@

砍掉机场快照，改为 per-city 独立告警；新增安卡拉 MGM 17128 高频监控

快照定时推送无实际价值（没变化也报），改为仅温度急变时触发告警。
各城市独立检测、独立冷却，不再捆绑推送。
同时接入安卡拉 Esenboğa 机场 MGM 站点 17128 的实时温度数据。

Constraint: 快照已运行验证格式无误，砍掉不影响现有急变告警功能
Scope-risk: 中低，仅影响高频通道逻辑，主循环不变
Tested: ruff check 通过
@

docs/AIRPORT_MARKET_MONITOR_ZH.md

@@ -4,11 +4,12 @@
 
 ### 现有数据
 
-| 城市 | 机场 | ICAO | 数据源 | 刷新频率 | 缓存 TTL | 数据字段 |
+| 城市 | 机场 | ICAO/站点 | 数据源 | 刷新频率 | 缓存 TTL | 数据字段 |
-|------|------|------|--------|---------|----------|---------|
+|------|------|-----------|--------|---------|----------|---------|
 | 首尔 | 仁川国际 | RKSI | AMOS (`global.amo.go.kr`) | 1 分钟 | 60s | 温度/露点/风速/气压/能见度/RVR/跑道对温度/METAR/TAF |
 | 釜山 | 金海国际 | RKPK | AMOS (`global.amo.go.kr`) | 1 分钟 | 60s | 同上 |
-| 东京 | 羽田 | RJTT | JMA AMeDAS (`jma.go.jp`) | 10 分钟 | 120s | 10 分钟温度观测（当前仅提取 temp） |
+| 东京 | 羽田 | RJTT | JMA AMeDAS (`jma.go.jp`) | 10 分钟 | 120s | 10 分钟温度观测 |
+| 安卡拉 | Esenboğa | 17128 | MGM (`servis.mgm.gov.tr`) | ~10 分钟 | 无独立缓存 | 温度/风速/气压/湿度/降水 |
 
 ### 现有 Telegram 推送系统
 
@@ -20,9 +21,7 @@
 
 ### 问题
 
-高频机场数据已就绪，但现有推送系统 30 分钟一轮对所有城市一视同仁。首尔/釜山 1 分钟级 AMOS 和东京 10 分钟级 JMA 接近交易高峰期时，温度变化可能比 30 分钟窗口更快，需要更灵敏的监控。
+四座机场城市的实时数据已就绪，但现有推送系统 30 分钟一轮对所有城市一视同仁。1-10 分钟级高频数据在接近交易高峰期时，温度变化可能比 30 分钟窗口更快，需要更灵敏的监控。
-
-同时，DEB 每日最高温预测是结算的核心参照，将机场实时温度与 DEB 预测并排对比，可以快速发现实际温度偏离预测的程度。
 
 ---
 
@@ -30,15 +29,15 @@
 
 ### 核心思路
 
-**在现有 30 分钟主循环之上叠加高频通道**，对三大机场城市用更短间隔推送"实时温度 + DEB 预测最高温"快报。不做市场分析、不输出 AI 建议，只报温度数据本身。
+在现有 30 分钟主循环之上叠加高频通道，对四座机场城市用 10 分钟间隔独立检测温度急变。温度波动达到阈值时推送告警，包含当前温度 + DEB 预测最高温。不做市场分析、不输出 AI 建议、不约定时快照。
 
 ### 1. 高频机场城市快速通道
 
-在现有 30 分钟主循环之外，为 `{seoul, busan, tokyo}` 单独跑一个 10 分钟间隔的子循环，仅检查温度动量突变。
+在现有 30 分钟主循环之外，为 `{seoul, busan, tokyo, ankara}` 单独跑一个 10 分钟间隔的子循环，每个城市独立检测温度急变。
 
 **配置（写死在代码中）**:
 ```python
-HIGH_FREQ_AIRPORT_CITIES = {"seoul", "busan", "tokyo"}
+HIGH_FREQ_AIRPORT_CITIES = {"seoul", "busan", "tokyo", "ankara"}
 HIGH_FREQ_PUSH_INTERVAL_SEC = 600        # 10 分钟
 HIGH_FREQ_MOMENTUM_THRESHOLD_C = 0.5     # 比默认 0.8°C 更灵敏
 HIGH_FREQ_COOLDOWN_SEC = 7200            # 同一城市冷却 2 小时
@@ -46,15 +45,13 @@ HIGH_FREQ_COOLDOWN_SEC = 7200            # 同一城市冷却 2 小时
 
 **逻辑**:
 - 主循环 30 分钟照常跑全部城市（不变）
-- 每 10 分钟额外跑一轮高频城市子集
+- 每 10 分钟对四座机场城市各检查一次温度急变
-- 高频轮次仅检查温度动量突变一条规则
+- 高频轮次仅检查 `airport_rapid_temp_change` 一条规则
-- 高频告警独立冷却期 2 小时
+- 各城市独立冷却，触发后 2 小时内同一城市不再重复推送
-- **最高温已锁定则跳过**：当日最高温已出现且之后持续下降，不再推送
+- **最高温已锁定则跳过**：当日最高已过且持续下降，不再推送
 
 ### 2. 机场观测积累与趋势检测
 
-**问题**: 当前 AMOS/JMA 每次只返回最新一条观测，无法计算温度斜率做动量检测。
-
 **新增数据库表**: `airport_obs_log`
 ```sql
 CREATE TABLE IF NOT EXISTS airport_obs_log (
@@ -71,52 +68,29 @@ CREATE INDEX IF NOT EXISTS idx_airport_obs_log_icao_time
     ON airport_obs_log(icao, created_at DESC);
 ```
 
-**写入**: 在 AMOS/JMA 成功获取数据后自动调用 `append_airport_obs()` 写入。自动清理 2 小时前的旧数据。
+**写入**: 在 AMOS/JMA/MGM 成功获取数据后自动调用 `append_airport_obs()` 写入。自动清理 2 小时前的旧数据。
 
 **读取**: `get_airport_obs_recent(icao, minutes=30)` 返回最近 N 分钟观测列表，用于计算温度变化斜率。
 
 ### 3. 温度突变即时告警
 
-基于积累的观测日志，新增告警规则 `airport_rapid_temp_change`。
+基于积累的观测日志，新增告警规则 `airport_rapid_temp_change`。每条告警 per-city 独立推送。
 
 | 参数 | 值 | 说明 |
 |------|-----|------|
 | 滑动窗口 | 20 分钟 | 取最近 20 分钟内的观测 |
 | 最少样本 | 3 条 | 确保有足够数据点 |
-| 触发阈值 | > 0.5°C/10min | 高频通道专用，比默认 0.8°C 更灵敏 |
+| 触发阈值 | > 0.5°C/10min | 比默认 0.8°C/30min 更灵敏 |
+| 冷却期 | 2 小时 | 同城市两次推送最小间隔 |
 | 锁定跳过 | 最高温已锁定 | 当日最高已过且持续下降，不推送 |
 
 **告警消息示例**:
 ```
-🚨 首尔/仁川 温度急变
+🚨 首尔/仁川 温度急变 🔥
 
-跑道中位数 14.9°C → 16.5°C (+1.6°C / 15min)
+跑道温度 14.9°C → 16.5°C (+1.6°C / 15min)
-风 220° 14kt 暖平流增强
+风 14kt
-DEB 预测今日最高 18.2°C  |  目前距预测差 1.7°C
+DEB 预测今日最高 18.2°C  |  差距 +1.7°C
-```
-
-### 4. 机场实况快照摘要（含 DEB 预测）
-
-每隔 30 分钟，向市场监控频道推送三座机场的"当前温度 + DEB 预测最高温"摘要。
-
-**推送时段**: 仅各城市当地 08:00-20:00（避免半夜噪音）
-
-**锁定跳过**: 如该城市当日最高温已锁定，跳过该城市不推送（三城中仍有未锁定的则正常推送其余）
-
-**消息格式**:
-```
-🛫 机场实况 14:30 CST
-
-🇰🇷 首尔/仁川 RKSI
-跑道中位数 14.9°C  ·  DEB 预测最高 18.2°C
-风 220° 14kt  |  QNH 1015.2 hPa  |  能见度 ≥10km
-
-🇰🇷 釜山/金海 RKPK
-跑道中位数 13.8°C  ·  DEB 预测最高 16.5°C
-风 180° 8kt
-
-🇯🇵 东京/羽田 RJTT
-当前 12.4°C (14:20 JST)  ·  DEB 预测最高 15.1°C
 ```
 
 ---
@@ -126,26 +100,26 @@ DEB 预测今日最高 18.2°C  |  目前距预测差 1.7°C
 | 优先级 | 文件 | 改动 |
 |--------|------|------|
 | 1 | `src/database/db_manager.py` | 新增 `airport_obs_log` 表、`append_airport_obs()`、`get_airport_obs_recent()` |
-| 2 | `src/data_collection/amos_station_sources.py` | 成功获取后调用 `append_airport_obs()` 写日志 |
+| 2 | `src/data_collection/weather_sources.py` | AMOS/JMA/MGM 成功后调用 `append_airport_obs()` 写日志 |
-| 3 | `src/data_collection/jma_amedas_sources.py` | 成功获取后调用 `append_airport_obs()` 写日志，可选扩展提取更多字段（风速/气压） |
+| 3 | `src/analysis/market_alert_engine.py` | 新增 `airport_rapid_temp_change` 规则 |
-| 4 | `src/analysis/market_alert_engine.py` | 新增 `airport_rapid_temp_change` 规则 |
+| 4 | `src/utils/telegram_push.py` | 10 分钟高频子循环、温度急变告警推送、最高温锁定跳过 |
-| 5 | `src/utils/telegram_push.py` | 高频快速通道子循环、机场快照推送（含 DEB 预测）、温度急变告警集成 |
+| 5 | `src/bot/runtime_coordinator.py` | 注册机场高频推送循环 |
 
 ---
 
 ## 实施顺序
 
 1. **Phase 1 — DB 层**: `airport_obs_log` 表 + 读写方法
-2. **Phase 2 — 采集层**: AMOS/JMA 成功后自动写日志，部署观察 1-2 天确认数据积累正常
+2. **Phase 2 — 采集层**: AMOS/JMA/MGM 成功后自动写日志，部署观察 1-2 天确认数据积累正常
 3. **Phase 3 — 告警引擎**: `airport_rapid_temp_change` 规则 + 单元测试
-4. **Phase 4 — 推送层**: 高频快速通道 + 机场快照 + DEB 预测，直接推送市场监控频道
+4. **Phase 4 — 推送层**: 高频快速通道，直接推送市场监控频道
 5. **Phase 5 — 调参**: 观察 3-7 天调整阈值
 
 ---
 
 ## 风险与注意事项
 
-- **AMOS/JMA 站点可用性**: `global.amo.go.kr` 和 `jma.go.jp` 可能偶发性不可用，需容错处理
+- **AMOS/JMA/MGM 站点可用性**: 各数据源可能偶发性不可用，需容错处理
 - **告警频率控制**: 高频循环可能产生过多告警，需要严格的冷却期和去重机制
-- **数据库体积**: `airport_obs_log` 每 1-10 分钟写入 3 条记录，2 小时约 36-360 条，自动清理后体积可控
+- **数据库体积**: `airport_obs_log` 每 1-10 分钟写入 4 条记录，2 小时约 48-480 条，自动清理后体积可控
-- **东京 JMA 数据完整性**: 当前只提取 temp，风速/气压需要额外解析（JMA JSON 中有 `wind` 和 `pressure` 数组但未使用）
+- **安卡拉 MGM 刷新频率**: `servis.mgm.gov.tr` 实际更新间隔待确认，暂按 ~10 分钟预估

src/analysis/market_alert_engine.py

@@ -813,7 +813,7 @@ def _build_advice_cn(
     return "，".join(parts) + "。"
 
 
-_AIRPORT_ICAO_MAP = {"seoul": "RKSI", "busan": "RKPK", "tokyo": "RJTT"}
+_AIRPORT_ICAO_MAP = {"seoul": "RKSI", "busan": "RKPK", "tokyo": "RJTT", "ankara": "17128"}
 
 
 def _calc_airport_rapid_temp_change(

src/data_collection/weather_sources.py

@@ -805,6 +805,19 @@ class WeatherDataCollector(OpenMeteoCacheMixin, SettlementSourceMixin, MetarSour
         if not mgm_data:
             return
         results["mgm"] = mgm_data
+        # Log airport obs for high-freq monitoring (Ankara 17128)
+        try:
+            mgm_current = mgm_data.get("current") or {}
+            DBManager().append_airport_obs(
+                icao=str(istno),
+                city=city_lower,
+                temp_c=mgm_current.get("temp"),
+                wind_kt=mgm_current.get("wind_speed_kt"),
+                pressure_hpa=mgm_current.get("pressure"),
+                obs_time=mgm_data.get("obs_time") or datetime.now().isoformat(),
+            )
+        except Exception:
+            logger.exception("airport_obs_log append failed for mgm city={}", city_lower)
         if include_nearby:
             results["nearby_source"] = "mgm"
             nearby = self.fetch_mgm_nearby_stations(province, root_ist_no=istno)

src/utils/telegram_push.py

@@ -690,12 +690,11 @@ def start_trade_alert_push_loop(bot: Any, config: Dict[str, Any]) -> Optional[th
 
 # ── high-freq airport push loop ──
 
-HIGH_FREQ_AIRPORT_CITIES = {"seoul", "busan", "tokyo"}
+HIGH_FREQ_AIRPORT_CITIES = {"seoul", "busan", "tokyo", "ankara"}
-HIGH_FREQ_AIRPORT_ICAO = {"seoul": "RKSI", "busan": "RKPK", "tokyo": "RJTT"}
+HIGH_FREQ_AIRPORT_ICAO = {"seoul": "RKSI", "busan": "RKPK", "tokyo": "RJTT", "ankara": "17128"}
 HIGH_FREQ_PUSH_INTERVAL_SEC = 600
 HIGH_FREQ_MOMENTUM_THRESHOLD_C = 0.5
 HIGH_FREQ_COOLDOWN_SEC = 7200
-AIRPORT_SNAPSHOT_INTERVAL_SEC = 1800
 
 _AIRPORT_PUSH_STATE_PATH = os.path.join(
     os.path.dirname(os.path.dirname(os.path.dirname(os.path.abspath(__file__)))),
@@ -758,7 +757,7 @@ def _build_airport_rapid_change_message(
     deb_pred: Optional[float],
 ) -> str:
     city_display = city.title()
-    airport_label = {"seoul": "首尔/仁川", "busan": "釜山/金海", "tokyo": "东京/羽田"}.get(city, city_display)
+    airport_label = {"seoul": "首尔/仁川", "busan": "釜山/金海", "tokyo": "东京/羽田", "ankara": "安卡拉/Esenboğa"}.get(city, city_display)
     emoji = "🔥" if rule.get("direction") == "up" else "❄️"
     first = rule.get("first_temp", 0)
     last = rule.get("last_temp", 0)
@@ -781,42 +780,6 @@ def _build_airport_rapid_change_message(
     return "\n".join(lines)
 
 
-def _build_airport_snapshot_message(snapshots: list[dict[str, Any]], local_time: str = "") -> str:
-    flag = {"seoul": "🇰🇷", "busan": "🇰🇷", "tokyo": "🇯🇵"}
-    name = {"seoul": "首尔/仁川 RKSI", "busan": "釜山/金海 RKPK", "tokyo": "东京/羽田 RJTT"}
-
-    lines = [f"🛫 机场实况 {local_time}"]
-    for s in snapshots:
-        city = s.get("city", "")
-        temp = s.get("temp_c")
-        deb = s.get("deb_prediction")
-        runway_pairs = s.get("runway_pairs") or []
-        runway_temps = s.get("runway_temps") or []
-        lines.append("")
-        header = f"{flag.get(city, '')} {name.get(city, city)}"
-
-        # Show individual runway pair temps for Seoul/Busan
-        if runway_pairs and runway_temps and len(runway_pairs) == len(runway_temps):
-            runway_lines = []
-            for (r1, r2), (t, d) in zip(runway_pairs, runway_temps):
-                dew_str = f" / 露点 {d:.1f}°C" if d is not None else ""
-                runway_lines.append(f"{r1}/{r2}: {t:.1f}°C{dew_str}")
-            line = header + "\n" + "\n".join(runway_lines)
-        elif temp is not None:
-            line = header + f"\n当前 {temp:.1f}°C"
-        else:
-            line = header
-
-        if deb is not None:
-            line += f"\nDEB 预测最高 {deb:.1f}°C"
-        if s.get("wind_kt") is not None:
-            line += f"  |  风 {s['wind_kt']:.0f}kt"
-        if s.get("pressure_hpa") is not None:
-            line += f"  |  QNH {s['pressure_hpa']:.1f} hPa"
-        lines.append(line)
-    return "\n".join(lines)
-
-
 def _run_high_freq_airport_cycle(
     bot: Any,
     config: Dict[str, Any],
@@ -827,9 +790,6 @@ def _run_high_freq_airport_cycle(
     now_ts = int(time.time())
     last_by_city = state.setdefault("last_by_city", {})
 
-    snapshots: list[dict[str, Any]] = []
-    snapshot_due = now_ts - int(state.get("last_snapshot_ts") or 0) >= AIRPORT_SNAPSHOT_INTERVAL_SEC
-
     for city in sorted(HIGH_FREQ_AIRPORT_CITIES):
         try:
             icao = HIGH_FREQ_AIRPORT_ICAO.get(city, "")
@@ -844,7 +804,6 @@ def _run_high_freq_airport_cycle(
             except Exception:
                 latest_obs = {}
 
-            # Fetch city_weather once and extract DEB
             city_weather: Dict[str, Any] = {}
             deb_pred: Optional[float] = None
             try:
@@ -856,51 +815,13 @@ def _run_high_freq_airport_cycle(
             except Exception:
                 pass
 
-            # Extract airport-level data from city_weather for snapshot
-            amos = city_weather.get("amos") or {}
-            runway_data = (amos.get("runway_obs") or {}) if amos else {}
-            runway_pairs = runway_data.get("runway_pairs") or []
-            runway_temps = runway_data.get("temperatures") or []
-            # Tokyo JMA data lives in mgm_nearby (set by _attach_japan_official_nearby)
-            mgm_nearby = city_weather.get("mgm_nearby") or []
-            nearby_row = mgm_nearby[0] if mgm_nearby else {}
-            current_temp = (
-                amos.get("temp_c")
-                or nearby_row.get("temp")
-                or latest_obs.get("temp_c")
-                or (city_weather.get("current") or {}).get("temp")
-            )
-            wind_kt = amos.get("wind_kt") or latest_obs.get("wind_kt")
-            pressure_hpa = amos.get("pressure_hpa") or latest_obs.get("pressure_hpa")
-
             # Check high-locked
             if _check_high_locked(city):
-                if snapshot_due:
-                    snapshots.append({
-                        "city": city,
-                        "temp_c": current_temp,
-                        "wind_kt": wind_kt,
-                        "pressure_hpa": pressure_hpa,
-                        "deb_prediction": deb_pred,
-                        "runway_pairs": runway_pairs,
-                        "runway_temps": runway_temps,
-                    })
                 continue
 
             from src.analysis.market_alert_engine import _calc_airport_rapid_temp_change
             rule = _calc_airport_rapid_temp_change(city_weather, "°C")
 
-            if snapshot_due:
-                snapshots.append({
-                    "city": city,
-                    "temp_c": current_temp,
-                    "wind_kt": wind_kt,
-                    "pressure_hpa": pressure_hpa,
-                    "deb_prediction": deb_pred,
-                    "runway_pairs": runway_pairs,
-                    "runway_temps": runway_temps,
-                })
-
             if not rule.get("triggered"):
                 continue
 
@@ -926,24 +847,6 @@ def _run_high_freq_airport_cycle(
         except Exception:
             logger.exception("high freq airport cycle failed for city={}", city)
 
-    if snapshot_due and snapshots:
-        from datetime import timedelta
-        kst_hour = (datetime.utcnow() + timedelta(hours=9)).hour
-        if 8 <= kst_hour < 20:
-            kst_now = datetime.utcnow() + timedelta(hours=9)
-            local_time = kst_now.strftime("%H:%M KST")
-            snap_message = _build_airport_snapshot_message(snapshots, local_time)
-            for chat_id in chat_ids:
-                try:
-                    bot.send_message(chat_id, snap_message)
-                except Exception as exc:
-                    logger.warning("airport snapshot push failed chat_id={}: {}", chat_id, exc)
-            logger.info("airport snapshot pushed cities={}", len(snapshots))
-        else:
-            logger.info("airport snapshot skipped: outside 08:00-20:00 window (KST hour={})", kst_hour)
-        state["last_snapshot_ts"] = now_ts
-        state_dirty = True
-
     return state_dirty