最後一天來綜整一下。

還記得介紹了哪些氣象食材(資料)嗎？
更精準地說，還記得介紹哪些儲存這些資料的格式嗎？
有csv, xml, json, geotiff, hdf5, hdf4, grib2, netcdf4, netcdf5,rainbow5,nexrad,cap。
當然中間有幾篇是特別說了視覺化。

讀取這些資料，就很像煮菜前先把食材從冰箱或箱子等容器拿出來，只是知道如何開啟這些容器。
有了這些資料，並會讀取，只是第一步。

接下來的重點是如何找到這些資料的價值，譬如
1.單看A資料沒有太大的意義，但A資料與B資料結合之後，能夠提供為什麼產品會熱賣的原因。
2.A資料在一般的直角座標系統看不出有何意義，但換到了對數座標系統卻呈現了線性相關。

而要不斷尋找並發揮資料的價值，可以仰賴很多手段，譬如統計分析、多樣的視覺化、機器學習等。
就如同最後兩天的兩篇文章，
一篇是使用機器學習的分群技術，將眾多資料物以類聚，而且分群分得還不錯。
另一篇是應用卷積神經網路注意力機制於雲分辨率的估計。

當然，要知道如何應用這些資料並發會其價值(甚至加值受惠於跨領域)，必須透過不斷的討論嘗試。
所以，對氣象資料有興趣的讀者，開始使用氣象局開放資料吧，使用有機會幫助您工作或研究領域的氣象資料吧！
而未來氣象局一定會開放更多樣化的氣象資料給使用者使用。

今年是撰寫如何讀取這些資料，明年如果有機會(時間)，來寫寫如何將數值寫成不同的資料格式。

對於資料格式如果有不理解的，歡迎詢問喔，畢竟也沒有介紹的很細節。