全球陆地与地表温度变化趋势数据集-1960至2017年-thedevastator
数据来源：互联网公开数据
标签：气候变化,全球温度,城市温度,环境科学,IBM Watson AI XPRIZE,数据集,科学研究,教育用途
数据概述：
本数据集来自Kaggle，包含全球主要城市自1960年以来的陆地和地表温度数据。数据基于原始温度报告构建的平均系统，允许研究人员准确追踪气候变化趋势。该数据集提供了每月的平均温度信息，并生成详细的网格化温度字段，以便按国家分析局部数据。通过此数据集，我们可以更好地理解地球的变化以及不同地区如何受到气候变化的影响。这些见解有助于制定更好的应对策略，并应对不断上升的全球温度。
数据用途概述：
该数据集适用于探索全球气候变化趋势、分析不同国家和城市之间的温度变化、评估全球变暖的影响等场景。研究人员可以使用此数据集进行气候趋势分析、城市温度变化研究以及历史与当前温度比较等。教育工作者也可以利用该数据集进行教学和科普，帮助学生了解气候变化的基本概念和影响。
如何使用数据集：
1. 筛选特定国家数据：使用df[df['Country']=='国家名']命令过滤出所需国家的数据。
2. 按城市分组：使用df.groupby('City')['AverageTemperature']命令将不同城市的数据分组并计算平均温度。
3. 计算统计信息：使用df['AverageTemperature'].mean()或df['AverageTemperature'].median()计算每个城市的平均温度和中位数等统计信息。
4. 绘制图表：使用df[column].plot(kind='line'/'bar')命令绘制折线图或柱状图，以可视化温度变化趋势。
5. 地理可视化：使用folium库绘制地图，根据经纬度坐标展示城市温度数据，支持缩放和平移等交互功能。
研究思路：
1. 分析不同国家的温度变化趋势，识别区域性的气候变化特征。
2. 研究全球变暖对城市地区的影响，通过观察主要城市温度变化趋势了解城市热岛效应。
3. 比较历史和当前的平均温度，量化特定地区全球变暖的幅度。
数据来源：
该数据集由IBM Watson AI XPRIZE - Environment项目提供。
版权声明：
本数据集受作者版权保护。您可以自由分享和改编此数据集，但必须保留原始许可声明，并注明任何修改。具体要求如下：
- 提供链接到本许可声明。
- 表明数据集的任何修改。
- 所有贡献必须在相同的许可下分发。
- 保留所有引用本许可的通知，包括版权声明。
字段说明：
文件1：GlobalLandTemperaturesByCountry.csv
列名 | 描述
|
dt | 温度测量日期。 (日期)
AverageTemperature | 给定日期的平均温度。 (浮点数)
AverageTemperatureUncertainty | 平均温度测量的不确定性。 (浮点数)
Country | 温度测量所在的国家。 (字符串)
文件2：GlobalLandTemperaturesByMajorCity.csv
列名 | 描述
|
dt | 温度测量日期。 (日期)
AverageTemperature | 给定日期的平均温度。 (浮点数)
AverageTemperatureUncertainty | 平均温度测量的不确定性。 (浮点数)
Country | 温度测量所在的国家。 (字符串)
City | 温度测量所在的城市名称。 (字符串)
Latitude | 城市的纬度坐标。 (浮点数)
Longitude | 城市的经度坐标。 (浮点数)
使用本数据集进行研究时，请务必引用原作者和IBM Watson AI XPRIZE - Environment。
