2025年秋地理信息技術(shù)應(yīng)用能力測(cè)試試卷及答案一、單項(xiàng)選擇題（每題2分，共20分。每題只有一個(gè)正確答案，請(qǐng)將正確選項(xiàng)字母填在括號(hào)內(nèi)）1.在QGIS3.34中，若需將WGS84經(jīng)緯度坐標(biāo)系下的矢量圖層轉(zhuǎn)換為CGCS2000/3degreeGaussKrugerzone39投影坐標(biāo)系，應(yīng)優(yōu)先使用的工具是（）。A.圖層屬性→源→設(shè)置CRSB.處理工具箱→矢量通用→重新投影圖層C.地理處理→裁剪D.插件→GeoHey→坐標(biāo)轉(zhuǎn)換答案：B解析：重新投影圖層（ReprojectLayer）是官方推薦的標(biāo)準(zhǔn)工具，可完整寫(xiě)入新.prj文件并自動(dòng)計(jì)算七參數(shù)，A項(xiàng)僅改變顯示CRS不會(huì)重寫(xiě)幾何坐標(biāo)，C、D與投影無(wú)關(guān)。2.利用Sentinel2L2A影像計(jì)算NDVI時(shí)，若影像為10m分辨率，但用戶只想提取20m分辨率結(jié)果以匹配實(shí)測(cè)樣方，最合理的降采樣方法是（）。A.雙線性重采樣→聚合因子2B.最鄰近重采樣→聚合因子2C.雙三次卷積→聚合因子3D.模式重采樣→聚合因子4答案：A解析：NDVI為連續(xù)變量，雙線性可保留光譜漸變信息；因子2可將10m聚合為20m，B最鄰近易產(chǎn)生鋸齒，C因子3無(wú)法整除，D模式用于離散數(shù)據(jù)。3.在PostGIS中執(zhí)行空間索引優(yōu)化的語(yǔ)句是（）。A.VACUUMANALYZE;B.CREATEINDEXidx_roads_geomONroadsUSINGGIST(geom);C.CLUSTERroadsUSINGidx_roads_geom;D.SELECTUpdateGeometrySRID('roads','geom',4526);答案：B解析：GIST索引是PostGIS加速空間查詢的核心，A僅統(tǒng)計(jì)更新，C物理聚簇非必須，D改SRID與索引無(wú)關(guān)。4.某市利用出租車GPS軌跡數(shù)據(jù)建立道路擁堵模型，需將1秒一條的原始軌跡壓縮為30秒間隔，同時(shí)保留轉(zhuǎn)向點(diǎn)，應(yīng)選擇的算法是（）。A.DouglasPeuckerB.TopdownTimeRatioC.STTraceSimplificationD.BellmanFord答案：C解析：STTrace兼顧時(shí)空維度，可設(shè)定速度轉(zhuǎn)角閾值保留關(guān)鍵轉(zhuǎn)向，A僅幾何、B僅時(shí)間、D為最短路徑。5.在GoogleEarthEngine中，下列代碼用于掩云的功能是（）。A.image.updateMask(image.select('QA60').eq(0))B.image.clipToCollection(roi)C.image.remap([10],[1])D.image.multiply(0.0001)答案：A解析：Sentinel2QA60位存儲(chǔ)云掩膜，eq(0)保留無(wú)云像元，B為裁剪，C為重映射，D為尺度轉(zhuǎn)換。6.利用無(wú)人機(jī)航測(cè)生成DSM時(shí)，若出現(xiàn)“穹頂”現(xiàn)象，最可能的原因是（）。A.相機(jī)畸變未校正B.飛行方向單一C.地面控制點(diǎn)高程錯(cuò)誤D.光照過(guò)強(qiáng)答案：B解析：缺乏交叉航線導(dǎo)致前方交會(huì)角過(guò)小，高程在邊緣處外推形成穹頂，A影響平面精度，C影響絕對(duì)高程，D影響紋理。7.在ArcGISPro中，使用“訓(xùn)練深度學(xué)習(xí)模型”工具需先創(chuàng)建的輸入是（）。A.柵格函數(shù)模板B.已標(biāo)注的影像切片和JSON標(biāo)簽C.拓?fù)湟?guī)則D.網(wǎng)絡(luò)數(shù)據(jù)集答案：B解析：深度學(xué)習(xí)需標(biāo)準(zhǔn)PASCALVOC或COCO格式切片+標(biāo)簽，A用于柵格代數(shù)，C、D與訓(xùn)練無(wú)關(guān)。8.下列關(guān)于SAR影像幾何校正的說(shuō)法正確的是（）。A.距離向分辨率與入射角無(wú)關(guān)B.多普勒中心頻率為零時(shí)無(wú)幾何畸變C.地形起伏引起的疊掩只能利用外部DEM校正D.SAR影像必須做輻射定標(biāo)后才能地理編碼答案：C解析：疊掩（Layover）需DEM模擬地形相位進(jìn)行RD幾何校正，A距離向隨入射角變化，B多普勒為零僅說(shuō)明正側(cè)視，D地理編碼可后做輻射定標(biāo)。9.在遙感變化檢測(cè)中，若兩期影像獲取季節(jié)不同，為減小物候差異，最佳策略是（）。A.直接做差值并閾值分割B.利用同期多年合成影像作為參考C.采用CVA變換D.采用MAD變換答案：B解析：多年同期合成可抑制年際物候差異，A忽略物候，C、D對(duì)季節(jié)差異敏感。10.在PyTorch中編寫(xiě)自定義柵格數(shù)據(jù)集類時(shí)，必須重寫(xiě)的關(guān)鍵方法是（）。A.__init__與__len__B.__getitem__C.__iter__D.__next__答案：B解析：DataLoader通過(guò)__getitem__按索引讀取樣本，A非必須，C、D為迭代器協(xié)議，非Dataset要求。二、多項(xiàng)選擇題（每題3分，共15分。每題有兩個(gè)或兩個(gè)以上正確答案，多選、少選、錯(cuò)選均不得分）11.下列哪些技術(shù)可有效提升夜光遙感影像去噪效果（）。A.小波軟閾值B.NLM非局部均值C.STARFM時(shí)空融合D.主成分分析答案：A、B解析：小波與NLM均為經(jīng)典去噪，C用于時(shí)空融合，D用于降維而非去噪。12.關(guān)于三維城市模型LOD3的描述正確的是（）。A.包含屋頂結(jié)構(gòu)細(xì)節(jié)B.可區(qū)分建筑立面材質(zhì)C.可用于城市風(fēng)環(huán)境模擬D.幾何精度優(yōu)于LOD2答案：A、B、C、D解析：LOD3定義包含屋頂、立面材質(zhì)與開(kāi)口，精度<0.5m，適用于CFD。13.在GeoServer發(fā)布PostGIS柵格表時(shí)，需配置的參數(shù)包括（）。A.柵格表名與幾何字段B.瓦片大小與影像金字塔C.JDBC連接池D.樣式SLD路徑答案：A、B、C解析：D樣式可在發(fā)布圖層后綁定，非數(shù)據(jù)源配置階段必須。14.下列屬于移動(dòng)GIS離線緩存格式的是（）。A.MBTilesB.GeoPackageC.TPKXD.SLPK答案：A、B、C解析：SLPK為場(chǎng)景包，非傳統(tǒng)二維緩存。15.關(guān)于激光雷達(dá)點(diǎn)云分類，基于深度學(xué)習(xí)的PointNet++相比傳統(tǒng)漸進(jìn)式加密的優(yōu)勢(shì)有（）。A.無(wú)需手動(dòng)設(shè)計(jì)特征B.可端到端輸出類別C.對(duì)噪聲點(diǎn)魯棒D.計(jì)算耗時(shí)更低答案：A、B、C解析：PointNet++推理耗時(shí)高于漸進(jìn)式，D錯(cuò)誤。三、填空題（每空2分，共20分）16.在GDAL命令行中，將柵格A.tif的NoData值設(shè)為9999并生成新文件B.tif的指令為：gdal_translatea_nodata（1）A.tifB.tif答案：9999解析：a_nodata后接具體值。17.在WMTS標(biāo)準(zhǔn)中，TileMatrixSet定義了瓦片矩陣的層級(jí)、像素尺寸與（2）。答案：TileMatrix原點(diǎn)解析：原點(diǎn)決定瓦片編號(hào)方向。18.在Python中，利用Rasterio讀取柵格第3波段并轉(zhuǎn)為numpy數(shù)組的代碼為：withrasterio.open('img.tif')assrc:??band3=src.read（3）答案：3解析：read(3)表示第三波段。19.在SARscape中進(jìn)行InSAR處理時(shí)，若基線超過(guò)臨界基線的30%，會(huì)導(dǎo)致（4）現(xiàn)象。答案：去相干解析：空間基線過(guò)長(zhǎng)使頻譜偏移過(guò)大，失去干涉信號(hào)。20.在CityEngine中，使用CGA規(guī)則進(jìn)行建筑拉伸時(shí)，命令extrude(world.up,30)中的world.up表示（5）方向。答案：世界坐標(biāo)Z軸解析：world.up即全局高程方向。21.在Kepler.gl中添加時(shí)空立方體圖層需指定的時(shí)間字段類型為（6）。答案：timestamp解析：Kepler.gl識(shí)別timestamp才能播放動(dòng)畫(huà)。22.在GRASSGIS中，利用v.to.rast將矢量道路轉(zhuǎn)為柵格時(shí)，若按類別值轉(zhuǎn)換，需設(shè)置type=（7）。答案：area解析：type=area表示按面類別，line則按線長(zhǎng)度密度。23.在遙感影像分類精度評(píng)估中，用戶精度與制圖精度之和減去（8）等于1。答案：漏分誤差解析：用戶精度=1錯(cuò)分，制圖精度=1漏分，二者無(wú)直接和為1關(guān)系，此處考察概念，填“漏分誤差”即可。24.在三維激光掃描中，點(diǎn)云強(qiáng)度值主要受目標(biāo)物（9）與入射角影響。答案：反射率解析：強(qiáng)度=反射率×cos(入射角)×距離衰減。25.在FME中，使用Clipper轉(zhuǎn)換器時(shí)，被裁剪對(duì)象應(yīng)連接到（10）端口。答案：Clippee解析：Clippee為被裁剪，Clipper為裁剪邊界。四、判斷題（每題1分，共10分。正確打“√”，錯(cuò)誤打“×”）26.在PostgreSQL中，執(zhí)行SELECTPostGIS_Version()可查看PostGIS版本號(hào)。（√）27.無(wú)人機(jī)航測(cè)時(shí)，增大旁向重疊率可有效減少“空洞”但會(huì)降低空三計(jì)算速度。（√）28.在ENVI中，MNF變換第一分量一定包含最大方差信息，因此可直接用于變化檢測(cè)。（×）解析：第一成分為最大方差，但未必代表變化信息，需后續(xù)分析。29.在GeoJSON中，F(xiàn)eatureCollection的“features”鍵值類型為數(shù)組。（√）30.在ArcGISPro字段計(jì)算器中使用Python表達(dá)式，!shape.area!與!shape.geodesicArea!在WebMercator坐標(biāo)系下數(shù)值相同。（×）解析：WebMercator面積變形大，二者差異顯著。31.在激光雷達(dá)點(diǎn)云濾波中，PMF算法假設(shè)地形坡度局部恒定。（√）32.在GoogleEarthEngine中，導(dǎo)出影像到Drive時(shí)，設(shè)置maxPixels參數(shù)為1e13可跳過(guò)所有計(jì)算限制。（×）解析：仍受用戶配額與計(jì)算時(shí)間限制。33.在QGIS中，虛擬圖層支持使用SpatiaLite函數(shù)進(jìn)行空間查詢。（√）34.在SAR影像中，升軌與降軌數(shù)據(jù)可以互相替代進(jìn)行DEM生成。（×）解析：幾何構(gòu)像差異大，需聯(lián)合使用提高精度。35.在三維CityGML中，LOD0僅表示建筑基底footprint，無(wú)高度信息。（√）五、簡(jiǎn)答題（每題10分，共30分）36.簡(jiǎn)述利用深度學(xué)習(xí)進(jìn)行高分辨率影像建筑物提取的完整流程，并指出兩個(gè)關(guān)鍵評(píng)價(jià)指標(biāo)及其計(jì)算公式。答案：流程：①數(shù)據(jù)準(zhǔn)備：收集亞米級(jí)影像，標(biāo)注矢量邊界，切片為512×512像素，按8:1:1劃分訓(xùn)練、驗(yàn)證、測(cè)試集。②數(shù)據(jù)增強(qiáng)：隨機(jī)旋轉(zhuǎn)、翻轉(zhuǎn)、色彩抖動(dòng)、隨機(jī)裁剪，擴(kuò)增5倍。③模型選擇：采用SwinUNet，編碼器用SwinT，解碼器用U型跳躍連接，損失函數(shù)為Dice+BCE聯(lián)合。④訓(xùn)練策略：AdamW優(yōu)化器，初始學(xué)習(xí)率1e4，余弦退火，早停patience=20，batch=16，迭代200epoch。⑤后處理：采用CRF條件隨機(jī)場(chǎng)細(xì)化邊緣，去除<25像素小斑塊，填補(bǔ)孔洞。⑥精度評(píng)估：在測(cè)試集上計(jì)算。關(guān)鍵指標(biāo)：1.IoU=TP/(TP+FP+FN)2.F1=2×Precision×Recall/(Precision+Recall)，其中Precision=TP/(TP+FP)，Recall=TP/(TP+FN)。解析：IoU兼顧漏提與誤提，F(xiàn)1平衡精確與召回，二者互補(bǔ)。37.說(shuō)明如何利用多源數(shù)據(jù)（Sentinel1/2、DEM、土地覆蓋）在GoogleEarthEngine中實(shí)現(xiàn)滑坡易發(fā)性制圖，并給出核心代碼片段。答案：步驟：①數(shù)據(jù)獲取：S1選用20192023升軌VV+VH，S2選用同期L2A波段，DEM選用SRTM30m，土地覆蓋選用ESA10m。②特征提取：S1：計(jì)算均值、標(biāo)準(zhǔn)差、紋理（GLCM對(duì)比度）。S2：計(jì)算NDVI、NDWI、MoistureIndex、波段比值。DEM：坡度、坡向、曲率、TWI、SPI。土地覆蓋：重編碼為數(shù)值類別。③樣本構(gòu)建：結(jié)合歷史滑坡編目，隨機(jī)生成等量非滑坡點(diǎn)，共8000樣本，按7:3劃分。④模型：調(diào)用ee.Classifier.smileRandomForest(500,5,50)訓(xùn)練。⑤精度：使用confusionMatrix計(jì)算OA、kappa。核心代碼：```javascriptvars1=ee.ImageCollection('COPERNICUS/S1_GRD')??.filterBounds(roi)??.filterDate('20190101','20231231')??.filter(ee.Filter.eq('orbitProperties_pass','ASCENDING'))??.map(function(img){???varvv=img.select('VV');???varvh=img.select('VH');???returnvv.addBands(vh)????.copyProperties(img,['system:time_start']);??});vars1Mean=s1.mean();vardem=ee.Image('USGS/SRTMGL1_003');varslope=ee.Terrain.slope(dem);varrf=ee.Classifier.smileRandomForest(500)??.train({???features:sample,???classProperty:'label',???inputProperties:bands??});varsusceptibility=stacked.classify(rf);Map.addLayer(susceptibility,{min:0,max:1,palette:['white','red']},'LandslideSusceptibility');```解析：多源特征提升非線性可分性，RF對(duì)高維特征穩(wěn)健，TWI反映水文條件，對(duì)滑坡極為重要。38.闡述利用移動(dòng)激光雷達(dá)（MLS）數(shù)據(jù)提取道路標(biāo)線的算法思路，并說(shuō)明如何驗(yàn)證其平面精度。答案：算法思路：①預(yù)處理：采用IMU/GNSS融合解算軌跡，使用CLOCS算法進(jìn)行SLAM精化，剔除漂移。②點(diǎn)云分割：基于掃描線角度與強(qiáng)度雙重閾值，強(qiáng)度>150且回波次數(shù)=1的點(diǎn)初篩。③聚類：采用歐氏距離聚類，距離閾值0.3m，強(qiáng)度方差<10，聚為潛在標(biāo)線簇。④幾何擬合：對(duì)每簇做RANSAC直線擬合，斷裂長(zhǎng)度>2m則分段，曲率>0.05m1采用三次樣條。⑤拓?fù)溥B接：建立圖結(jié)構(gòu)，節(jié)點(diǎn)為端點(diǎn)，邊為距離<0.5m且方向差<15°，采用最小生成樹(shù)連接。⑥類別細(xì)分：基于寬度、平行間距區(qū)分虛線、實(shí)線、箭頭，寬度閾值0.150.25m。精度驗(yàn)證：采用全站儀實(shí)測(cè)200個(gè)標(biāo)線中心點(diǎn)作為真值，計(jì)算RMSE=√[Σ(xiXi)2+(yiYi)2]/n。相對(duì)精度：以車載POS標(biāo)稱精度±2cm+1ppm作為基準(zhǔn)，要求RMSE≤5cm。解析：強(qiáng)度閾值為經(jīng)驗(yàn)值，需現(xiàn)場(chǎng)標(biāo)定，RANSAC抗噪強(qiáng)，圖結(jié)構(gòu)可修復(fù)遮擋斷裂。六、綜合應(yīng)用題（25分）39.某市計(jì)劃建設(shè)一條長(zhǎng)30km的地鐵延長(zhǎng)線，需進(jìn)行施工前沿線1km緩沖區(qū)的施工擾動(dòng)評(píng)估。請(qǐng)利用遙感與GIS技術(shù)完成以下任務(wù)，并給出詳細(xì)步驟、數(shù)據(jù)源、處理工具、結(jié)果指標(biāo)。（1）構(gòu)建20202024年土地利用/覆蓋變化序列；（2）估算施工擾動(dòng)導(dǎo)致的碳匯損失；（3）提出基于自然的解決方案（NbS）緩解措施并做空間選址。答案：（1）變化序列構(gòu)建數(shù)據(jù)源：Sentinel2L2A20202024每年6月與9月影像，共10期；本地LULC2020年矢量作為基準(zhǔn)；GoogleEarth高分辨率影像作為驗(yàn)證。工具：GEE+Python+QGIS步驟：①在GEE中構(gòu)建年度無(wú)云合成，計(jì)算NDVI、NDWI、BI、EVI、紋理。②采用RF分類器，以2