Questionário vinculado ao guia · Médio Nível

Questionário de análise de imagens de satélite sobre IA

Teste como os modelos processam grandes cenas de observação da Terra, combinam bandas de sensores e mapeiam mudanças na cobertura do solo a partir de dados de satélite.

Caminhos de guia relacionadosIA na análise de imagens de satélite
Pergunta 1 de 8

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

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  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. O que a 'detecção de alterações' faz na análise de satélite?
    • Conta os satélites em órbita
    • Compara imagens do mesmo lugar ao longo do tempo para sinalizar diferenças significativas
    • Muda a cor do satélite
    • Detecta novos satélites sendo lançados
  3. Por que o radar de abertura sintética (SAR) é especialmente valioso?
    • Só funciona em dias ensolarados
    • Tira fotos coloridas para turistas
    • Ele pode ver através das nuvens e operar à noite
    • Ele substitui a necessidade de qualquer 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. O que é 'segmentação semântica' na análise de imagens?
    • Rotular cada pixel por sua classe, como água, estrada ou floresta
    • Excluindo partes de uma imagem
    • Compactando a imagem em um arquivo menor
    • Traduzindo legendas de imagens para outros 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