2025年大學(xué)《生物統(tǒng)計(jì)學(xué)》專業(yè)題庫(kù)及答案—生物統(tǒng)計(jì)學(xué)在森林遙感監(jiān)測(cè)一、單選題（每題1分，共20分）1.在Landsat8OLI影像中，用于估算森林葉面積指數(shù)（LAI）的最優(yōu)波段組合是A.Band1/Band2B.Band3/Band4C.Band4/Band5D.Band5/Band4答案：D2.若Sentinel2的NDVI時(shí)序服從AR(1)過(guò)程，其自相關(guān)系數(shù)ρ=0.72，則采樣間隔需控制在多少天以內(nèi)，才能保證年際變化檢測(cè)的統(tǒng)計(jì)功效≥0.8（α=0.05）A.5B.8C.10D.16答案：C3.在kNN法估算森林蓄積量時(shí)，若采用歐氏距離且未對(duì)光譜變量進(jìn)行標(biāo)準(zhǔn)化，可能導(dǎo)致的偏差類型為A.截距漂移B.斜率壓縮C.異方差D.自相關(guān)答案：B4.使用GEDI全波形LiDAR數(shù)據(jù)提取RH95時(shí)，對(duì)波形進(jìn)行高斯分解的主要目的是A.降低脈沖展寬效應(yīng)B.抑制地形坡度影響C.增強(qiáng)回波信噪比D.校正大氣衰減答案：A5.在隨機(jī)森林回歸中，若OOB誤差隨mtry增大而單調(diào)上升，則最合理的解釋是A.噪聲變量占比過(guò)高B.樣本量不足C.樹(shù)間相關(guān)性過(guò)低D.響應(yīng)變量非平穩(wěn)答案：A6.對(duì)MODISNDVI年際序列進(jìn)行BreaksForAdditiveSeasonandTrend（BFAST）檢測(cè)時(shí)，若顯著性水平α從0.05調(diào)至0.01，則A.斷點(diǎn)數(shù)量期望增加B.斷點(diǎn)數(shù)量期望減少C.斷點(diǎn)位置方差增大D.斷點(diǎn)位置無(wú)偏性喪失答案：B7.在森林遙感抽樣設(shè)計(jì)中，采用系統(tǒng)抽樣比簡(jiǎn)單隨機(jī)抽樣方差降低的條件是A.空間自相關(guān)Moran’sI>0B.空間自相關(guān)Moran’sI<0C.樣本量n>30D.響應(yīng)變量服從正態(tài)分布答案：A8.若Sentinel1VH后向散射對(duì)森林生物量的敏感度在60t·hm?2后趨于飽和，則采用非線性模型優(yōu)于線性模型的根本原因是A.降低異方差B.避免外推偏差C.提高決定系數(shù)D.滿足正態(tài)殘差答案：B9.在時(shí)空克里金中，若nugget/sill=0.4，則最優(yōu)采樣策略應(yīng)A.增加時(shí)間采樣頻率B.增加空間采樣密度C.同時(shí)增加時(shí)空采樣D.減少采樣避免過(guò)擬合答案：B10.使用無(wú)人機(jī)多光譜數(shù)據(jù)時(shí)，若太陽(yáng)高度角<30°，則BRDF校正的最關(guān)鍵參數(shù)是A.熱點(diǎn)指數(shù)B.散射角C.相對(duì)方位角D.觀測(cè)天頂角答案：A11.對(duì)森林火燒跡地進(jìn)行變化檢測(cè)時(shí)，若采用差值法且假設(shè)雙時(shí)相誤差獨(dú)立，則變化閾值的置信區(qū)間寬度與A.兩時(shí)相標(biāo)準(zhǔn)差之和成正比B.兩時(shí)相標(biāo)準(zhǔn)差平方和開(kāi)方成正比C.兩時(shí)相均值之差成正比D.兩時(shí)相方差之比成正比答案：B12.在廣義加性模型（GAM）中，若平滑函數(shù)edf>10，則最可能出現(xiàn)的診斷問(wèn)題是A.欠擬合B.過(guò)擬合C.異方差D.多重共線答案：B13.若LiDAR點(diǎn)云密度從2pts·m?2增至8pts·m?2，則估算樹(shù)高RMSE下降幅度主要受限于A.地形坡度B.脈沖重復(fù)頻率C.光斑大小D.反射率飽和答案：A14.在時(shí)空加權(quán)回歸（GWR）中，若帶寬固定為5000m，則模型殘差出現(xiàn)顯著空間自相關(guān)的可能原因是A.核函數(shù)選擇不當(dāng)B.帶寬過(guò)大C.帶寬過(guò)小D.樣本非平穩(wěn)答案：B15.對(duì)Hyperion高光譜數(shù)據(jù)進(jìn)行SavitzkyGolay濾波時(shí)，若窗口寬度<7，則A.保留高頻噪聲B.丟失吸收峰C.產(chǎn)生龍格振蕩D.降低信噪比答案：A16.在森林類型分類中，若使用支持向量機(jī)（RBF核）且交叉驗(yàn)證精度隨C增大而趨于平穩(wěn)，則下一步應(yīng)優(yōu)先調(diào)優(yōu)A.CB.γC.樣本權(quán)重D.核函數(shù)類型答案：B17.若PlanetScope日序列缺失值>30%，則采用哪種插值方法可最小化LAI估算偏差A(yù).線性插值B.樣條插值C.卡爾曼濾波D.移動(dòng)平均答案：C18.在分層抽樣中，若層內(nèi)方差相等但層大小差異大，則最優(yōu)分配與比例分配相比，樣本量變化趨勢(shì)為A.大層減少、小層增加B.大層增加、小層減少C.各層同比例增加D.各層同比例減少答案：A19.使用Sentinel2紅邊波段構(gòu)建的MTCI指數(shù)對(duì)葉綠素敏感，其統(tǒng)計(jì)分布通常呈A.正態(tài)B.對(duì)數(shù)正態(tài)C.BetaD.伽瑪答案：B20.在森林碳變化不確定性分析中，若采用MonteCarlo法且輸入變量相關(guān)系數(shù)ρ=0.6，則忽略相關(guān)性會(huì)導(dǎo)致95%置信區(qū)間A.變寬B.變窄C.不變D.偏移答案：B二、多選題（每題2分，共20分）21.下列哪些方法可有效降低LiDAR估算森林生物量的飽和效應(yīng)A.采用大光斑全波形B.融合多頻X與P波段C.引入樹(shù)高—冠幅交互項(xiàng)D.使用非參數(shù)回歸E.增加點(diǎn)云密度至>20pts·m?2答案：ABCD22.在MODISNDVI時(shí)間序列諧波分析（HANTS）中，影響重構(gòu)精度的關(guān)鍵參數(shù)包括A.頻率個(gè)數(shù)B.抑制閾值C.有效數(shù)據(jù)范圍D.擬合容差E.空間分辨率答案：ABCD23.關(guān)于森林遙感分類中的“小樣本”問(wèn)題，下列說(shuō)法正確的是A.遷移學(xué)習(xí)可緩解樣本不足B.主動(dòng)學(xué)習(xí)優(yōu)先選擇不確定性大的樣本C.半監(jiān)督SVM需假設(shè)分布重疊D.數(shù)據(jù)增強(qiáng)通過(guò)旋轉(zhuǎn)鏡像增加樣本E.集成學(xué)習(xí)必然降低小樣本方差答案：ABCD24.在進(jìn)行森林火燒severity遙感評(píng)估時(shí)，常用的光譜指數(shù)包括A.NBRB.RdNBRC.RBRD.GEMIE.CSI答案：ABC25.若采用時(shí)空立方體（SpaceTimeCube）分析森林?jǐn)_動(dòng)，需滿足的統(tǒng)計(jì)前提有A.時(shí)空平穩(wěn)性B.時(shí)空可分離性C.正態(tài)殘差D.無(wú)時(shí)空交互E.同質(zhì)方差答案：ABCE26.下列哪些技術(shù)可提高Sentinel2影像亞像元森林覆蓋率估算精度A.多端元光譜混合分析B.稀疏回歸解混C.卷積神經(jīng)網(wǎng)絡(luò)軟分類D.支持向量回歸E.主成分分析降維答案：ABCD27.在森林高度反演中，若采用PolInSAR數(shù)據(jù)，需校正的關(guān)鍵誤差源包括A.時(shí)間去相關(guān)B.體積去相關(guān)C.基線去相關(guān)D.熱噪聲去相關(guān)E.方位向模糊答案：ABCD28.關(guān)于Bootstrap估計(jì)森林碳儲(chǔ)量置信區(qū)間，下列說(shuō)法正確的是A.非參數(shù)Bootstrap不依賴分布假設(shè)B.當(dāng)樣本量<30時(shí)，偏差校正Bootstrap優(yōu)于百分位法C.重復(fù)次數(shù)B≥1000可保證區(qū)間穩(wěn)定D.平衡Bootstrap可降低抽樣波動(dòng)E.Bootstrap不能處理空間相關(guān)數(shù)據(jù)答案：ABCD29.在利用夜光遙感數(shù)據(jù)監(jiān)測(cè)林區(qū)人類活動(dòng)強(qiáng)度時(shí)，需進(jìn)行的預(yù)處理包括A.影像去噪B.飽和校正C.年度合成D.亮溫校正E.傳感器間交叉校正答案：ABCE30.若采用深度時(shí)空網(wǎng)絡(luò)（ConvLSTM）預(yù)測(cè)森林?jǐn)_動(dòng)，為防止過(guò)擬合可采取A.早停B.DropoutC.數(shù)據(jù)增強(qiáng)D.L2正則E.減小batchsize答案：ABCD三、判斷題（每題1分，共10分）31.對(duì)于GEDI波形，若高斯分量個(gè)數(shù)>5，則樹(shù)高估測(cè)RMSE必然降低。答案：錯(cuò)32.在森林遙感回歸中，若殘差呈現(xiàn)顯著空間聚集，則經(jīng)典R2會(huì)高估模型泛化能力。答案：對(duì)33.當(dāng)使用Sentinel2的10m波段與20m波段融合時(shí)，采用GramSchmidt方法比雙線性插值更能保持光譜保真度。答案：對(duì)34.若LiDAR點(diǎn)云密度<1pts·m?2，則無(wú)法提取單木參數(shù)。答案：錯(cuò)35.在隨機(jī)森林變量重要性度量中，Permutation重要性對(duì)噪聲變量具有魯棒性。答案：錯(cuò)36.對(duì)森林火災(zāi)后NBR差值圖像進(jìn)行FDR多重比較校正，可降低偽變化像素率。答案：對(duì)37.當(dāng)采用時(shí)空克里金預(yù)測(cè)森林生物量時(shí)，若時(shí)空各向異性比>2，則需分別擬合空間和時(shí)間半方差。答案：對(duì)38.在支持向量回歸中，ε不敏感帶的寬度與預(yù)測(cè)區(qū)間覆蓋率呈線性關(guān)系。答案：錯(cuò)39.若Hyperion數(shù)據(jù)信噪比<50，則無(wú)需進(jìn)行大氣校正即可用于森林分類。答案：錯(cuò)40.對(duì)PlanetScope日序列進(jìn)行Whittaker平滑時(shí)，λ參數(shù)越大，保留的季節(jié)振幅越小。答案：對(duì)四、填空題（每空1分，共20分）41.若Landsat8NDVI年際趨勢(shì)用TheilSen斜率估計(jì)，其抗異常值能力優(yōu)于最小二乘的原因是__________。答案：采用中位數(shù)而非均值42.在森林遙感抽樣中，設(shè)計(jì)效應(yīng)（deff）定義為_(kāi)_________與簡(jiǎn)單隨機(jī)抽樣方差之比。答案：當(dāng)前抽樣方差43.若MODISLAI產(chǎn)品的RMSE=0.68，則按正態(tài)近似，其95%置信區(qū)間半寬為_(kāi)_________。答案：1.3344.對(duì)Sentinel1時(shí)間序列采用小波分解，若選用Daubechies4作為母波，其消失矩為_(kāi)_________。答案：445.在PolInSAR森林高度反演中，若采用六維復(fù)相干最優(yōu)估計(jì)，需至少__________個(gè)極化通道。答案：346.若GEDI光斑直徑=25m，則對(duì)應(yīng)圓形光斑面積約為_(kāi)_________m2。答案：49147.當(dāng)使用無(wú)人機(jī)LiDAR提取單木時(shí)，若CHM柵格分辨率<0.5m，則樹(shù)冠檢測(cè)常用局部最大值濾波窗口大小為_(kāi)_________m。答案：348.在森林碳變化檢測(cè)中，若采用配對(duì)t檢驗(yàn)，則自由度為_(kāi)_________。答案：n149.對(duì)NDVI時(shí)間序列進(jìn)行STL分解時(shí)，若季節(jié)窗口s=23，則趨勢(shì)窗口t需滿足t>__________。答案：2350.若隨機(jī)森林回歸樹(shù)數(shù)=500，則OOB誤差估計(jì)相當(dāng)于采用__________的自助樣本。答案：約36.8%51.在時(shí)空加權(quán)回歸中，若采用高斯核，其帶寬選擇常用__________準(zhǔn)則。答案：AICc52.若Sentinel2Band8中心波長(zhǎng)=835nm，則其對(duì)應(yīng)頻率約為_(kāi)_________THz。答案：0.35953.對(duì)森林火燒severity進(jìn)行RdNBR計(jì)算時(shí)，需預(yù)先對(duì)NBR進(jìn)行__________變換。答案：對(duì)數(shù)54.在森林遙感分類中，若采用McNemar檢驗(yàn)比較兩種算法，其檢驗(yàn)統(tǒng)計(jì)量服從__________分布。答案：χ255.若LiDAR點(diǎn)云高程標(biāo)準(zhǔn)差=0.15m，則地形坡度1°對(duì)應(yīng)的垂直誤差約__________m。答案：0.02656.對(duì)Hyperion數(shù)據(jù)進(jìn)行MNF變換時(shí)，若保留前20分量，則相當(dāng)于降維至__________維。答案：2057.在森林生物量外推中，若采用模型平均，則權(quán)重可由__________信息準(zhǔn)則確定。答案：AIC58.若PlanetScope影像空間分辨率為3m，則1km2區(qū)域像元數(shù)為_(kāi)_________。答案：11111159.對(duì)森林?jǐn)_動(dòng)時(shí)間序列采用Pettitt檢驗(yàn)時(shí)，其原假設(shè)為_(kāi)_________。答案：序列無(wú)突變點(diǎn)60.在時(shí)空立方體中，若空間鄰域k=8，時(shí)間鄰域t=3，則局部Moran’sI的期望值為_(kāi)_________。答案：1/(n1)五、簡(jiǎn)答題（每題6分，共30分）61.給出利用Sentinel2紅邊波段估算森林葉綠素含量的統(tǒng)計(jì)建模流程，需包含變量篩選、共線性診斷、模型驗(yàn)證與不確定性量化四個(gè)環(huán)節(jié)，并說(shuō)明各環(huán)節(jié)的統(tǒng)計(jì)依據(jù)。答案：（1）變量篩選：采用LASSO回歸對(duì)Band5、Band6、Band7、Band8A、MTCI、CIrededge等候選變量進(jìn)行稀疏選擇，通過(guò)10折交叉驗(yàn)證選擇λ?se，保留非零系數(shù)變量，依據(jù)為最小化預(yù)測(cè)誤差且避免過(guò)擬合。（2）共線性診斷：計(jì)算方差膨脹因子VIF，若VIF>5則剔除或采用主成分回歸；同時(shí)用條件數(shù)κ檢驗(yàn)，若κ>30表明存在強(qiáng)共線，需正則化。（3）模型驗(yàn)證：采用外部獨(dú)立樣本（n=60）進(jìn)行驗(yàn)證，指標(biāo)包括RMSE、MAE、R2及Willmott’sD；利用TheilSen回歸檢驗(yàn)系統(tǒng)偏差，若斜率95%置信區(qū)間不含1則存在比例誤差。（4）不確定性量化：基于Bootstrap（B=2000）獲得模型參數(shù)與預(yù)測(cè)值的經(jīng)驗(yàn)分布，構(gòu)建95%置信區(qū)間；結(jié)合MonteCarlo傳播輸入變量不確定性（光譜測(cè)量誤差±2%），最終給出葉綠素含量預(yù)測(cè)區(qū)間，并報(bào)告覆蓋率（應(yīng)≈95%）以驗(yàn)證區(qū)間可靠性。62.給出基于GEDI波形數(shù)據(jù)估算森林地上碳密度的兩階段估計(jì)量，并推導(dǎo)其方差公式，需考慮光斑內(nèi)生物量異質(zhì)性與波形參數(shù)測(cè)量誤差。答案：第一階段：建立光斑級(jí)模型??=β?+β?RH95?+β?PAI?+ε?，ε?~N(0,σ2)第二階段：區(qū)域估計(jì)?=Σ?w???，w?=A?/ΣA?方差推導(dǎo)：Var(?)=Σ?w?2Var(??)+2Σ?<?w?w?Cov(??,??)其中Var(??)=x??Var(β)x?+σ2Cov(??,??)=x??Var(β)x?若假設(shè)空間不相關(guān)，則第二項(xiàng)為0；若考慮光斑重疊引入空間相關(guān)，需用協(xié)方差函數(shù)C(h)=C?exp(h/φ)建模，最終方差為Var(?)=Σ?w?2[x??Var(β)x?+σ2]+2Σ?<?w?w?C(h??)其中Var(β)=σ2(X?X)?1，C?與φ由經(jīng)驗(yàn)半方差擬合獲得。63.說(shuō)明如何利用時(shí)空克里金預(yù)測(cè)2025年某林區(qū)LAI空間分布，并給出實(shí)驗(yàn)半方差建模、時(shí)空可分離性檢驗(yàn)及交叉驗(yàn)證步驟。答案：（1）數(shù)據(jù)準(zhǔn)備：收集2018—2024年Sentinel2LAI時(shí)序，每16天一期，共161景，剔除云覆蓋>20%影像，采用Whittaker平滑填補(bǔ)缺失值。（2）實(shí)驗(yàn)半方差建模：分別計(jì)算空間半方差γ?(h)與時(shí)間半方差γ?(u)，擬合球狀模型；構(gòu)建時(shí)空綜合模型γ??(h,u)=γ?(h)+γ?(u)?k·γ?(h)γ?(u)，若k≈0則滿足可分離性，采用似然比檢驗(yàn)，若p>0.05則接受可分離假設(shè)。（3）時(shí)空可分離性檢驗(yàn)：采用ProductSum模型對(duì)比非可分離模型，用AIC比較，若ΔAIC<2則認(rèn)為可分離成立。（4）交叉驗(yàn)證：采用leaveonelocationout交叉驗(yàn)證，統(tǒng)計(jì)RMSE、ME、CRPS；若ME≈0且RMSE最小，則模型最優(yōu)。（5）預(yù)測(cè)：在2025年目標(biāo)日期，利用周邊時(shí)空鄰域n=20構(gòu)建克里金系統(tǒng)，求解權(quán)重λ，得到LAI預(yù)測(cè)圖及95%置信區(qū)間，并輸出預(yù)測(cè)標(biāo)準(zhǔn)誤差柵格。64.給出利用無(wú)人機(jī)多光譜與LiDAR融合數(shù)據(jù)實(shí)現(xiàn)單木級(jí)樹(shù)種分類的統(tǒng)計(jì)特征選擇流程，需說(shuō)明高維特征降維、類別不平衡處理及算法評(píng)估指標(biāo)。答案：（1）特征提?。憾喙庾V提取均值、方差、紋理（GLCM對(duì)比度、熵）、紅邊指數(shù)；LiDAR提取高度百分位數(shù)、冠層密度、葉片面積密度剖面，共形成p=78維特征。（2）高維降維：采用Boruta算法（基于隨機(jī)森林）篩選與樹(shù)種顯著相關(guān)特征，控制FDR<0.05；隨后用PLSDA進(jìn)一步壓縮至潛變量LV=12，解釋協(xié)方差>85%。（3）類別不平衡：采用SMOTE過(guò)采樣+Tomeklink清洗，使少數(shù)類樣本量增至與多數(shù)類比值≥0.8；并用CostsensitiveSVM設(shè)置懲罰權(quán)重與類別頻率成反比。（4）算法評(píng)估：采用分層5折交叉驗(yàn)證，報(bào)告MacroF1、Kappa、AUC及每類用戶精度；利用DeLong檢驗(yàn)比較AUC差異，若p<0.05則差異顯著；最終給出混淆矩陣及95%置信區(qū)間。65.給出基于PlanetScope日序列檢測(cè)2025年森林干旱脅迫的統(tǒng)計(jì)檢驗(yàn)框架，需包含趨勢(shì)分解、突變檢測(cè)、多重比較校正及結(jié)果驗(yàn)證。答案：（1）趨勢(shì)分解：采用STL將NDVI序列分解為季節(jié)、趨勢(shì)與殘差，設(shè)置robust=TRUE以抗異常值。（2）突變檢測(cè)：對(duì)趨勢(shì)分量應(yīng)用BFAST，設(shè)定最大斷點(diǎn)數(shù)=3，采用MOSUM檢驗(yàn)，α=0.05；對(duì)每一像元獨(dú)立檢測(cè)。（3）多重比較：采用BenjaminiHochbergFDR校正，設(shè)定q=0.1，控制全局假發(fā)現(xiàn)率；若像元p值<校正閾值，則標(biāo)記為顯著脅迫。（4）結(jié)果驗(yàn)證：選取30個(gè)地面實(shí)測(cè)水分脅迫點(diǎn)，構(gòu)建混淆矩陣，計(jì)算用戶精度與生產(chǎn)者精度；采用Cohen’sKappa檢驗(yàn)一致性，若Kappa>0.7則認(rèn)為檢測(cè)可靠；同時(shí)利用獨(dú)立年際氣象數(shù)據(jù)（SPEI）進(jìn)行Pearson相關(guān)檢驗(yàn)，若r>0.5且p<0.01則支持遙感檢測(cè)結(jié)果。六、綜合計(jì)算題（共30分）66.某研究區(qū)面積500km2，采用Sentinel2與GEDI融合估算森林碳密度。已知：（1）Sentinel2空間分辨率10m，GEDI光斑直徑25m，沿軌采樣間隔60m，跨軌間隔600m；（2）先驗(yàn)變異函數(shù)為球狀模型，塊金值=20(t·hm?1)2，基臺(tái)值=100(t·hm?1)2，變