模拟候鸟-蚊虫系统中物候与生理对气候变暖的响应
该数据集基于扩展的Ross-MacDonald模型,研究气候变暖对一种假想候鸟-蚊虫系统中媒介传播疾病的影响。模型同时纳入温度对宿主和媒介物候与生理的作用,并模拟中度与重度变暖情景下疾病出现的可能性

基本信息
资源简介
模拟候鸟-蚊虫系统中物候与生理对气候变暖的响应
Modeling phenological and physiological responses to climate warming in a hypothetical migratory songbird-mosquito system
该数据集基于扩展的Ross-MacDonald模型,研究气候变暖对一种假想候鸟-蚊虫系统中媒介传播疾病的影响。模型同时纳入温度对宿主和媒介物候与生理的作用,并模拟中度与重度变暖情景下疾病出现的可能性。结果显示,变暖条件下媒介和宿主的感染流行率始终上升,且当宿主未能调整到达物候时增幅更大。数据可用于理解气候变化如何通过物候与生理途径影响虫媒传染病动态,支持预测性建模研究(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2025。
【数据内容】
源站描述(机器翻译,仅供参考):鉴于变温媒介生理对温度的强烈依赖性,气候变暖预计将深刻影响许多媒介传播疾病。值得注意的是,恒温宿主也能通过改变季节性迁徙和繁殖等生活史事件的时间来响应变暖,但相对较少的媒介传播疾病预测模型同时考虑了气候变暖下的物候和生理响应。在此,我们扩展了媒介传播疾病的Ross-MacDonald模型,以纳入温度对宿主和媒介物候与生理的影响。我们使用该模型来理解中度与重度变暖的预估如何影响一种假想媒介传播疾病在候鸟中的出现。模拟的媒介和宿主感染流行率在变暖下始终增加,且当宿主未能更新其到达物候时,这一增加被放大。
【主题与分类】
主题标签:Phenology、Physiology、Mathematical model、Climate change、Infectious diseases。本站分类:感染性疾病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.cnp5hqcdn
使用许可:Creative Commons Zero v1.0 Universal。
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/10.5061/dryad.cnp5hqcdn
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 8.9 MB。
数据说明
鉴于变温媒介生理学对温度的强烈依赖性,气候变暖预计将对许多媒介传播疾病产生深远影响。值得注意的是,恒温宿主也能通过改变季节性迁徙和繁殖等生活史事件的时间来响应变暖,但相对较少的媒介传播疾病预测模型同时考虑了气候变暖对物候和生理的影响。在此,我们将Ross-MacDonald媒介传播疾病模型扩展,以纳入温度对宿主和媒介物候及生理的影响。我们利用该模型来理解中度和重度变暖预测如何影响一种假设的媒介传播疾病在候鸟中的出现。模拟结果显示,在变暖条件下,媒介和宿主的感染流行率总是增加,而当宿主未能更新其到达物候以跟上繁殖地资源的变化时,这种增加会被放大。虽然极端变暖情景产生了最高的感染流行率,但最热月份媒介存活率的降低导致了传播季后期的下降,改变了感染的季节性模式。
通过综合考虑宿主、媒介和寄生虫对温度的响应,我们的建模框架可用于帮助解读在当前及未来气候条件下,原本非直观的野生动物感染结果。
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。




