炒股股票配资平台_线上炒股配资门户_怎么线上配资-排名前三炒股配资 【会员专享数据】2008-2024年我国省市县三级逐日NO₂数值数据_Shp_Excel_China
线上炒股配资门户
你的位置:炒股股票配资平台_线上炒股配资门户_怎么线上配资 > 线上炒股配资门户 > 排名前三炒股配资 【会员专享数据】2008-2024年我国省市县三级逐日NO₂数值数据_Shp_Excel_China
排名前三炒股配资 【会员专享数据】2008-2024年我国省市县三级逐日NO₂数值数据_Shp_Excel_China
发布日期:2025-07-15 22:07    点击次数:132

排名前三炒股配资 【会员专享数据】2008-2024年我国省市县三级逐日NO₂数值数据_Shp_Excel_China

之前我们分享过2008-2024年全国范围逐日NO₂栅格数据(可查看之前的文章获悉i详情)!该数据来源于韦晶博士、李占清教授团队发布在国家青藏高原科学数据中心网站上的中国高分辨率高质量近地表空气污染物数据集。很多小伙伴拿到数据后反馈栅格数据不太方便使用,问我们能不能把数据处理为更方便使用的Shp和Excel格式的数据!我们特地对原始的栅格数据进行了处理排名前三炒股配资,将2008-2024年逐日NO₂栅格数据分别按照我国省级行政边界、地级市行政边界、区县级行政边界,合计行政边界内每日NO₂的平均值得到本次分享的数据——Shp和Excel格式的我国省市县三个等级的2008—2024年逐日NO₂数据!数据单位为ug/m3。

该数据只对立方数据学社会员开放,在本公众号后台回复关键词 会员 可得到会员规则和办理方式。对于已经是会员的同学,请向会员客服发放关键词 A086 获取该数据。以下为数据的详细介绍:

01 数据预览

2008-2024年逐日NO₂数据提供Excel和Shp两种格式的数据,由于逐日数据量较大,我们按照年份将逐日NO₂数据保存为一个Shp文件和一个Excel文件,每个Excel和Shp文件中包括当年的365天每天的NO₂数据。数据按行政级别分开存储,省市县三级分别保存为对应的Excel和Shp文件。

展开剩余82%

我们以Excel格式的2024年区县级别的逐日NO₂数据为例来预览一下数据,数据字段包括省份名称、省份代码、城市名称、城市代码、区县名称、区县代码和逐日NO₂数值。

2024年各区县逐日NO₂数值的属性表

02 数据详情

数据来源:

原始栅格数据来源于韦晶博士、李占清教授团队发布在国家青藏高原科学数据中心网站上的中国高分辨率高质量近地表空气污染物数据集(ChinaHighAirPollutants, CHAP),NO₂数据是该数据集的主要指标之一。

数据处理说明:

基于逐日NO₂栅格数据,

采用国家地理信息公共服务平台(天地图)发布的审图号为GS(2024)0650号的2024年省市县三级行政区划Shp数据(可查看之前的文章获悉详情),分别汇总各个省份(地级市和区县同理)内所有栅格日NO₂的平均值,最终得到每个省份(地级市和区县同理)的日NO₂数值数据。

数据单位:

ug/m3

数据格式:

Shp和Excel格式

时间范围:

2008-2024年(逐日)

空间范围:

省、市、县三个等级

地理坐标系:

WGS_1984

数据引用:

韦晶, 李占清. (2024). 中国高分辨率高质量地面NO₂数据集(2008-2024). 国家青藏高原数据中心. https://doi.org/10.5281/zenodo.4571660.

Wei, J., Li, Z. (2024). ChinaHighNO2: High-resolution and High-quality Ground-level NO2 Dataset for China (2008-2024). National Tibetan Plateau / Third Pole Environment Data Center. https://doi.org/10.5281/zenodo.4571660.

相关论文引用:

1、Wei, J., Liu, S., Li, Z., Liu, C., Qin, K., Liu, X., Pinker, R., Dickerson, R., Lin, J., Boersma, K., Sun, L., Li, R., Xue, W., Cui, Y., Zhang, C., & Wang, J. (2022). Ground-level NO2 surveillance from space across China for high resolution using interpretable spatiotemporally weighted artificial intelligence. Environmental Science & Technology, 56(14), 9988–9998. https://doi.org/10.1021/acs.est.2c03834

2、Wei, J., Li, Z., Wang, J., Li, C., Gupta, P., & Cribb, M. (2023). Ground-level gaseous pollutants (NO2, SO2, and CO) in China: daily seamless mapping and spatiotemporal variations. Atmospheric Chemistry and Physics, 23, 1511–1532. https://doi.org/10.5194/acp-23-1511-2023

如有数据使用需求请按照官方平台的要求进行引用,更多数据详情可以查看官网获悉!

03 数据获取

发布于:比利时