美国本土普查区人口与面积加权日ERA5-Land温度1970至2024

该数据集基于ERA5-Land数据,评估美国本土普查区边界内的日平均、最高和最低2米气温,提供按面积加权和人口加权的日温度汇总指标,反映1970至2024年间的空间温度暴露

Harvard DataverseHarvard Dataverse
dataverse
浏览 20
其他回归Earth and Environmental SciencesTemperature
Contiguous United States Tract Population and Area-Weighted Daily ERA5-Land Temperature 1970 to 2024

基本信息

模态
其他
大小
19.007173913 GB
任务类型
回归
创建/更新时间
2026-10-07

资源简介

美国本土普查区人口与面积加权日ERA5-Land温度1970至2024

Contiguous United States Tract Population and Area-Weighted Daily ERA5-Land Temperature 1970 to 2024

该数据集基于ERA5-Land数据,评估美国本土普查区边界内的日平均、最高和最低2米气温,提供按面积加权和人口加权的日温度汇总指标,反映1970至2024年间的空间温度暴露。普查区边界采用2020年美国人口普查局定义。数据按十年组织,每个十年区间以压缩ZIP文件分发。可用于研究长期温度暴露与人口分布的关系,支持环境健康、气候流行病学等领域的回归或暴露评估分析(来源 DOI 解析)。

【数据集背景】

源站首次发布:2026。

【数据内容】

源站描述(机器翻译,仅供参考):利用ERA5-Land数据,在美国本土普查区边界内评估每日平均、最高和最低2米气温指标。每日汇总指标包括温度的面积加权和人口加权聚合,捕捉相对于县面积和人口分布的空间温度暴露,时间范围为1970年至2024年。普查区边界遵循2020年美国人口普查局定义。数据按十年组织,每个十年区间以压缩ZIP文件分发。

【主题与分类】

主题标签:Earth and Environmental Sciences、Temperature。本站分类:环境因素所致疾病/其他。

【获取与许可】

源站页面:https://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/GYWNZI

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

下载信息

注册下载

需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。

暂未开放

公开下载

无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。

免登录

有偿下载

公开数据集受托下载与技术交付服务。

提供高速下载与技术交付服务(收技术服务费,非数据销售)

暂未开放

当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。

使用方式

数据集获取

源站:https://doi.org/10.7910/DVN/GYWNZI

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。

数据集大小约 19.01 GB。

数据说明

利用ERA5-Land数据,对美国本土各普查区边界内的日均、最高和最低2米气温进行了评估。每日汇总指标包括气温的面积加权和人口加权聚合,以此反映1970年至2024年间,相对于县区面积和人口分布的空间温度暴露情况。普查区边界遵循2020年美国人口普查局的定义。数据按十年组织,并以压缩ZIP文件的形式每十年区间分发一次。

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。

数据缺失?

依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。

⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。

获取专属数据定制方案