Ziyuan111/canopy

该数据集提供了指定区域内城市树木的全面信息，包括其物理特征、环境效益以及它们在生态系统服务方面的经济价值。数据集结合了来自不同领域的信息，并通过Python脚本进行处理和分析。数据来源包括CSV和GeoJSON文件，涵盖了树木的位置、种类、大小、健康状况等信息，以及未来的种植地点。

原始信息汇总

数据集概述

数据集名称

Durham Urban Canopy Analysis and Enhancement Initiative (DUCAEI)

数据集描述

该数据集是一个自定义数据集类，整合了来自两个不同领域的信息，旨在简化不同来源数据的工作流程，使用户能够无缝访问和分析合并后的数据集。

数据来源

• Trees & Planting Sites Dataset: 托管在Durham Open Data门户上，包含街道树木的位置、种类、大小和健康状况，以及指定的未来种植点。
• 数据源链接: Durham Trees & Planting Sites Dataset

数据格式

• GeoJSON: 包含树的位置信息和其他详细属性。
• CSV: 包含树的坐标、唯一标识符、街道地址、城市、邮编、设施标识符、是否存在、树的属类、种植日期、直径、高度、健康状况等。

数据集特征

• GeoJSON特征:

  • 类型: FeatureCollection
  • 特征: 每个特征对象代表一棵树，包含类型、几何信息（点，包括经纬度）和属性（树的详细信息）。

• CSV列:

  • X, Y: 树的位置坐标。
  • OBJECTID: 树的唯一标识符。
  • streetaddress: 最近的街道地址。
  • city: 城市。
  • zipcode: 邮编。
  • facilityid: 设施标识符。
  • present: 是否存在。
  • genus, species, commonname: 树的属类、种类和通用名称。
  • plantingdate: 种植日期。
  • diameterin: 树干的直径（英寸）。
  • heightft: 树的高度（英尺）。
  • condition: 树的健康状况。
  • contractwork: 是否有合同工作。
  • neighborhood: 所在的社区。
  • program: 种植计划。
  • plantingw: 种植点的宽度。
  • plantingcond: 种植点的条件。
  • underpwerlins: 是否在电线下面。
  • matureheight: 成熟高度。
  • GlobalID: 全局唯一标识符。
  • created_user: 创建记录的用户。
  • created_date: 记录创建日期。
  • last_edited_user: 最后编辑记录的用户。
  • last_edited_date: 记录最后编辑日期。

数据集目标

1. 使用Python将Shapefile和CSV数据合并为一个综合的地理空间数据集。
2. 应用Python库揭示树冠数据与城市发展之间的关系。
3. 提供关于扩展Durham城市树冠的实用见解和策略。
4. 使用GeoJSON文件生成分析和可视化。

数据集方法

• 数据准备和集成: 使用Geopandas、Pandas和PyShp等工具组织和合并空间和表格数据。
• 地理空间分析: 应用Shapely和Rtree进行空间分析，使用SciPy或Statsmodels进行统计相关性分析。
• 可视化和优化: 使用Matplotlib、Seaborn或Plotly生成地图和图表，利用优化算法建议最佳种植位置。

数据集限制

• 计算资源: Google Colab的计算资源有限，可能对数据集的大小或模型的复杂性构成挑战。
• 数据质量: 数据的准确性和时效性最终影响建议的精确度。
• 社会政治考虑: 数据驱动的建议的实施必须在当地政策和社区输入的背景下进行审查。