4. 海洋数据特性与预处理

海洋遥测终端长期工作在盐雾、涌浪、温跃层与生物附着交织的环境中，采集到的原始数据往往"看起来有数、用起来不可信"。在把数据上传到岸站之前，必须完成一轮有依据的预处理。本节围绕海洋数据的时空特性、噪声与异常值识别、滤波与平滑方法，以及质量标记与预处理流程展开，并给出一个可复现的处理案例。

一、海洋数据的时空特性

海洋数据与普通工业传感器数据最大的差别在于时空强相关。空间上，温度、盐度、溶解氧随深度呈层化分布，温跃层附近梯度可达每米零点几摄氏度，而混合层内几乎不变；水平方向上受岸线、地形和流系影响，相邻站点的数据不能简单互换。时间上，潮汐、内波、昼夜变化和季节变化叠加，同一测点在不同时刻的"正常值"并不相同。

这带来两个直接后果。第一，采样间隔必须与物理过程匹配：观测潮位通常取1分钟或6分钟，观测温盐深剖面则按深度分层采样，若用10分钟间隔去捕捉内波，会因欠采样产生混叠。第二，异常判断必须带上下文：一个35℃的表层水温在赤道海域可能正常，在高纬度冬季则几乎必然是错误。因此预处理不能只看单点数值，而要结合时间邻域、深度邻域和站点历史统计。

二、噪声与异常值的识别

工程上通常把"坏数据"分成两类：噪声是围绕真值的小幅随机波动，来自传感器本底、电路热噪声和波浪引起的瞬时扰动；异常值是明显偏离真值的离群点，来源包括传感器故障、生物附着、供电跌落、通信丢包后的补零、以及单位或量程配置错误。

识别异常值常用三类判据。其一是物理量程判据：例如水温合理范围设为-2～40℃，盐度0～45 PSU，溶解氧0～20 mg/L，超出即判为无效。其二是变化率判据：相邻两次采样之差超过阈值即怀疑，如水温1分钟内变化超过2℃、盐度超过5 PSU，多为尖峰干扰。其三是统计判据：以滑动窗口的中位数和四分位距（IQR）为基准，偏离中位数超过3倍IQR的点标记为可疑。相比均值与标准差，中位数和IQR对离群点本身不敏感，更适合海洋数据的偏态分布。

三、滤波与平滑方法

滤波的目标是压制噪声而保留真实信号。选择方法时要先问：我要保留的是什么频段。潮汐是低频信号，内波和波浪是较高频信号，二者需要的处理完全不同。

• 滑动平均：实现简单，对白噪声有效，但会削平峰值、引入相位滞后，窗口越长滞后越大，不适合对时间对齐要求高的场合。
• 中值滤波：取窗口内中位数，对单点尖峰抑制效果最好，且能较好保留阶跃和梯度变化，常用于去除通信毛刺。
• 一阶低通（指数平滑）：递推式 y_k = α·x_k + (1−α)·y_k−1，α 越小越平滑、滞后越大，适合终端算力有限的在线处理。
• 滑动多项式拟合（Savitzky-Golay）：在窗口内做低阶多项式最小二乘拟合，取中心点作为输出，能在去噪的同时较好保持曲线形状和峰值，适合温盐深剖面。

需要强调：滤波不能替代异常值剔除。若先滤波再判异常，尖峰会被摊平到邻近点，反而污染更多数据。正确顺序是先做量程与变化率筛查、剔除明显坏点，再对剩余序列滤波。

四、质量标记与预处理流程

海洋观测领域普遍采用分级质量标记，便于下游按需取舍。一个实用的五级方案如下表，标记值随数据一并上传，岸站据此决定是否参与统计或绘图。

完整的预处理流程可概括为：接收原始帧 → 解析与时间对齐 → 量程筛查 → 变化率筛查 → 统计离群检测 → 坏点剔除与插值 → 滤波平滑 → 打质量标记 → 打包上传。其中时间对齐要特别注意终端时钟漂移，建议每条记录同时保留采集时刻与终端上电计数，便于岸站复核。

五、预处理流程案例

假设某浮标终端以1分钟间隔上传表层水温，连续6个采样值为：18.2、18.3、31.5、18.4、18.2、18.3 ℃。按上述流程处理：第一步量程筛查，31.5℃虽在-2～40℃内但明显偏离；第二步变化率判据，该点相对前一点变化13.3℃，远超2℃/分钟阈值，判为坏值（标记3）；第三步剔除后用前后两点线性插值，得18.35℃，标记为已修正（标记4）；第四步对整段序列做窗口为5的中值滤波，其余点基本不变。最终上传序列为18.2、18.3、18.35、18.4、18.2、18.3，并附带各点标记。

若同一测点连续20分钟出现缓慢单向漂移（如每分钟升0.3℃且无物理依据），则不应逐点插值，而应整段标记为可疑并触发维护告警——这正是"单点尖峰"与"系统性漂移"在处置上的关键分野。

把上述流程固化为终端固件中的处理链后，上传的数据不再是"裸值"，而是"值+可信度"。岸站侧只需按标记过滤，就能在不增加人工判读的前提下显著提升数据可用率。对海洋遥测而言，预处理不是可选的清洗步骤，而是数据能否进入业务应用的前置门槛。