数据集：印度苏拉特城市绿化优先选址的街道与卫星空气污染证据
该数据集支撑论文《Deciding where to plant first: prioritising urban greening with street-level and satellite air pollution evidence in Surat, India》，包含印度苏拉特65个
基本信息
资源简介
数据集：印度苏拉特城市绿化优先选址的街道与卫星空气污染证据
Data for: Deciding where to plant first: prioritising urban greening with street-level and satellite air pollution evidence in Surat, India
该数据集支撑论文《Deciding where to plant first: prioritising urban greening with street-level and satellite air pollution evidence in Surat, India》，包含印度苏拉特65个站点在2024年12月各两次访问的PM1、PM2.5、PM10、甲醛和总挥发性有机物现场测量值及站点平均值，以及覆盖1,927个500米网格单元的人口、插值污染物、归一化得分、综合脆弱性、植被亏缺、无植被地表比例和干预优先级，另含2020年城市边界的Census 2011分区人口与主要道路交通量。数据可用于城市绿化选址与空气污染暴露评估。
【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）：该数据集支撑手稿《Deciding where to plant first: prioritising urban greening with street-level and satellite air pollution evidence in Surat, India》（Cities & Health，审稿中）。它包含：印度苏拉特65个站点的访问级和站点平均现场测量值，涵盖PM1、PM2.5、PM10、甲醛和总挥发性有机物，每个站点在2024年12月访问两次；1,927个500米网格单元的输出，包含人口、插值污染物值、归一化得分、综合脆弱性、植被亏缺、无植被地表比例和干预优先级；2020年城市边界的Census 2011分区人口；主要道路交通量；所有网格数据均采用WGS 1984 UTM Zone 43N。由于数据属于正在进行的博士项目的一部分，访问受限。
【主题与分类】
主题标签：air pollution、urban greening、nature-based solutions、ordinary kriging、Sentinel-5 Precursor、Sentinel-2。本站分类：环境因素所致疾病/其他。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23270618
使用许可：Creative Commons Attribution 4.0 International。
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/10.5281/zenodo.23270618
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
本数据集支持手稿《Deciding where to plant first: prioritising urban greening with street-level and satellite air pollution evidence in Surat, India》（Cities & Health，审稿中）。数据集包含：2024年12月对苏拉特65个站点各进行两次访问所获得的PM1、PM2.5、PM10、甲醛和总挥发性有机化合物的访问级和站点平均实地测量数据；1,927个500 m网格单元的输出数据，包括人口、插值污染物值、归一化得分、综合脆弱性、植被赤字、无植被地表比例和干预优先级；2020年城市边界内按选区统计的2011年人口普查人口；主要道路的交通流量计数；所有网格数据均采用WGS 1984 UTM Zone 43N坐标系。由于数据属于正在进行的博士研究项目的一部分，访问受到限制。
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。
