위성 이미지 분석 퀴즈의 AI

퀴즈를 풀면 정답과 설명이 나타납니다.

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. 위성분석에서 '변화 감지'는 어떤 역할을 하나요?
   • 궤도에 있는 위성 수를 계산합니다.
   • 시간이 지남에 따라 같은 장소의 이미지를 비교하여 의미 있는 차이점을 표시합니다.
   • 위성의 색상을 변경합니다
   • 발사되는 새로운 위성을 감지
3. 합성 개구 레이더(SAR)가 특히 중요한 이유는 무엇입니까?
   • 맑은 날에만 작동해요
   • 관광객들을 위한 컬러 사진을 찍는다
   • 구름 사이로 볼 수 있고 밤에도 작동할 수 있다
   • AI의 필요성을 대체합니다.
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. 이미지 분석에서 '의미분할'이란?
   • 물, 도로, 숲 등 클래스별로 모든 픽셀에 라벨을 지정합니다.
   • 이미지의 일부 삭제
   • 이미지를 더 작은 파일로 압축
   • 이미지 캡션을 다른 언어로 번역
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