新版本在这里：https://rstata.duanshu.com/#/brief/course/115cd5fb9ea04e0c88f4d3b343a2fd84
之前给大家分享过很多污染物数据，例如粉尘、黑碳等指标：
- 卫星反演数据：1980 年 1 月～2022 年 3 月中国各省市区县地表粉尘质量浓度面板数据（微克/立方米）：https://rstata.duanshu.com/#/course/13547abcb3794ee19246f60b1ce716ec
- 卫星反演数据：1980 年 1 月～2022 年 3 月中国各省市区县地表黑碳质量浓度面板数据（微克/立方米）：https://rstata.duanshu.com/#/course/b1306e2f445946688f8002fd1c6d12cd
- …（更多污染物数据可以在平台搜索）
最近有小伙伴表示想要计算历年上市公司周边的卫星反演污染物数据。这不就来了！
上市公司的经纬度数据可以使用最近刚更新的：
2000～2022 年上市公司的办公地址和注册地址（含经纬度、省市区县及搬迁距离）：https://rstata.duanshu.com/#/course/3a50d0aa7a274b3b9ae1b543bec92fab
1990～1999 年的上市公司假设其地址没有变化。
数据概览
为了方便大家使用，我计算了上市公司周边 1km、2km、3km、4km、5km、10km、15km、20km、25km、30km 范围内各种污染物指标的年度平均数据，时间范围为 1990～2021 年。经过计算之后一共得到了 112.9 万条结果：
这里我提供的数据格式为 dta 格式，数据包含的变量如下：
年份、股票代码、距离_km、地址类型、PM1、PM10、PM2_5、SO2、SO4、二甲硫醚、粉尘、黑碳
绘图展示
为了更直观地感受这份数据，我以平安银行为例，绘制了该公司周边 1~30km 范围内年均 PM10 和 SO2 浓度。PM10 浓度：
SO2 浓度：
处理方法
对该数据计算感兴趣的小伙伴可以学习这个课程：
使用 R 语言计算工企周边一定范围内的平均 PM2.5 浓度：https://rstata.duanshu.com/#/course/016330182fb64ecd9fab8ada0d816130
具体处理方法如下：
首先分别生成上市公司地址周边 1km、2km、3km、4km、5km、10km、15km、20km、25km、30km 的缓冲区。
读取各种污染物指标的栅格数据。
使用上面的缓冲区数据和读取到的栅格数据进行地理计算，就可以得到每个缓冲区内的各种污染物指标的均值了。为了便于大家理解这个计算过程，我绘制了一幅下面的图，方块表示的是污染物栅格数据，圆圈表示的是上市公司周边 5km 范围。计算过程实际上就是提取圆圈范围内的区域求平均值。圆圈边缘的按照比例计算进入圈内的部分。
按照这个思路循环各个年份的即可（不过运算量非常大，建议大家不要尝试，非常耗时）。
处理之后再整理即可得到分享给大家的
1990~2021 年上市公司周边的卫星反演污染物面板数据.dta了。
附件中也提供了匹配使用的代码供大家参考。
点击这里跳转到 RStata 短书平台获取附件：旧版本｜1990~2021 年上市公司周边的卫星反演污染物面板数据
评论