2. 海洋监测数据采集与时间序列形成
海洋监测的时间序列并不是“仪器一开就自然存在”的东西。它由传感器按固定节律把物理量转换为电信号、再经采集器量化编码、由时钟打上时间戳、最终按某种文件格式落盘，才形成一条条可被追溯和计算的记录。理解这条链路，是后续清洗、对齐和分析的前提。本节围绕采样原理、时间戳、采样频率与分辨率、常见格式以及从原始观测到时间序列的完整流程展开。
传感器采样原理：从连续海洋到离散数字
海洋中的温度、盐度、流速、溶解氧等量在时间上是连续变化的，而数据记录必然是离散的。以常见的温盐深仪（CTD）为例，温度传感器多为热敏电阻或铂电阻，其阻值随温度变化，采集电路把阻值转换为电压，再经模数转换器（ADC）量化为整数码值。设ADC为16位、参考电压为2.5 V，则每个码值约对应 2.5/65536 ≈ 38 μV；若传感器灵敏度为 10 mV/℃，则一个码值约对应 0.0038 ℃，这就是量化步长。实际记录值还要经过厂家标定系数换算，例如温度常写成 T = a₀ + a₁·V + a₂·V² 的形式，V为电压或原始码值。
采样包含两个动作：保持与量化。采样保持电路在采样瞬间“冻结”电压，避免转换期间信号变化；量化则把连续电压映射到有限码值。因此原始观测天然带有量化误差，且该误差不会因后续处理而消失。理解这一点，才能正确看待数据中“看起来过于整齐”的小数位。
时间戳记录方式：给每条记录定位
时间戳决定了一条记录“属于哪个时刻”。工程上有三种常见方式：一是采集器本地时钟打点，每条记录写入采集时刻；二是首条记录时刻＋采样间隔推算，只记录起始时间，后续按频率外推；三是外部授时同步，如GPS或北斗秒脉冲（PPS）对齐，使时钟长期不漂移。浮标长期布放时，晶振日漂移可达数秒量级，若只靠本地时钟，一个月后时间轴可能偏移数十秒，对高频流速观测影响显著。
时间戳还必须明确时区与基准。海洋数据通常统一使用UTC，并在元数据中注明；若混用北京时间（UTC+8），跨设备合并时会出现8小时错位。此外要区分“采样时刻”和“记录写入时刻”：前者是物理量被测量的瞬间，后者是数据落盘的时间，二者在带缓冲的采集系统中可能相差数十毫秒甚至更多。整理时应以采样时刻为准，并保留原始时间字段以便核查。
采样频率与分辨率：两个容易混淆的概念
采样频率指单位时间内采集并记录的样本数，单位Hz，其倒数为采样间隔Δt。例如1 Hz对应每1秒一条记录，10分钟平均数据则Δt=600 s。根据奈奎斯特采样定理，要无失真地还原信号，采样频率应高于信号最高频率成分的2倍。潮流以半日周期为主，若只关心日均变化，10分钟采样已足够；但若研究湍流脉动，可能需要1 Hz甚至更高。采样过低会把高频变化“折叠”成虚假的低频波动，即混叠，且事后无法从数据中分离。
分辨率则包含两层：一是幅度分辨率，由ADC位数和传感器灵敏度决定，即前文所述量化步长；二是时间分辨率，由采样间隔决定。二者相互独立：一台仪器可以1 Hz采样但温度分辨率只有0.01 ℃，也可以10分钟采样却有0.001 ℃的分辨率。整理数据时必须同时记录这两类信息，否则后续计算变化率、做频谱分析时缺乏依据。此外，仪器标称分辨率不等于有效分辨率，实际还受噪声限制，常通过多次平均降低随机噪声，但平均会牺牲时间分辨率，这是需要权衡的。
常见数据格式：NetCDF、CSV、TXT
NetCDF是海洋领域的主流格式，采用自描述结构，可同时存放多维变量（如时间×深度×站号）、单位、缺测值、坐标轴和全局属性。它支持分块压缩，适合大体量、多变量的观测数据，读取时可按变量切片，不必全部载入内存。缺点是需专门库（如Python的netCDF4、xarray）读取，纯文本工具无法直接查看。
CSV以逗号分隔，首行为列名，通用性最强，Excel和各类脚本都能直接读写，适合整理后的小规模时间序列表。缺点是丢失元数据（单位、缺测约定、时间基准需另附说明），且文件体积大、解析速度慢。
TXT多为空白或制表符分隔的定长/自由格式，常见于仪器原始输出，往往带有若干行文件头说明，字段位置固定但缺少统一标准。解析时需按行跳过头部、按列切分，容错性要求高。
| 格式 | 元数据 | 体积与读取 | 典型用途 |
|---|---|---|---|
| NetCDF | 内嵌完整 | 压缩好，需专用库 | 多变量长期观测归档 |
| CSV | 基本无，需外附 | 体积大，通用易读 | 整理后分析、交换 |
| TXT | 文件头非标准 | 体积中等，需定制解析 | 仪器原始输出 |
从原始观测到时间序列的整理流程
假设拿到一台浮标CTD的原始TXT文件，每行含日期、时间、温度原始码值、盐度、压力，头部有5行说明。整理可按以下顺序推进：
- 解析文件头与列结构：确认分隔符、列顺序、缺测填充值（如-999）、时间是否为UTC。
- 构造时间轴：把日期与时间合并为统一时间戳，检查间隔是否恒为设定值，标记出间隔异常处（如丢包导致的跳变）。
- 码值换算：用标定系数把原始码值转为物理量，保留换算公式与系数版本。
- 缺测与异常标记：把填充值转为NaN，对超出物理范围（如盐度<0或>42）的值打可疑标记，不直接删除。
- 统一输出：整理为“时间戳、温度、盐度、压力、质量标记”的CSV，并在伴随说明中写明单位、时区、采样间隔和缺测约定。
需要强调的是，时间序列的“规整”不等于“好看”。等间隔是理想状态，实际数据常因通信中断、仪器重启出现缺口。整理时应保留缺口而非强行插值填补，插值属于分析阶段的选择，且必须记录方法。只有把采样原理、时间戳、频率与分辨率、格式约定都落实到字段和元数据中，后续的质控、统计和可视化才有可靠基础。