🌇 Scoring System / 打分系统
本工具的“日落/火烧云指数”是一个启发式（heuristic）的加权评分（0–100）。我们先在「日落前后 ±窗口」内汇总气象要素（平均/最小/最大），
再把各要素标准化到 0–1 之间（得到 s），与权重 w 相乘求和，最后×100 得出总分。
The "Sunset Score" is a heuristic weighted score (0–100). We aggregate weather variables in a ±window around sunset,
normalize each factor to [0–1] as s, weight them by w, sum them, then ×100.
🧭 Pipeline / 处理流程
- 取数 / Data：从 Open-Meteo 获取逐小时的
cloudcover[_low/_mid/_high]、precipitation_probability、visibility、wind_speed_10m。 - 时间窗 / Window：以天文计算的日落时间为中心，取 ±window 分钟的小时索引集合（默认 ±90 分）。
- 聚合 / Aggregate：对窗口内各要素求 平均（并保留 min / max 供展示）。
- 标准化 / Normalize：把每个聚合后的要素转换到 [0,1] 得分
s（见下文“标准化函数”）。 - 加权求和 / Weighted sum：
Score = 100 × Σ ( wi × si )。 - 分级标签 / Label：基于总分给出 “🔥 Fire / Great / Good / Fair / Poor”。
注：如果有的要素缺失，我们使用中性值（如 0.5 或 0.6）并在详情中标注“无数据”（No data）。
📐 Normalization / 标准化函数
1) 三角函数 tri：
tri(x, m, w) = clamp( 1 - |x - m| / w , 0 , 1 ) /* m: 理想值（optimal value），w: 可容忍宽度（tolerance） 当 x=m 得 1；偏离 m 在 w 内线性下降到 0；超出 w 为 0 */用途：高云（m=50, w=40）、中云（m=40, w=35）、风速（m=4 m/s, w=4）。
2) 低云（越少越好）：
s_low = 1 - tri( lowCloudPct , 20 , 25 ) /* 约 0–20% 更利于地平线通透，因此低云越多扣分越高 */
3) 降水概率（越小越好）：
s_precip = 1 - clamp( precipProb / 100 , 0 , 1 )
4) 能见度（越大越好）：
s_vis = clamp( ( visKm - 5 ) / 10 , 0 , 1 ) /* 5 km 及以下趋近 0；15 km 及以上趋近 1；中间线性过渡 */
5) 气溶胶（占位）：
s_aod = 0.6 // 尚未接入 AOD/PM2.5 数据时的中性值
百分比数据兼容 0–1/0–100 两种来源：若检测到最大值 ≤ 1.01，则×100 归一到百分比。
⚖️ Weights / 权重
| Factor / 因子 | Weight w | Rationale / 理由 |
|---|---|---|
| High cloud / 高云 | 0.35 | 高层卷云是色彩“画布”，适中覆盖最佳。 |
| Mid cloud / 中云 | 0.25 | 增强层次与纹理，过多会遮光。 |
| Low cloud / 低云 | 0.15 | 过厚会挡住地平线，少量可反射。 |
| Precipitation / 降水概率 | 0.10 | 降水越少越利于观测与拍摄。 |
| Visibility / 能见度 | 0.07 | 高能见度有助于颜色纯净与远景层次。 |
| Wind / 风速 | 0.08 | 适中风速利于云形态；过强会吹散。 |
| Aerosol / 气溶胶 | 0.00 | 暂未接入数据，默认不计。 |
权重可在首页的“权重调整/Weight”区域（若开启）进行微调；不同地区/季节可尝试略作差异化。
🧮 Final Score / 最终公式
Score = 100 × Σ ( w_i × s_i ) where s_i ∈ [0, 1], w_i ≥ 0
等级阈值（可调整）：≥85 Fire、≥70 Great、≥55 Good、≥40 Fair、否则 Poor。
🔎 Worked Example / 计算示例
假设窗口平均：高云 58%，中云 35%，低云 12%，降水概率 20%，能见度 12 km，风速 5 m/s。
| Factor | Formula | s | w | Contribution (=w×s×100) |
|---|---|---|---|---|
| High | tri(58, 50, 40) | 0.80 | 0.35 | 28.0 |
| Mid | tri(35, 40, 35) | 0.86 | 0.25 | 21.5 |
| Low | 1 - tri(12, 20, 25) | 0.52 | 0.15 | 7.8 |
| Precip | 1 - 0.20 | 0.80 | 0.10 | 8.0 |
| Vis | clamp((12-5)/10) | 0.70 | 0.07 | 4.9 |
| Wind | tri(5, 4, 4) | 0.75 | 0.08 | 6.0 |
| Total | — | — | — | 76.2 ≈ 76 |
以上仅为示例，实际数值以你的地点和时段的窗口平均为准。缺失数据将使用中性值（如 s=0.5/0.6）并在详情里注明。