Тест, свързан с ръководство · Среден Ниво

AI в теста за анализ на сателитни изображения

Тествайте как моделите обработват големи сцени за наблюдение на Земята, комбинирайте сензорни ленти и картографирайте промените в земното покритие от сателитни данни.

Свързани ръководни пътекиAI в анализа на сателитни изображения
Въпрос 1 на 8

What can AI help analysts do with large collections of satellite images?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. What can AI help analysts do with large collections of satellite images?
    • Find patterns and changes across imagery for human interpretation
    • Replace all field observations with certain diagnoses
    • Guarantee that every land-cover label is correct
    • Create satellite observations where no sensor data exist
  2. Какво прави „откриването на промяна“ в сателитния анализ?
    • Брои сателитите в орбита
    • Сравнява изображения на едно и също място във времето, за да маркира значими разлики
    • Променя цвета на сателита
    • Открива изстрелване на нови сателити
  3. Защо радарът със синтетична апертура (SAR) е особено ценен?
    • Работи само в слънчеви дни
    • Прави цветни снимки за туристи
    • Може да вижда през облаците и да работи през нощта
    • Той замества необходимостта от всякакъв AI
  4. What does the USGS describe NDVI as measuring?
    • A complete diagnosis of plant health
    • The amount of rainfall in a watershed
    • The concentration of minerals in soil
    • The contrast between near-infrared and red reflectance used as a vegetation index
  5. Какво е „семантично сегментиране“ в анализа на изображения?
    • Маркиране на всеки пиксел по неговия клас, като вода, път или гора
    • Изтриване на части от изображение
    • Компресиране на изображението в по-малък файл
    • Превод на надписи към изображения на други езици
  6. What PlanetScope coverage did Planet document for its Dove fleet?
    • Continuous video of every location
    • Near-daily multispectral coverage over landmasses
    • Daily imagery of every ocean depth
    • A guaranteed clear image of every land parcel each day
  7. Why are large satellite scenes often divided into smaller image tiles before model processing?
    • It turns radar data into visible-light photographs
    • It guarantees every tile shows a different land-cover class
    • Tiling makes a very large scene manageable for computation and localized analysis
    • It removes the need to align images from different dates
  8. What can combining multiple spectral or radar bands help an analyst infer beyond visible color?
    • The exact identity of every person on the ground
    • The satellite's remaining fuel
    • A guaranteed forecast of next year's weather
    • Properties such as vegetation condition, soil moisture, or flooding