
地级市年度碳排放量
一行是一个地级市一年的表观二氧化碳排放总量。覆盖 353 个地级市,1997 年到 2017 年,共 7413 行。
v1 生效中 · 2026/11/15 发布险种标签:企业财产险时间跨度:1997–2017 年数据出处 计量经济学汇整理,排放清单按国家统计局能源数据修订版(2015 年)编制
- 记录
- 7,413
- 字段
- 5
- AI 扩增字段
- 1
- 平均非空率
- 98.8%
- 字段完整度
5 个字段,4 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 5 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 7,413 行计算。
关于这个数据集
一行是一个地级市一年的表观二氧化碳排放总量。覆盖 353 个地级市,1997 年到 2017 年,共 7413 行。城市排放量是所辖县排放量相加得到的。原资源另有用线性外推补到 2020 年的版本,这里不收。可用来比较各城市的碳排放规模和变化,作为气候和环境风险分析的背景数据。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 省份province规律 1:省份的字段规律字段规律:city_code由省份、城市扩增得出。键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 原表列名 Province Name | ||
| 城市city规律 1:城市的字段规律字段规律:city_code由省份、城市扩增得出。键:城市名称。样本里格式符合 92.8%,还没有参照 | 文本 | 原生 | 100% | 原表列名 City Name | ||
| 年份year键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | — | ||
| 二氧化碳排放量co2_amount | 小数 | 原生 | 100% | 单位:百万吨。表观二氧化碳排放总量,原表列名 CO2 | ||
| 城市区划代码city_code规律 1:城市区划代码的字段规律字段规律:city_code由省份、城市扩增得出。键:市级区划代码。样本里格式符合 100%,93.8% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:城市区划代码 | 94%平均置信度 1.00校验少:不建议单独作为决策依据 | 由省份、城市查行政区划参照得出的现行地级区划代码。程序查表,不用模型。对不上或置信度低的为空 |
02样本
先看样本,再做决定
这里显示当前版本的前 20 行。这个数据集没有敏感字段。
| # | 省份province | 城市city | 年份year | 二氧化碳排放量co2_amount | 城市区划代码city_code |
|---|---|---|---|---|---|
| 1 | 安徽省 | 合肥市 | 1997 | 11.5259217680576 | 340100 |
| 2 | 安徽省 | 芜湖市 | 1997 | 5.444412779126 | 340200 |
| 3 | 安徽省 | 蚌埠市 | 1997 | 5.79467536495747 | 340300 |
| 4 | 安徽省 | 淮南市 | 1997 | 7.06643540550044 | 340400 |
| 5 | 安徽省 | 马鞍山市 | 1997 | 5.96288373283273 | 340500 |
| 6 | 安徽省 | 淮北市 | 1997 | 5.14859806320744 | 340600 |
| 7 | 安徽省 | 铜陵市 | 1997 | 2.30776641754554 | 340700 |
| 8 | 安徽省 | 安庆市 | 1997 | 6.01415079934866 | 340800 |
| 9 | 安徽省 | 黄山市 | 1997 | 1.62295815678531 | 341000 |
| 10 | 安徽省 | 滁州市 | 1997 | 9.26156396157667 | 341100 |
| 11 | 安徽省 | 阜阳市 | 1997 | 10.6201412242488 | 341200 |
| 12 | 安徽省 | 宿州市 | 1997 | 8.24520372320247 | 341300 |
| 13 | 安徽省 | 巢湖市 | 1997 | 8.29123181941751 | — |
| 14 | 安徽省 | 六安市 | 1997 | 5.80084986566924 | 341500 |
| 15 | 安徽省 | 亳州市 | 1997 | 6.13483422235148 | 341600 |
| 16 | 安徽省 | 池州市 | 1997 | 1.64597220489283 | 341700 |
| 17 | 安徽省 | 宣城市 | 1997 | 4.82265926805873 | 341800 |
| 18 | 北京市 | 北京市 | 1997 | 42.4557653001071 | 110000 |
| 19 | 福建省 | 福州市 | 1997 | 13.4941658465657 | 350100 |
| 20 | 福建省 | 厦门市 | 1997 | 6.16525155106845 | 350200 |
03版本
每次发布,都留记录
发布后的数据版本不能修改。更正时发布新版本,旧版本保留。
版本 v12026/11/15 发布
生效中7,413 行 · 5 个字段 · 初始导入
04关联
和其他数据集,按键连起来
按键连到地区,能和不少于 70 个数据集连接。另外,它带年份或日期,能和其他数据集按时间对齐。共享同一种键的数据集能连接。按共享的键分组,对上的行多的在前。
按 城市 + 省份 + 年份 能连
186 个数据集 · 本数据集 6,951 行有城市- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 origin_province、origin_city_code、month按城市对上本数据集 6,951 行(93%)
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 year、province、city_code按城市对上本数据集 6,951 行(93%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、year、city_code按城市对上本数据集 6,951 行(93%)
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 origin_province、year、origin_city_code按城市对上本数据集 6,951 行(93%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 province、date、region_code按城市对上本数据集 6,951 行(93%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 region_code、province、year按城市对上本数据集 6,951 行(93%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 date、province、city_code按城市对上本数据集 6,951 行(93%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 year、province、city_code按城市对上本数据集 6,951 行(93%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 province、region_code、year按城市对上本数据集 6,951 行(93%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 approve_date、province、city_code按城市对上本数据集 6,951 行(93%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 city_code、year、province按城市对上本数据集 6,951 行(93%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 city_code、date、province_code按城市对上本数据集 6,951 行(93%)
按 省份 + 年份 能连
388 个数据集 · 本数据集 7,413 行有省份- 海关进出口商品统计区域底数 · 2639.9 万 行 · 连接字段 year、province_name按省份对上本数据集 7,413 行(100%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 pname、page_publish_time按省份对上本数据集 7,413 行(100%)
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 date、province按省份对上本数据集 7,413 行(100%)
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 province、date按省份对上本数据集 7,413 行(100%)
- 全国行政村淘宝村DID面板区域底数 · 1056.8 万 行 · 连接字段 province_code、taobao_village_year按省份对上本数据集 7,413 行(100%)
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 province、year按省份对上本数据集 7,413 行(100%)
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 year、province按省份对上本数据集 7,413 行(100%)
- 县域统计年鉴主要指标区域底数 · 215.5 万 行 · 连接字段 province、year按省份对上本数据集 7,413 行(100%)
- 中国手机基站地理信息建筑设施 · 186.8 万 行 · 连接字段 create_date、province按省份对上本数据集 7,413 行(100%)
- 县域数字基建词频区域底数 · 182 万 行 · 连接字段 year、province按省份对上本数据集 7,413 行(100%)
- 省级社会经济指标区域底数 · 154.5 万 行 · 连接字段 region_code、year按省份对上本数据集 7,413 行(100%)
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 year、region_code按省份对上本数据集 7,413 行(100%)
按 城市 + 年份 能连
66 个数据集 · 本数据集 6,951 行有城市- 地区新冠疫情每日统计人口健康 · 38.4 万 行 · 连接字段 date、region_code按城市对上本数据集 6,930 行(93%)
- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 city_code、year按城市对上本数据集 6,930 行(93%)
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 year、region_code按城市对上本数据集 6,930 行(93%)
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 year、city_code按城市对上本数据集 6,930 行(93%)
- 地级市链长制政策面板区域底数 · 3,370 行 · 连接字段 city_code、year按城市对上本数据集 6,930 行(93%)
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 city_code、start_year按城市对上本数据集 6,930 行(93%)
- 地级市新能源汽车月度销量交通运输 · 3.3 万 行 · 连接字段 month、city_code按城市对上本数据集 6,909 行(93%)
- 全国创新型中小企业数量区域底数 · 2,102 行 · 连接字段 year、region_code按城市对上本数据集 6,909 行(93%)
- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 region_code、date按城市对上本数据集 6,867 行(92%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 year、city_code按城市对上本数据集 6,783 行(91%)
- 省市疫情日度统计人口健康 · 33 万 行 · 连接字段 region_code、date按城市对上本数据集 6,762 行(91%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 pub_date、applicant_address_city_code按城市对上本数据集 6,636 行(89%)
按 城市 + 省份 能连
29 个数据集 · 本数据集 6,951 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 city_code、province_code按城市对上本数据集 6,951 行(93%)
- 区县和城市到港口和海岸线的距离区域底数 · 3,270 行 · 连接字段 city_code、province_code按城市对上本数据集 6,951 行(93%)
- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 province_code、region_code按城市对上本数据集 6,951 行(93%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province、city_code按城市对上本数据集 6,930 行(93%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 city_code、province按城市对上本数据集 6,930 行(93%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 region_code、province按城市对上本数据集 6,909 行(93%)
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 city_code、province_code按城市对上本数据集 6,888 行(92%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code、city_code按城市对上本数据集 6,846 行(92%)
- 地级市距港口距离区域底数 · 335 行 · 连接字段 province、city_code按城市对上本数据集 6,825 行(92%)
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 city_code、province按城市对上本数据集 6,804 行(91%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 city_code、province_code按城市对上本数据集 6,783 行(91%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 province、city_code按城市对上本数据集 6,762 行(91%)
按 省份 能连
18 个数据集 · 本数据集 7,413 行有省份- 地级市空间权重关系区域底数 · 38.4 万 行 · 连接字段 province_code按省份对上本数据集 7,413 行(100%)
- 并购重组交易涉及方明细企业主体 · 32.8 万 行 · 连接字段 province按省份对上本数据集 7,413 行(100%)
- 全国养老机构明细医疗药械 · 5.8 万 行 · 连接字段 region_code按省份对上本数据集 7,413 行(100%)
- 七普分省分行业就业人口区域底数 · 4.4 万 行 · 连接字段 region按省份对上本数据集 7,413 行(100%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 province按省份对上本数据集 7,413 行(100%)
- 全国司法鉴定机构医疗药械 · 2,917 行 · 连接字段 province按省份对上本数据集 7,413 行(100%)
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 province按省份对上本数据集 7,413 行(100%)
- 全国开发区点位和基本信息区域底数 · 2,781 行 · 连接字段 province按省份对上本数据集 7,413 行(100%)
- 省级邻接空间权重区域底数 · 961 行 · 连接字段 source_province按省份对上本数据集 7,413 行(100%)
- 省级两两距离区域底数 · 900 行 · 连接字段 source_province按省份对上本数据集 7,413 行(100%)
- 省级空间邻接矩阵区域底数 · 900 行 · 连接字段 province按省份对上本数据集 7,413 行(100%)
- 省份距港口距离区域底数 · 31 行 · 连接字段 province按省份对上本数据集 7,413 行(100%)
按 城市 能连
10 个数据集 · 本数据集 6,951 行有城市- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 address_city_code按城市对上本数据集 6,951 行(93%)
- 统筹区异地就医开通状态保险市场 · 425 行 · 连接字段 region_code按城市对上本数据集 6,909 行(93%)
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 parent_code按城市对上本数据集 6,888 行(92%)
- 资源型城市静态分类区域底数 · 289 行 · 连接字段 city_code按城市对上本数据集 6,048 行(81%)
- 地级市经济地理嵌套矩阵区域底数 · 8.1 万 行 · 连接字段 source_city_code按城市对上本数据集 5,985 行(80%)
- 地级市经济地理权重矩阵区域底数 · 8.1 万 行 · 连接字段 source_city_code按城市对上本数据集 5,985 行(80%)
- 省级开发区基本信息区域底数 · 1,201 行 · 连接字段 city_code按城市对上本数据集 5,817 行(78%)
- 地级市间交通通勤时间交通运输 · 7.3 万 行 · 连接字段 destination_city_code按城市对上本数据集 5,712 行(77%)
- 保险公司分支机构名录保险市场 · 2,452 行 · 连接字段 address_city_code按城市对上本数据集 1,176 行(15%)
- 供应链创新应用试点城市区域底数 · 55 行 · 连接字段 city_code按城市对上本数据集 987 行(13%)
只按年份能连:445 个数据集单独按年份连接多半没有意义,先看上面的组
按 年份 能连
445 个数据集- 全球双边贸易流量区域底数 · 2.2 亿 行 · 连接字段 year
- 出口企业产品质量企业主体 · 9912.4 万 行 · 连接字段 year
- 工企海关匹配对照企业主体 · 3137.8 万 行 · 连接字段 year
- 全球兴趣点建筑设施 · 2299.6 万 行 · 连接字段 created_date
- 上市公司专利被引统计企业主体 · 1432.1 万 行 · 连接字段 cited_apply_date
- A股上市公司日交易行情企业主体 · 1239.1 万 行 · 连接字段 trade_date
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 date
- 上市公司年报数字化词频企业主体 · 969 万 行 · 连接字段 year
- 世行WDI国家指标区域底数 · 844.5 万 行 · 连接字段 year
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 year
- 主要城市兴趣点建筑设施 · 592 万 行 · 连接字段 date
- 美日韩港澳台传染病监测人口健康 · 502.5 万 行 · 连接字段 period_start
05字段规律
字段之间的规律
比如一一对应、谁先谁后。只帮你读懂数据,不用来连接。
本数据集内1
- 扩增得出
city_code由省份、城市扩增得出。
来自字段扩增地级市年度碳排放量地级市年度碳排放量
06授权与接入
申请授权,一次调用就能用上
试用立即生效,并送 500 点试用点数。授权后用 API Key 调用 REST 接口,按返回的行数扣点。
REST 调用示例
# 先把 API Key 放进环境变量:export WI_API_KEY=你的 API Keycurl -X POST 'https://wi.insightworld.cn/api/v1/datasets/city-carbon-emissions/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province","op":"eq","value":"安徽省"}],"limit":10}'
交给 Agent
- 以后开放
MCP
仍在使用 MCP 的 Agent 客户端,用 OAuth 连接后通过工具查询。