使用cost733分型软件进行SOM分型及CDO简单操作

        前期cost733安装完成后，开始正式利用该软件和下载的数据开展天气分型。注意到使用NC数据分型前需要对数据进行处理（处理过程见后文），因此还需要安装一个名为CDO的软件，该软件全名是Climate Data Operator,即气候数据处理器，该软件可以对NC数据进行合并，修改，裁剪等操作，功能非常强大。安装方法有下载源码编译安装，但是我在编译安装的时候总是有各种报错，因此迫不得已选择了一条比较简单的安装方法，使用conda，命令如下：

conda create  --prefix=/home/*****/**** -c conda-forge cdo python=3.9

        其中*是你自己安装的目录，这里create是创建一个conda虚拟环境，--prefix是创建该环境的目录，-c conda-forge是conda安装时指定channel为conda-forge ,cdo即为想要安装的软件，同时由于在该虚拟环境下我还需要使用python3.9，因此同时安装了python3.9。安装完成后，激活该环境，即可进入cdo的虚拟环境，对NC数据进行操作。 

       说完上述安装准备的环节，开始进入正题，即如何使用处理NC数据使其能够达到cost733呢个够识别运行的标准，根据我短时间的分析并参考气象家园几位大神总结的经验，需要注意的点有以下几方面：

1.对于ERA5数据，其time 的unit是‘hours since 1900-01-01 00:00:00.0’,意思是说，NC数据中的时间参考的基准时间是这个时间，意思是比较容易理解的，但是最后这个.0是多余的，cost733软件不识别，会报错time units unsupported，那在这种情况下，就需要将所有NC数据中的.0去掉。我编写了一个简单脚本，后边有时间会附上。

完成上一步后，关于time unit unsupport的报错就解决了。

2.在cost733用户手册中，关于数据输入有相关描述，但是本人按照其描述进行操作的时候老会有各种各样的报错，可能是本人太菜了。最后试了一种方法成功了，就是把多个时间点的NC数据合并到一个NC数据中（比如说有2000-01-01 00：00：00 ，2000-01-03 03：00：00等等，这些数据的时间可以连续也可以不连续，没有关系）。使用命令

cdo -b F64 mergetime *.nc test.nc

在这里记得加上-b F64,看了某位大神的解释是说按照时间顺序进行NC数据的合并时会出现整数和浮点数的什么转换问题。

    如果合并的NC文件中，时间序列是不连续的，则需要将其修改为连续的时间，比如说（2000-01-01 00：00：00 ，2000-01-02 00：00：00 ，2000-01-03 00：00：00，诸如此类，当然不修改为连续的会出现什么问题我也不知道，我是为了避免出问题就乖乖修改了）。

-------------------------------------------------------------------------------------------------------------------------------

自此，完成了数据的预处理，虽然看着挺简单，但是参考资料较少，本人还是摸索了5天左右的时间。现在开始使用cost733软件，利用SOM法进行天气分型。关于SOM法，中文名称叫做自组织映射，是机器学习的一类方法，具体的思想和方法大家可以参考一下相关文献，网上有很多，本人是气象学方向，看了半天也是一知半解，但是大概意思就是说这个方法对天气进行分型前，并不会加入主观的干预，算法会根据你要分型的变量进行无监督学习。使用命令也很简单

./cost733class -dat pth:data/test_sellat_lon.nc var:t  sle:700 -met SOM -nrun 100 -ncl 16 -niter 10000 -cool 0.99 -cla ./data/t_700hpa.cla

上述命令的意思就是读取test_sellat_lon.nc文件，选取的变量是t,高度是700百帕，方法是SOM，跑100次，将天气分成16型，最后给出的分型文档是t_700hpa.cla。输入完成后如果看到类似这种的界面，那就表明开始进行计算分型了

待计算结束后，会显示计算完成的界面，此时进入***.cla的文档，查看每一天分成哪一型了，最后将每一型的天气提取出来求平均绘图即可。