1. SEG-Y文件格式解析

SEG-Y 是地震勘探领域最通用的道数据交换格式，由 SEG（勘探地球物理学家协会）在 1975 年标准化。它的设计目标很朴素：让不同厂商的采集系统、处理软件和解释平台能够交换同一条地震测线，而不必关心对方的内部存储方式。理解 SEG-Y 的关键，不是记住某个软件怎么点按钮，而是建立一张“字节地图”——知道文件从第 1 个字节到最后一个字节分别放了什么，每个字段占几个字节、用什么编码、代表什么物理量。有了这张地图，后面用 Python 读取道头、批量切分、改写坐标、拼接测线，才不会在偏移量上出错。

一、整体结构：三段头 + 道记录

一个标准 SEG-Y 文件由四部分组成，顺序固定：3200 字节的 EBCDIC 文本头、400 字节的二进制文件头、若干道头、若干道数据。前两部分合称“文件头”，只出现一次；道头和道数据则以“道”为单位交替重复，每一道都是“240 字节道头 + N 个采样点数据”的固定组合。因此文件总长度满足：

文件长度 = 3200 + 400 + 道数 × (240 + 每道采样点数 × 每采样字节数)

这个等式是排查文件是否完整的第一把尺子。如果实际文件长度与按道头推算的长度不一致，通常意味着文件被截断、道数记录错误，或者采样格式字段与实际数据不符。下面这张图给出了 SEG-Y 的字节级布局与各段之间的衔接关系：

二、EBCDIC 文本头：不是给人“直接看”的

前 3200 字节是 40 行、每行 80 个字符的文本说明，内容包括测线号、采集日期、仪器型号、处理历史等。它使用 EBCDIC 编码而非 ASCII，这是早期 IBM 大型机的遗留。用 Python 直接以文本方式打开会看到乱码，正确做法是按字节读入后转码：

with open("line01.sgy", "rb") as f:
    ebcdic = f.read(3200)
text = ebcdic.decode("cp500")   # cp500 是常用 EBCDIC 代码页
for i in range(0, 3200, 80):
    print(text[i:i+80].rstrip())

需要注意，文本头是“说明性”的，不同处理系统写入的内容格式并不统一，程序不应依赖它做解析，只适合人工核对。真正驱动读取逻辑的是二进制头。

三、二进制文件头：解析的“总控参数”

字节 3201–3600 共 400 字节，全部为大端序（big-endian）整数。它规定了整个文件的全局参数，其中三个字段最关键：道数（3213–3214）、采样间隔（3217–3218，单位微秒）、采样格式码（3225–3226）。采样格式码决定了道数据如何解码，常见取值：1 表示 4 字节 IBM 浮点，2 表示 4 字节定点，3 表示 2 字节补码整数，5 表示 4 字节 IEEE 浮点。很多“读出来全是天文数字”的问题，根源就是把 IBM 浮点当成了 IEEE 浮点。

此外，每道采样点数通常不放在文件头，而是放在道头的 115–116 字节处；文件头的 3221–3222 字节给出的是“每道采样点数”的期望值，二者不一致时应以道头为准并记录异常。

四、道头：240 字节里的“道身份证”

每道开头 240 字节是道头，同样为大端序。它描述这一道自己的属性，是批量处理时最常读写的区域。工程上高频使用的字段包括：

坐标字段有一个经典陷阱：SEG-Y 标准规定坐标以“标量”形式存储，道头 71–72 字节给出坐标标量，实际坐标 = 原始整数值 × 标量（标量为正表示乘，为负表示除）。如果忽略标量，坐标可能整体放大或缩小若干倍，成图时测线会“飘”到错误位置。

五、道数据：按格式码解码

道数据紧跟在道头之后，长度 = 采样点数 × 每采样字节数。以格式码 1（IBM 浮点）为例，Python 标准库没有现成解码器，需要按位运算转换：IBM 浮点的符号位、7 位阶码（以 16 为底）和 24 位尾数与 IEEE 754 不同。实践中更稳妥的做法是使用 segyio 或 obspy 等成熟库读取，自己实现时则务必用已知振幅的测试道验证解码正确性。

把上述结构串起来看，SEG-Y 的解析本质是一次“按偏移量取字段”的过程：先读 3600 字节文件头拿到全局参数，再以 240 字节为步长定位每一道，读道头得到本道采样点数与坐标信息，最后按格式码解码道数据。掌握了这张字节地图，后续用 Python 批量读取、筛选、改写道头就有了可靠依据。