大城市常见豚草致敏花粉产量数据集

数据集获取

源站：https://search.dataone.org/view/sha256%3A7b5c576b063a77ad258a10717cf9ae56e7c53053e39255378f6d3e217d058ae0

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据说明

要在精细空间尺度上预测空气中的致敏花粉浓度，需要掌握源植物的位置和花粉产量信息。此类数据在城市尺度上较为缺乏，主要原因是人工在广大区域内绘制产生致敏花粉的植物分布图不可行。然而，适度规模的野外调查结合异速生长方程、遥感技术和生境分布模型，可以预测这些植物的分布位置及其花粉产量。本研究通过野外调查绘制了美国密歇根州底特律市常见豚草（Ambrosia artemisiifolia）的分布图。利用航拍影像、LiDAR和市政数据提取的生境相关变量与豚草存在与否之间的关系，构建了生境分布模型，并据此预测了整个研究区域（392 km²）内豚草的分布。利用花序长度与花粉产量之间的关系，预测了该市的花粉产量。豚草在底特律的分布面积占1.7%，年花粉总产量为312 × 10¹²粒花粉，但豚草在全市的分布高度异质。

豚草主要见于空地（75%）和拆除建筑物附近（48%），并与遥感检测到的土地覆盖类型（如稀疏植被、树木、铺装地面）存在不同程度的关联。这些发现还提示了若干有助于降低致敏花粉水平的管理策略，包括适当的拆除后管理做法。对花粉产量的空间分辨预测将有助于建立空气传播致敏花粉的机制模型，并改进暴露估计，以供流行病学及其他应用使用。

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。