prism_extreme_weather_dataset 极端天气数据集
该数据集提供美国本土 2009 至 2023 年逐日 tract 级极端天气指标，由 Drexel 分析人员基于 Oregon State University 的 800 米 PRISM 数据生成
基本信息
资源简介
prism_extreme_weather_dataset 极端天气数据集
prism_extreme_weather_dataset
该数据集提供美国本土 2009 至 2023 年逐日 tract 级极端天气指标，由 Drexel 分析人员基于 Oregon State University 的 800 米 PRISM 数据生成。极端高温、低温和降水定义为超过所在县第 99 百分位温度或降水值（低温低于第 1 百分位）的任意一天或连续多天。数据可用于研究极端天气暴露与健康结局的关联，支持环境流行病学建模、时空回归与风险预测等分析（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）：prism_extreme_weather_dataset 提供美国本土 2009-2023 年逐日 tract 级极端天气指标。Drexel 分析人员生成了逐日 tract 级极端高温、低温和降水暴露，定义为超过 tract 所属县第 99 百分位温度或降水值的任意一天或连续多天（低温低于第 1 百分位）。天气数据来源于 Oregon State University 的 800 米 PRISM（Parameter-elevation Regressions on Independent Slopes Model）数据集，该数据集在精细地理尺度上提供温度、降水等估计。（2026-08-24）PRISM Group, Oregon State University, 2023/4/17 - 2023/4/18
【主题与分类】
主题标签：Earth and Environmental Sciences、Medicine, Health and Life Sciences。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/OCFN2M
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/OCFN2M
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:
数据集大小约 19.86 GB。
数据说明
prism_extreme_weather_dataset 包含美国本土连续地区2009至2023年间每日2010年普查区级别的极端天气指标。德雷塞尔大学的分析人员生成了每日普查区级别的极端高温、寒冷和降水暴露数据，定义为任何一天或连续多天超过普查区所属县第99百分位温度或降水值（寒冷则低于第1百分位）。天气数据来源于俄勒冈州立大学的800米PRISM（独立坡面参数-高程回归模型）数据集，该数据集提供精细地理尺度上的温度和降水（以及更多要素）估计值。（2026-08-24）PRISM Group, Oregon State University, https://prism.oregonstate.edu，原始数据访问日期2023年4月17日至4月18日
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。
