有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
PISCO: Physical Oceanography: moored temperature data: Sand Hill Bluff, California, USA (SHB001)|海洋学数据集|温度监测数据集
收藏Mendeley Data2024-01-31 更新2024-06-27 收录
下载链接：
https://data.piscoweb.org/metacatui/#view/doi:10.6085/AA/SHB001_021MXTI012R00_20060716.50.3
下载链接
链接失效反馈资源简介：
This metadata record describes moored seawater temperature data collected at Sand Hill Bluff, California, USA, by PISCO. Measurements were collected using a StowAway XTI Temperature Logger (Onset Computer Corp. XTI32-05+37) beginning 2006-07-16. The instrument depth was 012 meters, in an overall water depth of 21 meters (both relative to Mean Sea Level, MSL). The sampling interval was 2.0 minutes.
创建时间：
2024-01-31
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国区域地面气象要素驱动数据集 v2.0（1951-2024）
中国区域地面气象要素驱动数据集（China Meteorological Forcing Data，以下简称 CMFD）是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素，时间分辨率为 3 小时，水平空间分辨率为 0.1°，时间长度为 74 年（1951~2024 年），覆盖了 70°E~140°E，15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品，其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展，其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本，而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集，但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外，在制作 CMFD 2.0 的过程中，研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息，显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时，CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 74 年，并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同，但其有效数据扩展到了中国之外，能够更好地支持跨境区域研究。为方便用户使用，CMFD 2.0 还在基础变量集之外提供了若干衍生变量，包括近地面相对湿度、雨雪分离降水产品等。此外，CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术，转而直接将实型数据压缩存储于 NetCDF4 格式文件中，从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7，但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变，故将其版本号重新定义为 2.0。
国家青藏高原科学数据中心 收录
中国劳动力动态调查
“中国劳动力动态调查” （China Labor-force Dynamics Survey，简称 CLDS）是“985”三期“中山大学社会科学特色数据库建设”专项内容，CLDS的目的是通过对中国城乡以村/居为追踪范围的家庭、劳动力个体开展每两年一次的动态追踪调查，系统地监测村/居社区的社会结构和家庭、劳动力个体的变化与相互影响，建立劳动力、家庭和社区三个层次上的追踪数据库，从而为进行实证导向的高质量的理论研究和政策研究提供基础数据。
中国学术调查数据资料库 收录
EdNet-Behavior Dataset
EdNet-Behavior Dataset 是一个包含学生学习行为数据的大型数据集，主要用于教育数据挖掘和个性化学习系统的研究。数据集包括学生在不同学习平台上的互动记录，如答题、观看视频、参与讨论等。
github.com 收录
GC10-DET
GC10-DET是在真实工业中收集的表面缺陷数据集。它包含十种类型的表面缺陷，即冲孔（Pu）、焊缝（Wl）、新月形缝隙（Cg）、水斑（Water Spot）、油斑(Os)、丝斑(Ss)、夹杂物(In)、轧坑(Rp)、折痕(Cr)、腰部折痕 (Wf)。所收集的缺陷都在钢板的表面。该数据集包括3570张灰度图像。
github 收录
电商购物用户行为分析数据
电商购物用户行为分析数据 这份数据集是一个顾客购物信息的集合，记录了不同顾客在不同时间的购物行为。每一行代表一个单独的购物发票记录，数据集中包含了以下属性： 数据属性： 1. invoice_no: 发票号码，是每次交易的唯一标识符。 2. customer_id: 顾客的ID，用于标识不同的顾客。 3. gender: 顾客的性别，分为"Male"（男性）和"Female"（女性）。 4. age: 顾客的年龄。 5. category: 顾客购买的商品类别，如"Clothing"（服装）、"Shoes"（鞋子）、"Books"（书籍）、"Cosmetics"（化妆品）、"Toys"（玩具）、"Food & Beverage"（食品和饮料）、"Technology"（科技产品）、"Souvenir"（纪念品）等。 6. quantity: 顾客购买的商品数量。 7. price: 顾客为这次购物支付的总金额。 8. payment_method: 顾客使用的支付方式，包括"Alipay"（支付宝）、"WeChat Pay"（微信支付）、"Card"（银行卡）。 9. invoice_date: 发票日期，记录了交易发生的日期。
阿里云天池 收录