万德接驳的基础数据库来源

万德接驳的基础数据库来源,第1张

万德数据来源多种多样,数据庞杂,比如EDB指数就有几百万条,各类行情指数几十万条。

还有很多指数是万得自己编制的,也可接受第三方的自定义指数服务。

几类大的数据来源:

1、交易所购买,如国内四大期货交易所,金交所等。

2、国外中间数据商购买,如Morning star, IDC等。

3、上交所,深交所标准数据自己加工

4、新闻爬虫抓取,深度资讯万得南京新闻部自己整理汇总

5、第三方资讯购买,如各类行业网站,数据中间商

6、数据源主动要求合作,比如陕西某煤炭行业指数就是主动找上门与我们合作。

7、wind自己生产,如跟中证合作的几个行业指数,wind商品大类指数,wind商品品种指数等

ceic数据库提供对于众多发展中国家和发达国家宏观经济趋势的有力、深入和准确的分析,而且,与清华大学经济管理学院, 北京大学图书馆,上海交通大学安泰经济与管理学院等多所知名大学图书馆有合作,可见其权威性和精准性。而且常常作为数据来源。

(一)数据来源

国家尺度的物质流核算年份为1995~2013年,所需的基础数据为相应年份的全国统计数据。

化石能源包括原煤、石油、天然气,其开采量数据来自于中国煤炭工业统计年鉴、中国统计年鉴。黑色金属包括铁、锰、铬、钒、钛等,其矿石数据来自于中国钢铁工业统计年鉴、中国矿业年鉴。有色金属包括铜、铝、铅锌、镍、锡、锑、汞、钨、钼、金银、稀有稀土及其他,其矿石数据来自中国有色金属工业年鉴、全国非油气矿产资源开发利用统计年报。工业矿物包括重晶石、滑石、石墨、硅灰石、高岭土、膨润土、硅藻土、石膏、萤石、菱镁矿、石棉、磷矿石、钾盐、岩盐等,其矿石数据来自于中国矿业年鉴、全国非油气矿产资源开发利用统计年报。建筑材料包括水泥、玻璃用白云岩、玻璃用石英岩、玻璃用砂岩、玻璃用砂、建筑石料用灰岩、饰面用灰岩、制灰用灰岩、建筑用沙、砖瓦用黏土、建筑用辉绿岩、建筑用安山岩、建筑用闪长岩、建筑用花岗岩、饰面用花岗岩、建筑用凝灰岩、建筑大理石等,其矿石数据来自中国建筑材料工业年鉴、中国国土资源年鉴、中国矿业年鉴、全国非油气矿产资源开发利用统计年报。

水资源数据包括地表水开采量、地下水开采量、水资源量,来自中国水资源公报、中国水利统计年鉴。

工程建设包括水利工程建设、铁路建设、公路建设,其基础数据来自中国水利年鉴、中国水利统计年鉴、中国统计年鉴。

房屋建设数据来自中国统计年鉴。农田水利基本建设数据来自中国水利年鉴。

工业固体废弃物、城市生活垃圾数据来自中国统计年鉴。化肥、农药施用量数据来自中国农业年鉴。废水排放和废水污染物(包括汞、镉、六价铬、铅、砷、挥发酚、氰化物、石油类、氨氮等)来自中国环境统计年鉴。

(二)矿产隐性物质流计算

原煤开采包括露天开采和地下开采两种方式,二者所剥离的岩石数量是不同的。我国露天煤矿平均剥采比为2~7m3/t,本书采用35m3/t。地下开采隐流计算采用隐流比率方法。铁矿石的隐流数据来源于中国矿业年鉴、中国钢铁工业年鉴,有色金属的隐流数据来源于中国有色金属工业年鉴。其他金属、非金属、建筑材料和原煤地下开采的隐流比率采用德国Wuppertal研究所物质流数据库提供的数据(表4–3)。

表4-3 部分矿产隐流比率

(据Wuppertal研究所)

(三)工程建设、房屋建设搬移土石方计算

公路、铁路建设需要挖方和填方。为简化计算,采用每千米公路或铁路移动土石方进行计算,高速公路、一级公路和铁路为6×104m3/km,二级公路为2×104m3/km,其他为8000m3/km[52]。房屋建设也需要开挖或移动一定数量的土壤或岩石,为简化计算,采用每平米竣工建筑面积移动1m3土石方进行计算[52]。

(四)缺失数据处理

本书收集了1995~2013年的相关数据,有个别数据在某个年份缺失。为了保证计算的连续,采用两种方法对缺失数据进行了估算。一种方法是根据历年变化趋势,对缺失年内插或外推获得。另一种方法是建立其与相关指标的统计关系,例如建筑用沙缺失2004年数据,则建立已知年份建筑用沙量和房屋建筑面积的统计关系获得缺失数据。

(五)生态承载力测算

全球生态足迹网络(GFN)定期发布世界各国的生态足迹与生态承载力测算结果。本书采用的是GFN测算的最新结果:2011年中国人均生态承载力为093ghm2,全国生态承载力为1301亿ghm2[53]。

以上就是关于万德接驳的基础数据库来源全部的内容,包括:万德接驳的基础数据库来源、写论文时,哪个数据库可以作为数据来源、数据来源与处理等相关内容解答,如果想了解更多相关内容,可以关注我们,你们的支持是我们更新的动力!

欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/sjk/9781449.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-05-01
下一篇 2023-05-01

发表评论

登录后才能评论

评论列表(0条)

保存