Advertisement

大量数据集用于企业污染匹配分析。

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
拥有数十万条数据集，涵盖了工业企业与环境污染匹配的信息！该资源包含两部分关键数据：首先，来自工业企业的数据库；其次，绿色污染数据库。时间跨度从1998年持续到2012年。此外，区域范围覆盖全国。数据说明文件详细列出了绿色污染数据库中可供比对和匹配的原始数据样本，具体内容如下所示。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 1998-2014年间工业企业污染数据集.rar
    优质
    本数据集包含了1998年至2014年间中国工业企业的污染排放信息，涵盖了企业基本信息、污染物种类及排放量等关键指标。 时间区间为1998年至2014年期间的指标包括：工业总产值（现价）单位为万元、年正常生产时间为小时数、工业用水总量以吨计，燃料煤消费量与原料煤消费量均以吨计算；燃料油中不包含车船用部分的数据也使用吨作为计量单位，并且需要区分其中重油和柴油的具体数值。洁净燃气的消耗则采用万立方米为度量标准。 废水治理设施的数量以及其处理能力（以每日处理多少吨来衡量）是另一项重要指标，同时记录工业废水中经过处理与未被治理前后的数量变化情况及去除氨氮、化学需氧量等污染物的具体数值。废气排放总量用万标立方米表示，并且要统计用于减少污染的设施设备详情及其实际效能。 具体数据集中的各项细节可参考相关资料中1998年和2006年的记录展示，涵盖上述全部项目内容。
  • 1990至2023年A上市公司是否属于重污染行业及重污染企业名单数据
    优质
    该数据集收录了1990年至2023年间A股上市公司的环境信息，特别聚焦于公司是否被列入重污染行业及其年度重污染企业名单的详细记录。 2023年与1990年间A上市公司是否属于重污染行业及重污染企业名单的数据参考：环境信息披露、银行信贷决策等方面的文献显示，有关于污染行业上市公司的经验证据的研究成果，其中涉及了16个被认定为重污染的行业。
  • 1991-2023年重污染行业与企业分析（含原始数据、处理代码及结果）
    优质
    本研究聚焦于1991年至2023年间重污染行业的变迁及其对企业的影响，涵盖详实的历史数据、数据分析过程中的Python/R处理代码以及深入的研究结论。 数据名称：1991-2023是否重污染行业、重污染企业划分标准依据中国证券监督委员会于2012年修订的《上市公司行业分类指引》以及环境保护部在2008年制定并发布的《上市公司环保核查行业分类管理名录》（环办函[2008]373号）和《上市公司环境信息披露指南》（环办函[2010]78号），主要涵盖煤炭、采矿、纺织、制革、造纸、石化、制药、化工、冶金及火电等十六个重污染行业。这些行业的代码为B06-B09, C17, C19, C22, C25-C28, C30-C33以及D44，其中重污染企业标记为“1”，非重污染企业则标记为“0”。部分数据示例如下： 内含文件：各年度样本量 参考文献： [1] 倪娟、孔令文. 环境信息披露、银行信贷决策与债务融资成本——来自我国沪深两市A股重污染行业上市公司的经验证据[J]. 经济评论, 2016(01):147-156+160. 内含两个版本：未剔除和已剔除ST、PT及金融业的版本。需要注意的是，尽管在已剔除版中证券简称可能仍带有“ST”或“PT”的标识（来源于2023年的截面数据），但这并不意味着这些公司在过去十年间一直被标记为特殊处理状态（如2010-2022年）。
  • Python在电力大数据下的空气污染预测分析
    优质
    本研究运用Python编程语言对电力行业产生的大量数据进行处理和分析，结合环境监测信息，构建模型以预测空气污染趋势。 根据城市电力使用情况对空气污染进行预测分析： 1. 搭建机器学习开发环境，如Python、Anaconda。 2. 数据采集：包括用电量数据和环境污染监测数据的收集。 3. 特征提取方法的应用。 4. 使用关联分析及聚类算法研究用电量与空气污染指数之间的关系。 5. 分析结果的数据展示及可视化处理。 此外，还包含了具有用户界面（UI）的设计详情。具体细节可以参考相关文献或博客文章进行深入学习和理解。
  • 河流污染图片数据集.7z
    优质
    本数据集包含大量标注的河流污染图像文件，旨在为环境监测和污染识别提供研究支持。文件格式为.7z，内含详细文档说明。 河道污染数据集包含一个7z压缩文件，其中包含两个主要的文件夹：train_data 和 test_data。 - train_data 文件夹内有超过1000张图片用于训练模型。 - 在同一个文件夹中还提供了一个名为 train_label.csv 的标注文件，用来描述每一张训练图像的内容和污染情况。 - 另一个文件夹是 test_data ，它包含400张测试用的图片。
  • 美国环境污染物数据集
    优质
    美国环境污染物数据集提供了关于美国各地空气、水质及土壤中各类污染物质浓度的详细记录，涵盖历史监测结果与趋势分析。 数据涵盖2000年至2016年期间美国环保署记录的四种主要污染物情况，包括二氧化氮、二氧化硫、一氧化碳以及臭氧的含量。
  • 空气污染致死率 - 数据集
    优质
    该数据集聚焦于全球及各地区因空气污染导致的死亡案例统计分析，旨在揭示空气质量与人类健康之间的关联，为政策制定提供科学依据。 数据集“Death Due to Air Pollution 空气污染致死”提供了研究全球空气污染对人类健康影响的重要资源。核心文件是“death-rates-from-air-pollution.csv”，其中包含不同国家和地区因为空气污染导致的死亡率信息。 以下是一些基于该数据集可以探索和学习的关键知识点： 1. **空气质量指数（AQI）**：衡量空气污染的标准指标，涵盖了多种污染物如PM2.5、PM10、二氧化硫、二氧化氮及臭氧等。 2. **颗粒物污染（PM2.5与PM10）**：这些微小的颗粒能深入肺部并引发健康问题，尤其增加心脏病和呼吸道疾病的风险。 3. **全球分布**：数据集涵盖各国空气污染死亡率信息，有助于对比分析最严重的地区及其影响范围。 4. **时间序列分析**：若包含多年数据，则可以研究空气污染导致的死亡率变化趋势，判断其改善或恶化情况。 5. **相关性分析**：探索空气质量与经济因素（如GDP、人口密度和工业发展水平）之间的联系，以了解影响空气污染的因素。 6. **健康影响**：揭示不同疾病类型（例如心血管病及肺癌）与空气污染的关联程度，对公共卫生政策制定有重要参考价值。 7. **政策评估**：通过比较实施控制措施前后的死亡率变化来评价相关政策的有效性，并为未来的环保决策提供依据。 8. **数据可视化**：利用地图、柱状图和折线图等工具展示不同地区的空气污染状况及死亡率，提高公众对问题的认识。 9. **统计建模**：使用回归分析预测未来空气质量与死亡率的关系及其变化趋势，在特定条件下进行评估。 10. **环境正义**：研究社会经济不平等如何影响空气污染负担，识别贫困地区或弱势群体是否更易受到空气污染的影响。 该数据集为学术、政策制定及公众教育提供了丰富的资源。通过深入分析这些信息，我们能够更好地认识和应对全球面临的严重空气污染问题，并寻找有效的解决策略。
  • z国历史空气污染物排放数据集（8行业、9种污染物）(更新整理)
    优质
    本数据集提供了Z国八个主要行业中九种关键空气污染物的详细排放记录，经过全面更新和精心整理，为研究者提供宝贵的历史数据分析资源。 该资源提供了一套今年新整理的数据集，适用于撰写论文进行实证研究。数据来自权威来源，并且经过精心校对，确保控制变量的准确性远超同类资料，避免了数据造假的问题。 适用对象包括大学生、本科生及研究生等初学者群体，易于上手使用。这些数据广泛应用于经济学、地理学、城市规划与城市研究、公共政策与管理以及社会学和商业管理等领域。 时间分辨率：月 空间分辨率：10km - 100km 数据大小：759.64 MB 数据时间范围：2011年1月至2018年12月 元数据更新日期：2022年4月15日