Gids-gekoppelde quiz · Middelmatig Niveau
AI in de quiz over gewasopbrengstvoorspelling
Bekijk vegetatie-indexen, seizoensonzekerheid, uitgestelde voorspellingen, satellietinputs, hybride gewasmodellen en de schaal van opbrengstvalidatielabels.
Vraag 1 van 8
Wat geeft de NDVI-vegetatie-index vooral weer?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Wat geeft de NDVI-vegetatie-index vooral weer?
- pH-niveau van de bodem
- De prijs van graan
- Groenheid en kracht van gewassen door satellietlichtreflectie
- Het aantal landarbeiders
- Waarom brengen de opbrengstvoorspellingen voor het vroege seizoen meer onzekerheid met zich mee dan die voor het late seizoen?
- Een groot deel van de weers- en gewasontwikkeling die de opbrengst beïnvloeden, heeft nog niet plaatsgevonden
- Satellieten worden vroeg in het seizoen uitgeschakeld
- Boeren verstoppen hun akkers vroeg
- NDVI werkt alleen in de winter
- Waar helpt validatie met apart gehouden jaren (held-out years) bij te beoordelen in een studie naar gewasopbrengstvoorspellingen?
- A guarantee that no future information can leak into the inputs
- Only whether the model's filename contains the year
- Proof that every field shares the same yield
- Generalization to another year's conditions, with forecast-time feature availability still needing control
- Welke gegevensbron levert de multispectrale beelden die gewoonlijk in deze modellen worden gebruikt?
- Alleen weerstations voor thuisgebruik
- Sentinel-2- en Landsat-satellieten
- Berichten op sociale media
- Kwitanties van de supermarkt
- Wat voegt de aangehaalde hybride opbrengststudie over de Amerikaanse Corn Belt toe aan machine learning-voorspellers?
- Variables supplied by a process-based crop simulation model such as APSIM
- Removal of every weather and soil input
- A guarantee that the model needs no regional validation
- Only random labels unrelated to crop development
- Why should crop-yield evaluations examine unusual heat or drought years separately?
- Extreme conditions always make prediction easier
- A high NDVI guarantees an unchanged yield under every stress
- Training mainly on ordinary conditions may not represent those stress responses adequately
- Every weather year is identical once a crop is named
- If a vegetation observation has near-infrared reflectance 0.6 and red reflectance 0.2, what is its NDVI?
- 0.8, by adding the two values only
- 0.5, using (0.6 minus 0.2) divided by (0.6 plus 0.2)
- 0.4, by subtracting without normalization
- 3.0, by dividing near-infrared by red only
- What does validation against county-average yield labels establish about an individual-field forecast?
- It guarantees every field has the county's average yield
- It converts a regional label into a direct harvest measurement for each field
- It removes all need to know the forecast's spatial unit
- It does not by itself establish field-level accuracy; the intended scale needs its own evidence