africa-sen-rainfall-subnational

该数据集名为“塞内加尔：次国家级降雨指标”，由世界粮食计划署（WFP）发布，来源于HDX平台。数据集包含基于Climate Hazards Group InfraRed Precipitation卫星影像和现场站数据（CHIRPS）版本2以及CHIRPS-GEFS短期降雨预报计算的十日（dekadal）降雨指标，按次国家级行政单位聚合。包含的指标有：10天降雨量（mm）、1个月滚动聚合降雨量（mm）、3个月滚动聚合降雨量（mm）、长期平均降雨量（mm）、1个月滚动聚合长期平均降雨量（mm）、3个月滚动聚合长期平均降雨量（mm）、降雨异常（%）、1个月降雨异常（%）和3个月降雨异常（%）。数据集还包含行政单位代码、像素数量和数据类型（预报、初步或最终产品）等信息。数据集总共有94,540行，分为75,632行的训练集和18,908行的测试集，涵盖17个列（12个数值型、4个类别型和1个日期时间型）。数据集适用于表格回归和其他气候相关任务，地理范围限于塞内加尔（SEN）。数据集经过Electric Sheep Africa整理为适合机器学习的Parquet格式。

原始信息汇总

数据集概述：塞内加尔次国家级降雨指标

基本信息

• 数据集名称：Senegal: Rainfall Indicators at Subnational Level
• 发布者：WFP - World Food Programme
• 数据来源：HDX (https://data.humdata.org/dataset/sen-rainfall-subnational)
• 许可证：cc-by-4.0
• 最后更新：2026-04-03
• 数据集创建者：Electric Sheep Africa (https://huggingface.co/electricsheepafrica)
• 语言：英语
• 多语言性：单语
• 任务类别：表格回归、其他
• 标签：africa, humanitarian, hdx, electric-sheep-africa, climate-weather, environment, sen

数据集内容

• 摘要：本数据集包含基于次国家级行政单元聚合的旬（dekadal）降雨指标，这些指标由Climate Hazards Group InfraRed Precipitation卫星影像与现场站数据（CHIRPS）版本2以及CHIRPS-GEFS短期降雨预报计算得出。
• 地理范围：塞内加尔（SEN）
• 观测单位：时间序列观测
• 总行数：94,540
• 数据划分：
  • 训练集：75,632行
  • 测试集：18,908行
• 列数：17列（12个数值列，4个分类列，1个日期时间列）

核心指标

数据集包含以下降雨指标（针对每个旬期）：

• 10天降雨量[毫米] (rfh)
• 1个月滚动累计降雨量[毫米] (r1h)
• 3个月滚动累计降雨量[毫米] (r3h)
• 长期平均降雨量[毫米] (rfh_avg)
• 1个月滚动累计长期平均降雨量[毫米] (r1h_avg)
• 3个月滚动累计长期平均降雨量[毫米] (r3h_avg)
• 降雨异常[%] (rfq)
• 1个月降雨异常[%] (r1q)
• 3个月降雨异常[%] (r3q)

关键变量

• 地理：n_pixels（用于创建聚合值的输入像素数，范围2.0–1434.0）
• 时间：date
• 标识符/元数据：adm_id（行政单元ID，范围900729.0–1001749.0）、pcode（行政单元代码，如SN05, SN0503, SN0801）、adm_level（行政级别，范围1.0–2.0）、esa_source（数据源，HDX）、esa_processed（处理日期，2026-04-08）
• 数据类型：version列指示值是基于预报（forecast）、初步产品（prelim）还是最终产品（final）

数据发布与更新周期

预报于每月6日、16日和26日发布，分别针对接下来的10天时段（旬），随后在每月1日、11日和21日更新为改进版本。初步观测在每月3日、13日和23日替换上一旬的预报，之后被最终观测所取代——最终观测于月中（13日或23日）发布，覆盖前一个月的所有三个旬期。

技术详情

• 数据格式：ML就绪的Parquet格式
• 数据清洗：列名转换为小写蛇形命名，统一了常见的缺失值标记（N/A、null、none、-、unknown、no data、#N/A）为NaN，基于解析成功率（>85%阈值）将1列从字符串转换为数值或日期时间类型。
• 数据划分：使用固定随机种子（42）按80/20的比例划分为训练集和测试集，并保存为Snappy压缩的Parquet文件。

使用限制

• 数据来源于WFP - World Food Programme，未经Electric Sheep Africa独立验证。
• 自动清洗无法纠正原始收集中误报的值、定义不一致或抽样偏差。
• 有关发布者自身的方法说明和注意事项，请参考原始HDX数据集页面（https://data.humdata.org/dataset/sen-rainfall-subnational）。

引用格式

bibtex @dataset{hdx_africa_sen_rainfall_subnational, title = {Senegal: Rainfall Indicators at Subnational Level}, author = {WFP - World Food Programme}, year = {2026}, url = {https://data.humdata.org/dataset/sen-rainfall-subnational}, note = {Repackaged for machine learning by Electric Sheep Africa (https://huggingface.co/electricsheepafrica)} }

搜集汇总

数据集介绍

构建方式

在气候与环境科学领域，精准的降水数据对于区域水资源管理和灾害预警至关重要。该数据集以塞内加尔为地理范围，其构建过程融合了卫星遥感与地面观测数据，依托气候灾害组红外降水卫星影像与现场站点数据（CHIRPS）版本2，结合CHIRPS-GEFS短期降水预报，通过逐旬（dekad）计算并聚合至次国家级行政单元。数据涵盖多个降水指标，包括十日降水量、一月至三月的滚动累积量及其长期平均值与异常百分比，同时标注了数据来源类型（预报、初步或最终产品），并遵循世界粮食计划署的行政编码体系，确保了地理参照的一致性与权威性。

使用方法

在机器学习与气候建模应用中，该数据集可直接通过Hugging Face的datasets库加载，转换为Pandas DataFrame以进行后续分析。用户可依据日期（date）、行政编码（pcode）及数据版本（version）等字段进行时间与空间维度的筛选，利用降水指标（如rfh、r1h、r3h及其异常值rfq、r1q、r3q）开展回归预测、趋势分析或异常检测任务。数据已预处理为Parquet格式，缺失值统一为NaN，确保了即用性，同时建议参考原始HDX页面的方法论说明，以充分理解数据局限性与适用场景。

背景与挑战

背景概述

在气候科学与人道主义援助的交叉领域，精准的降雨监测对于农业规划、水资源管理和灾害预警至关重要。塞内加尔国家次国家级降雨指标数据集由世界粮食计划署（WFP）于2026年发布，并由Electric Sheep Africa机构进行机器学习格式的整理与发布。该数据集整合了气候灾害组红外降水卫星影像与地面站数据（CHIRPS）以及CHIRPS-GEFS短期降雨预报，通过次国家级行政单元进行聚合，旨在提供高时空分辨率的降雨指标时间序列。其核心研究问题聚焦于如何利用遥感技术与统计模型，量化区域降雨变异性及其异常，以支持非洲萨赫勒地区的气候适应决策与粮食安全评估，对气候学、环境科学及人道主义行动领域产生了显著的实证价值。

当前挑战

该数据集致力于解决区域降雨预测与监测的复杂挑战，其核心问题在于如何准确捕捉和量化降雨的时空异质性，尤其是在地形与气候多变的萨赫勒地区。构建过程中面临多重技术障碍，包括遥感数据与地面观测的融合校准、不同时间尺度指标（如旬值、月滚动聚合值及长期平均值）的一致性计算，以及预报数据与最终观测产品之间的时序对齐。此外，行政单元边界的动态变化与像素聚合数量的空间不均性，进一步增加了数据代表性与可比性的难度，这些挑战共同制约了模型在极端气候事件预警中的可靠性。

常用场景

经典使用场景

在气候与环境科学领域，精准的降水监测对于理解区域水文循环至关重要。该数据集以塞内加尔次国家级行政单元为空间尺度，提供了基于CHIRPS卫星影像与地面站数据融合的逐旬降水指标时间序列。其经典应用场景在于构建降水时空预测模型，通过整合历史观测值、滚动聚合量及长期平均值，研究人员能够训练机器学习算法，以预报未来旬度的降水异常与趋势，为干旱或洪涝的早期预警提供数据支撑。

解决学术问题

该数据集有效应对了气候研究中高分辨率降水数据稀缺的挑战，尤其在非洲地区。它通过提供次国家层级的标准化降水指标，包括旬降水量、1个月与3个月滚动聚合量及其异常百分比，使得学者能够深入探究降水变率的时空分异规律。这不仅促进了区域气候模型的验证与改进，也为评估气候变化对农业与水资源的潜在影响提供了量化基础，推动了环境脆弱性评估与适应性策略的跨学科研究。

实际应用

在实际应用层面，该数据集被广泛整合于人道主义援助与粮食安全规划中。世界粮食计划署等机构利用这些降水指标，实时监测塞内加尔各地的旱涝状况，从而优化资源分配与应急响应。例如，通过分析降水异常数据，决策者能够识别面临粮食短缺风险的社区，提前部署援助措施。此外，农业部门可依据降水预报调整种植计划，提升作物产量与生计韧性，体现了数据驱动决策在可持续发展中的关键作用。

数据集最近研究

最新研究方向

在气候科学与人道主义行动交叉领域，塞内加尔次国家级降雨指标数据集正推动着前沿研究。该数据集整合了CHIRPS卫星观测与GEFS短期预报，为精细化气候风险建模提供了时空连续的基础数据。当前研究热点聚焦于利用此类高分辨率降水序列，结合深度学习模型预测极端天气事件对农业产量的影响，并优化粮食安全预警系统。随着非洲气候适应行动的紧迫性提升，这类数据集在支持精准人道主义干预、评估生态脆弱性方面展现出关键价值，成为连接气候智能型决策与区域可持续发展的重要桥梁。