2. 海洋环境数据获取途径

做海洋环境数据分析，第一步永远不是打开代码，而是先搞清楚“数据从哪里来、长什么样、能不能用”。海洋数据不像电商数据那样随手可得，它往往由各国海洋机构、卫星计划、浮标阵列和科考航次长期积累，再通过公开平台对外发布。本节围绕三个最常用的公开数据平台——美国国家海洋和大气管理局（NOAA）、欧洲哥白尼计划（Copernicus）和中国海洋数据中心（CODC）——讲清楚它们各自提供什么、怎么下载、下载下来是什么格式，以及如何读懂随数据附带的元数据。

一、三个平台的分工与定位

NOAA 是覆盖最广的“老牌仓库”，旗下有 NCEI（国家环境信息中心）、NODC、NDBC 浮标系统等，提供海表温度、盐度、海流、潮位、风场、卫星高度计等多种产品，很多数据以 NetCDF 或 CSV 形式发布，适合做长时间序列分析。Copernicus 由欧盟运营，其海洋服务（CMEMS）以再分析产品（如 GLORYS、ORAS5）和卫星观测（海色、海温、海面高度）见长，产品网格规整、时间连续，是做区域海洋建模和气候分析的重要来源。中国海洋数据中心（CODC）由国家海洋信息中心建设，提供中国近海及全球部分海域的观测与再分析数据，对国内研究者而言，中文界面和本地化数据产品是它的优势。

选择平台时，先问自己三个问题：研究区域在哪里？需要的是观测还是再分析？时间分辨率和空间分辨率要求多少？例如研究中国近海表层温度的年际变化，CODC 和 Copernicus 的再分析产品可能更合适；研究某次台风过程的海面风场，NOAA 的卫星和浮标数据更直接。

二、下载流程：以 Copernicus 为例的实际操作

三个平台的下载逻辑大同小异，但 Copernicus 的流程最规范，适合作为入门范例。首先在 marine.copernicus.eu 注册账号，进入 Copernicus Marine Data Store，用产品目录按“变量—区域—时间”筛选。例如要获取 2015—2020 年南海 0—200 米深度的月平均温度，可在目录中定位到 GLORYS12V1 再分析产品，选择变量 thetao（位温），设定经度 105°E—120°E、纬度 5°N—22°N、深度 0—200 m、时间 2015-01 至 2020-12、时间分辨率 monthly。

提交后平台会生成下载任务，通常提供两种方式：网页直接下载 NetCDF 文件，或使用命令行工具 copernicusmarine 批量拉取。后者更适合大数据量场景，示例命令如下：

copernicusmarine subset \
  --dataset-id cmems_mod_glo_phy-thetao_anfc_0.083deg_P1M-m \
  --variable thetao \
  --minimum-longitude 105 --maximum-longitude 120 \
  --minimum-latitude 5 --maximum-latitude 22 \
  --minimum-depth 0 --maximum-depth 200 \
  --start-datetime 2015-01-01 --end-datetime 2020-12-31 \
  --output-directory ./data

下载完成后不要急着写分析代码，先做两件事：一是检查文件大小和变量数量是否与订单一致，二是用 ncdump -h 或 Python 的 xarray 打开文件查看结构。NOAA 和 CODC 的流程类似，只是检索界面和数据集命名不同；CODC 部分数据需要实名申请，审核通过后才能下载，这一点在规划研究进度时要提前考虑。

三、数据格式：NetCDF 为什么是海洋数据的主流

海洋数据大多是“多维网格”：经度、纬度、深度、时间四个维度，每个格点上存放温度、盐度、流速等变量。NetCDF 正是为这种结构设计的自描述格式，一个文件里既有数据数组，也有坐标轴定义、变量属性和全局属性。用 Python 读取非常直接：

import xarray as xr
ds = xr.open_dataset("thetao_2015_2020.nc")
print(ds)
# 典型输出包含 Dimensions: (time, depth, latitude, longitude)
# 以及变量 thetao(time, depth, latitude, longitude)

CSV 和 TXT 则多用于站点观测，比如某个浮标逐小时的海表温度记录，每行一个时间点，列分别是时间、经度、纬度、温度、质量标记。GRIB 常见于数值预报产品，压缩率高但需要专门库（如 cfgrib）读取。判断格式是否合适，关键看数据结构：规则网格优先 NetCDF，离散站点优先 CSV。

四、元数据解读：决定数据能不能用的关键

元数据是数据的“说明书”，读不懂元数据，后面的分析很可能建立在错误假设上。打开一个 NetCDF 文件，至少要确认以下几项：

• 变量名与单位：thetao 是位温，单位通常是摄氏度；so 是盐度，单位可能是 1e-3 或 PSU，不同产品不一致，必须核对。
• 坐标轴方向与范围：纬度是从南到北递增还是递减？经度是 0—360 还是 -180—180？这直接影响切片和绘图是否正确。
• 时间基准：NetCDF 的时间常以“某参考时刻起的天数或小时数”存储，属性 units 会写明，如 days since 1950-01-01。忽略它就会把 2015 年读成 1950 年之后的某个数。
• 缺测值：_FillValue 或 missing_value 标记无效格点，陆地和冰区常被填充为大数（如 9.969e36），分析前必须屏蔽。
• 数据来源与版本：global attributes 中的 source、institution、version 决定引用方式和可复现性。

五、一个完整的入门练习

建议用一个小任务把本节内容串起来：从 Copernicus 下载南海 2018 年 1 月表层温度月平均数据，用 xarray 打开，检查维度顺序和单位，把经度统一到 -180—180 区间，屏蔽缺测值，计算区域平均温度并画一张简单分布图。过程中如果发现温度值异常（比如出现 300 以上），大概率是单位或缺测值没处理；如果时间轴对不上，回头检查 units 属性。这个练习不需要复杂算法，但能让你真正走通“找数据—下数据—读数据—验数据”的完整链路，为后续分析打下可靠基础。