
全国光伏电站遥感识别
v1 生效中 · 2026/11/14 发布险种标签:工程险企业财产险时间跨度:2010–2022 年数据出处 研究者用遥感影像识别的《2010—2022 年中国光伏电站》数据集(PV power plants of China from 2010 to 2022),原为面文件。所在县按质心和 2021 年行政区划县界补,县界不是官方边界
- 记录
- 3 万
- 字段
- 15
- AI 扩增字段
- 3
- 平均非空率
- 100%
- 字段完整度
15 个字段,14 个没有空值,3 个 AI 扩增
01字段
字段来源,逐一标明
共 15 个字段,其中 AI 扩增字段 3 个。非空率按当前版本的 30,023 行计算。
关于这个数据集
一行是遥感影像识别出的中国一个光伏电站:面积(平方千米)、建成日期、建光伏以前的土地类型、质心经纬度,以及所在的省、市、县。2010—2022 年建成,共 30023 个。可用来看光伏资产的分布和规模,做企业财产险、工程险里冰雹、大风、洪水风险的暴露参照。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 编号plant_id记录键 | 文本 | 原生 | 100% | 原表的序号 | ||
| 面积area_km2 | 小数 | 原生 | 100% | 平方千米,遥感识别的光伏板范围 | ||
| 建成日期install_date键:日期。样本里格式符合 100%,还没有参照 | 日期 | 原生 | 100% | 遥感判定的建成时间,原表格式不对的留空 | ||
| 建成年份install_year键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | — | ||
| 原来的土地类型(英文)land_type_en | 文本 | 原生 | 100% | 原表的写法 | ||
| 原来的土地类型land_type | 文本 | 原生 | 100% | 建光伏以前的地类:耕地、草地、林地、未利用地、建设用地、水面、海域 | ||
| 质心经度lng规律 1:质心经度的字段规律字段规律:county_code_2由质心经度、质心纬度扩增得出。键:经度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | WGS84 | ||
| 质心纬度lat规律 1:质心纬度的字段规律字段规律:county_code_2由质心经度、质心纬度扩增得出。键:纬度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | WGS84 | ||
| 省province规律 2:省的字段规律字段规律:city_code由省、市扩增得出。。county_code由省、市、县扩增得出。键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 按质心落在哪个县补的 | ||
| 市city规律 2:市的字段规律字段规律:city_code由省、市扩增得出。。county_code由省、市、县扩增得出。键:城市名称。样本里格式符合 99.8%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 县county规律 1:县的字段规律字段规律:county_code由省、市、县扩增得出。键:区县名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 区县代码region_code | 文本 | 原生 | 100% | 2021 年行政区划 | ||
| 县区划代码county_code规律 1:县区划代码的字段规律字段规律:county_code由省、市、县扩增得出。键:县级区划代码。样本里格式符合 100%,99.9% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:县区划代码 | 100%平均置信度 1.00校验少:不建议单独作为决策依据 | 由省、市、县查行政区划参照得出的现行县级区划代码。程序查表,不用模型。对不上或置信度低的为空 | ||
| 市区划代码city_code规律 1:市区划代码的字段规律字段规律:city_code由省、市扩增得出。键:市级区划代码。样本里格式符合 100%,99.4% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:市区划代码 | 99%平均置信度 1.00校验少:不建议单独作为决策依据 | 由省、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 | ||
| 质心所在区县代码county_code_2规律 1:质心所在区县代码的字段规律字段规律:county_code_2由质心经度、质心纬度扩增得出。键:县级区划代码。样本里格式符合 100%,100% 的行对上参照 county-boundary | 文本 | 规则扩增第 2 级扩增查看溯源:质心所在区县代码 | 100%平均置信度 0.96校验少:不建议单独作为决策依据 | 质心经度、质心纬度落在哪个区县,现行的县级区划代码。用县级边界查出,不用模型。离边界不到 1 公里的点置信度较低 |
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。
| # | 编号plant_id | 面积area_km2 | 建成日期install_date | 建成年份install_year | 原来的土地类型(英文)land_type_en | 原来的土地类型land_type | 质心经度lng | 质心纬度lat | 省province | 市city | 县county | 区县代码region_code | 县区划代码county_code | 市区划代码city_code | 质心所在区县代码county_code_2 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 0 | 0.041406 | 2022-05-19 | 2022 | Cropland | 耕地 | 111.400431 | 23.329377 | 广东省 | 肇庆市 | 封开县 | 441225.0 | 441225 | 441200 | 441225 |
| 2 | 1 | 0.027605 | 2022-08-11 | 2022 | Cropland | 耕地 | 111.407242 | 23.326059 | 广东省 | 肇庆市 | 封开县 | 441225.0 | 441225 | 441200 | 441225 |
| 3 | 2 | 0.062481 | 2022-07-15 | 2022 | Woodland | 林地 | 111.423811 | 23.316059 | 广东省 | 肇庆市 | 封开县 | 441225.0 | 441225 | 441200 | 441225 |
| 4 | 3 | 0.120969 | 2016-10-28 | 2016 | Grassland | 草地 | 111.550705 | 22.814661 | 广东省 | 云浮市 | 罗定市 | 445381.0 | 445381 | 445300 | 445381 |
| 5 | 4 | 0.067778 | 2019-07-15 | 2019 | Cropland | 耕地 | 111.518755 | 22.768299 | 广东省 | 云浮市 | 罗定市 | 445381.0 | 445381 | 445300 | 445381 |
| 6 | 5 | 0.032177 | 2021-05-29 | 2021 | Built-up land | 建设用地 | 112.82466 | 22.894056 | 广东省 | 佛山市 | 高明区 | 440608.0 | 440608 | 440600 | 440608 |
| 7 | 6 | 0.037456 | 2016-05-11 | 2016 | Built-up land | 建设用地 | 111.317812 | 23.528683 | 广西壮族自治区 | 梧州市 | 万秀区 | 450403.0 | 450403 | 450400 | 450403 |
| 8 | 7 | 0.0681 | 2017-06-23 | 2017 | Built-up land | 建设用地 | 111.215012 | 23.414921 | 广西壮族自治区 | 梧州市 | 龙圩区 | 450406.0 | 450406 | 450400 | 450406 |
| 9 | 8 | 0.052127 | 2015-09-29 | 2015 | Cropland | 耕地 | 110.351767 | 25.222015 | 广西壮族自治区 | 桂林市 | 雁山区 | 450311.0 | 450311 | 450300 | 450311 |
| 10 | 9 | 0.042314 | 2018-01-29 | 2018 | Built-up land | 建设用地 | 112.169309 | 23.046567 | 广东省 | 云浮市 | 云安区 | 445303.0 | 445303 | 445300 | 445303 |
| 11 | 10 | 0.101453 | 2017-04-22 | 2017 | Cropland | 耕地 | 116.224718 | 24.862301 | 福建省 | 龙岩市 | 武平县 | 350824.0 | 350824 | 350800 | 350824 |
| 12 | 11 | 0.070961 | 2022-05-27 | 2022 | Woodland | 林地 | 115.949992 | 24.294038 | 广东省 | 梅州市 | 梅县区 | 441403.0 | 441403 | 441400 | 441403 |
| 13 | 12 | 0.4804 | 2016-12-06 | 2016 | Cropland | 耕地 | 115.512288 | 22.97005 | 广东省 | 汕尾市 | 陆丰市 | 441581.0 | 441581 | 441500 | 441581 |
| 14 | 13 | 0.337691 | 2017-06-27 | 2017 | Woodland | 林地 | 115.484428 | 22.921562 | 广东省 | 汕尾市 | 陆丰市 | 441581.0 | 441581 | 441500 | 441581 |
| 15 | 14 | 0.041469 | 2018-05-21 | 2018 | Cropland | 耕地 | 115.842759 | 24.445894 | 广东省 | 梅州市 | 梅县区 | 441403.0 | 441403 | 441400 | 441403 |
| 16 | 15 | 0.06635 | 2017-10-24 | 2017 | Cropland | 耕地 | 115.407514 | 23.036251 | 广东省 | 汕尾市 | 海丰县 | 441521.0 | 441521 | 441500 | 441521 |
| 17 | 16 | 0.000388 | 2021-11-12 | 2021 | Built-up land | 建设用地 | 115.745827 | 24.779437 | 江西省 | 赣州市 | 寻乌县 | 360734.0 | 360734 | 360700 | 360734 |
| 18 | 17 | 0.008479 | 2017-07-28 | 2017 | Cropland | 耕地 | 115.532321 | 24.930114 | 江西省 | 赣州市 | 寻乌县 | 360734.0 | 360734 | 360700 | 360734 |
| 19 | 18 | 0.005069 | 2016-09-27 | 2016 | Cropland | 耕地 | 115.514131 | 24.814353 | 江西省 | 赣州市 | 寻乌县 | 360734.0 | 360734 | 360700 | 360734 |
| 20 | 19 | 0.001322 | 2019-01-23 | 2019 | Woodland | 林地 | 116.048928 | 25.173147 | 福建省 | 龙岩市 | 武平县 | 350824.0 | 350824 | 350800 | 350824 |
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 v12026/11/14 发布
生效中30,023 行 · 15 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 135 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 + 区县 + 省份 + 年份 能连
42 个数据集 · 本数据集 29,842 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 city_code、year、region_code、province按城市对上本数据集 29,842 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、county_code、city_code、date按城市对上本数据集 29,842 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、county_code按城市对上本数据集 29,842 行(99%)
- 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、county_code按城市对上本数据集 29,842 行(99%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 city_code、region_code、year、province按城市对上本数据集 29,842 行(99%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 province、region_code、county_code、year按城市对上本数据集 29,842 行(99%)
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 city_code、county_code、province、founded_year按城市对上本数据集 29,842 行(99%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 year、county_code_2、province_name、city_code_2按城市对上本数据集 29,842 行(99%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 region_code、city_code、province、division_year按城市对上本数据集 29,842 行(99%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 region_code、city_code、division_year、province按城市对上本数据集 29,842 行(99%)
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 region_code、city_code、province、layer_year按城市对上本数据集 29,842 行(99%)
- 全国区县人工智能企业数企业主体 · 4.9 万 行 · 连接字段 city_code、province、county_code、year按城市对上本数据集 29,835 行(99%)
按 城市 + 省份 + 年份 能连
144 个数据集 · 本数据集 29,842 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_city_code、month、origin_province按城市对上本数据集 29,842 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 29,842 行(99%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 region_code、province、date按城市对上本数据集 29,842 行(99%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 year、region_code、province按城市对上本数据集 29,842 行(99%)
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 origin_province、origin_city_code、year按城市对上本数据集 29,842 行(99%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 region_code、date、province按城市对上本数据集 29,842 行(99%)
- 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 29,842 行(99%)
- 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 29,842 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 29,842 行(99%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 province、year、region_code按城市对上本数据集 29,842 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 29,842 行(99%)
- 地级市绿色专利统计区域底数 · 1.3 万 行 · 连接字段 year、region_code、province按城市对上本数据集 29,842 行(99%)
按 区县 + 省份 + 年份 能连
65 个数据集 · 本数据集 29,990 行有区县- 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、county_code、taobao_village_year按区县对上本数据集 29,990 行(99%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 year、region_code、province按区县对上本数据集 29,986 行(99%)
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 province、year、region_code按区县对上本数据集 29,986 行(99%)
- 区县人口分布(格网汇总)区域底数 · 1.4 万 行 · 连接字段 year、region_code、province按区县对上本数据集 29,986 行(99%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 province、region_code、issue_date按区县对上本数据集 29,984 行(99%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 province、first_year、region_code按区县对上本数据集 29,954 行(99%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time、pname、adcode按区县对上本数据集 29,942 行(99%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 province、region_code、year按区县对上本数据集 29,929 行(99%)
- 县域数字普惠金融指数区域底数 · 2.3 万 行 · 连接字段 year、province、region_code按区县对上本数据集 29,919 行(99%)
- 县域新注册企业统计区域底数 · 5.8 万 行 · 连接字段 province、year、region_code按区县对上本数据集 29,912 行(99%)
- 县域金融机构变动统计区域底数 · 5.3 万 行 · 连接字段 province、year、region_code按区县对上本数据集 29,770 行(99%)
- 区县城乡融合试点面板区域底数 · 7.4 万 行 · 连接字段 province、region_code、year按区县对上本数据集 29,763 行(99%)
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 29,842 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、county_code、province_code按城市对上本数据集 29,842 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、county_code按城市对上本数据集 29,842 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、region_code、province_code按城市对上本数据集 29,842 行(99%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 city_code、province、county_code按城市对上本数据集 29,839 行(99%)
- 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、village_code按城市对上本数据集 29,528 行(98%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 region_code、city_code、province_code按城市对上本数据集 29,480 行(98%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 county_code、city_code、province按城市对上本数据集 29,464 行(98%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province、county_code、city_code按城市对上本数据集 29,367 行(97%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 county_code、city_code、province按城市对上本数据集 27,588 行(91%)
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 county_code、city_code、province按城市对上本数据集 27,216 行(90%)
- 区县代码匹配表区域底数 · 162 行 · 连接字段 city_code、region_code、province_name按城市对上本数据集 14,186 行(47%)
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 region_code、province、city_code按城市对上本数据集 5,547 行(18%)
按 城市 + 区县 + 年份 能连
6 个数据集 · 本数据集 29,842 行有城市- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 city_code、year、county_code按城市对上本数据集 29,508 行(98%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_city_code、pub_date、applicant_address_county_code按城市对上本数据集 29,086 行(96%)
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 city_code、region_code_adj、year按城市对上本数据集 27,955 行(93%)
- 全国上市公司专利全量企业主体 · 6.4 万 行 · 连接字段 address_county_code、application_date、address_city_code按城市对上本数据集 24,361 行(81%)
- 上市公司产学研合作专利企业主体 · 1.4 万 行 · 连接字段 year、county_code、city_code按城市对上本数据集 18,960 行(63%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 county_code、address_city_code、established_date按城市对上本数据集 3,839 行(12%)
按 省份 + 年份 能连
323 个数据集 · 本数据集 30,019 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 province_name、year按省份对上本数据集 30,019 行(99%)
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 province、year按省份对上本数据集 30,019 行(99%)
- 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 30,019 行(99%)
- 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 30,019 行(99%)
- 省级教育统计面板区域底数 · 143.5 万 行 · 连接字段 year、region_code按省份对上本数据集 30,019 行(99%)
- 省级统计年鉴长序列指标区域底数 · 74.4 万 行 · 连接字段 province、year按省份对上本数据集 30,019 行(99%)
- 劳动统计年鉴省级指标区域底数 · 60.3 万 行 · 连接字段 region_code、year按省份对上本数据集 30,019 行(99%)
- 第三产业统计年鉴省级指标区域底数 · 54.7 万 行 · 连接字段 year、region_code按省份对上本数据集 30,019 行(99%)
- 分省分行业工业企业指标区域底数 · 50.4 万 行 · 连接字段 province、year按省份对上本数据集 30,019 行(99%)
- 分地区高技术产业统计区域底数 · 35.3 万 行 · 连接字段 region_code、year按省份对上本数据集 30,019 行(99%)
- 专精特新企业认定情况企业主体 · 27.7 万 行 · 连接字段 identify_year、province按省份对上本数据集 30,019 行(99%)
- 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 30,019 行(99%)
按 城市 + 年份 能连
60 个数据集 · 本数据集 29,842 行有城市- 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 29,842 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 29,842 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 29,842 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 29,842 行(99%)
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 start_year、city_code按城市对上本数据集 29,842 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 29,830 行(99%)
- 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 29,787 行(99%)
- 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 29,681 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 date、region_code按城市对上本数据集 29,528 行(98%)
- 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 29,292 行(97%)
- 城市间高铁连接状态交通运输 · 116.6 万 行 · 连接字段 year、city1_code按城市对上本数据集 28,284 行(94%)
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 region_code、year按城市对上本数据集 27,948 行(93%)
按 城市 + 省份 能连
15 个数据集 · 本数据集 29,842 行有城市- 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 29,842 行(99%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 province、region_code按城市对上本数据集 29,752 行(99%)
- 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 29,597 行(98%)
- 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 29,521 行(98%)
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 province、city_code按城市对上本数据集 29,316 行(97%)
- 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 29,282 行(97%)
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 city_code、province按城市对上本数据集 27,452 行(91%)
- 地级市海拔标准差区域底数 · 288 行 · 连接字段 province、region_code按城市对上本数据集 26,941 行(89%)
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 province、city_code_2按城市对上本数据集 26,898 行(89%)
- 上市公司注册地信息企业主体 · 4,530 行 · 连接字段 province、city_code按城市对上本数据集 26,430 行(88%)
- 地级市胡焕庸线位置区域底数 · 285 行 · 连接字段 region_code、province按城市对上本数据集 26,258 行(87%)
- 地级市儒家文化设施区域底数 · 293 行 · 连接字段 province、city_code按城市对上本数据集 25,400 行(84%)
按 区县 + 年份 能连
10 个数据集 · 本数据集 29,990 行有区县- 行政区划新旧代码对照参照区域底数 · 7,388 行 · 连接字段 old_code、valid_from按区县对上本数据集 29,990 行(99%)
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 county_code、year按区县对上本数据集 29,889 行(99%)
- 政治精英地区编码区域底数 · 3,843 行 · 连接字段 start_date、region_code按区县对上本数据集 29,306 行(97%)
- 全国百强区县入选状态区域底数 · 4.1 万 行 · 连接字段 region_code、year按区县对上本数据集 27,933 行(93%)
- 行政区划代码变更区域底数 · 4,636 行 · 连接字段 old_code、change_year按区县对上本数据集 25,611 行(85%)
- 全国电厂点位建筑设施 · 4,274 行 · 连接字段 county_code、commissioning_year按区县对上本数据集 21,158 行(70%)
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 date、county_code按区县对上本数据集 7,616 行(25%)
- 区县淘宝村数量区域底数 · 6,183 行 · 连接字段 year、county_code按区县对上本数据集 6,733 行(22%)
- 全国及城市建成区绿地指标区域底数 · 8.1 万 行 · 连接字段 region_code、year按区县对上本数据集 5,646 行(18%)
- 城市和区县新冠疫情日度人口健康 · 53.3 万 行 · 连接字段 date、county_code按区县对上本数据集 2,915 行(9.7%)
按 区县 + 省份 能连
4 个数据集 · 本数据集 29,990 行有区县按 城市 + 区县 能连
3 个数据集 · 本数据集 29,842 行有城市按 省份 能连
14 个数据集 · 本数据集 30,019 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 30,019 行(99%)
- 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 30,019 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 30,019 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 30,019 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 30,019 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 30,019 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 30,019 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 29,968 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 29,890 行(99%)
- 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 29,890 行(99%)
- 分省景区数量统计区域底数 · 136 行 · 连接字段 province按省份对上本数据集 29,298 行(97%)
- 高新区创新积分试点名单区域底数 · 133 行 · 连接字段 province按省份对上本数据集 28,830 行(96%)
按 区县 能连
9 个数据集 · 本数据集 29,990 行有区县- 县级地形起伏度自然灾害 · 2,873 行 · 连接字段 region_code按区县对上本数据集 29,824 行(99%)
- 医保定点零售药店医疗药械 · 50.5 万 行 · 连接字段 region_code按区县对上本数据集 29,794 行(99%)
- 医保定点医疗机构医疗药械 · 57.8 万 行 · 连接字段 region_code按区县对上本数据集 29,779 行(99%)
- 全国矿产地分布建筑设施 · 22.8 万 行 · 连接字段 county_code按区县对上本数据集 29,400 行(97%)
- 全国医保经办机构保险市场 · 6,045 行 · 连接字段 region_code按区县对上本数据集 28,884 行(96%)
- 城投公司基本信息企业主体 · 1.2 万 行 · 连接字段 region_code按区县对上本数据集 24,463 行(81%)
- 跨省异地就医定点机构医疗药械 · 65 万 行 · 连接字段 region_code按区县对上本数据集 21,606 行(71%)
- 全国 1 到 5 级河流自然灾害 · 1,830 行 · 连接字段 label_county_code按区县对上本数据集 14,735 行(49%)
- 医院可达性验证交通运输 · 20.9 万 行 · 连接字段 dest_county_code按区县对上本数据集 13,517 行(45%)
按 城市 能连
7 个数据集 · 本数据集 29,842 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 29,610 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 26,807 行(89%)
- 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 26,288 行(87%)
- 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 26,288 行(87%)
- 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 25,131 行(83%)
- 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 24,335 行(81%)
- 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 3,483 行(11%)
只按年份能连:435 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
435 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
- 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
- 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
- 世界银行健康营养与人口统计人口健康 · 353.8 万 行 · 连接字段 year
- 上市公司专利申请明细企业主体 · 224.2 万 行 · 连接字段 year
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3
- 扩增得出
city_code由省、市扩增得出。
来自字段扩增全国光伏电站遥感识别全国光伏电站遥感识别 - 扩增得出
county_code由省、市、县扩增得出。
来自字段扩增全国光伏电站遥感识别全国光伏电站遥感识别 - 扩增得出
county_code_2由质心经度、质心纬度扩增得出。
来自字段扩增全国光伏电站遥感识别全国光伏电站遥感识别
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/pv-power-plant-polygons/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"plant_id","op":"eq","value":"0"}],"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。