Gids-gekoppelde quiz · Middelmatig Niveau

AI in de analysequiz van satellietbeelden

Test hoe modellen grote aardobservatiescènes verwerken, sensorbanden combineren en veranderingen in landbedekking in kaart brengen op basis van satellietgegevens.

Vraag 1 van 8

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

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  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. Wat doet 'veranderingsdetectie' bij satellietanalyse?
    • Telt de satellieten in een baan om de aarde
    • Vergelijkt afbeeldingen van dezelfde plaats in de loop van de tijd om betekenisvolle verschillen te signaleren
    • Verandert de kleur van de satelliet
    • Detecteert dat nieuwe satellieten worden gelanceerd
  3. Waarom is synthetische apertuurradar (SAR) bijzonder waardevol?
    • Het werkt alleen op zonnige dagen
    • Er zijn kleurenfoto's nodig voor toeristen
    • Het kan door wolken kijken en 's nachts opereren
    • Het vervangt de behoefte aan 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. Wat is 'semantische segmentatie' in beeldanalyse?
    • Elke pixel labelen op basis van zijn klasse, zoals water, weg of bos
    • Delen van een afbeelding verwijderen
    • De afbeelding comprimeren naar een kleiner bestand
    • Beeldbijschriften vertalen naar andere talen
  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