Cuestionario vinculado a una guía · Medio Nivel

Prueba de IA en análisis de imágenes satelitales

Pruebe cómo los modelos procesan grandes escenas de observación de la Tierra, combinan bandas de sensores y mapean cambios en la cobertura del suelo a partir de datos satelitales.

Rutas de guía relacionadasIA en el análisis de imágenes satelitales
Pregunta 1 de 8

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

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  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. ¿Qué hace la 'detección de cambios' en el análisis de satélites?
    • Cuenta los satélites en órbita.
    • Compara imágenes del mismo lugar a lo largo del tiempo para señalar diferencias significativas.
    • Cambia el color del satélite.
    • Detecta el lanzamiento de nuevos satélites
  3. ¿Por qué es especialmente valioso el radar de apertura sintética (SAR)?
    • Sólo funciona en días soleados.
    • Toma fotografías en color para turistas.
    • Puede ver a través de las nubes y funcionar de noche.
    • Reemplaza la necesidad de cualquier IA
  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. ¿Qué es la 'segmentación semántica' en el análisis de imágenes?
    • Etiquetar cada píxel por su clase, como agua, carretera o bosque
    • Eliminar partes de una imagen
    • Comprimir la imagen en un archivo más pequeño
    • Traducir títulos de imágenes a otros idiomas
  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