Data-Gouv-FR/indice-de-la-qualite-de-lair-quotidien-par-commune-indice-atmo

ATMO指数覆盖法国全境（除留尼汪和新喀里多尼亚外），每天14:00发布当天和次日的ATMO指数预测，以及过去365天的历史数据。WFS流可以通过GIS软件读取。CSV文件包含数百万行数据，普通电子表格软件无法处理所有行。许可证：其他 语言：法语 标签： - data.gouv.fr平台数据 - 法国公共数据 - Parquet格式 - CSV格式 - 开放数据 展示名称：「各省市每日空气质量指数——ATMO指数」 配置项： - 配置名称：indice-de-la-qualite-de-l-air-quotidien-par-commune-indice-atmo 数据文件： - 数据拆分：训练集（train） 路径：data/indice-de-la-qualite-de-l-air-quotidien-par-commune-indice-atmo.parquet --- # 各省市每日空气质量指数——ATMO指数 ## 来源 - 官方来源：https://www.data.gouv.fr/datasets/indice-de-la-qualite-de-lair-quotidien-par-commune-indice-atmo - data.gouv.fr 数据集标识符：`6149925a2ff0ab6cebdd6fe8` - data.gouv.fr 数据集别名：`indice-de-la-qualite-de-lair-quotidien-par-commune-indice-atmo` - data.gouv.fr 元数据标注许可证：odc-odbl ## Hugging Face 数据集结构 - 一个data.gouv.fr数据集对应一个Hugging Face仓库 - 一份原始表格资源对应一个Hugging Face子数据集/配置项 - 每个子数据集/配置项均包含一个名为`train`的数据拆分 ## 子数据集列表 - `indice-de-la-qualite-de-l-air-quotidien-par-commune-indice-atmo` → 对应数据文件：`data/indice-de-la-qualite-de-l-air-quotidien-par-commune-indice-atmo.parquet` ## 使用方法 python from datasets import load_dataset ds = load_dataset("Data-Gouv-FR/indice-de-la-qualite-de-lair-quotidien-par-commune-indice-atmo", "indice-de-la-qualite-de-l-air-quotidien-par-commune-indice-atmo") print(ds["train"]) ## 原始描述 ATMO指数覆盖法国全境（留尼汪岛与新喀里多尼亚除外）。每日14:00将发布当日及次日的ATMO指数预报，同时同步更新近365天的历史数据。 WFS服务可通过地理信息系统（GIS）读取。 该CSV格式数据集包含数百万条记录，常规电子表格软件无法完整处理全部数据。

搜集汇总

数据集介绍

构建方式

该数据集源自法国政府开放数据平台data.gouv.fr，聚焦于法国境内（留尼汪与新喀里多尼亚除外）各市镇每日大气质量指数（ATMO）的监测数据。构建方式上，每个原始数据集被重组为一个独立的Hugging Face仓库，原生的表格资源则被映射为仓库中的一个子配置（subset/configuration），其中所有数据均统一归入名为'train'的分割中。具体而言，该数据集以Parquet格式存储于'data/indice-de-la-qualite-de-l-air-quotidien-par-commune-indice-atmo.parquet'路径下，确保了高效的数据读取与压缩存储。

使用方法

使用方法极为简洁，依托Hugging Face的datasets库即可完成加载。用户只需通过Python代码执行`from datasets import load_dataset`，然后调用`ds = load_dataset("Data-Gouv-ML/indice-de-la-qualite-de-lair-quotidien-par-commune-indice-atmo", "indice-de-la-qualite-de-l-air-quotidien-par-commune-indice-atmo")`，即可将数据载入内存，并通过`ds["train"]`访问全部数据样本。这一标准化流程降低了非结构化环境下处理大规模空气质量数据的难度，适合科研人员与政策分析者进行快速模型训练与可视化探索。

背景与挑战

背景概述

该数据集名为“Indice de la qualité de l'air quotidien par commune - indice ATMO”，源自法国官方开放数据平台data.gouv.fr，由法国政府相关机构创建并维护。数据集聚焦于空气质量指数（ATMO）的每日监测，覆盖法国全境（除留尼汪和法属新喀里多尼亚），旨在提供各市镇级别的空气质量历史与预测数据。研究核心在于通过开放数据推动环境健康领域的研究，助力公众健康预警与政策制定。自发布以来，该数据集为环境科学、公共卫生及城市治理提供了宝贵的时间序列数据支持，成为法国空气质量监测标准化的重要基石。

当前挑战

该数据集面临的挑战包括：1) 所解决的领域问题方面，空气质量指数（ATMO）的预测与历史回溯面临地域差异与数据稀疏性，尤其需处理复杂污染源动态变化的建模难题。2) 构建过程中，数据集包含数百万行记录，传统电子表格软件无法高效处理，对分布式存储与高效查询架构提出要求。此外，实时更新机制（每日14时发布当日与次日预测）需设计稳健的数据管道，确保时间序列完整性与数据一致性。开源许可（ODbL）下的数据复用亦需平衡隐私保护与公共价值，避免误用或过度聚合导致的偏差。

常用场景

经典使用场景

该数据集收录了法国境内（留尼汪与新喀里多尼亚除外）各市镇每日空气质量指数（indice ATMO）的实测与预报数据，涵盖当日及次日预报以及长达365天的历史记录。经典使用场景在于构建时空序列模型，分析细颗粒物（PM2.5、PM10）、臭氧、二氧化氮等主要污染物的日变化与地域分布规律，支持环境流行病学研究中暴露-反应关系的回溯分析。

解决学术问题

该数据集有效解决了法国全境高分辨率空气质量监测数据长期缺失的学术困境，为量化空气污染对公共健康的影响提供了可靠的时空基准。研究者借助数百万级行记录可深入探讨污染事件演变机制、区域传输效应与气象耦合关系，推动了环境健康风险评估与气候-空气污染交互作用的理论发展，具有重要的方法论革新意义。

实际应用

在实际应用中，该数据集支持法国国家与地方环境机构实施空气质量预警系统的优化，通过历史与实时数据的融合提升预报模型的准确度。同时为城市规划部门评估交通、工业排放管控措施的效果提供量化依据，并赋能医疗健康平台生成个性化空气质量暴露指导，帮助敏感人群规避高污染时段与区域。

数据集最近研究

最新研究方向

基于法国ATMO指数的逐日空气质量数据集，当前研究热点聚焦于利用高频时空数据构建城市空气污染预警模型，并与气候变化、交通排放及工业活动等动态因素耦合分析。随着深度学习与时空序列预测的成熟，该数据集被广泛应用于细颗粒物（PM2.5、PM10）及臭氧污染的短期预报研究，尤其在评估欧洲城市群人群暴露风险与制定公共卫生政策方面发挥关键作用。此外，开放数据运动推动下，该数据集成为检验各类空气质量插值与降噪算法鲁棒性的标准基准，促进跨区域可比性研究，为欧洲乃至全球空气污染治理提供可复现的实证基础。