3. 水位数据预处理实战

等水位线绘制的精度，首先取决于进入绘图环节的水位数据质量。野外采集的水位记录往往来自不同时间、不同井、不同测量方式，甚至不同高程基准，直接投入插值会得到扭曲的等值线。本节围绕四件事展开：把明显不可信的异常值找出来并处理掉，把缺失的观测补成可用值，把所有水位统一到同一高程基准，最后整理成一张字段规范、可直接进入绘图流程的数据表。

一、异常值的识别：先定判据，再动手删

异常值不等于错误值。水位出现突变，可能是仪器故障、读数记录错误，也可能是真实的抽水、回灌或降雨响应。因此识别异常值不能只看“数值大不大”，而要结合时间序列的连续性和空间上的邻井关系。实践中常用的判据有三类。

第一类是物理合理性判据：水位埋深不应为负值（除非是承压水自流井并已注明），水位不应高于地面高程过多，也不应低于井底高程。这类越界值可直接判为错误。

第二类是统计判据：对同一井的长时间序列，用中位数和四分位距（IQR）建立稳健区间。设某井多年水位埋深序列的中位数为 M，四分位距为 IQR，则落在 [M−1.5×IQR, M+1.5×IQR] 之外的点标记为可疑。用中位数而非均值，是因为均值本身会被异常值拉偏。

第三类是空间一致性判据：同一含水层、相距不远的井，水位应大致连续变化。若某井水位比周围邻井高出或低出数米且无抽水、回灌等解释，应重点核查。

下面是一段可直接参考的 Python 处理示例，对单井序列做 IQR 标记并输出可疑记录：

import pandas as pd

df = pd.read_csv("well_level.csv")   # 字段: well_id, date, depth_m, ground_elev
def flag_outlier(g):
    q1, q3 = g["depth_m"].quantile([0.25, 0.75])
    iqr = q3 - q1
    lo, hi = q1 - 1.5*iqr, q3 + 1.5*iqr
    g["suspect"] = ~g["depth_m"].between(lo, hi)
    return g

df = df.groupby("well_id", group_keys=False).apply(flag_outlier)
print(df[df["suspect"]][["well_id","date","depth_m"]])

标记出来的点不要一律删除。正确做法是逐条回查原始记录：若是录入错误（如小数点错位、正负号颠倒），直接修正；若是仪器故障导致的孤立跳变，剔除该点并记为缺失；若确为抽水试验等真实事件，应保留并在备注中说明，绘图时单独考虑。剔除后必须在数据表中留下处理痕迹，而不是悄悄改数。

二、缺失值插补：按缺测时长选方法

缺失分两种：原本未观测造成的空缺，以及上一步剔除异常值后形成的空缺。插补方法应与缺测时长和观测频率匹配。

• 短缺口（1～2 个观测间隔）：线性内插即可，前后两点连直线取中间值，简单且不易引入偏差。
• 中等缺口（数天至数周）：优先用同井相邻时段的水位变化趋势外推，或建立与邻井的回归关系插补。邻井需处于同一含水层、距离较近、无强开采干扰。
• 长缺口或整段缺失：不宜强行插补。若该井对等水位线形态影响大，应标注为“缺测”，在插值时降低其权重或不参与该时段绘制。

插补值必须与实测值区分标记。建议在表中增设 value_type 字段，取值 measured、interpolated、estimated，绘图和成果审查时可追溯。

三、水位统一基准转换：把“埋深”变成“高程”

这是最容易出错、也最影响等水位线形态的一步。野外记录常是水位埋深（地面到水面的距离），而等水位线绘制需要的是水位高程（统一高程基准下的水面标高）。二者关系为：

水位高程 = 地面高程 − 水位埋深

其中地面高程必须来自统一的高程基准。若部分井的坐标和高程来自 1985 国家高程基准，另一部分来自地方独立基准或 GPS 实测椭球高，必须先统一。椭球高转正常高需减去高程异常值，这一步不能省略，否则不同基准的井之间会出现系统性偏差，等值线在基准交界处会出现不合理的密集或扭曲。

此外还要注意时间基准统一：不同井的观测日期不同，若含水层水位季节性波动明显，应尽量选取同一时段（如同一枯水期）的观测值，或统一换算到同一代表时刻。下面给出基准转换与字段整理的核心代码：

# 统一到 1985 国家高程基准，并计算水位高程
df["water_elev"] = df["ground_elev"] - df["depth_m"]

# 若某批井原为椭球高，先扣除高程异常（示例值，实际按测区取）
mask = df["datum"] == "ellipsoid"
df.loc[mask, "ground_elev"] = df.loc[mask, "ground_elev"] - df.loc[mask, "undulation"]
df["water_elev"] = df["ground_elev"] - df["depth_m"]

四、数据表格规范：让下游能直接用

预处理完成后，应输出一张字段固定、单位明确、可追溯的数据表。推荐字段如下：井号、横坐标、纵坐标、坐标系统、地面高程、高程基准、观测日期、水位埋深、水位高程、数据类型、备注。坐标必须注明投影带或地理坐标系，高程必须注明基准，单位统一为米。

整理后的数据表应满足：每行一条观测记录，无重复井号与日期组合；水位高程列全部为数值，缺失处留空并注明原因；坐标、高程、日期三列的单位与基准在表头或元数据中写明。建议在交付前做三项自检：一是抽查若干井，用“地面高程 − 埋深”手工复算水位高程是否一致；二是检查水位高程的空间分布是否连续，有无孤立高值或低值；三是确认数据类型字段中插补值占比，若某井插补比例过高，应在成果说明中提示其可靠性较低。

完成上述四步后，数据表即可进入插值与等值线绘制环节。此时水位高程已统一基准、异常值已处理、缺失值已标注，后续无论采用何种插值方法，输入都是干净且可解释的。