数据源列表生成器

以下数据源可用于研究城市热岛对健康的影响，覆盖热暴露、健康结局及关键混杂/修饰因素：

- NASA MODIS地表温度（LST，MOD11A1/MYD11A1 等）
  - 内容：全球日尺度/8日平均地表温度与发射率（典型分辨率约1 km），2000年至今。
  - 价值：量化地表层热岛强度、构建社区尺度热暴露指标；可与城市场景/绿地信息联用。
  - 获取：NASA LP DAAC、Google Earth Engine（GEE）。
  - 注意：多云地区存在数据缺口；需质量控制与时间聚合。

- ERA5-Land再分析（ECMWF/Copernicus）
  - 内容：逐小时2 m气温、露点、辐射、风速等，0.1°格点，约1950年至今。
  - 价值：表征近地面气温与湿度，支持构建热胁迫指标（如表观温度、UTCI近似）、热浪识别；可用于补云、与站点观测/卫星交叉验证。
  - 获取：Copernicus Climate Data Store（CDS）及API。
  - 注意：栅格分辨率较粗，城市内部异质性需与高分遥感或站点数据融合。

- Human Mortality Database（HMD）– Short-term Mortality Fluctuations（STMF）
  - 内容：按周的全因死亡数，分性别与年龄组；覆盖多国，起始年份因国而异，更新相对及时（周级）。
  - 价值：开展时间序列/分布滞后模型，评估热暴露对死亡的短期影响与超额死亡。
  - 获取：HMD官网数据下载（使用需遵从授权条款）。
  - 注意：多为国家或大区层面；城市级分析需结合本国统计局/卫生部门的更细粒度数据。

- OpenAQ（全球空气质量聚合平台）
  - 内容：聚合各国监管与研究网络监测的PM2.5、O3、NO2等，时间分辨率从小时到日，空间覆盖随国家/城市而异。
  - 价值：控制空气污染混杂（尤其O3、PM2.5在高温时上升），用于多污染物协变量或交互作用分析。
  - 获取：OpenAQ REST API与批量下载。
  - 注意：数据源异构、质量与可比性不一；建议进行站点筛选与单位/时段标准化。

- WorldPop栅格人口与人口结构
  - 内容：全球栅格人口分布（典型分辨率100 m–1 km）、部分国家的年龄/性别结构、年度序列（年份与分辨率视产品而定）。
  - 价值：构建暴露加权温度、健康结局分母、识别高脆弱人群（如老年人口密集区），支持空间加权回归与暴露-反应异质性分析。
  - 获取：WorldPop门户、开放对象存储（含批量下载）。
  - 注意：基于达塞密度映射与模型估计，需与官方人口统计交叉校准。

补充建议：在可及时，结合本地高分城市形态数据（如GHSL/Local Climate Zones）与医院就诊/急救呼叫微数据，可显著提升城市内异质性与健康效应识别能力。

Below are five credible data sources suitable for monthly monitoring of the new energy passenger vehicle (NEPV; BEV/PHEV/EREV) market. Each includes scope, cadence, and practical notes for integration.

1) China Passenger Car Association (CPCA)
- Scope: China retail and wholesale NEV passenger car volumes; OEM- and (in subscription) model-level breakdowns; market share, inventory indicators.
- Cadence: Monthly.
- Use: Core source for China market tracking (retail vs. wholesale), model mix, and competitive dynamics.
- Notes: “NEV” definition aligns with China policy (BEV, PHEV, EREV, fuel-cell). Public summaries are free; detailed datasets require subscription.
- Link: http://www.cpcaauto.com/

2) European Alternative Fuels Observatory (EAFO)
- Scope: EU-focused BEV/PHEV monthly new registrations by country; in-use stock; charging point counts (public/fast), connectors, and rollout trends.
- Cadence: Monthly/near-monthly updates.
- Use: EU market volumes and infrastructure capacity monitoring; supports market-share tracking and charging supply-demand analyses.
- Notes: Harmonized EU methodology; verify latest refresh dates per country. Good complement to national agencies (e.g., KBA, DGT).
- Link: https://alternative-fuels-observatory.ec.europa.eu/

3) Argonne National Laboratory (US DOE) – Light-Duty Plug-in EV Sales (U.S.)
- Scope: Monthly U.S. BEV/PHEV sales estimates, market share, cumulative stock, and powertrain split for light-duty vehicles.
- Cadence: Monthly.
- Use: Authoritative U.S. EV volume tracking; consistent methodology over time; suitable for time-series dashboards and YoY/ MoM analysis.
- Notes: Based on industry sources and Argonne methods; treats sales (not registrations). Model-level detail is limited in public outputs.
- Link: https://www.anl.gov/es/light-duty-electric-vehicle-sales-in-the-united-states

4) EV-Volumes (Commercial)
- Scope: Global plug-in (BEV+PHEV) sales by country and model, market shares, and historical time series; selected pricing/incentive context.
- Cadence: Monthly updates (subscription).
- Use: Cross-country comparability; model-level benchmarking and share-of-segment analyses; global rollups.
- Notes: Paid access; ensure alignment of fuel-type taxonomy and reporting cut-off dates when merging with open sources.
- Link: https://www.ev-volumes.com/

5) S&P Global Mobility (IHS Markit) – New Registrations/Parc (Commercial)
- Scope: Global monthly new registrations (often VIN-based) with fuel type, model/trim, regional granularity; parc in operation; forecasting modules.
- Cadence: Monthly (with typical lags by country).
- Use: High-granularity competitive intelligence, mix-shift analyses, and funnel conversion (registration-based) vs. sales-based series reconciliation.
- Notes: Paid access; registration vs. sales differences require harmonization; country-specific lag structures should be modeled explicitly.
- Link: https://www.spglobal.com/mobility/en.html

Implementation notes for monthly monitoring:
- Normalize definitions: Align NEV/PEV taxonomies across sources (BEV, PHEV, EREV), and clearly separate sales vs. registrations.
- Handle lags: Model reporting lags by market (e.g., registration data may lag sales by weeks); apply nowcasting where needed.
- Granularity: Use CPCA for China retail detail, EAFO for EU-wide comparability, Argonne for U.S. national trends, and EV-Volumes/S&P for global/model-level fill.
- Quality control: Reconcile overlapping sources using priority rules and maintain a data dictionary with source-specific caveats.

以下为研究移动应用用户留存与渠道归因的5类核心数据源（含典型提供方、可用字段与常见用途）：

1) 应用内行为分析事件数据（如 Firebase Analytics/Google Analytics for Firebase、Amplitude、Mixpanel）
- 关键字段：user_id 或 app_instance_id、event_name、event_timestamp、session_id、device/OS/app_version、geo、用户属性（首日/首源标记）、UTM/归因标签（若已回填）
- 用途：构建留存与回访队列（D1/D7/D30 等）、会话与功能使用行为分析、分群与漏斗、版本或地域维度的留存差异评估

2) 移动归因平台（MMP）数据（如 AppsFlyer、Adjust、Branch、Singular）
- 关键字段：install_id/attribution_id、媒体渠道/广告系列/广告组/素材、触点类型与时间（click/view）、ATT 同意状态（iOS）、IDFA/GAID（在合规前提下）、再归因/再参与标记、SKAdNetwork 字段（conversion_value、postback 窗口）、成本回传
- 用途：安装与再参与的渠道归因、跨媒体去重、投放 ROI 与 LTV 按渠道/活动拆解、与应用内事件拼接以进行渠道维度留存与漏斗分析

3) 广告平台与隐私归因框架数据（如 Meta Ads、Google Ads、TikTok Ads；iOS SKAdNetwork；Android Privacy Sandbox Attribution Reporting）
- 关键字段：展示/点击/花费/转化（平台侧定义）、活动与素材层级维度；SKAdNetwork postback（coarse/fine conversion value、postback 窗口、源标识）；Android Attribution Reporting 事件级与聚合报告
- 用途：获取真实成本与曝光触达、在隐私框架下获取聚合转化信号、与 MMP/应用内事件对账与校准、支持 MMM（营销混合模型）和增量性评估

4) 应用商店与平台侧数据（Apple App Store Connect、Google Play Console 与 Install Referrer API）
- 关键字段：安装/App Units、商店内来源类型（如搜索/浏览/引用）、产品页浏览、转化率、订阅与续费指标；Google Play Install Referrer（referrer 字符串、点击/安装时间戳、UTM 参数）
- 用途：获客来源与商店转化诊断、与归因安装量对齐、订阅留存与流失监测、基于 Referrer 的安卓安装归因与反作弊信号增强

5) 服务器端业务日志与客户运营/用户数据平台（后端事件流与数据仓库；Braze、Airship、MoEngage 等）
- 关键字段：user_id、账户创建/活跃/注销时间、交易与收入事件、心跳或会话心跳、消息触达/打开（Push/Email/短信）、分群标签
- 用途：留存与回访的“真实活跃”口径、收入与 LTV 计算、生命周期与运营触达对留存的影响评估、与归因数据拼接进行渠道层级的营收与留存闭环

说明与实践要点：
- 在 iOS 上受 ATT 与 SKAdNetwork 约束，单用户级归因受限，应采用聚合分析与实验设计（增量测试、地理分区）作为补充。
- 数据拼接常用键包括 install_id/app_instance_id、install_timestamp、campaign_id，以及在合规前提下的广告标识符；需做好时间窗与去重策略。
- 统一事件与维度字典（渠道命名、活动层级、事件标准化）可显著降低归因与留存分析的偏差与对账成本。