ILOPD：美国本土集约化畜牧经营密度估算数据集

数据集获取

源站：https://doi.org/10.7910/DVN/EZWHJQ

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 213.5 MB。

数据说明

集约化畜牧经营(ILOs)在塑造环境风险和人畜共患病出现方面发挥着重要作用，包括高致病性禽流感(HPAI)H5N1的暴发。随着理解和建模HPAI H5N1出现的需求日益迫切，考虑到跨物种病毒传播的增加，有必要考虑ILOs的空间分布。目前，美国尚无ILOs位置的全面数据集。本项目旨在利用这些预测生成一个覆盖美国本土的ILOs估计密度的空间连续数据集，以便未来开展HPAI H5N1建模，并评估与ILOs相关的环境和公共卫生风险。由于各州对ILOs位置的报告不完整且不一致，本项目旨在开发一个半监督空间机器学习框架，以10 km×10 km网格分辨率估算ILOs数量，目标是改善报告不足州的覆盖情况。最终数据集提供10 km网格分辨率下的ILOs数量，以及相关的农业、社会经济、空间和环境预测因子。

文件夹中的文件包括：us_grid_（完整特征网格的shapefile）、combined_ilos（所有已知ILO位置的shapefile）、ILO_Density（EPA发布的县ILO计数shapefile）以及state_totals_2024.csv（州ILO计数）。构建该模型的完整工作流程在XGBoost_model.Rmd中实现。它包括使用负下采样构建训练数据集、XGBoost机器学习建模、为整个研究区域生成预测、使用多项式回归模型进行后校准以及模型评估。数据：确保已下载数据文件夹，以便成功运行代码。负下采样：训练数据集使用负下采样构建。由于标记数据中零计数单元过度代表，随机抽取一个等于50的子集

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。