4. 缺测机制分析与可视化

在海洋监测数据中，“缺测”并不是一个同质的现象。同样是海温序列中出现空值，有的来自浮标传感器偶发丢包，有的来自卫星云遮挡造成的整片空白，有的则来自仪器漂移后被人为剔除的整段记录。如果只统计缺测率而不区分机制，后续修复方法的选择就会失去依据——随机缺测可以用插值或回归较好地补全，而系统性缺测往往需要引入外部信息或重新建模。本章围绕缺测机制的分类、时空模式的可视化表达、缺测之间的相关性分析，以及一个区域海温缺测特征的完整分析案例展开。

一、随机缺测与系统缺测的判别

从统计机制上看，缺测可分为三类。第一类是完全随机缺测（MCAR）：缺测的发生与数据本身取值无关，例如通信链路偶发中断导致某个整点记录丢失。第二类是随机缺测（MAR）：缺测概率依赖于可观测的其他变量，但不依赖于缺失值本身，例如风速超过阈值时浮标停止上报，此时缺测与风速有关，而海温的真实值仍可由风速、气温等协变量解释。第三类是非随机缺测（MNAR）：缺测概率与缺失值本身相关，例如传感器在高温段饱和失效，导致高海温记录被系统性剔除。

判别时不能只看缺测率，而要看缺测的分布结构。一个实用的判断路径是：先检查缺测在时间轴上是否成段、在空间上是否成片；再检查缺测标记与同期其他观测变量是否显著相关；最后检查缺测段的数值分布是否与完整段存在偏移。若缺测点近似均匀散布、与任何变量都无显著关联，倾向 MCAR；若缺测集中出现在特定气象条件或特定传感器状态下，倾向 MAR 或 MNAR。需要强调，MNAR 无法仅凭观测数据完全验证，只能通过仪器日志、维护记录等外部证据辅助判断。

二、时空缺测模式的可视化

缺测机制分析的核心手段是可视化。对单站时间序列，常用缺测栅格图：横轴为时间、纵轴为观测要素或传感器通道，用色块表示“有值/缺测”，成段的水平条带往往提示系统性故障，而零散的点状空白更接近随机丢包。对区域数据，常用缺测空间分布图：以格点为单元绘制缺测率，成片高值区通常对应云覆盖带、陆缘浅水区或仪器布设稀疏区。将两者结合，可形成“时间—空间”双维度的缺测画像。

下图给出一个区域海温缺测特征的分析视图，左侧为时间维的缺测栅格，右侧为空间维的缺测率分布，下方为缺测率随时间的月度变化，用于区分随机散布与系统性成段缺测。

三、缺测相关性分析

缺测相关性分析回答两个问题：不同观测通道的缺测是否同时发生？缺测是否与某些环境变量同步？做法是把每个观测点转换为 0/1 的缺测指示变量，再计算通道之间的缺测共现率或 Phi 相关系数。若通道 B 与通道 C 的缺测高度共现，说明它们可能共享同一供电或通信链路，属于系统性缺测；若各通道缺测相互独立，则更接近随机丢包。

进一步，可将缺测指示变量与风速、云量、传感器温度等协变量做相关分析。例如计算缺测指示与日均风速的 Spearman 相关系数，若显著为正，说明高风速时段更易缺测，符合 MAR 机制。需要注意，相关分析只能提示关联，不能直接证明因果，最终仍需结合设备日志确认。

四、案例：某区域海温缺测时空特征分析

假设某近海区域布设 20 个海温观测格点，时间范围为 2023 年全年逐日数据，共 7300 个格点日记录。分析按以下步骤进行。

第一步，构建缺测指示矩阵。将原始数据转换为形状为“格点 × 日期”的 0/1 矩阵，1 表示缺测。统计总体缺测率为 23.6%，但各格点差异明显：西南部格点缺测率低于 8%，东北部最高达 67%。

第二步，时间维成段性检验。计算每个格点连续缺测段长度分布。结果显示，东北部格点存在多条长度超过 15 天的连续缺测段，集中在 7—8 月；而西南部格点的缺测段多在 1—3 天，呈零散分布。这一差异提示东北部以系统性缺测为主，西南部以随机缺测为主。

第三步，空间聚集性检验。对缺测率做空间自相关分析，若高缺测率格点在空间上显著聚集，则支持区域性系统缺测。示例中东北角 5 个格点形成连续高值区，与夏季云覆盖带位置吻合。

第四步，相关性分析。计算缺测指示与云量的相关系数，东北部格点达到 0.62，西南部仅 0.11；通道间缺测共现率在东北部为 0.78，西南部为 0.15。综合判断：东北部为云遮挡主导的 MAR 型系统缺测，西南部为通信丢包主导的 MCAR 型随机缺测。

通过上述机制判别、时空可视化与相关性分析，缺测不再是一个笼统的比例数字，而成为带有成因标签的数据特征。这一画像直接决定了后续修复方法的选择边界与可信度评估方式。