海洋环境具有高度的动态性和复杂性，利用海流计进行为期数月甚至数年的长期锚系观测，是获取海洋环流、潮汐潮流及气候变化关键信息的重要手段。然而，长期布放在海底的海流计，极易受到海洋生物附着、仪器姿态改变、水下声学干扰以及数据传输误码等因素的影响，导致原始数据中出现大量异常值和缺失值。因此，建立一套科学严谨的数据质量控制流程，特别是针对异常值的剔除与插值修复算法，是保证深海观测数据集可用性、支撑高水平海洋科学研究的基础。
数据质量控制的第一步通常是物理范围检查与稳态检查。物理范围检查是基于海流的物理特性设定合理的阈值，例如，全球大洋表层海流速度极少超过3米/秒，若数据中出现了远高于此的值，便可判定为野值并予以剔除。稳态检查则用于识别仪器故障导致的常数值或零值。随后的核心环节是异常值检测，常用的统计学方法有格拉布斯准则和四分位距法。格拉布斯准则适用于样本量较小且服从正态分布的数据，通过计算偏离均值的标准差倍数来判别异常值；而四分位距法对非正态分布数据更为稳健，它利用数据的四分位数间距，识别超出上下边界的离群点。对于时间序列数据，希尔伯特-黄变换等时频分析方法也能有效分离出由瞬时干扰引起的高频异常信号。
在完成异常值剔除后，数据序列中会出现空白，这就需要插值修复算法来填补这些缺失。对于短期的缺失，如几分钟内因生物附着短暂遮挡导致的无效数据，线性插值是较简单直接的方法，它假设流速在短时间内呈线性变化。然而，海洋流场具有明显的周期性和连续性，对于较长的缺失段，线性插值往往难以反映真实的物理过程。此时，基于时间序列分析的插值方法更具优势。例如，利用潮汐调和分析方法，可以精确拟合出流速的潮汐周期分量，并用拟合值填补缺失；或者采用克里金插值法，这是一种基于变异函数理论的地质统计学方法，它考虑了数据在空间和时间上的相关性，能够提供较优的无偏估计，尤其适用于具有强时空相关性的海流数据修复。
除了数学算法，专家经验与辅助数据的融合也至关重要。在进行插值修复时，应参考邻近站点的同步观测数据或高分辨率海洋数值模式的输出结果，进行交叉验证。例如，如果某海流计的深度数据丢失，可以参考同海域其他锚系的温度-深度传感器数据，或者利用Argo浮标剖面数据进行合理性判断。较终，所有经过质量控制的原始数据、处理后的数据以及详细的质控日志都应一并存档，确保数据的可追溯性。通过这一系列严密的质量控制措施，科研人员能够从纷繁复杂的原始观测中提取出真实可靠的海洋动力信息，为海洋资源开发、防灾减灾及全球气候变化研究提供坚实的数据支撑。
24小时热线电话：025-85508117
海流计长期连续观测的数据质量控制：剔除异常值与插值修复算法
更新时间：2026-07-27
点击次数：6
