2. 海洋盐度数据获取与格式解析

海洋盐度数据在进入质控流程之前，必须先完成“读得进、看得懂、对得上”三件事：把文件读成内存中的数组，把元数据与坐标解析清楚，再对数据完整性做初步评估。盐度观测来源多样——CTD剖面、Argo浮标、走航ADCP附带温盐、卫星遥感反演、再分析产品——它们落地的格式也各不相同。本节以最常见的 NetCDF、CSV、JSON 三类格式为主线，讲清楚读取方法、元数据检查要点、时间与空间坐标系解析，以及完整性初评的判断依据。

一、三类格式的定位与读取方式

NetCDF 是海洋盐度数据的主力格式，Argo、WOA、CMEMS、HYCOM 等产品几乎都以它分发。它的核心优势是“自描述”：变量、维度、单位、缺测值、坐标轴都写在文件头里。Python 中常用 netCDF4 或 xarray 读取。以 Argo 盐度剖面为例，典型读取代码如下：

import xarray as xr
ds = xr.open_dataset("R5900001_001.nc")
print(ds)                      # 查看维度、变量、坐标
psal = ds["PSAL"]              # 实用盐度，单位 PSU
print(psal.dims, psal.attrs)   # ('N_LEVELS',) 及 units、_FillValue
print(ds["TIME"].attrs)        # 时间单位与参考历元

CSV 多用于台站观测、航次摘录、教学数据集或质控后导出表。它没有自描述能力，列名、单位、缺测标记全靠约定，因此读取时必须显式声明缺测值并检查列名一致性：

import pandas as pd
df = pd.read_csv("station_salinity.csv",
                 na_values=["-999", "NaN", ""],
                 parse_dates=["time_utc"])
print(df.dtypes)
print(df["salinity_psu"].describe())

JSON 常见于浮标实时上报、API 接口返回和部分业务系统交换。它天然嵌套，坐标与观测值可能分层存放，需要先展开再转成表结构：

import json, pandas as pd
with open("buoy_2024.json") as f:
    raw = json.load(f)
records = raw["observations"]          # 列表，每项含 time/lon/lat/salinity
df = pd.json_normalize(records)

三种格式的读取难点不同：NetCDF 难在维度语义与坐标轴识别，CSV 难在单位与缺测约定，JSON 难在结构展开与字段命名不统一。读取完成后都应立即打印形状、类型和属性，而不是直接进入计算。

二、元数据检查：先看“说明书”再看数据

盐度数据的元数据检查至少覆盖五项：变量单位（PSU、1e-3、g/kg 还是无量纲）、缺测值（_FillValue 或 missing_value）、有效范围、坐标轴定义、数据来源与版本。单位混淆是盐度质控中最常见的隐性错误——把 1e-3 当 PSU、把 g/kg 当 PSU，数值上差异虽小，但在异常判定阈值附近足以改变结论。缺测值若未声明，-999 会被当作真实盐度参与统计，直接污染均值与极值。

三、时间与空间坐标系解析

时间坐标最常见的坑是“单位字符串 + 参考历元”的编码方式，例如 units = "days since 1950-01-01 00:00:00 UTC"。数值 27000 本身没有意义，必须结合 units 才能还原为真实时刻。xarray 通常能自动解码，但遇到非标准 calendar（如 360_day、noleap）或缺失 units 时，需要手动处理。此外要区分观测时间与剖面浮标的上浮时间、卫星过境时间，避免把不同时间基准混用。

空间坐标要确认三件事：经纬度范围与正负号约定（东经为正、北纬为正）、经度是否 0–360 与 -180–180 混用、深度轴方向（positive="down" 表示数值向下增大）。盐度剖面若深度轴方向搞反，表层与底层会被颠倒，异常识别将完全失效。对网格产品还要确认经纬度是格点中心还是格点边界。

四、数据完整性初步评估

完整性初评不是精细质控，而是在进入异常识别前先筛掉“明显不可用”的数据。建议至少计算四项指标：一是缺测比例，按变量统计 NaN 或 _FillValue 占比，盐度剖面缺测率超过 20% 通常应标记存疑；二是时间连续性，检查相邻记录时间间隔是否出现异常断档（如 Argo 剖面间隔远超 10 天）；三是空间覆盖，确认经纬度是否落在合理海域且无越界值（经度 > 360、纬度 > 90 均为非法）；四是重复记录，按“时间 + 位置 + 深度”组合键去重，避免同一观测被重复计入统计。

一个可直接套用的初评检查表如下，字段按盐度数据实际需要设定：

完成上述步骤后，应形成一条可追溯的记录：文件来源、读取时间、元数据缺失项、坐标解析结果、完整性标记。这条记录是后续盐度异常识别与质控结论的依据——没有它，任何“异常”判断都缺少可复核的起点。实践中常见的问题是跳过元数据检查直接画剖面图，图形看似正常，但单位或深度方向已经错了，异常识别自然失去意义。因此，读取、解析、初评三步应作为固定动作串联执行，而不是可选项。