2025年地理信息系统与应用技术考试试题及答案

2025年地理信息系统与应用技术考试试题及答案一、单项选择题（每题2分，共20分。每题只有一个正确答案，错选、多选均不得分）1.在WebGIS中，为提高矢量切片在高清屏上的显示清晰度，最常采用的像素比（devicePixelRatio）策略是A.固定1倍切片，前端强制缩放B.服务端预生成2倍切片，前端按需调用C.前端实时生成3倍切片，服务端不干预D.统一使用栅格瓦片，忽略像素比差异答案：B解析：高清屏普遍具有2倍及以上像素密度，预生成2倍矢量切片可在保持轻量的同时避免模糊，兼顾性能与清晰度。2.利用Sentinel2影像进行10m分辨率水稻识别时，对云量最敏感的是哪一波段组合A.B2/B3/B4真彩色B.B8A/B11/B12短波红外C.B5/B6/B7红边D.B1沿海气溶胶答案：A解析：真彩色合成完全依赖可见光波段，云在可见光区反射率极高，导致影像几乎被云覆盖时真彩色最先失效；红边与短波红外对薄云有一定穿透力。3.在PostGIS中，执行ST_Clip(rast,geom)后返回结果的空间参考与下列哪一项保持一致A.栅格原始SRIDB.几何图形SRIDC.函数调用时临时指定的SRIDD.数据库默认SRID答案：A解析：ST_Clip仅对栅格进行几何裁剪，不改变栅格本身的空间参考，故结果仍继承原栅格SRID。4.某市利用出租车GPS轨迹数据估算路段平均速度，最需优先过滤的异常点是A.速度为0且持续5分钟以上的记录B.速度>120km/h且位于城市快速路的记录C.瞬时速度<5km/h但位于拥堵路段的记录D.方向角变化>90°且速度>80km/h的记录答案：D解析：方向角突变伴随高速表明GPS漂移或跳点，会显著拉低或抬高路段均值，必须优先剔除；长时间静止可能是真实等红灯。5.在GeoServer中部署PostGIS大型矢量表（>5000万条）并启用WFS2.0服务，为提高首次渲染效率，应优先配置A.关闭“边框缓存”B.启用“简化几何”与“空间索引”C.将表迁移至GeoPackageD.关闭GZIP压缩答案：B解析：空间索引可快速过滤可视窗口内要素，简化几何减少传输量，两者直接提升首次渲染速度；关闭缓存与压缩反而降低效率。6.下列关于GeoParquet格式的描述，错误的是A.采用Parquet列式存储，支持几何字段B.原生支持WKB编码的几何体C.依赖HDFS，无法单机读写D.兼容GDAL/OGR3.5+答案：C解析：GeoParquet基于Parquet，完全可在本地文件系统读写，与HDFS无强制耦合。7.在三维GIS中，3DTiles的“refine:REPLACE”表示A.子节点精细模型替换父节点粗糙模型B.子节点与父节点同时渲染C.父节点继续存在，子节点叠加D.仅加载子节点纹理答案：A解析：REPLACE策略在LOD切换时卸载父节点，减少显存占用，与ADD策略相对。8.利用无人机多光谱影像反演叶绿素a浓度，经验模型最依赖的植被指数是A.NDVIB.GNDVIC.MCARID.EVI答案：C解析：MCARI（ModifiedChlorophyllAbsorptionRatioIndex）对叶绿素a敏感，可减少叶面积和非光合作用背景影响。9.在QGIS中，将多个矢量图层合并为单一GeoPackage并保留原图层名称，应使用A.矢量合并（Merge）B.包处理（PackageLayers）C.地理处理工具箱“连接”D.数据库管理器SQL答案：B解析：包处理可将多图层一次性写入GeoPackage并自动记录原名称，避免手动合并导致属性丢失。10.在ArcGISPro中，对栅格进行“构建金字塔”时，选择“双线性重采样”会导致A.金字塔层级边缘出现明显锯齿B.高程数据出现阶梯状伪影C.分类栅格值被平滑D.文件体积增大30%以上答案：C解析：双线性为连续重采样，会使离散分类值产生过渡像元，导致类别边缘模糊，故分类栅格应使用“最邻近”。二、多项选择题（每题3分，共15分。每题至少有两个正确答案，多选、少选、错选均不得分）11.下列哪些技术组合可实现浏览器端实时热力图（百万级点）A.MapboxGLJS+超级集群（Supercluster）B.Deck.gl+GPU聚合（GPUGridLayer）C.OpenLayers+Canvas2D实时重绘D.Cesium+3DTiles点云答案：A、B解析：超级集群与GPU聚合均利用瓦片或GPU并行，百万点实时渲染；Canvas2D受限于单线程，Cesium点云侧重三维表达，非热力图。12.关于空间数据库分区（Partitioning）带来的优势，正确的有A.加速空间窗口查询B.降低索引深度C.减少表锁竞争D.自动压缩历史分区答案：A、C、D解析：分区裁剪可跳过无关分区，提升查询；历史分区可单独压缩；分区锁粒度更细。索引深度由B树高度决定，与分区无直接关系。13.在深度学习语义分割中，提高遥感影像建筑物提取边缘精度的策略包括A.使用Dice+Boundary联合损失B.引入边界增强数据扩增（EdgeMixUp）C.后处理采用形态学开运算D.采用更大卷积核（7×7→13×13）答案：A、B解析：联合损失与边界扩增直接优化边缘；大卷积核增加参数冗余，开运算会削角，反而降低边缘精度。14.下列哪些开源库支持直接读取COG（CloudOptimizedGeoTIFF）并执行范围裁剪A.rasterioB.GDALC.georasterlayerforleafletD.PDAL答案：A、B、C解析：PDAL专注点云，不支持栅格COG；其余三者均内置HTTPRange请求，支持按需裁剪。15.在移动GIS数据采集APP中，为减少城市峡谷环境GPS漂移，可启用的技术有A.RTK差分B.惯性导航（IMU）融合C.视觉惯性里程计（VIO）D.增大采样间隔至30s答案：A、B、C解析：RTK、IMU、VIO均提供额外约束；增大间隔只会降低轨迹密度，无法抑制漂移。三、填空题（每空2分，共20分）16.在WGS84椭球下，若某点大地高h=100m，大地水准面差距N=−30m，则该点正常高H=________m。答案：130解析：H=h−N=100−(−30)=130。17.在PostGIS中，计算多边形geom面积的函数是________，单位与SRID单位一致。答案：ST_Area(geom)18.3DTiles的瓦片集入口文件扩展名为________。答案：tileset.json19.在GDAL命令行中，将栅格投影转换为WebMercator（EPSG:3857）并生成COG，需添加的创建选项是________。答案：coTILED=YEScoCOMPRESS=LZWcoBLOCKSIZE=51220.在QGIS表达式中，获取要素几何外接圆半径的函数为________。答案：bounds_radius($geometry)21.在Pythongeopandas中，读取GeoPackage图层“roads”的语句为gpd.read_file(“data.gpkg”,layer=________)。答案：'roads'22.在Mapbox样式规范中，控制道路标签随地图旋转而旋转的属性是________。答案：textrotationalignment23.在激光雷达点云分类标准ASPRS中，类别值“6”代表________。答案：建筑物24.在遥感影像监督分类中，若训练样本的JeffriesMatusita距离大于________，则认为两类可分离性良好。答案：1.925.在Cesium中，设置地形提供者Url的类是________。答案：CesiumTerrainProvider四、判断题（每题1分，共10分。正确打“√”，错误打“×”）26.在GeoJSON中，FeatureCollection的“features”键值可以是任意JSON对象。答案：×解析：必须为Feature对象数组，否则违反规范。27.使用ST_MakeValid后，多边形节点顺序可能被逆转，但面积符号不变。答案：√解析：PostGIS保持面积符号，仅修复自交，节点顺序可能变化。28.在ArcGISPro中，地理处理工具“栅格转面”默认将忽略像元值为NoData的区域。答案：√29.在OpenLayers中，EPSG:4326的瓦片原点默认在左下角。答案：×解析：OGCTMS规范原点为左下，但OpenLayers默认WebMercator原点在左上。30.在GDAL中，概览金字塔（overview）只能使用最邻近重采样。答案：×解析：支持多种重采样方法，如平均、高斯、双线性。31.在PostGIS中，ST_Intersects返回true的两个几何体，其ST_Touches也一定返回true。答案：×解析：相交包括重叠、包含等多种情况，只有边界接触才为touches。32.在QGIS中，虚拟图层（VirtualLayer）支持使用SQLite语法进行空间查询。答案：√33.在3DTiles中，b3dm格式内嵌的glTF必须为2.0版本。答案：×解析：支持1.0与2.0，但官方推荐2.0。34.在深度学习中，IoU指标越高，模型漏检率一定越低。答案：×解析：IoU高仅表示重叠度高，若正样本极少，漏检率仍可高。35.在WMTS中，TileMatrixSet必须包含<WellKnownScaleSet>元素。答案：×解析：为可选元素，非强制。五、简答题（每题8分，共24分）36.简述利用多源数据（遥感、POI、OSM）进行城市功能区自动识别的技术流程，并说明各数据源作用。答案与解析：1）数据准备：获取Sentinel210m多光谱影像、POI（餐饮、住宅、商业等）、OSM道路与建筑轮廓。2）特征提取：a.遥感：计算NDVI、NDBI、NDWI、纹理（GLCM）及夜间灯光指数，表征植被、建筑密度、水体、经济活力。b.POI：核密度估计生成各类设施密度图，反映人类活动强度与类型。c.OSM：道路密度、建筑容积率、路网介数中心性，表征可达性与形态。3）样本构建：结合高分辨率影像与规划图，人工勾绘功能区样本（居住、工业、商业、绿地、交通）。4）模型训练：采用随机森林/轻量级CNN，输入多源堆叠特征，输出类别概率。5）后处理：马尔可夫随机场平滑，消除“椒盐”噪声；利用建筑轮廓进行对象级投票，提升边缘一致性。6）精度评价：采用分层随机抽样，计算混淆矩阵与F1score，商业区因POI权重高通常精度最高，工业区因光谱混淆易错分。各数据源作用：遥感提供自然与建成环境特征；POI提供社会经济功能标签；OSM提供形态与结构约束，三者互补可显著提升识别精度。37.说明基于图卷积网络（GCN）进行道路网交通拥堵预测的关键步骤，并指出与传统STConvNet相比的优势。答案与解析：1）构建图：节点为路段，边为拓扑连接或距离阈值，权重可融合道路等级、方向。2）节点特征：历史速度序列、路段长度、车道数、POI密度、天气、事件文本嵌入。3）时空建模：a.空间：多层GCN聚合邻居信息，采用ChebNet或GraphSAGE，捕获非欧氏相关性。b.时间：节点级GRU/Transformer，捕捉长时依赖。4）损失函数：maskedMAE+图拉普拉斯正则，保证平滑性。5）动态图：每15min根据实时速度更新边权，反映动态连通性。优势：•非网格化：无需将道路网栅格化，避免“同一网格多路段”信息损失。•拓扑显式：GCN直接利用连接性，STConvNet需靠卷积堆叠间接学习，收敛慢。•样本效率：图结构共享参数，训练数据需求降低20%–30%。•可解释性：注意力权重可可视化，定位关键传播路径，优于黑箱3D卷积。38.阐述利用激光雷达点云与倾斜摄影生成LOD2城市模型的完整技术链，并给出质量检查指标。答案与解析：1）点云预处理：a.轨迹解算：POSPacRTK/PPK融合IMU与GNSS，精度平面2cm、高程3cm。b.去噪：统计离群点滤波（SOR）+渐进三角网加密（PTD）去除低点。2）点云分类：采用随机森林或PointNet++，特征包括回波数、高程差、法向量、强度，输出建筑、地面、植被、杆状物。3）建筑屋顶分割：RANSAC提取平面，区域增长合并，得到单体建筑点集。4）倾斜摄影空三：ContextCapture联合激光点云作为控制，提升弱纹理区域匹配，空三报告重投影误差<0.3pix。5）Mesh生成：Poisson或Delaunay三角化，纹理映射采用倾斜影像，生成OBJ/GLTF。6）语义建模：CityGMLLOD2，屋顶、墙体、地面分别赋语义ID，采用FME写入。7）质量检查：a.几何精度：检查点与RTK检核点对比，平面RMSE≤5cm，高程RMSE≤8cm。b.完整率：建筑漏检率≤2%，采用人工抽查100栋。c.拓扑：屋顶面闭合、无重复面，采用SolibriModelChecker验证。d.纹理：无拉伸、色差，PSNR≥30dB。e.文件规范：CityGML通过citygml4j验证，无schema错误。六、综合应用题（共31分）39.某市计划新建一条轻轨线路，需进行多准则选址分析。给定数据：•DEM30m•土地利用（耕地、林地、建成区、水体）•人口密度栅格100m•现有道路、河流矢量•环保敏感区（湿地、鸟类栖息地）矢量•文化遗产点500m缓冲区（1）列出选址目标与约束条件（6分）（2）设计空间分析模型，包括指标量化、权重获取、叠加方法（10分）（3）给出基于Python+GeoPandas+Rasterio的实现伪代码，要求含并行加速（8分）（4）说明如何采用敏感性分析验证权重鲁棒性（7分）答案与解析：（1）目标与约束目标：最小化建设成本、最大化人口服务率、最小化生态破坏。硬约束：禁止穿越水体、湿地、遗产缓冲区；坡度>15%需隧道，成本翻倍；基本农田不可侵占。软约束：靠近建成区降低拆迁成本；远离噪声敏感点（学校、医院）；与公交换乘距离<500m。（2）模型设计指标：a.建设成本C：坡度>15%赋3，8–15%赋2，<8%赋1；耕地赋2，林地1，建成区3，水体+999（禁止）。b.服务人口P：人口密度归一化0–1，越高越好。c.生态敏感性E：湿地/鸟类栖息地赋5，林地2，耕地1，建成区0。权重：采用AHP，专家打分构建判断矩阵，一致性比率CR<0.1，得Wc=0.6，Wp=0.25，We=0.15。叠加：加权线性组合WLC=Wc·C_norm+Wp·(1−P)+We·E，值越低越优。空间分辨率统一至30m，采用移动窗口（3×3）平滑噪声。（3）伪代码```pythonimportrasterio,numpyasnp,geopandasasgpdfromrasterio.featuresimportgeometry_maskfromconcurrent.futuresimportProcessPoolExecutordefcost_slope(dem_arr):slope=np.gradient(dem_arr)returnnp.where(slope>15,3,np.where(slope>8,2,1))defpop_score(pop_arr):return(pop_arrpop_arr.min())/(pop_arr.max()pop_arr.min())defeco_score(lu_arr):lut={1:0,2:2,3:5,4:999