Agent Skills
返回列表
云海预测

云海预测

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_7532f4b1/cloud-sea。

技能介绍

要解决的问题

云海预测不是简单看“有没有雾”。北京周边山区观测点海拔、雾底/雾顶、露点温度、大气通透度和日出角度差异很大，直接凭经验或单一模型容易误判。cloud-sea 面向的是这类问题：给定日期或关键词，自动获取多源气象数据，估算云海概率、日出质量、雾型与出行风险，并输出可阅读的报告。

工作方式与适用边界

核心流程围绕 LCL 和雾顶判定展开：使用 Open-Meteo 获取 ECMWF、CMA 与 ENS 数据，融合计算 dew_point_2m、LCL、雾底高度和 fog_top_msl；再结合风速、湿度、能见度、PM2.5、AOD 等因子评分。技能会区分普通云海、日出云海、多点对比和数据核实任务，并生成 Markdown 与 HTML 报告。

它更适合华北山区云海/日出观测规划，尤其关注官方 16 峰及常见观测点。注意：结果依赖实时 API 数据，预测仍会有不确定性；低海拔长城段、城区数据、灰霾天气和降水风险都可能明显影响视觉体验与安全性，不能把它当成确定性预报。

使用场景

  • 计划周末去海坨山/东灵山拍云海时，判断某天云海概率、雾顶与出行风险。
  • 评估日出云海质量时，分析 05:00、06:00、07:00 的云量、LCL、通透度和评级。
  • 对比妙峰山、雾灵山、白石山等多个观测点时，生成雾底、雾顶、山顶差和 TOP3 推荐。
  • 核实预测异常时，检查露点温度、ENS 不确定性和数据复制问题，并说明修正原因。

适合人员

  • 计划北京周边云海摄影的户外博主，需要判断具体日期、山峰、日出窗口和拍摄风险。
  • 做山区观测数据校核的气象分析者，需要查看 LCL、露点温度、雾顶和 ENS 不确定性。
  • 为朋友或客户制定周末登山计划的领队/运营，需要多峰对比、TOP3 推荐和装备提醒。
  • 维护自动化气象报告的脚本工程师，需要复用报告模板、评分规则和 HTML 生成流程。