
全国台风登陆记录
一行是一个台风在中国沿海的一次登陆。包含台风编号、中文名、登陆日期、登陆地点和它的行政区划代码、登陆时的强度等级。
- 记录
- 839
- 字段
- 13
- AI 扩增字段
- 1
- 平均非空率
- 91.2%
- 字段完整度
13 个字段,7 个没有空值,1 个 AI 扩增
图片:MODIS Land Rapid Response Team, NASA GSFC,Public domain(在新窗口打开图片的原始页面)
01字段
字段来源,逐一标明
共 13 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 839 行计算。
关于这个数据集
一行是一个台风在中国沿海的一次登陆。包含台风编号、中文名、登陆日期、登陆地点和它的行政区划代码、登陆时的强度等级。覆盖有记录以来在中国大陆、香港、澳门、台湾登陆的台风,同一个台风多次登陆时各占一行。用来统计沿海各县市台风登陆的次数和强度,评估工程项目和企业财产的风灾风险。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 台风编号typhoon_no含义:代码或编号 | 文本 | 原生 | 87% | 4 位,前 2 位是年份,后 2 位是当年的序号。13% 的行是空的(多数是热带低压) | ||
| 当年序号year_seq含义:个数(个) | 整数 | 原生 | 100% | 原名:序号。含义不清,看起来是台风在当年的序号 | ||
| 中文名typhoon_name含义:名称 | 文本 | 原生 | 25% | 2000 年以前的台风多数没有中文名 | ||
| 登陆日期landfall_date规律 1:登陆日期的字段规律字段规律:landfall_year由登陆日期扩增得出。含义:日期或时间键:日期。样本里格式符合 100%,还没有参照 | 日期 | 原生 | 100% | — | ||
| 登陆序号landfall_seq含义:个数(次) | 整数 | 原生 | 100% | 同一个台风的第几次登陆 | ||
| 登陆地点landfall_place含义:地区 | 文本 | 原生 | 100% | 原文,例如“浙江普陀” | ||
| 行政区划代码region_code含义:代码或编号键:多级区划代码(2014 年版)。样本里格式符合 94.7%,95.7% 的行对上参照 region-code-by-year | 文本 | 原生 | 99% | 登陆地的代码,多数是 6 位的县区代码。香港是 344,澳门是 446 | ||
| 登陆时强度等级intensity含义:类别 | 文本 | 原生 | 100% | TD 热带低压、TS 热带风暴、STS 强热带风暴、TY 台风、STY 强台风、SuperTY 超强台风 | ||
| 省代码province_code含义:代码或编号键:省级区划代码(2025 年版)。样本里格式符合 99%,99.3% 的行对上参照 region-code-by-year | 文本 | 原生 | 98% | 6 位 | ||
| 省province含义:地区键:省份名称。样本里格式符合 99%,还没有参照 | 文本 | 原生 | 98% | — | ||
| 市代码city_code含义:代码或编号键:多级区划代码(2014 年版)。样本里格式符合 97.8%,97.9% 的行对上参照 region-code-by-year | 文本 | 原生 | 81% | 6 位 | ||
| 地级市city含义:地区 | 文本 | 原生 | 100% | — | ||
| 登陆年份landfall_year规律 1:登陆年份的字段规律字段规律:landfall_year由登陆日期扩增得出。含义:年份键:年份。样本里格式符合 100%,还没有参照 | 整数 | 规则扩增第 1 级扩增查看溯源:登陆年份 | 100%平均置信度 1.00校验少:不建议单独作为决策依据 | 从登陆日期算出的年份 |
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。
| # | 台风编号typhoon_no | 当年序号year_seq | 中文名typhoon_name | 登陆日期landfall_date | 登陆序号landfall_seq | 登陆地点landfall_place | 行政区划代码region_code | 登陆时强度等级intensity | 省代码province_code | 省province | 市代码city_code | 地级市city | 登陆年份landfall_year |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 4904 | 4 | — | 1949-07-10 | 1 | 香港 | 344 | TS | 344 | 中国香港 | — | 香港 | 1949 |
| 2 | 4906 | 6 | — | 1949-07-24 | 1 | 浙江普陀 | 330903 | TY | 330000 | 浙江省 | 330903 | 普陀区 | 1949 |
| 3 | 4906 | 6 | — | 1949-07-25 | 2 | 浙江平湖-上海金山 | 310116 | TY | 310000 | 上海市 | 310116 | 金山区 | 1949 |
| 4 | 4906 | 6 | — | 1949-07-26 | 3 | 山东乳山 | 371083 | STS | 370000 | 山东省 | 371083 | 乳山市 | 1949 |
| 5 | 4908 | 8 | — | 1949-07-28 | 1 | 台湾屏东-高雄 | 710000 | STS | 710000 | 台湾省 | — | 高雄 | 1949 |
| 6 | 4911 | 11 | — | 1949-08-08 | 1 | 海南万宁 | 469006 | TD | 460000 | 海南省 | 469006 | 万宁 | 1949 |
| 7 | 4911 | 11 | — | 1949-08-09 | 2 | 广东台山 | 440781 | TD | 440000 | 广东省 | 440781 | 台山市 | 1949 |
| 8 | 4913 | 13 | — | 1949-08-09 | 1 | 福建福鼎 | 350982 | TD | 350000 | 福建省 | 350982 | 福鼎市 | 1949 |
| 9 | 4919 | 19 | — | 1949-09-08 | 1 | 广东台山 | 440781 | STS | 440000 | 广东省 | 440781 | 台山市 | 1949 |
| 10 | 4920 | 20 | — | 1949-09-14 | 1 | 台湾台东-花莲 | 710000 | TY | 710000 | 台湾省 | — | 花莲 | 1949 |
| 11 | 4920 | 20 | — | 1949-09-15 | 2 | 广东潮阳 | 440513 | TD | 440000 | 广东省 | 440513 | 潮阳区 | 1949 |
| 12 | 4924 | 24 | — | 1949-09-29 | 1 | 台湾台东 | 710000 | TD | 710000 | 台湾省 | — | 台东 | 1949 |
| 13 | 4924 | 24 | — | 1949-09-30 | 2 | 福建惠安 | 350521 | TD | 350000 | 福建省 | 350521 | 惠安县 | 1949 |
| 14 | 4925 | 25 | — | 1949-10-04 | 1 | 广东澄海-饶平 | 445122 | TS | 440000 | 广东省 | 445122 | 饶平县 | 1949 |
| 15 | 5003 | 3 | — | 1950-06-08 | 1 | 台湾彰化-台南 | 710000 | TS | 710000 | 台湾省 | — | 台南 | 1950 |
| 16 | 5005 | 5 | — | 1950-07-09 | 1 | 广东斗门 | 440403 | TD | 440000 | 广东省 | 440403 | 斗门区 | 1950 |
| 17 | 5007 | 7 | — | 1950-07-22 | 1 | 辽宁丹东 | 210600 | TD | 210000 | 辽宁省 | 210600 | 丹东市 | 1950 |
| 18 | 5009 | 9 | — | 1950-07-24 | 1 | 台湾宜兰-基隆 | 710000 | TD | 710000 | 台湾省 | — | 基隆 | 1950 |
| 19 | 5012 | 12 | — | 1950-07-27 | 1 | 广东雷州 | 440882 | TD | 440000 | 广东省 | 440882 | 雷州市 | 1950 |
| 20 | 5010 | 10 | — | 1950-08-01 | 1 | 江苏启东 | 320681 | TD | 320000 | 江苏省 | 320681 | 启东市 | 1950 |
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 v12026/11/12 发布
生效中839 行 · 13 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 42 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 地区 + 省份 + 年份 能连
33 个数据集 · 本数据集 829 行有地区- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 province、region_code、year按地区对上本数据集 433 行(51%)
- 城市二手房月度均价区域底数 · 4.3 万 行 · 连接字段 year、province、region_code按地区对上本数据集 414 行(49%)
- 城市二手房年度指标区域底数 · 4,119 行 · 连接字段 year、province、region_code按地区对上本数据集 414 行(49%)
- 全国机构养老服务机构建筑设施 · 3.9 万 行 · 连接字段 region_code、create_date、province按地区对上本数据集 290 行(34%)
- 全国社区养老设施建筑设施 · 19.7 万 行 · 连接字段 region_code、province、create_date按地区对上本数据集 251 行(29%)
- 上市公司供应链效率企业主体 · 7.1 万 行 · 连接字段 province、city_code、year按地区对上本数据集 240 行(28%)
- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 city_code、province、year按地区对上本数据集 240 行(28%)
- 上市公司跨境电商DID企业主体 · 6.9 万 行 · 连接字段 year、city_code、province按地区对上本数据集 240 行(28%)
- 上市公司气候风险指数企业主体 · 6.7 万 行 · 连接字段 province、year、region_code按地区对上本数据集 240 行(28%)
- 上市公司年报AI词频企业主体 · 6.2 万 行 · 连接字段 city_code、year、province按地区对上本数据集 240 行(28%)
- 上市公司所在城市低碳试点标记企业主体 · 5.8 万 行 · 连接字段 year、province_code、city_code按地区对上本数据集 240 行(28%)
- 上市公司对外开放程度企业主体 · 5.8 万 行 · 连接字段 province、city_code、year按地区对上本数据集 240 行(28%)
按 省份 + 年份 能连
541 个数据集 · 本数据集 821 行有省份- 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 815 行(97%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、year按省份对上本数据集 815 行(97%)
- 中国手机基站地理信息建筑设施 · 186.8 万 行 · 连接字段 province、create_date按省份对上本数据集 815 行(97%)
- 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 815 行(97%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 province、year按省份对上本数据集 815 行(97%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 year、province按省份对上本数据集 815 行(97%)
- 省级环境关注度日度指数区域底数 · 27.5 万 行 · 连接字段 date、region_code按省份对上本数据集 815 行(97%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 year、province按省份对上本数据集 815 行(97%)
- 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 815 行(97%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 date、province_code按省份对上本数据集 815 行(97%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 province、year按省份对上本数据集 815 行(97%)
- 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 815 行(97%)
按 地区 + 年份 能连
5 个数据集 · 本数据集 829 行有地区- 地级市城乡建设统计区域底数 · 208.6 万 行 · 连接字段 year、region_code按地区对上本数据集 437 行(52%)
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 region_code、year按地区对上本数据集 257 行(30%)
- 各省专利受理授权统计区域底数 · 1.7 万 行 · 连接字段 region_code、year按地区对上本数据集 48 行(5.7%)
- 各地区新能源汽车产量区域底数 · 240 行 · 连接字段 year、region_code按地区对上本数据集 29 行(3.5%)
- 各省医疗服务项目代码医疗药械 · 32.5 万 行 · 连接字段 begin_date、regn按地区对上本数据集 20 行(2.4%)
按 地区 + 省份 能连
1 个数据集 · 本数据集 829 行有地区按 省份 能连
46 个数据集 · 本数据集 821 行有省份- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code按省份对上本数据集 815 行(97%)
- 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 815 行(97%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province按省份对上本数据集 815 行(97%)
- 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 815 行(97%)
- 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按省份对上本数据集 815 行(97%)
- 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 815 行(97%)
- 省级地形起伏度自然灾害 · 34 行 · 连接字段 region_code按省份对上本数据集 802 行(95%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code按省份对上本数据集 673 行(80%)
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 province按省份对上本数据集 673 行(80%)
- 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 673 行(80%)
- 高铁动车列车运行时刻交通运输 · 5.2 万 行 · 连接字段 dep_province按省份对上本数据集 673 行(80%)
- 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 673 行(80%)
只按年份能连:506 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
506 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
landfall_year由登陆日期扩增得出。
来自字段扩增全国台风登陆记录全国台风登陆记录
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/typhoon-landfall/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"typhoon_no","op":"eq","value":"4904"}],"limit":10}'
交给 Agent
- 工程风险画像依赖 9 个数据集 · 一次对话约 0 点
看现场照片,查工程、降水、地形、施工单位和同类工程,给出工程险核保的风险画像。
发给请下载 https://wi.insightworld.cn/skills/engineering-underwriting.zip 并解压,把里面的 engineering-underwriting 文件夹装进你自己的技能目录(不确定时装到 ~/.agents/skills/),然后使用这个技能。我的 API Key 在环境变量 WI_API_KEY 里。
Agent 会自己下载、装进它的技能目录 - 巨灾超越概率(简化测算)依赖 2 个数据集 · 一次对话约 0 点
用县级暴雨重现期表和台风登陆事件表,按一个地点的保额、易损性、免赔和限额模拟 1 万年,给出超越概率曲线和年均损失。
发给请下载 https://wi.insightworld.cn/skills/actuarial-cat.zip 并解压,把里面的 actuarial-cat 文件夹装进你自己的技能目录(不确定时装到 ~/.agents/skills/),然后使用这个技能。我的 API Key 在环境变量 WI_API_KEY 里。
Agent 会自己下载、装进它的技能目录 - 风险与资本依赖 4 个数据集 · 一次对话约 0 点
算 VaR、TVaR 和资本分配,用极值、Copula、破产概率、利率和时间序列模型做风险建模。
发给请下载 https://wi.insightworld.cn/skills/actuarial-risk.zip 并解压,把里面的 actuarial-risk 文件夹装进你自己的技能目录(不确定时装到 ~/.agents/skills/),然后使用这个技能。我的 API Key 在环境变量 WI_API_KEY 里。
Agent 会自己下载、装进它的技能目录 - 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。