把測站波形丟進 ObsPy 前，先確認取樣率

前陣子幫朋友看一份 2023 年花蓮近海的強震記錄，Steim2 壓縮的 miniSEED，總共 47 個檔案、約 1.2 GB，來自三站短週期與強震儀。用 ObsPy 讀進來後畫頻譜，發現 8 Hz 附近有一條很尖的突起，三站都有，但強震儀那站特別明顯。我原本以為是儀器雜訊，差點把那段資料整批標成壞軌。

做法是把每個 stream 的取樣率與實際時間戳印出來，先確認是不是重採樣造成的：

import obspy
st = obspy.read("*.mseed")
for tr in st:
    print(tr.id, tr.stats.sampling_rate, tr.stats.starttime,
          tr.stats.npts / tr.stats.sampling_rate)
st.merge(method=1, fill_value=0)
for tr in st:
    tr.detrend("linear")
    tr.taper(max_percentage=0.05, type="hann")
    tr.filter("bandpass", freqmin=0.5, freqmax=20.0, corners=4, zerophase=True)

印出來才看到，檔案裡混了 100 Hz 與 200 Hz 兩種取樣率，同一站不同頻道也不一致。merge 不會幫你統一取樣率，只會把時間重疊的段接起來；頻譜上那條尖峰其實是 200 Hz 資料被當成 100 Hz 解讀後的鏡像。改成先 st.select(sampling_rate=100) 或明確 tr.resample(100, window="hann")，尖峰就消失了。

會這樣做是因為 miniSEED 檔頭只描述封包，不保證同批檔案的取樣率一致；工具預設信任檔頭，於是不一致的地方不會報錯，只會默默算錯。代價是每次多花幾秒掃一遍 stats，好處是不用等到頻譜圖出來才發現。

失效的地方在於：如果原始資料本來就是 200 Hz 且你要保留高頻，重採樣反而會把 20 Hz 以上的東西濾掉；另外儀器本身的 anti-alias 濾波器若沒補償，就算取樣率對了，8 Hz 附近仍可能有人造痕跡。我自己就曾經把換能器的共振當成地震信號，回頭比對才發現是取樣率搞錯。

你們在處理多站、多頻道的 miniSEED 時，是怎麼在讀取階段就擋掉取樣率不一致的？還是都等畫圖才發現？