
城市分部门二氧化碳排放
v1 生效中 · 2026/11/15 发布险种标签:企业财产险责任险时间跨度:2005–2020 年数据出处 中国城市温室气体工作组(CCG,生态环境部环境规划院发起)《中国城市二氧化碳排放数据集》
- 记录
- 1,356
- 字段
- 28
- AI 扩增字段
- 1
- 平均非空率
- 97.3%
- 字段完整度
28 个字段,26 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 28 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 1,356 行计算。
关于这个数据集
一行是一个城市一年的二氧化碳排放,按农业、工业能源、工业过程、服务业、城镇和农村生活、道路、铁路、水运、航空分部门,分直接排放(范围 1)和外调电力的间接排放(范围 2),带常住人口、地区生产总值和人均排放。覆盖 339 个地级及以上城市(含地区、自治州),2005、2010、2015、2020 四年,共 1356 行,和已上线的 city-co2-emission(只按 4 类能源测算)口径不同。用来比较城市的排放结构和强度,给环境污染责任险和高耗能企业的转型风险分析做参考。
| 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% | — | ||
| 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%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 城市英文名city_en | 文本 | 原生 | 100% | — | ||
| 年份year键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | — | ||
| 农业排放co2_agriculture | 小数 | 原生 | 100% | 二氧化碳排放。单位:万吨 | ||
| 服务业排放co2_service | 小数 | 原生 | 100% | 二氧化碳排放。单位:万吨 | ||
| 工业能源排放co2_industry_energy | 小数 | 原生 | 100% | 二氧化碳排放。单位:万吨 | ||
| 工业过程排放co2_industry_process | 小数 | 原生 | 100% | 二氧化碳排放。单位:万吨 | ||
| 工业排放co2_industry | 小数 | 原生 | 100% | 二氧化碳排放。单位:万吨 | ||
| 城镇生活排放co2_urban_household | 小数 | 原生 | 100% | 二氧化碳排放。单位:万吨 | ||
| 农村生活排放co2_rural_household | 小数 | 原生 | 100% | 二氧化碳排放。单位:万吨 | ||
| 生活排放co2_household | 小数 | 原生 | 100% | 二氧化碳排放。单位:万吨 | ||
| 道路排放co2_road | 小数 | 原生 | 100% | 二氧化碳排放。单位:万吨 | ||
| 铁路排放co2_rail | 小数 | 原生 | 100% | 二氧化碳排放。单位:万吨 | ||
| 水运排放co2_water | 小数 | 原生 | 100% | 二氧化碳排放。单位:万吨 | ||
| 航空排放co2_aviation | 小数 | 原生 | 100% | 二氧化碳排放。单位:万吨 | ||
| 交通排放co2_transport | 小数 | 原生 | 100% | 二氧化碳排放。单位:万吨 | ||
| 能源排放co2_energy | 小数 | 原生 | 100% | 二氧化碳排放。单位:万吨 | ||
| 间接排放co2_indirect | 小数 | 原生 | 100% | 外调电力的排放(范围 2)。单位:万吨 | ||
| 直接排放co2_direct | 小数 | 原生 | 100% | 城市行政边界内的直接排放(范围 1)。单位:万吨 | ||
| 总排放co2_total | 小数 | 原生 | 100% | 直接排放加间接排放。单位:万吨 | ||
| 非化石能源占比non_fossil_share | 小数 | 原生 | 25% | 原表值,只有 2020 年有 | ||
| 人均排放co2_per_capita | 小数 | 原生 | 100% | 单位:吨/人 | ||
| 单位GDP排放co2_per_gdp | 小数 | 原生 | 100% | 单位:吨/万元 | ||
| 常住人口population | 小数 | 原生 | 100% | 单位:万人 | ||
| 地区生产总值gdp | 小数 | 原生 | 100% | 单位:亿元 | ||
| 人均GDPgdp_per_capita | 小数 | 原生 | 100% | 单位:万元 | ||
| 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%,99.1% 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 | 99%平均置信度 0.97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 | 城市英文名city_en | 年份year | 农业排放co2_agriculture | 服务业排放co2_service | 工业能源排放co2_industry_energy | 工业过程排放co2_industry_process | 工业排放co2_industry | 城镇生活排放co2_urban_household | 农村生活排放co2_rural_household | 生活排放co2_household | 道路排放co2_road | 铁路排放co2_rail | 水运排放co2_water | 航空排放co2_aviation | 交通排放co2_transport | 能源排放co2_energy | 间接排放co2_indirect | 直接排放co2_direct | 总排放co2_total | 非化石能源占比non_fossil_share | 人均排放co2_per_capita | 单位GDP排放co2_per_gdp | 常住人口population | 地区生产总值gdp | 人均GDPgdp_per_capita | 城市区划代码city_code |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 北京 | 北京 | Beijing | 2005 | 88 | 191 | 7793 | 543 | 8337 | 212 | 297 | 509 | 757 | 31 | 0 | 401 | 1190 | 9771 | 3758 | 10314 | 14072 | — | 9.15 | 2.04 | 1538 | 6886 | 4.48 | 110000 |
| 2 | 天津 | 天津 | Tianjin | 2005 | 66 | 229 | 8550 | 256 | 8806 | 136 | 76 | 212 | 679 | 27 | 75 | 26 | 807 | 9864 | 2402 | 10120 | 12522 | — | 12.01 | 3.39 | 1043 | 3698 | 3.55 | 120000 |
| 3 | 河北 | 石家庄 | Shijiazhuang | 2005 | 13 | 33 | 7806 | 565 | 8371 | 117 | 214 | 332 | 155 | 16 | 2 | 0 | 173 | 8357 | 52 | 8923 | 8975 | — | 9.68 | 5.02 | 927 | 1787 | 1.93 | 130100 |
| 4 | 河北 | 唐山 | Tangshan | 2005 | 13 | 23 | 15343 | 1907 | 17251 | 83 | 172 | 255 | 132 | 25 | 2 | 0 | 159 | 15793 | 693 | 17701 | 18393 | — | 25.74 | 9.07 | 715 | 2028 | 2.84 | 130200 |
| 5 | 河北 | 秦皇岛 | Qinhuangdao | 2005 | 5 | 10 | 1366 | 205 | 1570 | 35 | 40 | 74 | 49 | 11 | 1 | 0 | 60 | 1515 | 0 | 1720 | 1720 | — | 6.17 | 3.5 | 279 | 491 | 1.76 | 130300 |
| 6 | 河北 | 邯郸 | Handan | 2005 | 14 | 21 | 9449 | 369 | 9818 | 76 | 237 | 313 | 74 | 19 | 2 | 0 | 95 | 9892 | 0 | 10261 | 10261 | — | 11.77 | 8.87 | 871 | 1157 | 1.33 | 130400 |
| 7 | 河北 | 邢台 | Xingtai | 2005 | 15 | 15 | 3618 | 420 | 4038 | 53 | 156 | 209 | 118 | 5 | 2 | 0 | 125 | 3982 | 0 | 4402 | 4402 | — | 6.52 | 6.47 | 675 | 681 | 1.01 | 130500 |
| 8 | 河北 | 保定 | Baoding | 2005 | 18 | 28 | 1370 | 260 | 1630 | 98 | 317 | 415 | 144 | 18 | 3 | 0 | 165 | 1996 | 0 | 2255 | 2255 | — | 2.07 | 2.1 | 1092 | 1072 | 0.98 | 130600 |
| 9 | 河北 | 张家口 | Zhangjiakou | 2005 | 29 | 13 | 3045 | 107 | 3152 | 46 | 55 | 101 | 193 | 21 | 3 | 0 | 217 | 3404 | 0 | 3511 | 3511 | — | 7.8 | 8.44 | 450 | 416 | 0.92 | 130700 |
| 10 | 河北 | 承德 | Chengde | 2005 | 12 | 6 | 1196 | 89 | 1285 | 22 | 19 | 41 | 115 | 19 | 4 | 0 | 138 | 1393 | 287 | 1482 | 1768 | — | 4.89 | 4.91 | 361 | 360 | 1 | 130800 |
| 11 | 河北 | 沧州 | Cangzhou | 2005 | 19 | 15 | 593 | 8 | 602 | 54 | 213 | 267 | 145 | 15 | 3 | 0 | 163 | 1059 | 75 | 1067 | 1142 | — | 1.67 | 1.01 | 685 | 1131 | 1.65 | 130900 |
| 12 | 河北 | 廊坊 | Langfang | 2005 | 10 | 12 | 669 | 54 | 723 | 42 | 91 | 134 | 53 | 7 | 1 | 0 | 61 | 885 | 0 | 939 | 939 | — | 2.4 | 1.51 | 392 | 621 | 1.59 | 131000 |
| 13 | 河北 | 衡水 | Hengshui | 2005 | 13 | 8 | 794 | 0 | 794 | 29 | 94 | 123 | 72 | 7 | 2 | 0 | 81 | 1019 | 0 | 1019 | 1019 | — | 2.44 | 1.96 | 418 | 520 | 1.24 | 131100 |
| 14 | 山西 | 太原 | Taiyuan | 2005 | 10 | 73 | 2617 | 164 | 2781 | 108 | 77 | 185 | 55 | 6 | 0 | 3 | 64 | 2949 | 0 | 3113 | 3113 | — | 9.15 | 3.49 | 340 | 893 | 2.62 | 140100 |
| 15 | 山西 | 大同 | Datong | 2005 | 29 | 42 | 1886 | 161 | 2048 | 63 | 53 | 117 | 40 | 9 | 0 | 3 | 52 | 2126 | 0 | 2287 | 2287 | — | 7.64 | 6.18 | 299 | 370 | 1.24 | 140200 |
| 16 | 山西 | 阳泉 | Yangquan | 2005 | 4 | 22 | 1994 | 55 | 2048 | 32 | 22 | 54 | 25 | 3 | 0 | 0 | 28 | 2101 | 0 | 2156 | 2156 | — | 17.13 | 10.77 | 126 | 200 | 1.59 | 140300 |
| 17 | 山西 | 长治 | Changzhi | 2005 | 36 | 28 | 2368 | 247 | 2616 | 41 | 116 | 157 | 76 | 7 | 0 | 3 | 86 | 2675 | 0 | 2923 | 2923 | — | 9.24 | 7.33 | 316 | 399 | 1.26 | 140400 |
| 18 | 山西 | 晋城 | Jincheng | 2005 | 19 | 12 | 1589 | 75 | 1664 | 18 | 32 | 50 | 42 | 5 | 0 | 0 | 48 | 1717 | 0 | 1792 | 1792 | — | 8.46 | 5.67 | 212 | 316 | 1.49 | 140500 |
| 19 | 山西 | 朔州 | Shuozhou | 2005 | 29 | 15 | 1127 | 46 | 1172 | 22 | 65 | 87 | 45 | 5 | 0 | 0 | 49 | 1307 | 0 | 1353 | 1353 | — | 9.29 | 7.45 | 146 | 182 | 1.25 | 140600 |
| 20 | 山西 | 晋中 | Jinzhong | 2005 | 25 | 24 | 4170 | 102 | 4272 | 36 | 95 | 131 | 93 | 11 | 0 | 0 | 104 | 4454 | 0 | 4556 | 4556 | — | 14.86 | 13.76 | 307 | 331 | 1.08 | 140700 |
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1,356 行 · 28 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 1,344 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、month、origin_city_code按城市对上本数据集 1,344 行(99%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 year、province、region_code按城市对上本数据集 1,344 行(99%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 city_code、year、province按城市对上本数据集 1,344 行(99%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 date、region_code、province按城市对上本数据集 1,344 行(99%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 province、year、region_code按城市对上本数据集 1,344 行(99%)
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 year、origin_province、origin_city_code按城市对上本数据集 1,344 行(99%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 date、region_code、province按城市对上本数据集 1,344 行(99%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 year、province、region_code按城市对上本数据集 1,344 行(99%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 province、date、city_code按城市对上本数据集 1,344 行(99%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 city_code、year、province按城市对上本数据集 1,344 行(99%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 region_code、province、year按城市对上本数据集 1,344 行(99%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 province、city_code、approve_date按城市对上本数据集 1,344 行(99%)
按 省份 + 年份 能连
388 个数据集 · 本数据集 1,356 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 1,356 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 1,356 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 1,356 行(100%)
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 date、province按省份对上本数据集 1,356 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 1,356 行(100%)
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 year、province按省份对上本数据集 1,356 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 1,356 行(100%)
- 县域统计年鉴主要指标区域底数 · 215.5 万 行 · 连接字段 year、province按省份对上本数据集 1,356 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 1,356 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 1,356 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 1,356 行(100%)
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 region_code、year按省份对上本数据集 1,356 行(100%)
按 城市 + 年份 能连
66 个数据集 · 本数据集 1,344 行有城市- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 year、city_code按城市对上本数据集 1,344 行(99%)
- 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 1,344 行(99%)
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 city_code、year按城市对上本数据集 1,344 行(99%)
- 地级市链长制政策面板区域底数 · 3,370 行 · 连接字段 year、city_code按城市对上本数据集 1,344 行(99%)
- 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 1,344 行(99%)
- 地区新冠疫情每日统计人口健康 · 38.4 万 行 · 连接字段 region_code、date按城市对上本数据集 1,340 行(98%)
- 地级市新能源汽车月度销量交通运输 · 3.3 万 行 · 连接字段 city_code、month按城市对上本数据集 1,340 行(98%)
- 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 1,332 行(98%)
- 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 1,328 行(97%)
- 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 1,288 行(94%)
- 省市疫情日度统计人口健康 · 33 万 行 · 连接字段 date、region_code按城市对上本数据集 1,280 行(94%)
- 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 1,264 行(93%)
按 城市 + 省份 能连
29 个数据集 · 本数据集 1,344 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 1,344 行(99%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 city_code、province按城市对上本数据集 1,344 行(99%)
- 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 1,344 行(99%)
- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 region_code、province_code按城市对上本数据集 1,344 行(99%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province、city_code按城市对上本数据集 1,340 行(98%)
- 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 1,336 行(98%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 city_code、province_code按城市对上本数据集 1,328 行(97%)
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 province_code、city_code按城市对上本数据集 1,328 行(97%)
- 地级市距港口距离区域底数 · 335 行 · 连接字段 city_code、province按城市对上本数据集 1,324 行(97%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 city_code、province按城市对上本数据集 1,312 行(96%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province、city_code按城市对上本数据集 1,288 行(94%)
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 province、city_code按城市对上本数据集 1,288 行(94%)
按 省份 能连
18 个数据集 · 本数据集 1,356 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 1,356 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 1,356 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 1,356 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 1,356 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 1,356 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 1,356 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 1,356 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 1,356 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 1,356 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 1,356 行(100%)
- 省份空间邻接矩阵区域底数 · 33 行 · 连接字段 province_name按省份对上本数据集 1,352 行(99%)
- 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 1,328 行(97%)
按 城市 能连
10 个数据集 · 本数据集 1,344 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 1,344 行(99%)
- 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 1,340 行(98%)
- 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 1,336 行(98%)
- 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 1,152 行(84%)
- 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 1,140 行(84%)
- 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 1,140 行(84%)
- 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 1,104 行(81%)
- 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 1,084 行(79%)
- 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 224 行(16%)
- 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 188 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。
来自字段扩增城市分部门二氧化碳排放城市分部门二氧化碳排放
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-co2-sector-ccg/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province","op":"eq","value":"北京"}],"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。