1. 海洋温盐剖面数据概述
海洋温盐剖面，是指沿垂向（从海面到海底或某一观测深度）连续记录海水温度（Temperature）与盐度（Salinity）随深度变化的观测序列。它是物理海洋学中最基础、也最核心的数据类型之一：温度与盐度共同决定海水密度，而密度场又驱动着大洋环流、水团形成与混合过程。因此，读懂一条温盐剖面，本质上是在读一段海水的"垂直档案"。
需要先明确一个约定：本课程中"深度"一律指海面以下的垂直距离，向下为正，单位用米（m）；温度用摄氏度（℃），盐度采用实用盐度（PSS-78，无量纲，常用 PSU 表示）。CTD 原始数据中压力（Pressure，dbar）是最直接的观测量，深度通常由压力换算得到，二者近似 1 dbar ≈ 1 m，但在高精度分析中必须区分。
一、温盐剖面到底记录了什么
一条完整的剖面包含三个基本维度：压力（或深度）、温度、盐度。现代 CTD 还会同步记录溶解氧、叶绿素荧光、浊度、光合有效辐射等辅助变量。以一次典型的 CTD 下放为例，采样频率常见为 24 Hz，若以 1 m/s 的速度下放，则每米可获得约 24 个原始采样点；最终发布的 1 m 或 2 dbar 平均产品，是对这些高频点做平均与质量控制后的结果。
剖面曲线本身携带大量结构信息。温度随深度快速下降的层称为温跃层（thermocline），盐度出现极大值或极小值的层往往对应特定水团，而温度与盐度同时均匀的层则指示混合层。判断这些结构，是后续所有分析工作的起点。
二、观测平台：数据从哪里来
温盐剖面的来源主要有三类平台，它们的分辨率、覆盖范围和成本差异显著：
- CTD（温盐深仪）：船载观测的主力，通常搭载在采水器架上，随绞车下放，可获取高垂直分辨率的剖面，并同步采集各层水样用于盐度标定。精度最高，但受航次限制，时空覆盖有限。
- Argo 浮标：自动剖面浮标，约每 10 天完成一次 2000 m 以浅的升降循环，在上升过程中测量温盐剖面，并通过卫星回传。全球约 3000 余个活跃浮标构成了目前最大的温盐剖面数据源，其数据延迟模式（D 模式）与实时模式（R 模式）在质量控制上有所不同。
- Glider（水下滑翔机）：以锯齿状轨迹在近岸或特定断面往复滑翔，垂直分辨率高、时空连续性强，适合陆架区与中小尺度过程观测，但深度通常限于数百米至 1000 m。
此外还有锚系潜标、抛弃式温深仪（XBT）等补充手段。不同平台的数据在分析前必须明确其采样特性，否则容易把平台差异误判为海洋信号。
三、数据格式与常见变量
温盐剖面数据最常见的交换格式是 NetCDF（.nc），Argo 与大量再分析产品均采用此格式；船载 CTD 则常以 ASCII 的 .cnv（Sea-Bird 格式）或 .csv 保存。无论哪种格式，核心变量通常包括：
| 变量名 | 含义 | 典型单位 | 说明 |
|---|---|---|---|
| PRES | 压力 | dbar | 最直接的观测量，近似对应深度 |
| TEMP | 温度 | ℃ | 需区分 ITS-90 温标 |
| PSAL | 实用盐度 | PSU | 由电导率、温度、压力计算 |
| DOXY | 溶解氧 | μmol/kg | 部分平台提供 |
| LATITUDE / LONGITUDE | 经纬度 | 度 | 定位与时空匹配用 |
| TIME | 观测时间 | UTC | 季节与年际分析的关键 |
读取 NetCDF 时，Python 中常用 xarray 或 netCDF4。例如用 xarray 打开一个 Argo 剖面文件并查看结构：
import xarray as xr
ds = xr.open_dataset("R5900001_001.nc")
print(ds[["PRES", "TEMP", "PSAL"]])
# 典型输出维度: N_LEVELS（垂向层数）, N_PROF（剖面数）
# 变量形状如 PRES(N_PROF, N_LEVELS)需要注意，Argo 数据中常存在填充值（如 99999.0）表示缺测，直接参与计算会产生严重偏差，读取后应先做掩膜处理。此外，盐度并非直接测量，而是由电导率经 PSS-78 公式换算，因此电导率传感器的漂移会直接传递到盐度上，这也是 Argo 数据要做延迟模式校正的原因之一。
四、分析流程总览
从拿到一个剖面文件到得出可解释的结论，通常要经过一条相对固定的处理链。理解这条链的每一环，比记住某个软件的操作更重要。
第一步是数据获取与格式解析。明确数据来源（船测、Argo、Glider）、处理级别（实时或延迟）、变量命名与缺测约定。这一步的产出是一份结构清晰的数组：深度、温度、盐度三个一维序列。
第二步是质量控制。检查是否存在压力倒转、温度突变、盐度超出合理范围（如 0～42 PSU）、尖峰噪声等。常用做法包括：剔除缺测值、按深度单调性重排、对相邻点做差分检测异常跳变。质控的目标不是"让曲线好看"，而是保证后续统计量不被个别坏点污染。
第三步是剖面结构识别。计算温跃层与盐跃层的强度与位置，常用判据是温度梯度超过某一阈值（如 0.05 ℃/m）的深度区间；也可用最大梯度法定位跃层中心。对混合层，则常以温度与密度相对表层变化不超过某阈值（如 0.2 ℃ 或 0.03 kg/m³）的深度作为混合层底。
第四步是水团与关系分析。将温度与盐度绘制成 T-S 散点图，不同水团在 T-S 空间中往往呈现为特征曲线或聚集区。例如北大西洋深层水常表现为盐度约 34.9、温度约 2～3 ℃ 的特征点附近。通过 T-S 图可以判断剖面上是否存在多个水团的叠置。
第五步是可视化与解释。绘制温度—深度、盐度—深度曲线，或把多条剖面拼成断面图，观察跃层深度沿纬度或时间的变化。此时应回到物理背景：跃层变浅是否对应上升流？盐度异常是否与蒸发降水或河流输入有关？
五、一个可复现的最小示例
假设我们读取到一条示例剖面（以下数值为教学假设，非实测）：表层温度 28.5 ℃、盐度 34.2 PSU；50 m 处温度 26.0 ℃、盐度 34.6 PSU；200 m 处温度 15.2 ℃、盐度 35.0 PSU；1000 m 处温度 4.5 ℃、盐度 34.7 PSU。仅凭这几个点就能读出：0～50 m 温度变化缓慢，属混合层；50～200 m 温度骤降约 10.8 ℃，是明显的温跃层；盐度在 200 m 附近达到极大值后向下缓降，提示中层水团的影响。