新闻详情

新闻详情

首页 / 资讯中心 / 详情

Open-Meteo 免费天气预報 API:无需 API 密钥获取 16 天逐小时预报

发布时间:2026/11/4 19:26:38来源:尧图网络
Open-Meteo 免费天气预報 API:无需 API 密钥获取 16 天逐小时预报
Open-Meteo 免费天气预報 API无需 API 密钥获取 16 天逐小时预报【免费下载链接】open-meteoFree Weather Forecast API for non-commercial use项目地址: https://gitcode.com/GitHub_Trending/op/open-meteo给应用加一个天气页面或者做研究时想拉一段历史温度曲线可商业气象 API 总要先注册账号、申请密钥、对照价格表。Open-Meteoopen-meteo是一个开源且免费的气象数据 API直接把经纬度发给它的接口就能拿到逐小时的预报 JSON不用账号、不用密钥非商业用途不收费。它也不只是一个人在维护的项目。Home Assistant、Breezy Weather 等智能家居和天气应用都在用它的数据从下载原始数据到提供 HTTP 服务整条管线全部开源AGPLv3 协议理论上你可以在自己环境里跑一套。 用一条 curl 拿到第一份 16 天预报不用任何配置一条请求就能验证效果curl https://api.open-meteo.com/v1/forecast?latitude52.52longitude13.41hourlytemperature_2m返回的 JSON 以小时为单位每个时次都有温度。在 URL 上继续加参数就能顺带要湿度、降水、风速。示例里的经纬度指向柏林换成任意坐标即可。注意一点非商业用途免费但展示数据时需按 CC BY 4.0 协议标注来源。除了查明天天气它还能做什么接口按数据域拆分成几个独立端点各管一类需求场景能拿到什么典型用途短期预报最长 16 天的逐小时数据温度、降水、风、紫外线等应用里的天气模块、出行安排历史天气回溯到 1940 年的观测与再分析数据约 80 年气候趋势分析、回测验证空气质量PM2.5、臭氧等污染物浓度空气质量监测、健康提醒海洋预报浪高、海表温度等参数冲浪、沿海活动安排辅助接口海拔、地理编码地名换坐标、洪水数据为天气接口准备坐标和背景数据同一位置还可以用models参数切换数据来源全球性的 GFS或分辨率更高的区域模型 ICON 等方便横向比较不同模式对同一场天气的预报差异。⚙️ 幕后这些预报数据从哪来Open-Meteo 自己不运营气象站预报数据来自各国气象机构公开发布的模式产品美国 NOAA 的 GFS含更精细的 HRRR、德国 DWD 的 ICON、ECMWF IFS以及挪威、日本、加拿大等机构的区域模式。真正的工作量在中间环节。这些原始数据是 GRIB、NetCDF 一类的格式各家模式还有自己的网格和投影。Open-Meteo 每天下载并处理超过 5TB 数据统一转换进一种自研的压缩时序文件格式专门优化单点、单时段这类读取。服务端是一个 Swift 写的单一二进制处理请求时只取需要的那一小片数据服务器分布在欧洲和北美由 GeoDNS 就近路由平均响应时间可以压到 10 毫秒以内。翻源码能看到同样的分工每个气象模式都有自己的下载器和解析器Sources/App下按 Gfs、Icon、Ecmwf 分目录上层再统一写入文件格式所以对外接口才能保持同一套形态。 自建部署、SDK 与配套文档自建 API一条 Docker 命令即可启动Ubuntu 22.04 也有预构建安装包。实例可以直接从官方公共数据库取数据并本地缓存不必自己下载全套模式docker run -d -p 127.0.0.1:8080:8080 \ -v open-meteo-data:/app/data \ ghcr.io/open-meteo/open-meteo仓库内文档快速开始与自建指南、下载模式数据、多节点同步、定时任务配置。客户端 SDK社区维护 Python、TypeScript、Go、Rust、C#、PHP、Dart/Flutter、Kotlin、R 等语言的客户端提供带类型的调用封装。社区Issue 报 BugDiscussion 讨论想法为冷门语言补一个 SDK 也是被欢迎的贡献方式。自建有一点要心里有数一次预报请求要从大量文件里读压缩数据的小片段缓存冷的时候首次调用偏慢重复请求会明显变快更适合有稳定请求量的场景。对个人项目和日常使用来说Open-Meteo 把注册、申钥、付费、解析四步压缩成了一次 GET 请求整条数据管线还随时可以打开来验证。【免费下载链接】open-meteoFree Weather Forecast API for non-commercial use项目地址: https://gitcode.com/GitHub_Trending/op/open-meteo创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/4 15:56:54

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/4 17:01:23

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/4 12:33:12

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/4 3:51:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉