five

GeoShapes Japan|地理信息数据集|GeoJSON数据集

收藏
github2021-12-10 更新2024-05-31 收录
地理信息
GeoJSON
下载链接:
https://github.com/conv4ja/geoshapes-jp-static
下载链接
链接失效反馈
资源简介:
该数据集包含了日本市町村边界的数据,以GeoJSON和TopoJSON格式提供,旨在方便用户更便捷地利用这些地理数据。数据集基于国立情報学研究所的Geoshape项目,并根据当前市町村边界的标准地域代码进行了文件名的命名。
创建时间:
2021-07-17
原始信息汇总

数据集概述

数据集内容

  • 本数据集为市町村边界数据,提供平成27年时的市町村边界数据,格式包括GeoJSON和TopoJSON。
  • 数据存储于src/geojsonsrc/topojson目录下,文件名对应现行的市町村标准地域代码。

数据来源

  • 数据基于国土交通省的「国土数値情報」制作。

许可与使用

  • 数据集遵循Creative Commons Attribution 4.0 International License
  • 再利用时需注明以下信用表记之一:
    • 『歴史的行政区域データセットβ版』(CODH作成), CC BY 4.0
    • Asanobu KITAMOTO, ROIS-DS Center for Open Data in the Humanities, CC BY 4.0

数据获取方式

API资源

  • 提供多种API资源,包括获取市町村列表、市町村信息及边界数据等,所有资源仅支持GET请求。
  • 主要API资源包括:
    • /city/list/name/all: 获取所有市町村列表。
    • /city/info/:cid: 通过标准地域代码获取市町村元数据。
    • /:fmt/:cid: 通过市町村代码获取边界数据。

注意事项

  • 市町村名作为资源基础名称的API存在部分问题,建议通过市町村代码获取资源。
AI搜集汇总
数据集介绍
main_image_url
构建方式
GeoShapes Japan数据集基于日本国立情報学研究所(NII)提供的市町村边界数据构建,采用了平成27年(2015年)的市町村边界数据,并以GeoJSON和TopoJSON格式存储。数据来源于日本国土交通省的国土数值信息,经过标准化处理,确保与当前市町村的行政区域代码一致。数据集通过静态内容托管方式提供,便于用户按需获取。
特点
GeoShapes Japan数据集涵盖了日本全国的市町村边界信息,具有高度的地理精度和详细的行政区域划分。数据以GeoJSON和TopoJSON两种格式提供,支持多种地理信息系统(GIS)应用。此外,数据集还提供了丰富的API接口,用户可以通过市町村代码或名称查询详细的行政区域元数据,极大地方便了数据的检索和使用。
使用方法
用户可以通过API接口直接访问GeoShapes Japan数据集,支持GET请求获取市町村边界数据、元数据及版本信息。数据集还提供了Docker镜像,用户可以在本地环境中快速部署服务。通过市町村代码或名称,用户可以灵活查询所需的行政区域信息,并下载对应的GeoJSON或TopoJSON文件,适用于地理信息系统开发、区域分析等场景。
背景与挑战
背景概述
GeoShapes Japan数据集由国立情報学研究所(NII)主导开发,旨在提供日本市町村边界的地理空间数据。该数据集基于平成27年的市町村边界数据,采用GeoJSON和TopoJSON格式存储,并通过GitHub平台进行公开共享。数据集的核心研究问题在于如何高效地管理和分发大规模的地理空间数据,以支持地理信息系统(GIS)和城市规划等领域的研究与应用。该数据集的影响力不仅体现在其数据的准确性和全面性上,还在于其开放共享的许可协议(CC BY 4.0),极大地促进了地理空间数据的再利用和创新。
当前挑战
GeoShapes Japan数据集在构建和应用过程中面临多重挑战。首先,地理空间数据的采集和更新需要与行政区域的频繁变动保持同步,这对数据的时效性和准确性提出了较高要求。其次,数据格式的转换与标准化处理涉及复杂的算法和技术,尤其是在将原始数据转换为GeoJSON和TopoJSON格式时,需确保数据的完整性和一致性。此外,数据集的开放共享模式虽然促进了广泛应用,但也带来了数据版权和引用规范的管理难题。最后,API接口的设计与维护需要兼顾用户友好性和系统稳定性,尤其是在处理大规模并发请求时,系统的性能优化成为关键挑战。
常用场景
经典使用场景
GeoShapes Japan数据集广泛应用于地理信息系统(GIS)领域,特别是在日本市町村边界的地理空间分析中。该数据集以GeoJSON和TopoJSON格式提供,便于研究人员和开发者进行地图绘制、区域划分和空间数据可视化。通过该数据集,用户可以精确地获取日本各市町村的边界信息,支持高精度的地理空间研究。
解决学术问题
GeoShapes Japan数据集解决了地理信息科学中的多个关键问题,特别是在行政区域边界数据的标准化和可访问性方面。该数据集为研究人员提供了统一的市町村边界数据,支持历史行政区域变化的研究、城市规划分析以及灾害管理等领域的研究。其开放的数据格式和详细的元数据信息,极大地促进了地理空间数据的共享与再利用。
衍生相关工作
GeoShapes Japan数据集衍生了许多经典的地理信息研究工作,特别是在日本历史行政区域变化的研究中。基于该数据集,研究人员开发了多个工具和平台,用于可视化和分析市町村边界的演变。此外,该数据集还被用于开发开源GIS工具和库,如Leaflet和Mapbox,进一步推动了地理空间数据的开源生态发展。
以上内容由AI搜集并总结生成
用户留言
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?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
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

中国空气质量数据集(2014-2020年)

数据集中的空气质量数据类型包括PM2.5, PM10, SO2, NO2, O3, CO, AQI,包含了2014-2020年全国360个城市的逐日空气质量监测数据。监测数据来自中国环境监测总站的全国城市空气质量实时发布平台,每日更新。数据集的原始文件为CSV的文本记录,通过空间化处理生产出Shape格式的空间数据。数据集包括CSV格式和Shape格式两数数据格式。

国家地球系统科学数据中心 收录

CE-CSL

CE-CSL数据集是由哈尔滨工程大学智能科学与工程学院创建的中文连续手语数据集,旨在解决现有数据集在复杂环境下的局限性。该数据集包含5,988个从日常生活场景中收集的连续手语视频片段,涵盖超过70种不同的复杂背景,确保了数据集的代表性和泛化能力。数据集的创建过程严格遵循实际应用导向,通过收集大量真实场景下的手语视频材料,覆盖了广泛的情境变化和环境复杂性。CE-CSL数据集主要应用于连续手语识别领域,旨在提高手语识别技术在复杂环境中的准确性和效率,促进聋人与听人社区之间的无障碍沟通。

arXiv 收录

猫狗图像数据集

该数据集包含猫和狗的图像,每类各12500张。训练集和测试集分别包含10000张和2500张图像,用于模型的训练和评估。

github 收录

Solar Radiation Data

该数据集包含全球多个地点的太阳辐射数据,涵盖了不同时间段和气象条件下的辐射强度。数据包括直接辐射、散射辐射和总辐射等指标,适用于太阳能资源评估和气候研究。

www.nrel.gov 收录

PCLT20K

PCLT20K数据集是由湖南大学等机构创建的一个大规模PET-CT肺癌肿瘤分割数据集,包含来自605名患者的21,930对PET-CT图像,所有图像都带有高质量的像素级肿瘤区域标注。该数据集旨在促进医学图像分割研究,特别是在PET-CT图像中肺癌肿瘤的分割任务。

arXiv 收录