学校污染环境正义分析复现数据

数据集获取

源站：https://doi.org/10.7910/DVN/XJVQED

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 154.4 MB。

数据说明

四十多年来，环境正义（EJ）研究记录了因居民种族和族裔构成而承受的不平等污染负担。然而，该领域较少关注儿童在学校度过的相当长时间以及那里潜在的环境不公。本研究旨在将环境正义研究从人们的居住地扩展出去，通过考察2022年美国本土93,325所公立K-12学校的臭氧和PM2.5污染情况。为此，我们合并了隔离追踪项目（STP）、教育人口与地理估计（EDGE）项目以及环境正义筛查与制图工具2.3（EJSCREEN 2.3）的数据，构建了一个覆盖美国本土的学校层面数据集，其中包含每所学校的种族和族裔人口统计、免费及减价午餐注册人数、特许与磁石学校身份、点位置；以及每所学校所在的人口普查区块组（CBG）测得的臭氧和PM2.5污染水平。

然后，我们采用带有Conley空间异方差和自相关一致（HAC）标准误（SEs）的统计模型，检验学校层面的环境正义效应，包括学生和学校属性与空气污染之间的关联，空气污染以原始值及美国环境保护署（EPA）设定的健康风险阈值来衡量。此复现压缩文件包含了研究的技术文档、数据集、R脚本以及研究成果的输出，如表格和图表。R脚本提供了用于清理和合并数据集及复现本研究实证分析的代码。

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。