Global Fire Emissions Database (GFED) Dataset|火灾排放数据集|环境研究数据集
收藏
- GFED数据集首次发表,由NASA的科学家们基于卫星观测数据创建,旨在量化全球火灾排放。
- GFED2版本发布,引入了更精细的空间分辨率和更详细的排放物种分类。
- GFED3版本推出,改进了火灾排放估算方法,并增加了对生物质燃烧排放的详细描述。
- GFED4版本发布,进一步提高了数据的空间和时间分辨率,并引入了新的火灾排放估算模型。
- GFED4s版本推出,对GFED4进行了优化,提供了更高质量的火灾排放数据,并扩展了数据的时间覆盖范围。
- 1The Global Fire Emissions Database, GFED4: Combustion, Trace Gas, and Aerosol EmissionsUniversity of California, Berkeley · 2017年
- 2Global Fire Emissions Database (GFED) Version 4.1s: Monthly and Gridded Daily Estimates of Fire EmissionsUniversity of California, Berkeley · 2018年
- 3Fire in the Earth SystemHarvard University · 2013年
- 4Fire in the Earth System: A Critical ReviewHarvard University · 2014年
- 5Global Fire Emissions and the Contribution of Deforestation, Savanna, Forest, Agricultural, and Peat Fires (1997–2009)University of California, Berkeley · 2011年
光伏电站发电量预估数据
1、准确预测一个地区分布式光伏场站的整体输出功率,可以提高电网的稳定性,增加电网消纳光电能量的能力,在降低能源消耗成本的同时促进低碳能源发展,实现动态供需状态预测的方法,为绿色电力源网荷储的应用落地提供支持。 2、准确预估光伏电站发电量,可以自动发现一些有故障的设备或者低效电站,提升发电效能。1、逆变器及电站数据采集,将逆变器中计算累计发电量数据,告警数据同步到Maxcompute大数据平台 2、天气数据采集, 通过API获取ERA5气象数据包括光照辐射、云量、温度、湿度等 3、数据特征构建, 在大数据处理平台进行数据预处理,用累计发电量矫正小时平均发电功率,剔除异常数据、归一化。告警次数等指标计算 4、异常数据处理, 天气、设备数据根据经纬度信息进行融合, 并对融合后的数据进行二次预处理操作,剔除辐照度和发电异常的一些数据 5、算法模型训练,基于XGBoost算法模型对历史数据进行训练, 生成训练集并保存至OSS 6、算法模型预测,基于XGBoost算法模型接入OSS训练集对增量数据进行预测, 并评估预测准确率等效果数据,其中误差率=(发电量-预估发电量)/发电量,当误差率低于一定阈值时,该数据预测为准确。预测准确率=预测准确数量/预测数据总量。
浙江省数据知识产权登记平台 收录
中国气象数据
本数据集包含了中国2023年1月至11月的气象数据,包括日照时间、降雨量、温度、风速等关键数据。通过这些数据,可以深入了解气象现象对不同地区的影响,并通过可视化工具揭示中国的气温分布、降水情况、风速趋势等。
github 收录
豆瓣数据集
该数据集通过爬虫技术从豆瓣网站获取了48223条电影数据,并与movielens ml-latest数据集通过共同的imdb字段进行交集处理,最终得到15752条共同数据。数据存储格式为JSON,支持导入到MongoDB或其他数据库使用。
github 收录
Figshare
Figshare是一个在线数据共享平台,允许研究人员上传和共享各种类型的研究成果,包括数据集、论文、图像、视频等。它旨在促进科学研究的开放性和可重复性。
figshare.com 收录
CAP-DATA
CAP-DATA数据集由长安大学交通学院的研究团队创建,包含11,727个交通事故视频,总计超过2.19百万帧。该数据集不仅标注了事故发生的时间窗口,还提供了详细的文本描述,包括事故前的实际情况、事故类别、事故原因和预防建议。数据集的创建旨在通过结合视觉和文本信息,提高交通事故预测的准确性和解释性,从而支持更安全的驾驶决策系统。
arXiv 收录