提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
文章目录
一、cost733是什么?
简要介绍:cost733是一款由欧洲机构COST开发的天气分型软件,可用于气象工作者进行天气类型划分。
详细介绍:
1.谁发明的:cost733是由COST(European Cooperation in Science and Technology)机构开发的一个项目,项目代号为733,它专注于天气分型的研究。COST是一个欧洲的国际研发合作网络,它通过科学研究项目促进欧洲科技的发展。
2.能做什么:cost733是使用Fortran语言编写的软件,它内置了一系列算法,这些算法能够根据历史和实时气象数据,将天气划分为不同的类型,目前cost733在linux系统上使用。
3.处理对象:不同天气类型对降水量、气压分布及空气质量的影响。
4.数学基础:通过cost733进行天气分型,可以采用正交旋转主成分分析法和斜交旋转主成分分析法,能够更准确地反映不同天气状况下的气压和风场特征。
二、cost733完整安装步骤
2.1 安装
下载cost733class−1.4安装包:https://projects.met.no/
-tar xvfj
解压安装包 cd
进入文件夹
2.2 配置
sh compile_gnu_debug_opengl.sh
./configureFC=gfortranCC=gcc
./configureFC=ifortCC=iccFCFLAGS="−parallel−openmp"
./configure−−disable−grib
./configure−−disable−opengl
2.3 编译
make
src/cost733class
sudo su −
make install
src/cost733class
sudo su−
make install
sudo copy src/cost733class /usr/local/bin
三、cost733使用(举例)
比如我要根据2018年夏季的小时700hpa高度场进行天气环流形势分型(如采用PCT方法;即一种时间模式下的主成分分析法; Hersbach et al, 2020)
3.1 预处理
首先进行数据预处理:
a)小时统一成每日数据,并作出每天的500/700hpa天气环流图,根据环流图剔除掉台风天气(台风会影响分型)
b)时间为列,站点为行,700hpa数据输入到test1.dat文件(同一日的二维网格点也输入到文件的同一维行中)
3.2 簇类计算
需要注意的是,PCT分类法默认将原始数据按照时间先分子集,cost733默认是10个时间单位一组(Hersbach et al, 2020)。也就是说,2018年夏季的90天数据最多分九组,下面对数据进行簇类计算,即选择分别分成2,3,…,9组,计算每组的ECV(解释簇类方差)
计算分2类:
cost733class -dat pth:test1.dat lon:15:90:0.25 lat:95:120:0.25 fdt:2018:6:1:0 ldt:2018:8:31:0 ddt:1d -met PCT -ncl 2 -cla 02.PCT -dcol 3
#-pth:输入路径,lon,lat:经纬度,fdt,ldt,ddt:起止时间和间隔, -met:分类方法,-ncl:分类数, -cla:输出路径
cost733也可以输出ECV的值,这个值很重要,关系到最终的分类数量选择。
同理计算分3类:
cost733class -dat pth:test1.dat lon:15:90:0.25 lat:95:120:0.25 fdt:2018:6:1:0 ldt:2018:8:31:0 ddt:1d -met PCT -ncl 3 -cla 03.PCT -dcol 3
与分2类比起来,分3类改变的只有-ncl 3 -cla 03.PCT
这两个参数,此时也应输出分3类时的ECV值
同理计算分4类,5类,6类,7类,8类,9类:得到其他的这几个输出文件和ECV值
3.3 最终选择
得到了分2~9类时的ECV值,接下来我们就要计算ΔECV,即该ECV减去前一个ECV的值。比如分3类的ΔECV为:分3类的ECV减去分2类的ECV;注意分1类的ECV恒为0.
for example: 下图是某篇文章分5~15类时的ΔECV图(蓝色折线),当分类数为7时ΔECV最大,所以最终分类选分类数为7时。
回到原例子:计算出分2~9类的ΔECV后,我们选择最大的ΔECV对应的分类数为最终的分类数和分类结果,因为此时主成分(分类数)较少但是解释方差较大。比如分5类的ΔECV最大,那么原始数据分5类最好,05.PCT文件就是最终分类的输出结果!!
参考文献:
Hersbach, H., Bell, B., Berrisford, P., Hirahara, S., et al. (2020) The ERA5 global reanalysis. Quarterly Journal Of The Royal Meteorological Society, 146, 1999-2049. https://doi.org/10.1002/qj.3803.