
- 记录
- 1.2 万
- 字段
- 12
- AI 扩增字段
- 0
- 平均非空率
- 100%
- 字段完整度
12 个字段,12 个没有空值
01字段
字段来源,逐一标明
共 12 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 11,501 行计算。
关于这个数据集
一行是一个地级单位一年的夜间灯光统计:平均、总和、最大、最小亮度和标准差,用的是把 DMSP 和 VIIRS 两种卫星数据矫正成一个口径的长序列。覆盖 371 个地级单位,1992 到 2022 年,共 11501 行。用来看城市长期的开发强度变化,给财产险、工程险的区域暴露分析做参考。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 省份province键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 全称 | ||
| 省级区划代码province_code键:省级区划代码(2025 年版)。样本里格式符合 100%,100% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | 6 位 | ||
| 省级类型province_type | 文本 | 原生 | 100% | 省、自治区、直辖市、特别行政区 | ||
| 城市city键:城市名称。样本里格式符合 88.5%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 地级区划代码region_code键:市级区划代码(2025 年版)。样本里格式符合 100%,100% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | 6 位 | ||
| 地级类型city_type | 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% | — | ||
| 平均亮度light_mean | 小数 | 原生 | 100% | 区域内像元灯光值的平均 | ||
| 总亮度light_sum | 小数 | 原生 | 100% | 区域内像元灯光值的总和 | ||
| 最大亮度light_max | 小数 | 原生 | 100% | — | ||
| 最小亮度light_min | 小数 | 原生 | 100% | — | ||
| 亮度标准差light_std | 小数 | 原生 | 100% | — |
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 | 省级区划代码province_code | 省级类型province_type | 城市city | 地级区划代码region_code | 地级类型city_type | 年份year | 平均亮度light_mean | 总亮度light_sum | 最大亮度light_max | 最小亮度light_min | 亮度标准差light_std |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 安徽省 | 340000 | 省 | 安庆市 | 340800 | 地级市 | 1992 | 0.514814814815 | 6950 | 63 | 0 | 3.11186542884 |
| 2 | 安徽省 | 340000 | 省 | 蚌埠市 | 340300 | 地级市 | 1992 | 1.18285522563 | 7051 | 54 | 0 | 4.65297475804 |
| 3 | 安徽省 | 340000 | 省 | 亳州市 | 341600 | 地级市 | 1992 | 0.513963858249 | 4380 | 48 | 0 | 2.67904587912 |
| 4 | 安徽省 | 340000 | 省 | 池州市 | 341700 | 地级市 | 1992 | 0.203405978326 | 1708 | 30 | 0 | 1.4473648956 |
| 5 | 安徽省 | 340000 | 省 | 滁州市 | 341100 | 地级市 | 1992 | 0.779776445333 | 10534 | 59 | 0 | 3.03199113397 |
| 6 | 安徽省 | 340000 | 省 | 阜阳市 | 341200 | 地级市 | 1992 | 0.771778898448 | 7805 | 54 | 0 | 3.14407753462 |
| 7 | 安徽省 | 340000 | 省 | 合肥市 | 340100 | 地级市 | 1992 | 1.90447969322 | 21852 | 63 | 0 | 6.65920925917 |
| 8 | 安徽省 | 340000 | 省 | 淮北市 | 340600 | 地级市 | 1992 | 3.1470695304 | 8645 | 49 | 0 | 6.34405448193 |
| 9 | 安徽省 | 340000 | 省 | 淮南市 | 340400 | 地级市 | 1992 | 2.52473817263 | 13982 | 58 | 0 | 6.32285790748 |
| 10 | 安徽省 | 340000 | 省 | 黄山市 | 341000 | 地级市 | 1992 | 0.211135213304 | 2044 | 26 | 0 | 1.39407305708 |
| 11 | 安徽省 | 340000 | 省 | 六安市 | 341500 | 地级市 | 1992 | 0.310271041369 | 4785 | 55 | 0 | 2.09346441283 |
| 12 | 安徽省 | 340000 | 省 | 马鞍山市 | 340500 | 地级市 | 1992 | 2.94172839506 | 11914 | 63 | 0 | 7.85215623294 |
| 13 | 安徽省 | 340000 | 省 | 宿州市 | 341300 | 地级市 | 1992 | 0.823014195107 | 8175 | 48 | 0 | 2.93599049123 |
| 14 | 安徽省 | 340000 | 省 | 铜陵市 | 340700 | 地级市 | 1992 | 1.84221105528 | 5499 | 54 | 0 | 5.53141421202 |
| 15 | 安徽省 | 340000 | 省 | 芜湖市 | 340200 | 地级市 | 1992 | 1.58160039927 | 9507 | 60 | 0 | 5.11876459288 |
| 16 | 安徽省 | 340000 | 省 | 宣城市 | 341800 | 地级市 | 1992 | 0.410241843857 | 5055 | 31 | 0 | 1.92454708191 |
| 17 | 澳门特别行政区 | 820000 | 特别行政区 | 澳门特别行政区 | 820000 | 特别行政区 | 1992 | 46.8269230769 | 2435 | 63 | 13 | 15.4256543981 |
| 18 | 北京市 | 110000 | 直辖市 | 北京市 | 110000 | 直辖市 | 1992 | 8.98848614072 | 147546 | 63 | 0 | 14.3615488765 |
| 19 | 福建省 | 350000 | 省 | 福州市 | 350100 | 地级市 | 1992 | 2.2657896887 | 27731 | 61 | 0 | 6.16990146892 |
| 20 | 福建省 | 350000 | 省 | 龙岩市 | 350800 | 地级市 | 1992 | 0.408959461591 | 7778 | 48 | 0 | 2.17612811844 |
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11,501 行 · 12 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 11,501 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、city_code、province按城市对上本数据集 11,501 行(100%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 region_code、year、province按城市对上本数据集 11,501 行(100%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 region_code、year、province按城市对上本数据集 11,501 行(100%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 province、year、region_code按城市对上本数据集 11,501 行(100%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 region_code、year、province按城市对上本数据集 11,501 行(100%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 province、city_code、division_year按城市对上本数据集 11,501 行(100%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 province、city_code、division_year按城市对上本数据集 11,501 行(100%)
- 地级市历次普查常住人口区域底数 · 1,110 行 · 连接字段 province_code、city_code、census_year按城市对上本数据集 11,470 行(99%)
- 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 11,439 行(99%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 date、province_code、city_code按城市对上本数据集 11,439 行(99%)
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 city_code、province、year按城市对上本数据集 11,439 行(99%)
- 地级市银行网点统计区域底数 · 5,888 行 · 连接字段 province、year、region_code按城市对上本数据集 11,408 行(99%)
按 省份 + 年份 能连
388 个数据集 · 本数据集 11,501 行有省份- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time、pname按省份对上本数据集 11,501 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 11,501 行(100%)
- 工业企业出口技术复杂度企业主体 · 75.2 万 行 · 连接字段 year、customs_province按省份对上本数据集 11,501 行(100%)
- 省级环境关注度日度指数区域底数 · 27.5 万 行 · 连接字段 region_code、date按省份对上本数据集 11,501 行(100%)
- 省级日度夜间灯光区域底数 · 15.6 万 行 · 连接字段 date、province按省份对上本数据集 11,501 行(100%)
- 省级逐月降水量自然灾害 · 5 万 行 · 连接字段 year、province按省份对上本数据集 11,501 行(100%)
- 省级新冠疫情日度人口健康 · 3.6 万 行 · 连接字段 date、region_name按省份对上本数据集 11,501 行(100%)
- 省级逐月风速自然灾害 · 3.5 万 行 · 连接字段 year、province按省份对上本数据集 11,501 行(100%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 year、province按省份对上本数据集 11,501 行(100%)
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 province、year按省份对上本数据集 11,501 行(100%)
- 区县人口分布(格网汇总)区域底数 · 1.4 万 行 · 连接字段 year、province按省份对上本数据集 11,501 行(100%)
- 省级逐月闪电自然灾害 · 4,080 行 · 连接字段 province、year按省份对上本数据集 11,501 行(100%)
按 城市 + 年份 能连
66 个数据集 · 本数据集 11,501 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 region_code、date按城市对上本数据集 11,253 行(97%)
- 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 11,067 行(96%)
- 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 11,005 行(95%)
- 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 10,695 行(92%)
- 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 10,447 行(90%)
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 region_code、year按城市对上本数据集 10,447 行(90%)
- 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 10,447 行(90%)
- 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 10,447 行(90%)
- 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 10,447 行(90%)
- 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 10,416 行(90%)
- 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 10,013 行(87%)
- 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 9,827 行(85%)
按 城市 + 省份 能连
29 个数据集 · 本数据集 11,501 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 11,470 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 province_code、city_code按城市对上本数据集 11,470 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 11,377 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 11,098 行(96%)
- 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 10,633 行(92%)
- 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 10,447 行(90%)
- 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 10,416 行(90%)
- 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 10,323 行(89%)
- 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 10,292 行(89%)
- 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 10,292 行(89%)
- 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 10,199 行(88%)
- 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 10,044 行(87%)
按 省份 能连
18 个数据集 · 本数据集 11,501 行有省份- 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 11,501 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 11,501 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 11,501 行(100%)
- 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 11,408 行(99%)
- 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 11,408 行(99%)
- 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 11,408 行(99%)
- 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 11,408 行(99%)
- 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 11,408 行(99%)
- 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 11,408 行(99%)
- 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 11,408 行(99%)
- 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 11,377 行(98%)
- 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 11,191 行(97%)
按 城市 能连
10 个数据集 · 本数据集 11,501 行有城市- 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 11,036 行(95%)
- 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 10,447 行(90%)
- 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 10,385 行(90%)
- 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 8,928 行(77%)
- 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 8,835 行(76%)
- 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 8,835 行(76%)
- 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 8,556 行(74%)
- 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 8,401 行(73%)
- 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 1,736 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 1,457 行(12%)
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。
还没有发现这个数据集的字段规律。
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/night-light-city-panel/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。