回归 + 降水概率分类(scikit-learn),回测对比统计基线(MAE / RMSE / R²),测试集真实值 vs 预测值曲线
  • 用户级告警订阅:多城市、多指标(气温/湿度/降水/风力/天气现象)自定义阈值订阅,命中后站内通知 + 可选邮件 + AI 防御建议,冷却防骚扰
  • 定时任务调度:APScheduler 数据采集、告警巡检、周报生成,Redis 分布式锁防重复

行业垂直模块(10+)

领域模块
农业农业气象、土壤墒情、物候遥感
能源风电功率预测、光伏出力监测、电网负荷气象关联、微电网调度
交通高速路况气象、航空终端气象、航海港口气象、低空飞行气象
灾害台风追踪、洪涝模拟沙盘、森林火险监测、输电线路灾害预警、避难所路线规划
公共服务医疗健康气象、旅游景区气象、生活指数助手、个人生活助手
环境碳通量监测、雷达实况图层、卫星遥感图层、风切变雷达、结冰模型
平台系统监控、开放 API 控制台、报告生成器、周报中心、公告管理

技术栈

层级技术
后端Python 3、Flask 3、Flask-SQLAlchemy、Flask-Migrate、Flask-CORS、APScheduler、scikit-learn、numpy、redis、reportlab、gunicorn
前端Vue 3、Vue Router 4、Axios、ECharts 5、Three.js、Vite 7、html2canvas、jsPDF
数据库SQLite(默认),支持 MySQL(含 ER 建模 SQL)
数据源Open-Meteo(免费无 Key,默认)+ 和风天气 API(可选)
AI 能力OpenRouter / 通义千问等 OpenAI 兼容接口(多 LLM 容灾,无 Key 自动降级)
部署Docker + docker-compose(后端 gunicorn + 前端 nginx + Redis)
CIGitHub Actions(后端测试 + 前端构建 + E2E 冒烟 + Docker 镜像构建)

项目结构

.
├── backend/
│   ├── app.py                  # Flask 应用入口
│   ├── config.py               # 配置管理
│   ├── models.py               # SQLAlchemy 数据模型
│   ├── requirements.txt
│   ├── routes/                 # 18 个 API 路由模块
│   │   ├── auth.py             # 用户认证
│   │   ├── weather.py          # 实时天气与预报
│   │   ├── climate.py          # 气候大数据分析
│   │   ├── ml.py               # 机器学习预测
│   │   ├── subscribe.py        # 告警订阅
│   │   ├── disaster.py         # 灾害应急
│   │   ├── emergency.py        # 应急指挥
│   │   ├── agri.py             # 农业气象
│   │   ├── energy.py           # 能源气象
│   │   ├── traffic.py          # 交通气象
│   │   ├── radar.py            # 雷达实况
│   │   ├── report.py           # 报告生成
│   │   ├── system.py           # 系统监控
│   │   └── ...
│   ├── services/               # 50+ 业务服务
│   ├── tests/                  # pytest 单元测试
│   ├── utils/                  # 工具函数
│   ├── migrations/             # Flask-Migrate 迁移
│   └── data/ml_models/         # 训练好的 ML 模型
├── frontend/
│   ├── src/
│   │   ├── views/              # 50+ 页面组件
│   │   ├── components/         # 24 个通用组件
│   │   ├── api/                # API 封装
│   │   ├── router/             # 路由配置
│   │   └── main.js
│   └── vite.config.js
├── docs/                       # 技术文档
├── .github/workflows/          # CI 配置
├── docker-compose.yml
└── README.md

快速开始

1. 后端

cd backend
python -m venv .venv
.venv\Scripts\activate        # Windows
# source .venv/bin/activate   # Linux/macOS
pip install -r requirements.txt
copy .env.example .env

编辑 backend/.env,填入可选的和风天气 Key 和大模型 Key(不填也能运行,自动使用 Open-Meteo 免费数据源和 AI 降级模式)。

python app.py

后端运行在 http://127.0.0.1:5000。首次启动自动创建 SQLite 数据表,预置管理员账号:

username: admin
password: admin123

2. 前端

cd frontend
npm install
npm run dev

浏览器访问 http://127.0.0.1:5173。Vite 自动将 /api 请求代理到 Flask 后端。

3. Docker 一键部署

docker compose up -d --build

访问 http://localhost:8181(admin / admin123)。数据库持久化在 backend/weather.db,ML 模型与缓存在 backend-data 卷。

生产部署要点:

  • 调度器独立服务:compose 中的 web 进程 SCHEDULER_ENABLED=0(gunicorn gthread 4 worker×8 线程,长连接 SSE 不再占死 worker),由独立的 scheduler 单进程服务(python -m services.scheduler_worker)承担采集/告警/订阅评估/每日数据归档,Redis + 文件双 leader 锁保证只有一份在跑。
  • 数据库并发:SQLite 已启用 WAL 模式(读写并发)+ busy_timeout=15s;weather_records 建立 (location_id, obs_time) 复合唯一索引,采集并发重复写入由约束兜底。
  • 数据冷热分层:调度器每日 03:00 自动把 90 天前明细聚合归档进日尺度表(LishiWeather)并清理明细(保留期可用 WEATHER_RETENTION_DAYS 调整),Open-Meteo 历史回查数据也会落库沉淀为自有数据资产。
  • 数据库迁移:镜像启动时自动执行 flask --app app db upgrade(存量库应用迁移);全新库也可直接起服务(bootstrap_database 会 create_all + 预置 admin)。手动迁移:cd backend && flask --app app db upgrade。
  • 可观测性:请求日志/慢请求 WARN/全局 500 JSON 兜底已内建;/api/system/health 探活数据库与 Redis;/api/system/metrics 输出 Prometheus 格式的 per-route 请求耗时指标。
  • admin 默认密码:仅用于首次本地初始化,生产环境首登后请立即在个人中心修改密码;ALLOW_ADMIN_PASSWORD_RESET 生产环境保持 0(防止旧 scrypt 哈希被自动重置回默认密码)。
  • 环境变量:SECRET_KEY、QWEATHER_API_KEY、OPENROUTER_API_KEY 等在 compose 环境或 .env 中提供。

4. 测试

# 后端单元测试(196 个用例:鉴权契约/气候统计/订阅引擎/ML对齐/调度锁/限流回退等)
cd backend && .venv\Scripts\python -m pytest tests/ -q

# 前端 E2E 冒烟(需先启动后端和前端)
cd frontend && npm run test:e2e

API 概览

全部 /api/* 接口默认需要登录(统一鉴权钩子),白名单与分级明细见 docs/security/api-auth-matrix.md (148 个方法×路径条目:public 6 / ApiKey 2 / login 134 / admin 6)。

方法路径说明
POST/api/auth/login用户登录
GET/api/auth/me当前用户信息
GET/api/weather/city/search?keyword=北京城市搜索
GET/api/weather/now/:locationId实时天气
GET/api/weather/daily/:locationId?days=7未来预报
GET/api/weather/chart/{line|bar|scatter|heatmap}图表数据
GET/api/weather/map-cities全国天气地图
POST/api/weather/alert/chatAI 预警对话
GET/api/climate/overview气候态总览
GET/api/climate/extremes极端事件识别
GET/api/ml/forecastML 温度/降水预测
GET/api/ml/backtest模型回测指标
POST/api/subscribe创建告警订阅
GET/api/system/health系统健康检查

完整 API 文档运行后访问后端 /api/docs 或查看 docs/ 目录。

安全说明

  • 本仓库不提交真实 API Key、数据库密码、个人数据或本地运行数据库
  • 运行时请复制 backend/.env.example 为 backend/.env,在本地填写自己的服务凭证
  • 所有敏感配置通过环境变量注入,不硬编码在源码中
  • 用户密码使用哈希存储,API 接口需 JWT 鉴权

数据来源

气象数据来源于 Open-Meteo(默认,免费无需 Key)和和风天气(可选)。使用时请遵守对应服务条款。

版权声明

版权所有 (c) 2026 QiuFeng1965,保留所有权利。未经书面授权,不得复制、修改、分发或用于商业用途。