数据与代码：气候变暖下南美、非洲和亚洲登革热传播气候适宜区的海拔迁移预测
这些数据集与题为《气候变暖下南美、非洲和亚洲登革热传播气候适宜区的海拔迁移预测》的手稿相关。该存储库包括：为本研究生成的生物气候变量；额外的模型输出，包括单个全球环流模型（GCM）预测，以及均值、中位数和标准差图层
基本信息
资源简介
数据与代码：气候变暖下南美、非洲和亚洲登革热传播气候适宜区的海拔迁移预测
该数据集围绕气候变暖背景下登革热传播气候适宜区的海拔迁移预测而建立，覆盖南美洲、非洲和亚洲三个区域。数据集包含为本研究生成的生物气候变量，以及额外的模型输出，其中包括单个全球环流模型（GCM）预测结果，以及均值、中位数和标准差图层。此外，存储库还提供了用于建模的 R 脚本链接。该数据集在站点分类中属于感染 / 病毒感染方向，来源站为 doi.org。整体而言，该数据集服务于登革热传播风险在气候变化情景下的空间分布与海拔迁移分析，适合关注气候变化与虫媒传染病关系的用户使用。
【数据集背景】
该数据集与一篇题为《Projected Altitudinal Shifts in Climatically Suitable Areas for Dengue Transmission Across South America, Africa and Asia Under Warming Climate》的手稿相关联。研究主题聚焦于气候变暖条件下，南美洲、非洲和亚洲登革热传播气候适宜区可能发生的海拔迁移。数据集所属分类为感染 / 病毒感染，来源站为 doi.org。源站描述表明，这些数据集是该手稿的配套资源，用于支撑研究中关于登革热传播气候适宜区变化的建模与分析。
【数据内容】
数据集包含以下内容：为本研究生成的生物气候变量；额外的模型输出，包括单个全球环流模型（GCM）预测，以及均值、中位数和标准差图层；此外还提供用于建模的 R 脚本链接。上述内容覆盖了从环境变量到模型预测结果的主要数据层次，可用于分析不同 GCM 预测下的气候适宜区分布及其统计汇总特征。
【采集与来源】
该数据集来源于 doi.org，与上述手稿直接关联。源站描述说明，存储库中包括为本研究生成的生物气候变量、额外的模型输出以及 R 脚本链接。关于原始数据的具体采集地点、时间范围、观测网络或处理流程，源站未提供。
【适用场景】
该数据集适用于登革热传播气候适宜区的空间分析、气候变化情景下的海拔迁移研究，以及不同全球环流模型预测结果的比较。由于包含均值、中位数和标准差图层，也可用于评估模型间的一致性或多模型集合特征。此外，提供的 R 脚本链接可用于复现或扩展相关建模流程。具体应用方向需结合手稿及数据说明进行判断。
【使用方法】
用户可依据存储库中提供的 R 脚本链接进行建模分析，并利用生物气候变量、单个 GCM 预测以及均值、中位数和标准差图层开展空间制图、统计汇总或模型比较。关于软件环境、依赖包、运行步骤、输入输出格式等详细操作说明，源站未提供。
【质量与限制】
源站未提供关于数据精度、不确定性评估、验证方法、空间分辨率、时间覆盖范围或使用限制的具体说明。用户在使用时应参考关联手稿及存储库中的相关文档。由于缺乏质量与限制的详细描述，无法进一步判断数据在不同区域或不同模型间的适用性与可靠性。
【引用与许可】
源站未提供引用格式与许可条款的具体信息。用户在使用该数据集时，应参考 doi.org 来源页面及关联手稿中给出的引用与许可要求。
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/10.5281/zenodo.23288635
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
这些数据集与题为《气候变暖背景下南美洲、非洲和亚洲登革热传播气候适宜区的预计海拔位移》的手稿相关联。该存储库包括：本研究生成的生物气候变量；额外的模型输出，包括各个全球环流模型（GCM）的预测，以及平均值、中位数和标准差图层；用于建模的R脚本链接。
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。
