Mit dem Guide verknüpftes Quiz · Mittel Ebene

Quiz zur KI in der Analyse von Satellitenbildern

Testen Sie, wie Modelle große Erdbeobachtungsszenen verarbeiten, Sensorbänder kombinieren und Landbedeckungsänderungen anhand von Satellitendaten kartieren.

Verwandte FührungspfadeKI in der Satellitenbildanalyse
Frage 1 von 8

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

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  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. Was bewirkt die „Änderungserkennung“ bei der Satellitenanalyse?
    • Zählt die Satelliten im Orbit
    • Vergleicht Bilder desselben Ortes im Laufe der Zeit, um signifikante Unterschiede zu erkennen
    • Ändert die Farbe des Satelliten
    • Erkennt den Start neuer Satelliten
  3. Warum ist Radar mit synthetischer Apertur (SAR) besonders wertvoll?
    • Es funktioniert nur an sonnigen Tagen
    • Es werden Farbfotos für Touristen gemacht
    • Es kann durch Wolken sehen und nachts arbeiten
    • Es ersetzt die Notwendigkeit jeglicher KI
  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. Was ist „semantische Segmentierung“ in der Bildanalyse?
    • Beschriften Sie jedes Pixel nach seiner Klasse, z. B. Wasser, Straße oder Wald
    • Teile eines Bildes löschen
    • Komprimieren des Bildes in eine kleinere Datei
    • Bildunterschriften in andere Sprachen übersetzen
  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