📚 课程目录第3章 CTD数据文件结构解析

3. CTD数据文件结构解析

CTD（温盐深）观测数据在归档、交换与再分析时，最常见的三种文件形态是 CNV、EDF 和 NetCDF。它们承载的物理量相同——电导率、温度、压力及其派生的盐度、密度、深度——但组织方式差异很大：CNV 是“头部元数据 + 列式数据表”的纯文本，EDF 是带固定字段说明的文本/二进制混合体，NetCDF 则是自描述的多维二进制容器。能否快速读懂一个文件，取决于你是否能在打开它的头几十行内定位到三件事：列的顺序与含义、每列的单位、缺失值如何标记。本节围绕这三条主线展开，并给出用文本编辑器与基础命令行工具查看结构的可操作方法。

一、CNV：头部键值对 + 列定义 + 数据区

CNV 文件（Sea-Bird 体系常用）是纯 ASCII 文本，结构上分为三段。第一段是头部，以 * 开头的注释行和 # 开头的系统行组成，其中 # name、# units、# bad_flag 等键值对最为关键。第二段是列定义区，由 # name 0 = prDM: Pressure 这类逐行声明构成，行号即列序号（从 0 开始）。第三段是数据区，以 *END* 行分隔，其后每行是一组以空格或逗号分隔的数值，列顺序严格对应列定义区。

查看 CNV 时，用文本编辑器打开后先跳到文件头部，重点抓取以下信息：# nquan（列数）、# nvalues（每列样本数）、# bad_flag（缺失值哨兵，常见为 -9.990e-29 或 -999）、# interval（采样间隔，秒）。列定义区里 # name 0 = prDM: Pressure [db] 同时给出了短名、长名和单位，这是判断列含义最直接的依据。若头部缺少 # units 行，则单位只能从列定义行的方括号中读取，二者需交叉核对。

# nquan = 4
# nvalues = 1200
# bad_flag = -9.990e-29
# interval = 0.0417
# name 0 = prDM: Pressure [db]
# name 1 = t090C: Temperature [ITS-90, deg C]
# name 2 = c0S/m: Conductivity [S/m]
# name 3 = sal00: Salinity [PSU]
*END*
   1.02   12.345   3.210   31.02
   1.05   12.341   3.208   31.01

实操上，不必逐行肉眼扫描。在 Linux/macOS 终端可用 head -n 40 file.cnv 看头部，用 grep -n "bad_flag\|name [0-9]" file.cnv 一次性抽出列定义与缺失值标记；在 Windows 下可用 PowerShell 的 Get-Content file.cnv -TotalCount 40。判断数据区是否完整，可对比 # nvalues 与实际数据行数（wc -l 减去头部行数），若不一致说明文件被截断或存在空行。

二、EDF：字段说明块与固定列宽

EDF（Export Data Format）常见于海洋观测数据交换，头部由若干以 // 或 # 引导的说明行组成，随后是列标题行，再往下是数据。与 CNV 不同，EDF 的列含义往往直接写在列标题中（如 Pressure(dbar) Temperature(degC) Salinity(PSU)），单位内嵌在括号里，缺失值通常用 NaN、-999 或空字段表示。查看时先确认列标题行位置，再检查是否存在多行表头或单位行与数据行混排的情况；若字段以固定宽度对齐，用文本编辑器的“显示空白字符”功能可避免把空格误判为分隔符。

三、NetCDF：自描述容器与变量属性

NetCDF 是二进制自描述格式，结构信息不在“文本行”里，而在变量属性中。用 ncdump -h file.nc 可只输出头部（维度、变量、属性），这是查看结构最快的方式。重点看三类属性：units（单位）、_FillValue 或 missing_value（缺失值）、long_name/standard_name（变量语义）。维度上要确认 time、depth 或 pressure 的记录长度，以及是否存在 scan 等辅助维度。若没有 ncdump，可用 Python 的 netCDF4.Dataset 或 xarray.open_dataset 打印 ds 概览，同样能读到变量名、单位和缺失值。

四、三要素的交叉核对与常见陷阱

三种格式的“列顺序—单位—缺失值”来源不同，误读往往发生在交叉处。CNV 的列序号从 0 开始，若把 # name 0 误当作第 1 列，后续所有列都会错位一列；EDF 的列标题若含空格（如 Temperature (degC)），按空格切分会把单位拆成独立字段；NetCDF 的 _FillValue 是属性而非数据值，若直接对原始数组求均值而不做掩码，缺失值会污染统计结果。一个稳妥的做法是：先打印每列的前 5 个值，与头部声明的单位做量级核对——压力应在 0～6000 dbar 量级，温度在 -2～35 ℃ 量级，盐度在 0～40 PSU 量级，电导率在 0～6 S/m 量级。若某列出现 -9.99e-29 或 NaN，即确认缺失值标记生效。

查看结构时优先用“只读头部”的命令（head、ncdump -h），避免把整个大文件载入编辑器导致卡顿；对 CNV 与 EDF，先用 grep 抽出列定义与缺失值行，再决定是否读取数据区。

不要假设同一航次所有文件的 bad_flag 相同。Sea-Bird 不同采集配置下缺失值哨兵可能变化，混用文件前应逐文件核对头部，否则缺失值会被当作真实观测参与平均。

把上述检查固化为一个可复用的动作序列：打开文件 → 定位头部 → 抽取列定义与单位 → 记录缺失值哨兵 → 抽样核对量级 → 与 nvalues 或维度长度比对。完成这一步，文件才真正“可读”，后续的盐度计算、深度换算与质量控制才有可靠起点。