cost733天气分型软件安装及使用流程

原来的官网已经停更了，安装包和手册都无法下载。

现仅存的安装包下载地址：philipan / cost733class-1.4 · GitLab (uni-augsburg.de)

手册：(2) (PDF) COST733CLASS v1.2 User guide (researchgate.net)

安装

因为我用的服务器，netcdf, hdf5等环境变量之前都是配置好的，所以解压后直接一步安装。

解压

tar xzvf cost733class-1.4.tar.gz

进入解压后的文件夹，执行

intel处理器  ./configure FC=ifort CC=icc --disable-grib --disable-opengl && make

gnu处理器  ./configure FC=gfortran CC=gcc --disable-grib --disable-opengl && make

然后进入src文件夹，检查是否生成cost733class可执行文件，生成即安装成功。

使用

关于方法以及类型的选择，更多的需要去读用户手册或者参考已发表文献，这里我只记录一下自己基于ERA5的逐小时SLP的运行流程

1. 数据下载

勾取自己需要的时间和经纬度范围，下载对应的nc文件

ERA5 hourly data on single levels from 1959 to present (copernicus.eu)

2. 数据预处理

根据自己的研究需求，可以用日平均，也可以每天挑选一个时刻，放在一个nc文件里

3. 运行

进入安装文件夹中的src文件，即cost733class可执行文件所在的位置，运行以下命令

./cost733class -dat pth:/public/home/sunxiaoyun/datadir/ERA5/input4cost733/slp-daily.nc slo:100:125:0.25 sla:20:50:0.25 -met PCT -ncl 4 -cla  output-PCT.txt  

./cost733class -dat pth:/student/sunxiaoyun/cal_4_cost733/input4cost733/slp-heavy.nc wgt:1.D0 -dat pth:/student/sunxiaoyun/cal_4_cost733/input4cost733/u-heavy.nc wgt:1.D0 -dat pth:/student/sunxiaoyun/cal_4_cost733/input4cost733/v-heavy.nc wgt:1.D0 slo:100:125:0.25 sla:20:50:0.25 -met PCT -ncl 4 -cla ./output/output-heavy-PCT04.txt         #用地面气压和风场共同进行分型

执行时给出经纬度范围和分辨率，我选择的是PCT方法，类型是4种，输出至PCT.txt，这些都可以根据自己的需求进行修改。

到这一步就可以出运行结果了，生成的txt中几列数据分别是年，月，日，时和type

4.分类结果评估

手册中提供了一些分类结果评估的，目的是选出最合适的类型数。这里举例最常用的方法止一：ECV

需要给出分类的input文件，分类的执行结果以及方法的选择。

./cost733class -dat pth:/student/sunxiaoyun/cal_4_cost733/input4cost733/slp-heavy-twice.nc  -clain pth:./output/output-heavy-twice-PCT04.txt dtc:4 ddt:1d -met ECV -idx clain-ECV

其中 dtc:4 (日期数据有四列的意思)这个命令需要加上，否则在读入分类结果的时候会报错。

其中关于分类及评估方法的选取，以及用多种变量分类时权重的分配等都有待研究。感兴趣的可以自己去手册里看看。手册中还提供了后处理的一些命令，我用不惯，选择自己画图分析了。

遇到的问题（好多问题/(ㄒoㄒ)/~~）及解决方案：

1. 关于input文件的时间单位

直接下载的数据去运行cost733报错，找不到时间单位，但数据属性显示明明是有单位的

然后我去研究了一下代码，发现对时间单位的几种情况中，开始时间没有1900-01-01 00:00:00.0这种情况，不敢随意修改源代码怕有连锁反应，也不想通读所有代码，所以就写了个脚本改了一下时间属性（这一步自行发挥，我目前试了ncl和python都可以）。

更改后的时间单位如图所示，是代码中显示的第三种case。然后我去试了一下就可以正常运行了。

2. input文件时间的连续性

这个分型模式只适用于连续的日期进行分型，例如我输入的是2013-2020年每年的12月共8个月的数据，最后运行完输出的txt文件中显示从2013年12月1日到2014年7月。目前找到的解决方案就是再另写一个文件记录正确的日期，最后分析的时候替换一下。

3.input文件日平均的处理

在我自己运行的时候，分析的时间序列比较长，所以用日均值比较合理。ERA5官方有提供一个calculator Daily statistics calculated from ERA5 data (copernicus.eu)，需要点点点，我选择了python批量下载小时值，用cdo处理成日均值。cdo的安装和使用我也进行过一些简单的记录。

安装： 基于anaconda安装cdo - 简书 (jianshu.com) 使用：cdo的使用--数据的合并，剪裁，更改等，持更 - 简书 (jianshu.com)

但是回来就发现这个cdo做的日均值在跨年数据作为input文件的时候会报错。就是我用2013-2020年每年的12月共8个月没问题，做每年冬季（12月-次年1-2月）就会报错方差为0。方差为0不就是数据都一样吗，又去检查了所有数据的方差明明没有0，无法理解。

评论区有朋友说删除使用cdo平均过程中新生成的time_bnds后可正常运行，我试了一下还是失败了，有需要的朋友可以尝试一下。

2023.02.10更新

原来执行./cost733class 命令可以选择读入的变量！ 这样便可以解决方差为0的问题。

./cost733class　pth:/public/home/sunxiaoyun/datadir/ERA5/input4cost733/slp-daily.nc var:z slo:100:125:0.25 sla:20:50:0.25 -met PCT -ncl 4 -cla  output-PCT.txt