fix: 移除 _local_kriging 内部 multiprocessing.Pool 避免 Windows 嵌套 spawn 死锁

根因: step11 用 ProcessPoolExecutor 派发 CSV 到子进程，
  子进程内 ContentMapper.process_data → _local_kriging 又创建
  multiprocessing.Pool。Windows spawn 模式下嵌套 Pool 死锁。

修复: _local_kriging 内部改为顺序执行 16 个块。
  每块 ~12s (650K 网格点 × 50 近邻), 总计 ~3 分钟, 完全可接受。
  step11 层的 ProcessPoolExecutor 仍提供 CSV 级并行。

src/postprocessing/map.py

@@ -597,14 +597,11 @@ class ContentMapper:
                 grid_y = grid_yy[:, 0]
                 total_cells = len(grid_x) * len(grid_y)
 
-                _n_workers = min(os.cpu_count() or 4, 8)
                 print(f"正在使用 局部克里金 (自适应分块 + 40% 重叠缓冲)："
-                      f"网格={total_cells:,} 点, "
-                      f"{_n_workers} workers")
+                      f"网格={total_cells:,} 点")
 
                 grid_content = self._local_kriging(
                     points, values, grid_x, grid_y,
-                    n_workers=_n_workers,
                     n_closest_points=50,
                 )
 
@@ -692,7 +689,7 @@ class ContentMapper:
         return grid_content
 
     def _local_kriging(self, points, values, grid_x, grid_y,
-                        n_workers=4, n_closest_points=50):
+                        n_closest_points=50):
         """局部克里金：自适应分块 + 重叠缓冲区 + 保护性近邻限制
 
         1. 自适应块大小: 根据 extent 自动切分为 ~4×4 块 (16~25块)
@@ -700,7 +697,6 @@ class ContentMapper:
         3. 保护性近邻: n_closest_points=50，稀释极端异常值
         4. 网格点仅使用严格不重叠的块范围（Buffer 仅用于筛选采样点）
         """
-        import multiprocessing
 
         x_min, x_max = float(grid_x[0]), float(grid_x[-1])
         y_min, y_max = float(grid_y[0]), float(grid_y[-1])
@@ -775,9 +771,15 @@ class ContentMapper:
         if len(tasks) <= 1:
             return self._local_krige_block(*tasks[0])
 
-        print(f"  启动 {min(n_workers, len(tasks))} 个 worker 进程...")
-        with multiprocessing.Pool(processes=min(n_workers, len(tasks))) as pool:
-            results = pool.map(_local_krige_block_worker, tasks)
+        # 在 ProcessPoolExecutor 的子进程内（step11 批量模式）顺序执行，
+        # 避免 Windows spawn 模式下嵌套 multiprocessing 死锁。
+        # 16 个块顺序跑 ~1-2 分钟，完全可接受。
+        print(f"  顺序执行 {len(tasks)} 个局部 Kriging 块...")
+        results = []
+        for i, task in enumerate(tasks):
+            if i % max(1, len(tasks) // 4) == 0 or i == len(tasks) - 1:
+                print(f"  [LocalKrige] {i+1}/{len(tasks)} ...")
+            results.append(_local_krige_block_worker(task))
 
         # 拼接：全 NaN 数组，逐块填回
         grid_full = np.full((len(grid_y), len(grid_x)), np.nan, dtype=np.float64)