LightningRiskMX v1.0:墨西哥雷击致死事件与风险地理空间数据集
LightningRiskMX v1.0 提供可直接使用的 GeoJSON 文件与科学地图,呈现墨西哥雷击致死事件及市级雷击风险

基本信息
资源简介
LightningRiskMX v1.0:墨西哥雷击致死事件与风险地理空间数据集
LightningRiskMX v1.0: Geospatial Representation of Lightning Fatality Incidents and Risk in Mexico
LightningRiskMX v1.0 提供可直接使用的 GeoJSON 文件与科学地图,呈现墨西哥雷击致死事件及市级雷击风险。数据基于 Jaramillo 与 Dominguez(2024)已发表成果,将市级结果与通过 CONABIO Geoportal 获取的 2020 年墨西哥市界(制图数据归因于 INEGI)关联,几何经简化以便可视化,并将市级事件计数汇总为州级数据集。该数据可用于雷击风险的空间展示与可视化分析(来源 DOI 解析,Other (Open) 许可)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):LightningRiskMX v1.0 提供可直接使用的 GeoJSON 文件和科学地图,用于呈现墨西哥与雷击相关的致死事件及市级雷击风险。其底层科学结果最初由 Jaramillo 和 Dominguez(2024)发表,不含几何信息的源表格数据可在该文章的补充材料中获取。为本存储库,已发表的市级结果与通过 CONABIO Geoportal 获取的 2020 年墨西哥市界(制图数据归因于 INEGI)相关联。几何数据为可视化进行了简化,市级事件计数经汇总形成州级数据集。这些地理处理步骤旨在分发和可视化现有结果;不应被解释为原文章研究方法的一部分。该档案包含三个 Geo
【主题与分类】
主题标签:lightning、lightning fatalities、lightning risk、Mexico、social vulnerability、municipalities、geospatial data、GeoJSON。本站分类:创伤与损伤/创伤性损伤。
【获取与许可】
源站页面:https://zenodo.org/doi/10.5281/zenodo.23525980
使用许可:Other (Open)。
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.23525980
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 8.4 MB。
数据说明
LightningRiskMX v1.0 提供可直接使用的 GeoJSON 文件和科学地图,用于呈现墨西哥与闪电相关的死亡事件及市级闪电风险。其底层科学结果最初由 Jaramillo 和 Dominguez(2024)发表,不含几何数据的源表格数据可在该文章的补充材料中获取。在本存储库中,已发表的市级结果与通过 CONABIO Geoportal 获取的 2020 年墨西哥市级边界相关联(制图数据归因于 INEGI)。为便于可视化,几何数据经过简化,市级事件计数经汇总生成了州级数据集。这些地理处理步骤旨在分发和可视化已有结果,不应被解读为原文章研究方法的一部分。该档案包含三个 GeoJSON 数据集、三幅科学图表和文档。使用科学结果时,用户应引用 Jaramillo 和 Dominguez(2024):https://doi.org/10.1175/WCAS-D-23-0151.1。还应遵守制图归因及适用的边界数据再利用条款。
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。




