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.