feat: normales saisonnières 1991-2020 + AnomalyBadge

- scripts/build-normales.mjs : agrégation TN/TX mensuelles par dept sur
  la période WMO 1991-2020 depuis les fichiers Q_<DEPT>_previous-1950-2024.
  Output src/data/normales.json (78 KB, committé). Run annuel max.
- Corse : Météo France utilise le code historique "20" (avant split 2A/2B
  en 1976), donc 2A et 2B partagent la même normale issue de Q_20_*.
- src/lib/normales.ts : computeAnomaly() qui moyenne TX/TN des 7 derniers
  jours, compare à la normale du mois, calcule l'écart en °C et en σ,
  catégorise (normal / warm / cool / anomaly_warm / anomaly_cool /
  extreme_warm / extreme_cool / unknown).
- src/components/AnomalyBadge.astro : badge coloré (vert/jaune/orange/rouge)
  visible sur /departement/[code] juste au-dessus du graphe T°.
  Différencie "il fait chaud" de "il fait anormalement chaud pour ce mois".

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

src/lib/normales.ts

@@ -0,0 +1,98 @@
+// Lookup des normales saisonnières TN/TX par dept × mois, calculées sur 1991-2020.
+// Données générées par scripts/build-normales.mjs, committées en JSON statique.
+
+import type { DayObservation } from './climato';
+
+let normalesData: Record<string, MonthNormale[] | null> | null = null;
+
+async function loadNormales(): Promise<Record<string, MonthNormale[] | null>> {
+  if (normalesData) return normalesData;
+  try {
+    const m = await import('../data/normales.json');
+    normalesData = m.default as Record<string, MonthNormale[] | null>;
+  } catch {
+    normalesData = {};
+  }
+  return normalesData;
+}
+
+export interface MonthNormale {
+  month: number; // 1..12
+  tn: number | null;
+  tx: number | null;
+  tnStd: number;
+  txStd: number;
+  n: number;
+}
+
+export async function normaleForMonth(dept: string, month: number): Promise<MonthNormale | null> {
+  const data = await loadNormales();
+  const arr = data[dept];
+  if (!arr) return null;
+  return arr[month - 1] ?? null;
+}
+
+export interface Anomaly {
+  windowDays: number;
+  meanTx: number | null;
+  meanTn: number | null;
+  normaleTx: number | null;
+  normaleTn: number | null;
+  diffTx: number | null;
+  diffTn: number | null;
+  sigmaTx: number | null; // diffTx / txStd
+  sigmaTn: number | null;
+  /**
+   * - 'normal' : |sigma| <= 1
+   * - 'warm' / 'cool' : 1 < |sigma| <= 2
+   * - 'anomaly_warm' / 'anomaly_cool' : |sigma| > 2 (déviation significative)
+   * - 'extreme_warm' / 'extreme_cool' : |sigma| > 3
+   * - 'unknown' : pas de normale
+   */
+  txCategory: 'normal' | 'warm' | 'cool' | 'anomaly_warm' | 'anomaly_cool' | 'extreme_warm' | 'extreme_cool' | 'unknown';
+}
+
+function categorize(sigma: number | null): Anomaly['txCategory'] {
+  if (sigma === null || !Number.isFinite(sigma)) return 'unknown';
+  const abs = Math.abs(sigma);
+  if (abs > 3) return sigma > 0 ? 'extreme_warm' : 'extreme_cool';
+  if (abs > 2) return sigma > 0 ? 'anomaly_warm' : 'anomaly_cool';
+  if (abs > 1) return sigma > 0 ? 'warm' : 'cool';
+  return 'normal';
+}
+
+export async function computeAnomaly(dept: string, days: DayObservation[]): Promise<Anomaly | null> {
+  if (days.length === 0) return null;
+  const recent = days.slice(-7);
+  if (recent.length === 0) return null;
+
+  // Représentatif : moyenne des 7 derniers jours
+  const txs = recent.map((d) => d.tx).filter((v): v is number => v !== null);
+  const tns = recent.map((d) => d.tn).filter((v): v is number => v !== null);
+  const meanTx = txs.length ? +(txs.reduce((s, v) => s + v, 0) / txs.length).toFixed(1) : null;
+  const meanTn = tns.length ? +(tns.reduce((s, v) => s + v, 0) / tns.length).toFixed(1) : null;
+
+  // Mois représentatif : médian des 7 jours
+  const middleDate = recent[Math.floor(recent.length / 2)].date;
+  const month = parseInt(middleDate.slice(5, 7), 10);
+  const nrm = await normaleForMonth(dept, month);
+  if (!nrm) return null;
+
+  const diffTx = meanTx !== null && nrm.tx !== null ? +(meanTx - nrm.tx).toFixed(1) : null;
+  const diffTn = meanTn !== null && nrm.tn !== null ? +(meanTn - nrm.tn).toFixed(1) : null;
+  const sigmaTx = diffTx !== null && nrm.txStd > 0 ? +(diffTx / nrm.txStd).toFixed(2) : null;
+  const sigmaTn = diffTn !== null && nrm.tnStd > 0 ? +(diffTn / nrm.tnStd).toFixed(2) : null;
+
+  return {
+    windowDays: recent.length,
+    meanTx,
+    meanTn,
+    normaleTx: nrm.tx,
+    normaleTn: nrm.tn,
+    diffTx,
+    diffTn,
+    sigmaTx,
+    sigmaTn,
+    txCategory: categorize(sigmaTx),
+  };
+}