VASP处理split_dos-五星文库
免费文档下载
VASP处理split_dos
导读：附件中的程序可以帮你处理，在linux下你可以用xmgrace或者用p4vasp先处理一下，可以写一个批处理文件，怎么处理呢，不知道高手们是怎么处理的？，学会linuxshell编脚本处理数据，下面是处理VASP输出数据得到态密度的脚本文件split_dos,与它配合的vp，不能直接用来处理vasp4.6及以上版本的数据，也不能处理f电子，NPAR=1LWAVE=.F.LORBIT=1#非自洽
LORBIT = 1
#非自洽计算选项，计算spd分波态密度
非自洽计算gama点态密度DOS时的KPOINTS文件：
费米能级的移动是什么意思呢？
费米能级不是确定的吗？在自洽计算得到的OUTCAR文件中有的。在非自洽计算得到的OUTCAR文件中也有的。这两处得到的费米能级有些差别，有的似乎较大。
做split dos的时候，会从与DOSCAR放在一起的的OUTCAR文件中读费米能级E-fermi。然后就自动以这个费米能级为零点。
我个人觉得，费米能级算不准，不同软件，以及vasp中静态自洽和非自洽计算结果也有差别。所以有文献干脆不提费米能级，而只以价带顶为参考零点。
你的体系并不大，静态自洽的K点只取一个似乎不好，可以取7*7*7.
费米能级是否能算的准，比如费米能级是否能出现在浅受主能级与价带顶之间，或者本征绝然体带隙正中间？我没有算出来过。
1、费米能级是能够确定的。
费米能级由vdos脚本（或split_dos脚本）自动从DOSCAR中抽取出来的，然后得到上面的DOS图。 2、k点是故意选成单个gama点的。
由于我想看gama点的态密度，所以只设定了一个k点，因而k点个数是不必增加的。
3、费米能级的确会算不准。
之前查看过自洽计算和非自洽计算的OUTCAR，它们的费米能级有差别，因而在作图时应该考虑自洽计算和非自洽计算费米能级的差值。
我的困惑在于，现在图中标示的费米能级是错的，应该是在大约红线的位置，可是不知怎之前的自洽计算，k点取了多少？
自洽计算时的KPOINTS文件：
实例8 怎么使用DOSCAR画出DOS图形
? 我安装好VASP好长时间了，但是一直没有用过。这几天用别人的一个实例运行了一下，得到一些输出文件，但不知如何画DOS图。
不知道如何由输出文件DOSCAR，提取有用数据从而得到DOS图形。
请教大家：大致步骤和所用的工具。
另：我机器上安装过了Origin8.0。
好像直接可以输出DOS图！！
或者split-dos 软件 都可以画dos
附件中的程序可以帮你处理，你用下看看
总DOS一般没多大用，一般投影到原子或轨道上更有用些。找到你要的那个原子，直接把数据拷出来，用ORIGIN画就是了
直接拷贝出来画图即可
如果你既做了自旋极化，又做了轨道投影，一般DOSCAR的结构为前301行的5列是：能量值 自旋向上的总态密度 自旋向下的总态密度 自旋向上的电子数 自旋向下的电子数
后面的是：能量值 s-up s-down py-up py-down pz-up pz-down px-up px-down dxy-up dxy-down dyz-up dyz-down dz2 -up dz2-down dxz-up dxz-down dx2-up dx2-down
在linux下你可以用xmgrace
或者用p4vasp先处理一下，再用xmgrace
推荐是gnuplot，可以写一个批处理文件，以后画同一类型的都可以统一画
DOSCAR分割问题
请教大家，vasp 计算的结果 输出有个DOSCAR文件，用于分析态密度的我用split_dos 工具分割此文件 ，会出现DOS0,DOS1.........; DOS1是第一个原子的分波态密度值，其中的第一列数据是能量值，第二、三、四列数据分别对应于s、p、d态的分波态密度值.
问题出现了，我这个原子没来d轨道，竟然出现第四列，这是上面原因呢？
第4列上的数字是0么？建议你用p4vasp做DOS图，快些
我没有设LORBIT 这个参数
按理 应出现energy
我这个原子没来d轨道，竟然出现第四列
而且第四列不是0
不管算什么都会有d电子出现的。。。正常情况下d的值应该很小才对，画的时候可以忽略掉。
实例11同样情况下，不同的导出数据方法 态密度怎么不一样
我是将DOSCAR中的数据转换成图中黑色的线，然后用小程序spilt_dos分出DOS0后，得到图中的红线，很明显，两者像是平移了一样，我有点怀疑是菲米能级的问题，用split_dos时其费米能级用的是静态计算的OUTCAR里的，但又不是很明白，麻烦大家帮帮忙。
另外，我用split_dos分出每一个原子的态密度之后，我想知道某些个原子的态密度的共同贡献，怎么处理呢，总不能一个一个DOSi 相加吧，这工作量很大啊，不知道高手们是怎么处理的？
你的菲米能级不一样造成的，自己看DOSCAR，确定那个的菲米能级是对的吧
恩 查了一下
应该是DOSCAR是以真正的费米能级，而split_dos 则是以零为费米能级的 。 请问您试着叠加过很多原子的DOS么？不能手动相加吧
没有 但是你可以徐程序相加 或者通过origin，excel也行
origin怎么相加啊
我的大约要相加100多个原子，而且每个原子的态密度文件中又是分S.P.D的
实例12读懂split_dos，学会linux shell编脚本处理数据
下面是处理VASP输出数据得到态密度的脚本文件split_dos,与它配合的vp没有贴出来。学习vasp如果会一些shell编程，对vasp的运用会更灵活方便。这个程序听说比较老，有些
问题，不能直接用来处理vasp4.6及以上版本的数据，也不能处理f电子。有兴趣的可以关注一下，看看语法本身，或者提出修改意见，都有BB鼓励。
:D:D:D:D:D:D:D:D:D:D:D:D:D:D:D:D:D:D:D:D:D:D:D:D:D:D:D:D:D
#!/bin/ksh
# Script to break the VASP DOSCAR file into segments for
# each atomic site.
# JMS NRL 5/0/02
# Modified to also align the Fermi level from the ground state # to E=0.0
# JMS NRL 6/19/02
# Executables reside here
#把这里修改为vp保存的路径。然后把split_dos的路径添加到PATH中。
if [ $# -ne 0 ]; then
#直接在shell提示符下输入split_dos运行，否则提醒Usage: split_dos,返回信息2.
echo &Usage: split_dos&
# Script to split the DOSCAR file into the atomic
# projections labeled by atom number dosfile=DOSCAR outfile=OUTCAR
infile=INCAR
# Token for splitting the files
token=$(sed -n '6 p' $dosfile | awk '{print $1}')
#这个token后面好像没有用到，有什么用呢？
包含总结汇报、文档下载、IT计算机、专业文献、旅游景点、应用文书、计划方案以及VASP处理split_dos等内容。本文共9页
相关内容搜索Date: June 7, 2015
Views: 1,648
浅谈PCA与g_covar+g_anaeig+ddtpd+sigmaplot做自由能面图的方法
文/Sobereva&& 2010-Nov-11
其实这个问题两年前就写过帖子讨论过，但由于近来又有人问，也觉得在作图的时候有些问题值得补充说明一下，故撰此贴。
N个原子的柔性大体系运动轨迹需要3N维笛卡尔坐标描述，然而这样高维度的数据很难直观分析，尤其是随着计算能力越来越高，模拟的体系也越来越大、模拟的时间越来越长、内容越来越复杂，这就需要发展更多的分析方法去挖掘出海量信息中感兴趣的信息，而使数据“噪音”被过滤，比如从复杂轨迹中了解蛋白的折叠/去折叠主要路径、酶重要域的大尺度运动行为、体系构象分布倾向、配体/残基突变/质子化等效应对体系构象的影响等等。一种解决途径是将坐标维度约化得尽可能低，同时尽可能使原始高维空间下的信息最大程度保留，这样就方便人直观考察体系的运动过程。统计学上的Principle component analysis(PCA)正适合解决这个问题，一般是将变量选为3N个笛卡尔坐标（也有其它选择方式，诸如二面角PCA等），要处理的数据集就是各帧结构。首先由MD轨迹构建协方差矩阵，然后计算其本征值和本征向量。这3N个本征向量也就是由原始笛卡尔坐标组合而成的新坐标，它们彼此间从协方差的意义上说是不相关的（也就是把轨迹转换到这些新坐标上后，协方差均为0）。本征向量对应的本征值越大说明体系的运动行为越多地体现在这个本征向量坐标上，若最大的几个本征值的和除以协方差矩阵的迹等于0.85，说明在这几个维度上就可以描述体系85%的运动信息。这样有高本征值的本征向量也称主成分(Principle component, PC)。
实际上一般不将大分子全部N个原子都考虑，比如研究蛋白骨架行为就考虑alpha-C即可，研究某一个区域的运动就选择这个区域的原子即可，不仅计算会省时、省内存，而且如果把过多无关原子也考虑进去，若它们在模拟中运动也比较明显，则感兴趣的原子的运动反倒被掩盖了。另外，做PCA前必须将整个轨迹向指定帧的结构做align以消除平动和转动的影响，前文所谓“运动”皆是指体系的内运动，否则分子内运动行为会被整体运动掩盖住。（实际上即便做了align，整体运动的成分也并没彻底消除，因而出现了基于内坐标的PCA方法，即dihedral PCA）。限于本文篇幅和目的不再对PCA进行更具体讨论，可以参考Principal Components Analysis: A Review of its Application on Molecular Dynamics Data。下载地址：
2 自由能面图(Free energy landscape)
一般所谓自由能面图就是通过一张图来描述大分子各种构象自由能的大小。这就需要知道各种构象{x}出现的概率密度P(x)，然后通过Boltzmann关系计算G(x)：
G(x)=-kT*Ln(P(x))+常数
常数项不用管，它和配分函数有关，是极难计算的。我们关心的只是各种构象的相对自由能而不是绝对自由能，常数项与此无关，所以做自由能面图时常数项可以取任意值。
在平面上最能清晰展现出来的是二维坐标的图，通常将自由能面图的两个坐标轴分别取为PC1、PC2（最大两个本征向量），若选取的原子在模拟中运动范围大，它们一般已经能描述体系70%以上的运动行为。如果PC3的本征值也不小，可以再加一张图以PC1和PC3为轴。（对某些问题也可以用其它描述体系特征的量为轴，比如转动半径）
选定了坐标轴后需要将原始轨迹根据相应的本征向量投影到这两个坐标轴上。如果做散点图，图上就会显现疏密不均的小点，点越密集处说明构象出现概率越大，相应的构象自由能越低。接下来将图上的散点分布转换成概率分布P(x)，再由前式获得G(x)，做它的等值线图或者填色图就得到了自由能面图。接下来将给出实例，通过gromacs的g_covar和g_anaeig子程序、笔者开发的ddtpd以及sigmaplot绘图程序绘制一个10ns模拟中酶蛋白骨架的自由能面图。
3 使用g_covar
g_covar用来生成轨迹的协方差矩阵并计算本征向量和本征值。运行方法（方括号代表可选的项）：
g_covar -f 输入的轨迹文件 -s 输入的结构文件 -n [输入的index文件] -o 输出的本征值文件 -v 输出的本征向量文件 -av 输出的平均结构文件 -l 输出的日志文件 -ascii [输出的协方差矩阵数据文件] -xpm [图形描述的N阶协方差矩阵] -xpma [图形描述的3N阶协方差矩阵]
例如g_covar -s a-sol-prnowat.gro -f allnowat.xtc -o eigenvalues.xvg -v eigenvectors.trr -xpma covapic.xpm
其中allnowat.xtc是一个10000帧的10ns的轨迹，a-sol-prnowat.gro是与它对应的某一帧结构文件。运行后程序会问将哪些范围原子做align，选C-alpha，说明每帧的C-alpha将会朝着输入的结构文件做align；然后会问对哪些范围原子做PCA，选C-alpha（也可以与刚才选的不同）。
由于alpha-C共有232个，所以协方差矩阵是3*232=696阶的方阵，故eigenvalues.xvg含有696个值，本征值顺序是从大到小。由于这个体系处于平衡态，骨架整体运动不明显，所以由eigenvalues.xvg信息绘制的下面的“本征值大小vs本征值序号”的图上看，虽然随序号增大本征值立刻降低，但是收敛不快，超过5号后降低平缓，前十个本征向量总共只能解释体系58.7%的运动信息，PC1和PC2一起只能解释32.2%的信息，说明对此体系全部alpha-C原子做PCA意义不大。由于本文目的主要是说明如何做自由能面图，所以这无所谓。
696个本征向量分别记录在eigenvectors.trr中的每一帧中，其原子坐标代表原3N个笛卡尔坐标是如何组合成本征向量的，这个轨迹虽然也可以用可视化软件观看，但没什么意义。实际上得到的轨迹有698帧，是因为第一帧保存的是align时的参考结构，第二帧是轨迹平均结构。
covapic.xpm是图形化描述的协方差矩阵，在Linux下可以用比如GNOME之眼打开；若在windows下打开，可以先用gromacs自带的xpm2ps转换成eps文件，再用诸如再用诸如photoshop、GhostView查看（也可以用adobe distiller等软件转成pdf）。此文件中3N*3N协方差矩阵已经被转化成N*N协方差矩阵，即坐标轴刻度对应原子序号。越红的区域说明矩阵元数值大，白的区域对应矩阵元数值为0，越蓝代表越负。矩阵对角线就是方差，必大于零，故是白色或偏红色。图中坐标为(28,28)的区域较红，说明26~29号alpha-C在模拟中运动比较明显，实际上这几个残基正处于蛋白质柔性末端，直接考察轨迹也能得出相同结论。非对角元区域可正可负，越正/越负说明相应两个原子运动方式越趋于正相关/负相关。图中虽有深蓝色区域，但从色彩刻度上看其值其实并不很负。alpha-C原子间运动多呈负相关和残基侧链间静电作用导致排斥/吸引而使相关原子产生反相运动有关。若是研究同一残基的原子运动的协方差矩阵，由于某原子运动会拉动周围原子同向运动，所以对角线附近也会偏红。
4 使用g_anaeig
g_anaeig的主要功能之一是将轨迹投影到选取的本征向量上，这里要投影到PC1和PC2上，执行：
g_anaeig -f allnowat.xtc -s a-sol-prnowat.gro -v eigenvectors.trr -first 1 -last 2 -2d 2d.xvg
首先allnowat.xtc各帧会被align到eigenvectors.trr里记录的参考结构上，然后投影到-first和-last所选的本征向量，命令中1、2就是指前两个本征向量，即PC1和PC2。-2d 2d.xvg代表将每帧结构在PC1和PC2上的投影值输出到2d.xvg。
如果装了xmgrace，运行xmgr 2d.xvg，调整显示方式得到下面的散点图：
每个点代表一帧结构，越密集的区域说明这个区域对应的分子构象能量越低。在密集区域中随便取一个点，若这个点的编号是i，就说明轨迹中第i帧的构象是较稳定、能量较低的，反之稀疏区域的点对应的帧是不稳定构象。在xmgrace中获得点的编号首先要将感兴趣的区域放大，然后在设定符号/图例的页面中将显示的符号设为Index，数据点就以其编号显示了。利用PCA可以做簇分析，比如图中左侧一团密集的点对应的构象就可以归为同一个簇，即它们构象相似。下图是投影到PC10和PC11的结果。
比较可见，投影到PC10、11后数据点都凑在一起成球状，看不出任何特征，构象的差异引起的能量差异得不到充分显现，也不可能做簇分析。这就是为什么轨迹要投影到PC1、2的原因，PC1、2最能描述体系运动模式，或者说PC1、2能将体系的自由能面形貌最大程度地展现，使其细节特征能够充分地暴露出来。
使用g_anaeig时如果用“-3d 文件名”，会将轨迹投影到从-first到-last的3个主成分上，输出的是.gro文件，原子坐标的X/Y/Z值分别代表在三个PC上的投影，原子编号就是帧号。如果用“-proj 文件名”，可以同时将轨迹投影到从-first到-last的任意多个主成分上。比如投影到前六个PC，用xmgr对得到的.xvg文件作图得到：
图中表现轨迹在PC1至PC6上投影值随时间的变化。前两个PC波动比较大，说明其数据方差大，这也说明为何在协方差矩阵中其对应的本征值大（本征值=方差）。后面几个PC的波动依次渐缓，尤其是PC5和PC6，完全就像是体系在平衡态的RMSD曲线，体系的运动信息用它们根本描述不出来。
5 使用ddtpd做自由能面图
5.1 ddtpd简介
ddtpd全称Converting dot distribution to probability distribution，是笔者开发的将上述-2d关键词生成的点分布.xvg文件转换成概率或自由能分布的小程序。原理是根据数据最大、最小值设定空间范围，然后根据用户输入的两方向格点数将空间划分为一个个微小的格子，根据 P(x,y)=此网格内数据点数量/总数据点数量/网格面积 来计算不同位置的概率密度，进而转化为自由能。ddtpd v1.3还支持高斯展宽功能，用于解决数据点较少时图像难看的问题。
ddtpd v1.3的下载地址：。
压缩包里的test.xvg就是下文要用的xvg文件。
5.2 作图步骤
启动ddtpd后，依次输入
2d.xvg& //文件名
100& //将X轴划分的格子数
100& //将Y轴划分的格子数
2& //选择输出方式。2代表输出-LnP
y& //令P=0的点也输出。此时数据被输出到当前目录的result.txt下。由于没有数据点分布的区域P=0，没法求对数，对这样的区域ddtpd认为其P是一个很小的常数，自由能直接设为-Ln0.000001。
y& //把-LnP最负的值，此处为-0.821262设为自由能的零点。我们感兴趣的只是相对值，所以可以加减任意常数，这样所有值加上0.821262之后数据最小值就是0，设定色彩刻度会比较方便。此时数据将输出到当前目录的result2.txt下，前两列是PC1和PC2的坐标，第三列是-LnP的值。
sigmaplot比较易用，适合做填色图描绘自由能面。为了让色彩刻度中色彩变化明显的范围覆盖-LnP数据主要分布范围，以使图上数值大小不同的区域能够被清晰地区分开，需要对ddtpd输出的数据做一下调整。注意程序最后在屏幕上输出“Now maximum result is&&& 2.772589”（注：这个最大值是指除P=0以外区域的值）以及“14.636773 means P=0 in this minival area”。打开result2.txt，将P=0的值替换为最大值加上1.0~1.5得到的整数或半整数（凑整数/半整数只是为了方便而已），此例中就是将14.636773替换为4。由于数据较多，不同文本编辑器替换速度由于算法不同差异明显，建议用Ultraedit。
然后将result2.txt放到sigmaplot里做图，得到下图（色彩刻度为默认）：
注意这类图的单位是kT，k是Boltzmann常数(J/K)，T是当前模拟时的温度(K)，所以kT=T*1.^-23J。如果想转化到kcal/mol，就除以4186再乘以阿伏伽德罗常数。比如对于图中的4位置，假设模拟是在310K进行的，就是4*310*1.^-23/*10^23=2.4633kcal/mol.
5.3 格点数目的选择对图像的影响
上图整体效果不错，越蓝区域说明自由能越低，图中显示构象主要分布在左、右上和右下三部分，自由能依次升高。不过图也略有缺点，也就是诸如右上角低能量区域有很多红色或黄色的窟窿，蓝色区域没那么连贯，显得细碎。这与格点数目选取有关，格点数太多不仅图像细碎，做图还慢；格点数太少虽然会连贯，但是缺乏细节，图像边缘时常呈现棱角。一般来说，.xvg文件中数据点越多可以用越多的格点，图像边缘细节会更丰富，且不使图像细碎；当数据点不够多的时候用较大数目格点只有坏处，得到的图甚至就像散点图。下图是此xvg文件50*50格点和200*200格点的图，后者凌乱很不好看，而前者又有些模糊，由于前面100*100做的图也略有零碎，所以75*75格点比较适合做这个xvg文件的填色图。对不同体系应当反复摸索最适合的格点设定，一般不超过60*60至120*120范围。另外，调整色彩刻度上下限也能有效改善图像效果，这里就不谈了，请自行摸索。
5.4 P=0的点对图像的影响
为何要让ddtpd输出P=0的点需要说明一下，尽管这些点看似没有意义。sigmaplot会对输入的数据点的空隙进行差值使图像平滑。如果P=0的区域都不输出，这么大范围的数据空缺区域sigmaplot都会通过插值来弥补。但由于空缺区域往往过大，插值出的结果经常很糟糕。下图是75*75格点，不含P=0的点时sigmaplot给出的结果，和前面的图相对比，会发现在数据点集中分布的区域周围多出了一些的东西（如图的左下角），尤其是在图的中心偏左下的位置多出现一块深蓝区域，如果将它解释为自由能很低的区域就明显错了，这都是因为sigmaplot插值所致。
5.5 对数据点进行高斯展宽
如果用g_anaeig的时候加上-skip 10，就代表每10帧输出一次投影值，前例有10000个点，此时就只有1000个点了，。这样少的数据点很难做出满意的图，哪怕只用50*50格点，图像仍然零碎，尤其是右上角的一片区域，如下图所示。如果进一步降低格点数，图像就不好看了。这时需要利用ddtpd的高斯展宽功能来改善。
所谓高斯展宽，就是把每个点改成用高斯函数来表达（经过归一化），简单来说，比如一个格子内没有数据点，而附近的某个格子内有1个数据点，那么这个格子也能分享到零点几个数据点。这样就不会造成数据点分布密集区域中由于恰好有一些格子没有数据点（格点密度高的时候这种情况尤甚），而使图像出现一堆窟窿或者显得零碎。下图是经过高斯展宽后的图，明显数值连续性比上图好很多。为了效果更好，图中色彩刻度设为了-1~4.5。
此图做法是启动ddtpd，依次输入：
2dskip10.xvg& //文件名
50& //将X轴划分的格子数
50& //将Y轴划分的格子数
4& //输出将数据点经过高斯展宽后的-LnP
1& //展宽系数，默认是1，其值越大展宽效果越明显，但会造成细节区域越难以显现，可反复尝试。假设输入的是k，就代表展开成的高斯函数的半高宽是k*sqrt(dx^2+dy^2)，其中dx和dy分别是X/Y方向的网格宽度。
y& //输出P=0的点
y& //调整G的零点
注意屏幕上提示数据的最大值为5.11，20.305551对应P=0区域的值。对于利用高斯展宽得到的结果，作图前将P=0区域的值替换成最大值就行了（不用再加1.0~1.5），此例即把result2.txt里的20.305551都替换为5.11，然后放到sigmaplot里作图，调调色彩刻度即得到上图。
添加新评论VASP处理split_dos_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
VASP处理split_dos
上传于||暂无简介
阅读已结束，如果下载本文需要使用0下载券
想免费下载更多文档？
下载文档到电脑，查找使用更方便
还剩31页未读，继续阅读
你可能喜欢后使用快捷导航没有帐号？
只需一步, 快速开始
只需一步，快速开始
查看: 3929|回复: 17
介绍气候数据分析工具—Climate Data Analysis Tools
在线时间 小时
登录后查看更多精彩内容~
才可以下载或查看，没有帐号？
本帖最后由 hillside 于
16:49 编辑
描述: & && & &&
& && & PCMDI开发和维护几种用于气候研究的软件包。最常用的基于python语言的CDAT (Climate Data Analysis Tools) 软件包，有数据分析，制图等强大功能。
& && &&&CDAT能够用于发现、检测和相互耦合的多模式气候数据。通过与气候研究机构，计算组织和其他科学界的合作，CDAT的开发者社区是一路领先，提供成熟的数据管理，分析，可视化和诊断功能来帮助科学家。 CDAT这种社会各界的广泛努力，已经发展成为一个强大的和有见地的应用程序的观察和模拟气候数据的知识发现。在地球系统网格（ESG）数据基础设施的分析引擎，CDAT可以远程访问和设在世界各地的多个站点的气候数据进行分析。
注：中文系结合网络来源略作编辑，非直接翻译。
CDAT is deprecated and is now part of UV-CDAT
CDAT makes use of an open-source, object-oriented, easy-to-learn scripting language (Python) to link together separate software subsystems and packages to form an integrated environment for data analysis. Outside collaborators work independently and contribute on an equal basis with PCMDI.
Climate Data Analysis Tools (CDAT) is a software infrastructure that uses an object-oriented scripting language to link together separate software subsystems and packages thus forming an integrated environment for solving model diagnosis problems. The power of the system comes from Python and its ability to seamlessly interconnect software. Python provides a general purpose and full-featured scripting language with a variety of user interfaces including command-line interaction, stand-alone scripts (applications) and graphical user interfaces (GUI). The CDAT subsystems, implemented as modules, provide access to and management of gridded data (Climate Data Management System or CDMS); large-array numerical operations (Numerical Python); and visualization (Visualization and Control System or VCS).
One of the most difficult challenges facing climate researchers today is the cataloging and analysis of massive amounts of multi-dimensional global atmospheric and oceanic model data. To reduce the labor intensive and time-consuming process of data management, retrieval, and analysis, PCMDI and other DOE sites have come together to develop intelligent filing system and data management software for the linking of storage devices located throughout the United States and the international climate research community. This effort, headed by PCMDI, NCAR, and ANL will allow users anywhere to remotely access this distributed multi-petabyte archive and perform analysis. PCMDI's CDAT is an innovative system that supports exploration and visualization of climate scientific datasets. As an &open system&, the software sub-systems (i.e., modules) are independent and freely available to the global climate community. CDAT is easily extended to include new modules and as a result of its flexibility, PCMDI has integrated other popular software components, such as: the popular Live Access Server (LAS) and the Distributed Oceanographic Data System (DODS). Together with ANL's Globus middleware software, CDAT's focus is to allow climate researchers the ability to access and analyze multi-dimensional distributed climate datasets.
CDAT Documentation
CDAT Readme (html) | word | pdf
Climate Model Output Rewriter (CMOR)
The &Climate Model Output Rewriter& (CMOR, pronounced &Seymour&) comprises a set of FORTRAN 90 functions that can be used to produce CF-compliant netCDF files that fulfill the requirements of many of the climate community's standard model experiments.&&These experiments are collectively referred to as MIP's and include, for example, AMIP, CMIP, CFMIP, PMIP, APE, and IPCC scenario runs. The output resulting from CMOR is &self-describing& and facilitates analysis of results across models.
Much of the metadata written to the output files is defined in MIP-specific tables, typically made available from each MIP's web site.&&CMOR relies on these tables to provide much of the metadata that is needed in the MIP context, thereby reducing the programming effort required of the individual MIP contributors.
CMOR User's Guide
CDAT's&&major subsystems are:
cdms - Climate Data Management System (file I/O,&&variables, types, metadata, grids)
cdutil - Climate Data Specific Utilities (spatial and temporal averages, custom seasons, climatologies)
genutil - General Utilities (statistical and other convenience functions)
numPy - Numerical Python (large-array numerical operations)
vcs - Visualization and Control System&&(manages graphical window: picture template, graphical methods, data)
VCDAT is the graphical user interface for CDAT and helps users become familiar with CDAT by translating every button press and keystroke into Python scripts. VCDAT does not require learning Python and the CDAT software.
CDAT is public domain software with unrestricted use. For details, see the license.
CDAT and VCDAT screenshot&&thumbnails.
Please, click on the image icon to see larger image.
Download and Install In Depth Instructins to install CDAT on your systemSome known tweaks to install CDAT
Obtaining and Installing CDATCDAT is no longer supported as is, it has been superseded by UV-CDAT
For UV-CDAT install instructions see: [color=black !important]
For UV-CDAT see: [color=black !important]
The following are the old instruction for CDAT 5.2 which is no longer supported
Download Stable ReleasesCDAT is no longer available via tarball, instead it is distributed via &subversion&.Subversion can be obtained at: Current version is:
CDAT Version 5.2 (September 14h, 2009)
svn export
cdat-5.2-src
Once you got the sources you can install CDAT as follow:
# Now you need to build cdat, terms in between [] are optional./configure --prefix=CDAT_BUILD [--with-externals=CDAT_EXTERNALS] [--with-python=MY_PYTHON] [--with-opendap]# use ./configure --help for a list of all options!# Clean previous build, just in casemake clean# And finally make and build cdatmake# You can now start CDAT with the commandCDAT_BUILD/bin/cdatIn addition 5.2 comes a few UNSUPPORTED binary tarball, these (and a tarball of the sources) can be found at:For more info on these binaries see .
Download Bleeding-Edge Source Code via SubversionIf you're brave or a developper you may want to access our development branch, this includes our latest version BUT may content unstable code.to do so follow these instruction:
Create a directory to store your sources: CDAT_SRC, and choose a location where to build cdat: CDAT_BUILDOptionally you may decide on a directory where to install the externals libraries and programs needed by cdat CDAT_EXTERNALS (default is CDAT_BUILD/Externals)You can also use your own python if you want (it will still build packages in CDAT_BUILD, so you need to have write access to this location): MY_PYTHON
cd CDAT_SRC# The first time do:svn co
.# Thereafter, to simply obtain the changes since your last time simply dosvn update# Now you need to build cdat, terms in between [] are optional./configure --prefix=CDAT_BUILD [--with-externals=CDAT_EXTERNALS] [--with-python=MY_PYTHON] [--with-opendap]# use ./configure --help for a list of all options!# Clean previous build, just in csaemake clean# And finally make and build cdatmakeWait a while... You should now have a fully working cdat, if you run into any problem please contact us and send us the logs located under the logs directory
Old Versions:
CDAT Version 4.3 available via: (November 2007)
svn export
Read the README.txt file, and then run express_install.
PCMDI Documents
(available by download)2.& && & Climate Data ManagementSystem (CDMS)
0.& && && && && && && && && &&& ()()&&1.& && && && && && && && && &&& ()()
2.& && && && & External Packages andUsers Contributions ()
0.& && && && && && && & ( ) ( ) Includes Masked Arrays !1.& && && && && && && & ()( ) ()2.& && && && && && && &( ) ( )
General PythonDocumentation
·& && && && && &
-- The very thing if you are new to Python-based codes.·& && && && && &
-- tutorial, library reference, ...
Related Links
1.& && && && & Climate Analysis
, Python tools for climate variability analysis from theDepartment of Applied Physics II, Faculty of Sciences, University of the BasqueCountry.2.& && &
is a Python module implementing some objects for an easyhandling of multivariate time series in NetCDF files and some objects forstatistical analysis of this time series from Institut fur Meereskunde, Kiel
2.& && && && & Python
0.& && && && && && && & (Software Wrapper Interface Generator) connects your C orC++ to Python in a jiffy.1.& && && && && && && &FPIG, a Python / Fortranconnection tool. See 2.& && && && && && && &CXX, the C++ toolkit forwriting Python extensions. See Pyfort, a Python / Fortran connection tool. See
注：本人对于具体内容并不了解，只是介绍。
21:54 上传
点击文件名下载附件
下载积分: 金钱 -5
79.24 KB, 下载次数: 22, 下载积分: 金钱 -5
密码修改失败请联系qq：
在线时间 小时
多谢楼主的好资料呀！这个东东确实很有用，包罗万象！
密码修改失败请联系qq：
在线时间 小时
很有用，谢谢楼主
密码修改失败请联系qq：
在线时间 小时
学习学习。谢谢共享
密码修改失败请联系qq：
在线时间 小时
哈哈，长长见识
密码修改失败请联系qq：
在线时间 小时
这个东东确实很有用，包罗万象！多谢楼主的好资料呀！
密码修改失败请联系qq：
在线时间 小时
这个东东确实很有用，包罗万象！多谢楼主的好资料呀！
密码修改失败请联系qq：
在线时间 小时
好东西啊，收藏了，多谢楼主！
密码修改失败请联系qq：
在线时间 小时
好东西啊，！
密码修改失败请联系qq：
在线时间 小时
多谢楼主分享
密码修改失败请联系qq：