怀古游戏宅SIR1. 项目背景与海洋热浪核心概念
1.1 为什么盯上南海北部这片海
南海北部是我这几年做海洋环境数据分析时绕不过去的一块区域。它横跨热带和亚热带，北接华南大陆，西靠北部湾，东连吕宋海峡，四季都有鲜明的海洋动力过程。平时做海表温度（SST）研究，大家关注的往往是台风路径、暖池变化、沿岸上升流，但海洋热浪这件事，这几年越来越值得单独拿出来看。
海洋热浪说白了就是海水温度异常偏高的持续性事件。过去大家觉得海洋变暖是缓慢的、均匀的，但实测数据和再分析资料都显示，水温会突然在某些海域“飙”上去，持续几天甚至几周，这种短时间尺度上的极端高温，对珊瑚礁、渔业和养殖业的影响往往比平均升温更直接。南海北部的珊瑚礁生态系统、近海养殖区分布密集，一旦发生热浪，经济损失和生态破坏都是实打实的。
做这个项目的原因也很简单：南海北部的热浪研究，大多还停留在区域平均、单点时间序列这种层面，缺乏系统性的“强度可视化”。而可视化恰恰是分析这类时空数据最直观的手段——一张图能看清热浪在哪一年爆发、覆盖多大范围、持续时间多长、海洋表面温度偏高到什么程度，这些信息用表格和数字很难讲清楚。
这个项目的目标，就是围绕南海北部（大约 15°N—23°N，110°E—120°E 区域）的海洋热浪强度，构建一套从数据下载、热浪识别、强度计算到可视化出图的完整分析流程，适合从事海洋环境数据分析、气候变化研究，或者对 Python 时空数据可视化感兴趣的从业者和学生参考。
1.2 海洋热浪的科学定义与强度指标
做热浪分析，第一步是统一口径。海洋科学界现在普遍接受的海洋热浪定义，沿用的是 Hobday 等人提出的框架：当某海域的海表温度连续超过该位置气候态（通常取 30 年基准）的第 90 百分位阈值，且持续时间至少 5 天，就定义为一次海洋热浪事件。
这个定义里有两个关键参数：阈值和持续时间。阈值不直接用绝对温度，而是用百分位数，是因为不同海域的“正常温度”差异很大，南海北部夏季表层能到 29°C，冬季可能只有 22°C，如果笼统地订一个绝对阈值，冬季永远触发不了。用逐日气候态的 90 百分位作为阈值，相当于给每个格点、每一天都设了一道动态门槛。
强度指标方面，项目中我重点计算了四类：
- 最大强度（Max Intensity）：事件期间超过阈值的最大 SST 异常值，单位 °C。
- 平均强度（Mean Intensity）：事件期间每日异常值的平均。
- 累计强度（Cumulative Intensity）：事件期间每日异常值之和，单位 °C·天，这是最能反映事件总热量负担的指标。
- 持续时间（Duration）：从开始到结束的天数。
这四个指标中，累计强度对生态响应的指示意义最大。举个生活化的例子：一天高烧 5°C 和一星期持续高烧 2°C，对身体的伤害完全不同，海洋生态也一样。珊瑚白化通常不是某一瞬间温度峰值造成的，而是累积热量负荷达到一定程度后的结果。所以可视化时，我特意把累计强度的空间分布图作为核心输出。
1.3 可视化在项目里解决什么问题
这个项目骨子里是一个“数据分析 + 可视化”的典型场景。南海北部的 SST 数据是三维的：经度、纬度、时间。三维以上的数据，光靠统计报表是看不出来的，必须靠可视化把时间维压成一条线、把空间维铺成一幅图。
那段时间我试过很多可视化工具组合，最后确定的主链路是 Python 的 xarray + Matplotlib + Cartopy，辅助用 Plotly 做交互式探索。为什么选这套组合？因为这套组合在海洋大气领域几乎是事实标准，数据读取、裁剪、计算、绘图全在同一个生态里搞定，不需要来回倒腾格式。
另外，可视化的另一个价值是给“异常”定性。热浪事件不是每年都有，哪一年是异常年，光靠看年均值曲线也能看出来，但没法回答“异常到底发生在哪片海域、强度分布如何”。画成空间分布图和热浪日历图之后，答案几乎是一目了然的——而且这种直观输出，对向非专业背景的决策者和公众传达结论，效果远好于任何统计表。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据准备与预处理
2.1 数据源选型与对比
做南海北部热浪分析，数据源选择直接影响结论可靠性。我对比过三个常用来源：NOAA 的 OISST（日尺度海表温度）、欧洲中期天气预报中心的 ERA5 海表温度，以及 GHRSST 融合产品。
| 数据源 | 空间分辨率 | 时间分辨率 | 数据覆盖 | 适用特点 |
|---|---|---|---|---|
| NOAA OISST | 0.25°×0.25° | 日 | 1981 年至今 | 时间序列长，适合气候态统计 |
| ERA5 | 0.25°×0.25° | 逐小时（可聚合为日） | 1940 年至今 | 有小时数据，适合极端事件过程分析 |
| GHRSST 融合产品 | 0.01°—0.05° | 日/逐小时 | 2002 年至今 | 分辨率高，但时间短，不适合算气候态 |
最终我选了 NOAA OISST 作为主数据源。理由很简单：热浪检测需要足够长的气候基准期，OISST 从 1981 年就开始逐日更新，到现在超过 40 年，可以稳定地计算 30 年气候态和百分位阈值。ERA5 虽然起点更早，但它的海表温度在早期较依赖于同化系统，某些年份的不确定性略高；而 GHRSST 虽然空间分辨率高，但时间覆盖不足，算不出可靠的气候态。
提示：做长时序极端事件分析，千万不要只看分辨率。时间长度和一致性才是第一位的。分辨率问题后期可以通过插值或局部放大来缓解，但数据源不连续带来的气候态偏差，是没法弥补的。
2.2 研究区域裁剪与网格处理
拿到 OISST 数据后，第一步是把全球场裁剪到南海北部子区域。OISST 原始数据是 NetCDF 格式，用 xarr