研究方法
資料前處理
首先，我們從美國國家航空暨太空總署（NASA）的EMIT任務官方網站下載高光譜影像圖，並進行正交校正以及大氣校正。隨後，利用多種指標（例如歸一化植被指數與歸一化水體指數）對數據進行標準化處理。
1. NDVI
歸一化植被指標(NDVI):
歸一化植被指標與植被分布密切相關。較高的NDVI值代表該區域在近紅外波段具有較強的反射特性，而近紅外反射率的提升通常反映更茂盛的植物生長。
本研究採用 NDVI ((842nm-665nm)/(842nm+665nm)) < 0.35 為閾值，以排除植被覆蓋度較低的區域。
2. NDWI
歸一化水體指標 (NDWI):
歸一化水體指數利用遙感影像中的綠光與近紅外波段，對水體區域的存在具有顯著響應特性。
本研究採用 NDWI ((560nm-842nm)/(560nm+842nm)) > 0 為閾值，以排除水體區域。
方法
根據本研究假設，具有高植物多樣性的區域在總面積中佔比較小。由於這些區域聚集多種稀有物種，其植被特徵預期將與其他地區呈現顯著差異，此種差異具體體現於光譜數據之中。
為識別植物多樣性，我們針對每個像素的光譜數據，計算特定波長區間的 Z-score 數值。這些 Z-score 數據有助於定位光譜特徵偏差最顯著的網格點位。
後續透過建立以 Z-score 值進行色彩編碼的分布圖，即可有效辨識植物多樣性熱點區域。
結果
我們目前的光譜分析能成功區分水體、農耕地與自然植被，但對於建築物與沙地區域的判識仍具挑戰性。根據 Z-score 數值與衛星影像對照，我們最終選取多個特徵熱點，並將結果呈現為互動式地圖。