Questionário vinculado ao guia · Médio Nível

Questionário de previsão de rendimento de colheita

Revise os índices de vegetação, a incerteza sazonal, as previsões realizadas, os dados de satélite, os modelos de culturas híbridas e a escala dos rótulos de validação de rendimento.

Caminhos de guia relacionadosIA na previsão do rendimento da colheita
Pergunta 1 de 8

O que indica principalmente o índice de vegetação NDVI?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. O que indica principalmente o índice de vegetação NDVI?
    • Nível de pH do solo
    • O preço do grão
    • Cultive o verde e o vigor da refletância da luz de satélite
    • O número de trabalhadores agrícolas
  2. Porque é que as previsões de rendimento no início da época comportam mais incerteza do que as do final da época?
    • Grande parte do clima e do desenvolvimento das culturas que afetam o rendimento ainda não aconteceu
    • Satélites são desligados no início da temporada
    • Os agricultores escondem os seus campos cedo
    • NDVI só funciona no inverno
  3. What does held-out-year validation help assess in a crop-yield forecast study?
    • 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
  4. Qual fonte de dados fornece as imagens multiespectrais comumente usadas nesses modelos?
    • Apenas estações meteorológicas domésticas
    • Satélites Sentinel-2 e Landsat
    • Postagens em mídias sociais
    • Recibos de mercearia
  5. What does the cited US Corn Belt hybrid yield study add to machine-learning predictors?
    • 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
  6. 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
  7. 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
  8. 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