Meteon Climate

Klímaadat-vizualizációs webalkalmazás Flask alapon. A projekt célja, hogy közérthető felületen mutassa meg a hőmérséklet, a csapadék, a CO2-kibocsátás és a globális felmelegedés fő trendjeit, grafikonos és térképes nézetekkel.

Miről szól a projekt?

Az alkalmazás egy többoldalas klíma dashboard, ahol a felhasználó:

• kiválaszthat éveket és régiókat,
• összehasonlíthat eltérő időszakokat,
• megnézheti a kontinensek közötti különbségeket,
• térképen vizsgálhatja az országos értékeket,
• és egy egyszerűsített klímamodell alapján hőmérsékleti előrejelzést is kaphat 2050-ig.

A frontend kizárólag a saját Flask API-t használja. A külső adatforrásokat a backend tölti le, dolgozza fel, cache-eli és egységes JSON formában szolgálja ki.

Fő funkciók

• Áttekintő dashboard év-összehasonlítással
• Hőmérséklet oldal kontinens- és havi bontással
• Csapadék oldal éves és havi eloszlással
• CO2 oldal összkibocsátással és egy főre jutó mutatóval
• Föld felmelegedése oldal történeti trenddel és előrejelzéssel
• Világtérkép országos szintű rétegekkel
• CO2 kalkulátor oldal
• SEO-barát route-ok előtöltött év/régió paraméterekkel

Alkalmazott technológiák

Backend

• Python
• Flask
• requests
• saját service-réteg (service/)

Frontend

• Jinja2 sablonok
• HTML, CSS, vanilla JavaScript
• Chart.js grafikonokhoz
• Leaflet térképes megjelenítéshez

Adatforrás

• Our World in Data grapher CSV-k
• helyi nyersadat-cache a data/raw/ mappában

Projekt felépítése

app.py                      Flask route-ok és API végpontok
service/
  api_service.py            API payloadok összeállítása
  forecast_service.py       felmelegedési előrejelzés
  loaders.py                CSV letöltés, cache, betöltés
  aggregations.py           világ/kontinens aggregációk, per capita számítás
  config.py                 chart nevek, limitek, alapbeállítások
  store.py                  memóriabeli adattár és TTL-alapú cache
templates/                  oldalak és kliensoldali adatlekérés
static/                     stílusok, ikonok
data/raw/                   nyers OWID CSV-k

Oldalak röviden

• / kezdőoldal
• /attekintes gyors összefoglaló a kiválasztott év globális és kontinentális adatairól
• /homerseklet éves és havi hőmérsékleti bontás
• /csapadek éves és havi csapadékeloszlás
• /co2 kontinensenkénti CO2-kibocsátás és per capita mutató
• /foldfelmelegedes/felmelegedes történeti trendnézet
• /foldfelmelegedes/elorejelzes jövőbeli forgatókönyvek
• /terkep országos szintű térképes vizualizáció
• /co2-kalkulator külön kalkulátor oldal

Hogyan működik az adatfeldolgozás?

1. Adatbetöltés

A backend a service/loaders.py modulon keresztül dolgozik:

• először megnézi, hogy van-e helyi CSV a data/raw/ mappában,
• ha van, abból tölt,
• ha nincs, letölti az OWID megfelelő grapher CSV-jét,
• majd eltárolja helyben, hogy a következő indulás gyorsabb legyen.

A használt fő chartok:

• temperature -> average-monthly-surface-temperature
• precipitation -> average-precipitation-per-year
• co2 -> co2-fossil-plus-land-use
• population -> population

Ezek environment változóval felülírhatók a service/config.py alapján.

2. Egységesítés

Betöltéskor a rendszer:

• normalizálja az entitásneveket,
• eltárolja az országkódokat,
• felismeri a dátum oszlopot,
• havi és éves adatokat külön indexel,
• szükség esetén havi adatokból éves átlagot számol.

A belső memóriamodell:

• STORE.monthly[metric][entity][year] -> [12 havi érték]
• STORE.yearly[metric][entity][year] -> éves érték
• STORE.years[metric] -> elérhető évek
• STORE.entities[metric] -> elérhető entitások

3. Aggregáció

A service/aggregations.py végzi az összesítéseket:

• hőmérsékletnél és csapadéknál átlagol,
• CO2-nél összead,
• országokat kontinensekhez rendel,
• világértéket kontinensekből számol, ha nincs közvetlen adat,
• CO2 esetén népességadattal egy főre jutó mutatót is számol.

4. Cache és frissítés

A memóriabeli store TTL-alapú. Ha a beállított időn túl nincs használat, a store ürül, majd újratöltődik. Induláskor egy háttérszál előmelegíti a gyakori adatokat (warm_cache_all()).

Manuális frissítés:

• POST /admin/refresh

Ez újratölti a külső CSV-ket és felülírja a helyi cache fájlokat.

API működése

Az API réteg a service/api_service.py fájlban építi fel a JSON válaszokat.

Főbb végpontok:

• GET /api/meta
• GET /api/overview
• GET /api/metric/year
• GET /api/metric/entity
• GET /api/map
• GET /api/temperature/warmest
• GET /api/temperature/forecast
• GET /api/co2/overview
• POST /admin/refresh

Mit csinál az API a háttérben?

• validálja a metrikát,
• ellenőrzi, hogy az adott év elérhető-e,
• fallback évet választ, ha kell,
• kiszámolja a világértéket és az összehasonlítási deltát,
• felépíti a kontinenslistákat és rangsorokat,
• térképhez ISO3 országkódos listát ad vissza,
• CO2 esetén per capita mutatót ad hozzá,
• csapadéknál havi bontást becsül, ha csak éves adat áll rendelkezésre.

Hogyan működik a csapadék havi becslése?

A csapadékforrás nem minden esetben tartalmaz teljes havi bontást. Ilyenkor a rendszer:

• megkeresi az éves csapadékértéket,
• kontinensenként előre definiált havi arányprofilt használ,
• ebből 12 havi becsült értéket képez,
• és a válaszban jelzi, hogy ez becsült adat (estimated_monthly: true).

Antarktiszra külön fallback éves érték is szerepel.

Hogyan működik az előrejelzés?

Az előrejelzés nem sima lineáris trendvonal. A service/forecast_service.py egy egyszerűsített, fizikailag motivált modellt használ.

1. Történeti idősor előkészítése

• betölti a globális éves hőmérséklet idősorát,
• betölti a globális CO2 kibocsátási idősorát,
• bázisidőszakot képez,
• ebből hőmérsékleti anomáliát számol.

Elsődleges bázisidőszak:

• 1850-1900

Fallback bázis:

• 1951-1980

Ehhez egy korrekciós offset is tartozik, hogy a preindusztriális referencia közelíthető legyen.

2. Koncentráció-becslés

A modell a kibocsátási adatokból becsült koncentrációs idősorokat állít elő:

• CO2 ppm
• CH4 ppb
• N2O ppb

Ez nem közvetlen méréssor, hanem egyszerűsített becslés a történeti kibocsátásokból.

3. Sugárzási kényszer

A modell számol:

• CO2 forcinggal logaritmikus képlettel
• CH4 és N2O forcinggal négyzetgyök-alapú közelítéssel
• aeroszol proxyval

A CO2 forcing képlete:

dF = 5.35 * ln(C / C0)

4. Kétrekeszes hőmérsékleti modell

A hőmérsékletet egy kétkomponensű energiamérleg-modell szimulálja:

• felszíni réteg
• mélyóceáni réteg

Ez azért fontos, mert az óceán hőtehetetlensége késlelteti a rendszer reakcióját.

5. Kalibráció

A modell több paraméterkombinációt próbál ki rácskereséssel:

• ECS
• hőcsere paraméter
• felszíni hőkapacitás
• aeroszol skálák
• ENSO amplitúdó

A cél, hogy a modell jól kövesse a múltbeli anomáliasort. A score alapja:

• train RMSE
• TCR tartománybüntetés

Kalibrációs szakasz:

• 1950-2000

Backtest:

• 2001-től a jelenig

6. Jövőbeli szcenáriók

Három forgatókönyv készül:

• alacsony kibocsátás
• közepes kibocsátás
• magas kibocsátás

Mindegyikhez Monte Carlo mintavételezés fut, amely:

• kis mértékben szórja a modellparamétereket,
• módosítja a jövőbeli gázkoncentrációkat,
• aeroszol bizonytalanságot is beépít.

Az eredmény nem egyetlen szám, hanem sávos előrejelzés:

• medián érték
• alsó tartomány
• felső tartomány

A frontend ezekből rajzolja meg a 2030-as és 2050-es várható pályákat.

Fontosabb számított mutatók

• globális éves átlag
• összehasonlított évek közötti delta
• éves hőingás: max(havi átlag) - min(havi átlag)
• legmelegebb / leghűvösebb kontinens
• legmelegebb globális év
• CO2 per capita
• országos térképi értéktartományok

Futtatás lokálisan

python -m venv .venv
.venv\Scripts\activate
pip install -r requirements.txt
python app.py

Alapértelmezett cím:

http://127.0.0.1:5000

Konfiguráció

A projekt több beállítást environment változókból olvas:

• DATA_DIR
• TEMPERATURE_CHART
• PRECIPITATION_CHART
• CO2_CHART
• POPULATION_CHART
• DEFAULT_COMPARE_YEAR
• CACHE_TTL_SECONDS
• MAX_YEAR

Megjegyzések és korlátok

• A projekt alapvetően OWID adatokra épül.
• Egyes csapadék havi bontások becsültek, nem közvetlen megfigyelések.
• Az előrejelzés demonstrációs célú, egyszerűsített klímamodell, nem hivatalos tudományos előrejelző rendszer.
• A térképes nézet külső GeoJSON állománnyal dolgozik.

Rövid összefoglaló

Ez a projekt egy teljes klíma dashboard:

• backend oldalon adatletöltéssel, cache-sel, aggregációval és előrejelző modellel,
• frontend oldalon interaktív grafikonokkal és térképpel,
• egységes API-val, amelyből minden oldal dolgozik.