COVID-19 Epidemic Spatio-Temporal Dataset

COVID-19疫情时空数据集拟提供从2019年12月31日至疫情结束期间的全球多尺度新型冠状病毒（COVID-19）疫情的时空数据，旨在为广大科研工作者提供权威的、开放的和多尺度的COVID-19疫情信息，有助于服务全球科学家为本次疫情建言献策。该数据集包括三个尺度，即全球尺度、全国（省级）尺度和全国（地级市）尺度的统计数据。每个尺度下的统计数据包含六个文本文件，即新增确诊病例、新增治愈病例、新增死亡病例、总确诊病例、总治愈病例和总死亡病例。

The COVID-19 Spatiotemporal Dataset aims to provide global, multi-scale spatiotemporal data on the novel coronavirus (COVID-19) pandemic from December 31, 2019, until the end of the pandemic. It is designed to offer authoritative, open, and multi-scale COVID-19 pandemic information to researchers, facilitating global scientists in contributing insights and strategies for the pandemic. The dataset encompasses three scales: global, national (provincial), and national (prefectural city) levels. Statistical data at each scale includes six text files: new confirmed cases, new cured cases, new deaths, total confirmed cases, total cured cases, and total deaths.

原始信息汇总

COVID-19疫情时空数据集概述

数据介绍

• 时间范围：2019年12月31日至疫情结束。
• 数据内容：全球多尺度新型冠状病毒（COVID-19）疫情的时空数据。
• 数据尺度：全球尺度、全国（省级）尺度和全国（地级市）尺度。
• 数据文件：每个尺度下包含六个文本文件，即新增确诊病例、新增治愈病例、新增死亡病例、总确诊病例、总治愈病例和总死亡病例。

数据来源

• 全球疫情数据（中国以外）：来源于人民网。
• 中国疫情数据（省和地级市）：来源于国家、省和自治区的卫生与健康委员会。

数据更新频率

• 更新计划：每周更新。

制作团队

• 主要成员：
  • 鲍君雅，中国地质大学（武汉）地理与信息工程学院研究生。
  • 林浩，中国地质大学（武汉）地理与信息工程学院研究生。
  • 周琪，中国地质大学（武汉）地理与信息工程学院副教授。

联系方式

• 联系人：鲍君雅
• 邮箱：[e-mail]

搜集汇总

数据集介绍

构建方式

COVID-19疫情时空数据集的构建基于全球范围内的多尺度数据收集，涵盖了从2019年12月31日至疫情结束期间的详细疫情信息。数据集分为全球尺度、全国（省级）尺度和全国（地级市）尺度三个层次，每个层次包含新增确诊病例、新增治愈病例、新增死亡病例、总确诊病例、总治愈病例和总死亡病例六个文本文件。数据来源于人民网和中国各级卫健委，确保了数据的权威性和准确性。数据集每周更新，以反映最新的疫情动态。

特点

该数据集的特点在于其多尺度和全面性。它不仅提供了全球范围内的疫情数据，还详细记录了中国省级和地级市的疫情变化。数据集的结构清晰，便于科研人员进行跨区域和跨时间的比较分析。此外，数据的来源权威，更新频率高，确保了数据的时效性和可靠性。这些特点使得该数据集成为研究COVID-19疫情时空分布和传播模式的宝贵资源。

使用方法

使用COVID-19疫情时空数据集时，科研人员可以根据研究需求选择不同尺度的数据进行分析。数据集以文本文件形式提供，便于导入各种数据分析软件进行进一步处理。研究人员可以利用这些数据进行疫情趋势预测、传播模型构建、政策效果评估等多种研究。此外，由于数据集定期更新，研究人员可以持续跟踪疫情的最新发展，为疫情防控提供科学依据。

背景与挑战

背景概述

COVID-19疫情时空数据集由中国地质大学（武汉）地理与信息工程学院的研究团队于2020年创建，旨在为全球科研工作者提供从2019年12月31日至疫情结束期间的全球多尺度新型冠状病毒（COVID-19）疫情的时空数据。该数据集由鲍君雅、林浩和周琪等研究人员主导，涵盖了全球、中国省级和地级市三个尺度的统计数据，包括新增和累计的确诊、治愈及死亡病例。数据来源包括人民网和中国各级卫健委，具有较高的权威性和开放性。该数据集为全球科学家提供了重要的数据支持，助力疫情研究和防控决策。

当前挑战

COVID-19疫情时空数据集在构建和应用过程中面临多重挑战。首先，数据来源的多样性和时效性要求极高，全球和中国各地的数据更新频率和格式不一致，导致数据整合和清洗工作复杂。其次，疫情数据的准确性和可靠性受到数据报告延迟、统计口径差异等因素的影响，增加了数据质量控制的难度。此外，多尺度数据的时空分析对算法和计算资源提出了更高要求，尤其是在处理大规模数据时，如何高效提取有价值的信息成为技术难点。这些挑战不仅考验了数据集的构建能力，也为相关领域的研究者提出了更高的要求。

常用场景

经典使用场景

COVID-19疫情时空数据集在流行病学研究中具有重要应用，尤其是在分析疫情传播的时空动态方面。研究者可以利用该数据集中的全球、省级和地级市尺度的统计数据，追踪疫情在不同时间和空间维度上的演变趋势。通过分析新增确诊病例、治愈病例和死亡病例的变化，研究者能够揭示疫情传播的关键节点和影响因素，为制定防控策略提供科学依据。

实际应用

在实际应用中，COVID-19疫情时空数据集被广泛用于公共卫生政策的制定和优化。政府部门和公共卫生机构可以利用该数据集中的详细统计数据，实时监控疫情发展，评估不同地区的防控效果，并制定针对性的干预措施。此外，该数据集还为疫苗分配、医疗资源调配等决策提供了数据支持，帮助应对疫情带来的挑战。

衍生相关工作

基于COVID-19疫情时空数据集，许多经典研究工作得以展开。例如，研究者利用该数据集开发了多种疫情传播模型，预测了疫情在不同地区的传播趋势。此外，该数据集还被用于评估不同防控措施的效果，如封锁政策、社交距离措施等。这些研究不仅深化了对疫情传播机制的理解，还为全球疫情防控提供了宝贵的经验和参考。