3. 时间序列整理的核心任务与工作流

海洋监测浮标、潜标、岸基雷达和志愿观测船每天都会产生大量原始记录，但这些记录几乎不可能直接用于分析。原始文件往往按“一次投放、一个传感器、一段布放周期”组织，时间戳格式不统一，缺测、重复、跳变、单位混用和仪器漂移交织在一起。时间序列整理的本质，是把这些异构、零散的观测记录，转换为时间基准统一、质量可追溯、结构规整的数据集，使后续的统计、趋势分析和模型同化有可靠输入。

本节围绕五项核心任务展开：数据清洗、时间对齐、插值、质量控制与存储管理，并以一份真实浮标数据的整理流程为例，说明从原始文件到规整时间序列的完整工作流。

五项核心任务的分工

数据清洗处理的是“明显不合理”的记录：重复行、空值占位符（如 -999、9999、NaN 字符串）、单位不一致（水温既有摄氏度也有开尔文）、字段错位、编码乱码。清洗的原则是只做可判定的修正，不做主观猜测，所有被删除或修改的记录都应留下标记。

时间对齐解决的是“同一时刻”的定义问题。浮标传感器采样周期常为 10 分钟或 1 小时，但不同传感器启动时刻不同，GPS 时间与仪器内部时钟也可能存在偏移。对齐通常包括三步：统一时间格式为 ISO 8601 并明确时区（海洋数据一般统一到 UTC）、按固定时间间隔重采样、处理重复时间戳（保留首条或按规则合并）。

插值用于填补短时缺测，但必须谨慎。海洋要素具有明显的自相关性，短缺口（如连续 1～3 个采样点）可用线性插值或前向填充；较长缺口（如超过 6 小时）不宜插值，应保留为空并记录缺口长度。插值不是“补数据”，而是“标记为估计值”，二者在元数据中必须区分。

质量控制是整理工作的核心。常用手段包括：范围检查（水温是否在 -2～40 ℃ 之间）、变化率检查（相邻两点温差是否超过物理可能）、持续性检查（连续多个相同值可能意味着传感器卡死）、交叉一致性检查（气温与水温、盐度与电导率的合理关系）。每条记录应被打上质量标志，如 0=未检验、1=通过、2=可疑、3=错误、4=插值估计。

存储管理决定数据能否被长期复用。推荐采用“原始层—清洗层—成果层”的分层结构：原始文件只读保存，清洗层保留全部中间标记，成果层输出规整的 NetCDF 或 Parquet 文件，并附带元数据（站点、经纬度、传感器型号、时间范围、质量标志说明）。

整理流程设计：先定规则，再动数据

流程设计的关键不是写多少代码，而是先把规则定清楚。建议在动手前明确四件事：时间基准（统一 UTC，采样间隔 10 分钟）、缺测表示（统一用 NaN，禁止 -999 混入计算）、质量标志体系（0～4 五级）、成果文件结构（一行一个时间点，一列一个要素，附质量标志列）。规则一旦确定，就应写入配置或文档，保证同一批数据可重复处理。

以某浮标 2024 年 6 月布放数据为例，原始文件包含水温、盐度、气温三个传感器文件，采样间隔均为 10 分钟，但时间戳分别写作“2024/6/1 08:00”“2024-06-01 08:00:00”和“20240601T080000”。整理时先统一解析为 UTC 时间，再按 10 分钟网格重采样。清洗阶段发现水温文件存在连续重复行和 -999 占位符，盐度文件有 3 条记录字段错位，均按规则修正并记录日志。

对齐后进入插值与质控。示例中 08:10 的水温缺测，前后两点为 18.2 ℃ 和 18.4 ℃，缺口仅 1 个采样点，采用线性插值得到 18.3 ℃，并标记 Q=4。随后执行范围检查（-2～40 ℃）、变化率检查（相邻 10 分钟温差不超过 1 ℃）、持续性检查（连续 6 个相同值判为可疑）。最终成果文件按时间升序排列，每行包含时间、水温、盐度、气温及各自质量标志。

从原始文件到成果文件的落地要点

实际执行时，建议把整理过程写成可重复运行的脚本，而不是手工改表。脚本应包含：读取原始文件、解析时间、清洗、重采样、插值、质控、写出成果文件七个环节，每个环节输出一份处理日志（处理了多少行、删除了多少条、插值了多少点、各质量标志的计数）。日志是判断整理是否成功的重要依据——如果某天 Q=3 的记录突然增多，往往意味着传感器故障或布放异常，需要回溯原始数据。

存储管理上，原始层保持只读，清洗层保留全部中间结果，成果层输出 NetCDF 或 Parquet。成果文件的元数据至少应包含：站点编号、经纬度、传感器型号、时间范围、采样间隔、质量标志定义、处理脚本版本号。这样即使半年后重新使用这批数据，也能清楚知道每个值的来源和可信程度。

最后需要强调，时间序列整理不是一次性任务。浮标数据会持续回收，整理流程应设计为可增量运行：新数据到达后，只处理新增时间段，并与已有成果文件按时间拼接、去重。只有把规则、脚本、日志和元数据固定下来，整理工作才能从“一次性劳动”变成“可复用的数据生产线”。