2. 地震数据检查准备

SEG-Y数据检查不是打开文件随便翻几炮就能完成的工作。真正决定检查效率与结论可靠性的，是检查开始之前的准备工作：一个可复现的运行环境、一组覆盖典型情况的样本数据，以及一份把"查什么、怎么查、查到什么程度算通过"写清楚的清单与流程。准备工作做得扎实，后续的字节级解析、道头核对、坐标校验和格式转换才有稳定的参照基准；准备不足，往往会在检查中途才发现缺少某类样本、工具版本不一致或判据含糊，导致返工。

一、搭建可复现的检查环境

检查环境的核心要求是"可复现"——同一份SEG-Y文件，在不同时间、不同机器上检查，应得到一致的解析结果。建议从三个层面搭建。

1. 解释型脚本环境。Python是目前处理SEG-Y最便利的选择，常用库包括 segyio（读写SEG-Y、访问道头）、numpy（道集数值统计）、pandas（整理道头表、生成检查报告）。建议固定版本并记录在环境说明中，例如：

python 3.10.x
segyio 1.9.x
numpy 1.24.x
pandas 2.0.x

版本固定的意义在于：不同版本的segyio对某些非标准文本头或扩展文本头的容错行为可能不同，若不记录版本，出现"上次能读、这次报错"时难以定位原因。

2. 命令行工具环境。除脚本外，应准备至少一套成熟的SEG-Y工具用于交叉验证，例如 segysak、Seismic Unix（SU）中的 segyread/surange，或商业软件（如Promax、Omega、Geovation）的SEG-Y输入模块。交叉验证的价值在于：当脚本解析结果与商业软件显示不一致时，能快速判断是文件本身不规范，还是解析代码对某个字段的理解有偏差。

3. 目录与记录规范。建议按"样本—脚本—输出—日志"分离的目录结构组织工作区，例如 samples/ 存放待检SEG-Y，scripts/ 存放解析与统计脚本，reports/ 存放道头统计表与检查结论，logs/ 存放每次运行的命令与输出。所有检查结论都应能追溯到具体命令和具体文件，避免"凭印象判断"。

二、准备典型SEG-Y样本

样本的代表性直接决定检查清单能否被真正"跑通"。建议按"采集年代、仪器类型、数据形态"三个维度组织样本集，每个维度至少覆盖两类情况。

样本数量不必多，但每个样本都应有明确的"身份说明"：来源、采集年份、仪器型号、坐标系与单位、已知的格式特点（例如是否为IEEE浮点、是否含扩展文本头）。这份说明是后续判断"解析结果是否合理"的基准。例如，一个已知采用EBCDIC编码文本头的老样本，若解析后文本头出现大量乱码，就应优先怀疑编码识别逻辑，而不是文件损坏。

此外，建议准备少量"问题样本"用于验证检查流程的敏感性，例如道头坐标全为零、采样率字段与实际不符、道数少于二进制头声明道数的文件。问题样本的作用是检验清单中的判据是否真的能触发告警，避免清单形同虚设。

三、制定检查清单与流程

检查清单应围绕SEG-Y的物理结构逐层展开，从外到内、从整体到局部。下图给出了一条推荐的检查主线：从文件级结构开始，依次核对文本头、二进制头、道头与道数据，最终汇入格式转换前的判定节点。

清单中的每一项都应给出可执行的判据，而不是笼统的"检查是否正常"。以下是一份可直接使用的检查清单示例，字段与判据均针对SEG-Y的实际结构：

流程上建议采用"先整体后局部、先结构后数值"的顺序：先用文件大小与道数做一次总量核对，快速发现截断或道数声明错误；再解析文本头确定编码与采集信息；然后核对二进制头的采样参数与格式码；最后批量导出道头做统计，并对道数据抽样检查。每一步的结论都应写入检查记录，形成"文件—检查项—结论—依据"的对应关系。

完成上述准备后，检查工作就具备了稳定的基准：环境可复现、样本有代表性、清单有明确判据、流程有固定顺序。此时再进入具体的字节解析与字段核对，结论才具备可追溯性和可比性，也才能为后续的格式转换提供可靠的输入依据。