2025年高考地理信息技术真题模拟试卷及答案

2025年高考地理信息技术练习题模拟试卷及答案一、选择题（每题4分，共48分。每题只有一个选项符合题意）1.2024年6月，某研究团队利用Sentinel2卫星影像对长江中下游圩田区进行水体提取。为消除云层干扰，下列预处理步骤中最关键的是A.辐射定标B.大气校正C.云掩膜生成D.几何精校正答案：C解析：圩田区水体提取依赖近红外波段，云层在该波段反射率高，直接形成“伪水体”。云掩膜可剔除像元，避免后续分类误差。辐射定标与几何精校正虽为必经步骤，但对“消除云层干扰”无直接作用；大气校正主要去气溶胶影响，无法移除云像元。2.某市利用出租车GPS轨迹数据生成工作日8:00—9:00人口密度热力图，发现城市边缘出现“虚假高热区”。最可能的原因是A.出租车载客率低B.数据采样频率过高C.路网拓扑错误D.出租车空驶绕行集中答案：D解析：边缘区用地稀疏，乘客少，司机为躲避拥堵或等待订单，常在高速匝道、立交桥环行，导致GPS点空间聚集，热力算法误判为人口高密度。载客率低会降低点密度，不会反向升高；采样频率高只会增加数据量，不会特定区域异常聚集；路网拓扑错误影响路径规划，与点密度无关。3.在利用无人机可见光影像生成DOM（数字正射影像）时，需布设若干GCP（地面控制点）。若测区高差达180m，下列关于GCP布设方案正确的是A.所有GCP布设在测区平均高程面B.GCP沿高程梯度分层布设，每层不少于5个C.GCP集中布设在最高山顶D.仅于测区四角布设4个GCP答案：B解析：高差大会导致外方位元素解算时高程误差放大，分层布设可引入高程约束，提升整体几何精度。平均高程面方案无法反映地形起伏；山顶集中分布造成解算矩阵病态；四角4点在高差大时易出现“外推”误差。4.某省利用30m分辨率Landsat影像监测冬小麦种植面积，发现与农业部门统计数据相比，遥感估算结果系统偏大。最可能的误差来源是A.混合像元效应B.太阳耀斑C.波段配准误差D.时间窗口过早答案：A解析：30m像元内常含田埂、道路、沟渠，非小麦组分被归入小麦，导致面积高估。太阳耀斑仅在水体可见光波段出现；波段配准误差造成几何偏移，不会系统偏大；时间窗口过早，小麦尚未完全出苗，面积应偏小。5.在对青藏高原冰川边界进行机器学习分类时，采用NDSI（归一化积雪指数）作为特征之一。若影像获取时间为2024年9月，下列说法正确的是A.NDSI阈值需高于0.4以剔除季节性积雪B.冰川表面裸冰NDSI接近0，应降低阈值C.可直接采用0.1作为统一阈值D.9月无积雪，NDSI失效答案：A解析：9月高原仍有积雪，但冰川边界需区分永久冰与季节雪。NDSI>0.4可抑制湿雪、季节雪信号，保留冰川裸冰与干雪。裸冰NDSI为负或接近0，但冰川上部干雪NDSI高，故需保留高阈值；统一0.1会混入大量季节雪；NDSI在裸冰区虽低，但综合其他纹理特征仍可分类，并非失效。6.某市构建地下管网三维GIS，需将管线竣工图中的CAD二维线升维至三维。最合理的技术路线是A.直接赋予管线图层统一埋深值B.利用管线起点、终点高程字段插值生成三维节点C.将CAD线拉伸为统一深度立方体D.采用二维拓扑重建，忽略高程答案：B解析：竣工图通常记录井底高程，通过节点高程线性插值可获得连续三维路径，既保持精度又符合管线实际坡度。统一埋深或拉伸立方体无法表达上下游高差；忽略高程则失去三维意义。7.在利用InSAR监测城市地面沉降时，发现某区域出现“相位跳变”现象，最可能的原因是A.形变速率超过1/2波长B.大气延迟C.多普勒中心频率偏移D.基线过大答案：A解析：InSAR以相位整周计数，当地面沉降梯度导致相邻像元相位差超过π（即1/2波长）时，出现相位跳变（phaseunwrappingerror）。大气延迟造成缓慢变化；多普勒偏移影响成像几何；基线过大降低相干性，但不会直接引起跳变。8.某省发布“电子围栏”政策，禁止共享单车在重点区域停放。为实现实时监管，平台需调用终端的A.GNSS芯片+陀螺仪B.基站三角定位C.蓝牙信标D.WiFi指纹答案：A解析：电子围栏需米级定位，GNSS提供绝对坐标，陀螺仪辅助判断车辆是否静止，防止漂移。基站定位精度百米级；蓝牙信标需大规模布设；WiFi指纹更新成本高，均不适合城市级实时监管。9.在利用夜光遥感影像评估叙利亚战后经济恢复时，下列做法最可能影响结果可靠性的是A.采用年度合成影像消除云层B.用DMSPOLS与NPPVIIRS交叉校准C.直接对比2022年与2010年原始DN值D.以网格单元GDP加权平均答案：C解析：DMSPOLS存在饱和效应，NPPVIIRS辐射量化更精细，二者DN值尺度不同，直接对比会夸大恢复幅度。年度合成、交叉校准、GDP加权均为规范处理。10.某高校利用无人机多光谱影像监测校园银杏叶绿素含量，构建NDVI与SPAD值回归模型。若R²仅0.38，下列改进措施中效果最差的是A.引入红边NDVIB.增加样本数量C.采用分位数随机森林D.将影像分辨率重采样至1m答案：D解析：银杏冠层结构复杂，单一NDVI饱和，红边指数可提升灵敏度；样本少导致欠拟合；随机森林可捕捉非线性。重采样至1m会降低空间细节，混合像元增加，模型性能下降。11.在利用社交媒体（微博）签到数据识别城市热点时，发现凌晨2点CBD签到量异常高于居住区。最合理的解释是A.签到地理位置漂移B.数据爬虫时间戳错误C.夜班人群集中D.签到文本语义误判答案：A解析：CBD高楼林立，GPS信号多路径效应显著，常产生“漂移”至附近热门POI，导致夜间“幽灵”签到。时间戳错误应呈随机分布；夜班人群规模有限；语义误判与签到量无关。12.某市利用BDS3三频信号开展PPPRTK实验，将收敛时间从30min缩短至30s，主要得益于A.相位偏差小数偏差产品B.电离层free组合C.轨道机动预报D.卫星钟差二次插值答案：A解析：PPPRTK通过区域网估计并播发相位小数偏差（FCB），用户端模糊度固定，实现瞬时收敛。电离层free组合为双频经典方法，收敛需十几分钟；轨道机动与钟差插值提升精度，但对收敛时间贡献有限。二、综合题（共52分）13.阅读图文材料，完成下列要求。（24分）材料一：2024年9月，某科研团队利用GF6卫星宽幅影像（空间分辨率16m，幅宽800km）对黄淮海平原夏玉米进行长势监测。选取2024年7月15日、8月10日、8月30日三期影像，构建NDVI时间序列，结合气象站点降水数据，建立干旱指数模型。材料二：团队采用随机森林回归，以NDVI、地表温度（LST）、降水（PRE）、纬度（LAT）、经度（LON）为自变量，实测0–20cm土壤相对湿度（RSM）为因变量，训练集R²=0.81，验证集R²=0.63。图1为特征重要性排序，图2为8月30日RSM预测空间分布。（1）指出GF6影像在监测夏玉米长势方面相较于Landsat8OLI的两项优势，并说明理由。（4分）答案：①幅宽更大，黄淮海平原范围大，单景即可覆盖，减少镶嵌误差；②16m分辨率高于Landsat30m，可识别更窄的田块，降低混合像元比例，提升NDVI精度。（2）解释随机森林验证集R²低于训练集的原因，并提出两项改进措施。（6分）答案：原因：样本量不足或空间自相关导致过拟合，模型在“未见”区域泛化能力下降。措施：①增加野外采样点，尤其在高程、土壤类型过渡带；②引入空间交叉验证（spatialkfold），将空间块作为验证单元，避免同一块田同时出现在训练与验证集。（3）据图1，LST重要性高于PRE，请从作物生理角度分析其合理性。（4分）答案：8月黄淮海玉米处于抽雄—灌浆期，需水量大，但该区降水年际变率大，灌溉普遍，土壤水分受灌溉影响大于降水；LST直接反映蒸散需求，温度升高导致作物气孔导度下降，NDVI对水分胁迫响应更敏感，故LST重要性更高。（4）描述图2中RSM低值区的空间分布特征，并推测其主导自然因素。（4分）答案：低值区呈条带状分布于古黄河泛道沙质土壤区，呈西北—东南走向；主导因素：土壤质地偏砂，持水能力差，降水易渗漏，加之地形微高，灌溉水难以滞留。（5）团队计划将模型推广至2025年，但仅使用2024年样本。从遥感数据获取角度指出潜在风险，并提出解决方案。（6分）答案：风险：GF6卫星状态、传感器响应可能随时间衰减，导致NDVI、LST数值漂移，模型外推失效。方案：①建立稳定场定标网，每年获取均匀场影像，更新辐射定标系数；②引入多源数据（Sentinel2）交叉校准，构建时间一致性NDVI序列；③采用迁移学习，用2024年模型作为预训练，2025年少量新样本微调。14.阅读图文材料，完成下列要求。（28分）材料：2025年初，某市启动“城市信息模型（CIM）+实景三维”项目，整合无人机倾斜摄影、BIM、IoT传感器等多源数据，构建中心城区500km²精细三维底图。技术流程如下：①无人机采用五镜头倾斜相机，获取1.5cm分辨率影像，航向重叠80%，旁向重叠70%，共飞行2800架次；②利用ContextCapture生成Mesh模型，简化后三角面片数达120亿；③将BIM模型按IFC4标准转换为CityGML，LOD3细节层次；④在重点建筑内部部署1万个物联网传感器，实时回传温度、湿度、CO₂浓度；⑤基于Cesium平台发布3DTiles服务，前端加载时间目标<8s。（1）计算无人机影像总数据量（原始RAW格式，单张影像50MB），并评价存储压力。（4分）答案：单架次按五镜头、平均1200张影像计，总张数=2800×1200=3.36×10⁶张；数据量=3.36×10⁶×50MB=168TB。存储压力极大，需采用分布式对象存储+ErasureCode，降低冗余至1.5倍，实际约252TB。（2）指出倾斜摄影生成Mesh模型的两类主要误差来源，并提出对应质量控制方法。（6分）答案：①空三解算误差：像点匹配粗差、弱纹理区域导致姿态解算漂移；方法：引入高精度POS数据+布设稀疏GCP，采用光束法平差后粗差探测。②几何简化误差：三角面片简化导致建筑边缘锐角钝化；方法：采用带约束的QEM算法，保留≥70°dihedralangle特征边，对玻璃幕墙区域单独设置简化率<5%。（3）BIM到CityGML转换过程中，出现“几何丢失”与“语义映射失败”两个问题，请分别给出技术解决思路。（6分）答案：几何丢失：IFC参数化曲面（NURBS）在CityGML中仅支持边界描述，需提前将NURBS离散为三角网，并记录离散精度。语义映射失败：IFC属性集与CityGMLADE（应用域扩展）字段不匹配，需构建双向字典，采用SPARQL查询IFCOWL本体，自动匹配同名、同单位属性，无法匹配字段写入GenericAttribute。（4）IoT传感器数据接入CIM平台后，需实现“实时渲染+历史回放”双模式。从数据组织角度说明如何设计存储架构。（6分）答案：采用“热温冷”三级存储：①热数据：Kafka接入最近1小时传感器流，写入Redis时序队列，前端WebSocket订阅，实现<1s延迟；②温数据：按1min粒度聚合，存入Cassandra，按（建筑ID+时间桶）主键，支持最近7天快速回放；③冷数据：按1h粒度转存至HDFS，Parquet列式压缩，通过SparkSQL供分析，降低90%存储。（5）3DTiles前端加载时间超标，经分析网络带宽为100Mbps，平均HTTP请求往返600ms。请提出两项优化策略并给出预期效果。（6分）答案：①建立边缘节点：将3DTiles瓦片缓存至市内5个CDN边缘，用户平均RTT降至30ms，加载时间从15s降至6s。②采用Draco几何压缩+WebP纹理压缩：三角网压缩率70%，纹理压缩率60%，总数据量减少68%，在相同带宽下加载时间再降至4s，满足<8