加拿大野生钻水鸭(Anas spp.)禽流感病毒生态学研究数据
该数据集来自加拿大跨部门野生鸟类流感调查,于2005至2011年间对近20,000只外观健康的野生钻水鸭(七个物种)进行禽流感病毒检测,覆盖加拿大不列颠哥伦比亚省及东部省份等地

基本信息
资源简介
加拿大野生钻水鸭(Anas spp.)禽流感病毒生态学研究数据
The ecology of avian influenza viruses in wild dabbling ducks (Anas spp.) in Canada
该数据集来自加拿大跨部门野生鸟类流感调查,于2005至2011年间对近20,000只外观健康的野生钻水鸭(七个物种)进行禽流感病毒检测,覆盖加拿大不列颠哥伦比亚省及东部省份等地。数据包含年龄、性别、种群结构等生态与人口学变量,可用于识别和评估低致病性禽流感病毒感染的相关因素,支持疾病生态学分析与风险建模(来源 DataONE,CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):禽流感病毒(AIV)的发生和传播在世界许多地区(包括北美)仍然是重要的野生动物和人类健康问题。通过加拿大跨部门野生鸟类流感调查,2005年至2011年间对近20,000只外观健康的野生钻水鸭(七个物种)进行了AIV检测。我们利用这些数据来识别和评估加拿大各地野生钻水鸭(Anas spp.)中低致病性AIV感染的生态和人口学相关因素。广义线性混合效应模型分析显示,与成年鸟相比,孵化年鸟类的AIV感染风险更高,并且与种群中孵化年鸟类的高比例呈正相关。在不列颠哥伦比亚省和加拿大东部省份,雄性比雌性更可能被感染,但年龄和性别队列之间的关系更为复杂,fo
【主题与分类】
主题标签:dabbling ducks、Anas discors、avian influenza virus、Anas rubripes、migratory waterfowl、Anas spp.、Anas platyrhynchos、Anas strepera、Anas acuta、disease ecology。本站分类:感染性疾病/其他。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3Aa4ded1451c4fc80bce57faf6e25bbcb645e00c25d60de164aa34970fe64998d6
使用许可:CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
禽流感病毒(AIV)的发生和传播在世界许多地区,包括北美,仍然是重要的野生动物和人类健康问题。通过加拿大跨机构野生鸟类流感调查,2005年至2011年间,对近20,000只表面健康的野生涉水鸭(七个物种)进行了AIV检测。我们利用这些数据来识别和评估加拿大各地野生涉水鸭(Anas spp.)中低致病性AIV感染的生态和人口统计学相关因素。广义线性混合效应模型分析显示,与成年鸟相比,当年出生鸟感染AIV的风险更高,并且与种群中当年出生鸟的高比例呈正相关。在不列颠哥伦比亚省和加拿大东部省份,雄性比雌性更易感染,但在草原省份,年龄和性别队列之间的关系更为复杂。在加拿大东部和不列颠哥伦比亚省,物种效应明显,其中水鸭(A. discors和/或A. carolinensis)比绿头鸭(A. platyrhynchos)更不易感染。
在加拿大东部和草原省份,AIV感染风险随繁殖种群密度的增加而上升;在加拿大东部,采样前较低的温度与较高的AIV感染概率相关。我们的结果为水禽中与AIV感染相关的生态和人口学因素提供了新的见解。
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。




