Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

AI σε κουίζ ανάλυσης δορυφορικών εικόνων

Δοκιμάστε πώς τα μοντέλα επεξεργάζονται μεγάλες σκηνές παρατήρησης της Γης, συνδυάζουν ζώνες αισθητήρων και χαρτογραφούν τις αλλαγές της κάλυψης της γης από δορυφορικά δεδομένα.

Σχετικές διαδρομές οδηγώνAI σε δορυφορική ανάλυση εικόνων
Ερώτηση 1 του 8

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

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  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. Τι κάνει η «ανίχνευση αλλαγών» στη δορυφορική ανάλυση;
    • Μετρά τους δορυφόρους σε τροχιά
    • Συγκρίνει εικόνες του ίδιου μέρους με την πάροδο του χρόνου για να επισημάνει σημαντικές διαφορές
    • Αλλάζει το χρώμα του δορυφόρου
    • Ανιχνεύει νέους δορυφόρους που εκτοξεύονται
  3. Γιατί το συνθετικό ραντάρ διαφράγματος (SAR) είναι ιδιαίτερα πολύτιμο;
    • Λειτουργεί μόνο τις ηλιόλουστες μέρες
    • Βγάζει έγχρωμες φωτογραφίες για τους τουρίστες
    • Μπορεί να δει μέσα από τα σύννεφα και να λειτουργεί τη νύχτα
    • Αντικαθιστά την ανάγκη για οποιοδήποτε 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. Τι είναι η «σημασιολογική κατάτμηση» στην ανάλυση εικόνας;
    • Επισήμανση κάθε pixel ανά κατηγορία, όπως νερό, δρόμος ή δάσος
    • Διαγραφή τμημάτων μιας εικόνας
    • Συμπίεση της εικόνας σε μικρότερο αρχείο
    • Μετάφραση λεζάντας εικόνων σε άλλες γλώσσες
  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