2026年初中地理地理信息技术实践专项练习卷

2026年初中地理地理信息技术实践专项练习卷1.读图判断题图1为2025年10月15日08:30（北京时间）某国产高分卫星获取的0.8m分辨率真彩色影像，拍摄区域位于华北平原一处试验田。图中A、B、C、D四点分别对应四种典型地物。请利用目视解译与基础波谱知识回答1—4题。1.若影像R、G、B三通道灰度值分别为：A点（118,132,47），B点（45,51,210），C点（210,205,198），D点（25,28,30），则最可能代表冬小麦苗、大棚薄膜、水泥路面、休耕地裸土的点依次是A.A、B、C、DB.B、A、D、CC.A、C、B、DD.C、B、A、D2.利用NDVI简单估算植被长势，公式为N若该卫星红波段（Red）与近红外波段（NIR）在A点的数字量化值（DN）分别为125与186，则A点NDVI约为（保留三位小数）A.0.196B.0.245C.0.315D.0.4083.若将影像进行主成分变换（PCA），第一主成分(PC1)的贡献率达到87%，下列说法正确的是A.PC1主要集中了影像的噪声B.PC1可用于替代原影像全部信息C.PC1中植被与水体反差被显著增强D.PC1对原影像各波段信息进行了线性压缩4.在GIS中对该影像做地理配准，已知影像左上角像元中心地理坐标为（116.2345°E，39.8621°N），像元分辨率为0.8m，行、列数分别为6000、8000。若采用“左上角像元中心为原点，向东为+x，向北为+y”的像平面坐标系，则像元行列号（3000，4000）对应的地理坐标为A.116.2345°E，39.8621°NB.116.2345°E+2400″，39.8621°N+1600″C.116.2345°E+0.8×4000×sec(39.8621°)″，39.8621°N+0.8×3000″D.116.2345°E+0.8×4000×π/(180×3600)°，39.8621°N+0.8×3000×π/(180×3600)°5.图2为某校地理社团利用低成本RTK（平面精度±1cm+1ppm）测得的一块矩形地块四角点平面坐标，结果如下（单位：m，CGCS2000/3°带）：P1(3887421.345,514962.218)P2(3887421.340,514972.218)P3(3887431.348,514972.221)P4(3887431.343,514962.220)则该地块实地面积约为A.100.00m²B.99.98m²C.100.02m²D.99.96m²6.若将上题实测数据导入ArcGISPro，坐标系设定为CGCS2000/3°带，但软件误识为WGS84/UTM51N，则面积计算结果会A.变大0.2%左右B.变小0.2%左右C.基本不变D.变化方向取决于纬度7.某市2026年计划布设50座空气质量微站，需保证任意两座微站之间直线距离不小于1km，且全部位于主城区（近似25km×20km矩形）。若采用六边形格网（正六边形，边长a）布设，则理论上最少需要行数×列数为提示：正六边形中心间距d=√3a，取a=1km。A.6×8B.7×9C.8×10D.9×118.利用无人机航测获取1:500地形图，航摄设计地面分辨率（GSD）为2cm，相机焦距35mm，像元大小4μm，则航高约为A.175mB.350mC.437mD.525m9.对题8航测数据采用SfM（运动恢复结构）算法生成点云，若匹配成功率90%，共获取照片1200张，平均每张像片分辨率为6000×4000像元，则理论上最大可输出点云数量级最接近A.10⁵B.10⁶C.10⁷D.10⁸10.将上述点云按1m×1m格网生成DEM，采用IDW插值（幂指数p=2），搜索半径8m，最小采样点4。若某格网中心仅搜索到3个点，则该格网高程值将被标记为A.NoDataB.3个点高程均值C.3个点高程加权均值D.自动扩大搜索半径至找到第4点为止11.图3为某中学地理信息社利用QGIS绘制的学校周边1km缓冲区与道路网叠加图。若将缓冲区与道路进行“Clip”操作，则输出图层的几何类型最可能为A.PointB.LineC.PolygonD.Multipolygon12.利用Python编写PyQGIS脚本，批量将数十个.shp文件由CGCS2000地理坐标系转换为CGCS2000/3°带投影坐标系，应使用的类是A.QgsCoordinateReferenceSystemB.QgsVectorFileWriterC.QgsCoordinateTransformD.QgsProject13.在遥感云计算平台（如GoogleEarthEngine）中，要统计2025年全年华北平原MODISLST（地表温度）日间产品（MOD11A1）在115°E—117°E、38°N—40°N范围内平均温度距平，下列代码片段正确的是A.varroi=ee.Geometry.Rectangle([115,38,117,40]);varlst=ee.ImageCollection('MODIS/006/MOD11A1').filterDate('2025-01-01','2025-12-31').select('LST_Day_1km').mean().subtract(ee.Image.constant(285)).clip(roi);B.…（略，其余选项与A略有差异）C.…D.…14.图4为某市2020—2025年夜间灯光（NTL）年均值变化趋势（DMSP-OLS与VIIRS-DNB融合数据），若采用“S-curve”逻辑回归模型预测2030年灯光值，需先对NTL做A.归一化至0—1B.取对数C.开平方D.标准化至0—25515.利用Sentinel-1SARGRD数据监测2026年南方某湖泊水面变化，若要抑制乘性噪声，首选滤波算法为A.LeeSigmaB.GaussianHigh-passC.SobelD.Canny16.若Sentinel-1像元大小为10m×10m，采用Otsu自动阈值法提取水体，生成二值图。则计算湖泊面积时，需将像元计数乘以A.10m²B.100m²C.1000m²D.1km²17.将题16结果与同期Sentinel-2MSI10mNDVI产品进行空间叠加分析，发现NDVI<0.1且SAR提取为“水体”的像元占比92%，其余8%最可能是A.山体阴影B.高反射建筑C.浓密植被D.云层18.利用无人机多光谱（红、红边、近红外）估算水稻叶面积指数（LAI），经验模型为L若某像元GNDVI=0.45，RENDVI=0.38，则LAI约为A.1.02B.1.23C.1.41D.1.5919.将题18LAI结果以GeoTIFF输出，设定NoData=-9999，像元类型为Float32，则文件大小与同样范围、同分辨率、像元类型Byte、无压缩的灰度图相比，约A.一样大B.2倍C.4倍D.8倍20.利用移动GIS（ArcGISFieldMaps）进行外业调绘，需离线底图。若测区矩形范围100km×80km，采用切片方案L1—L19，仅下载L10—L16矢量切片包，则数据量主要取决于A.切片行列号B.切片格式（pbfvspng）C.切片级数与要素密度D.手机CPU性能21.图5为某市2025年人口密度栅格（100m×100m），像元值单位：人/像元。若采用自然断点法（Jenks）分为5级，则该分类方法核心优化目标是A.最小化类内方差，最大化类间方差B.保证每级像元数相等C.保证每级面积相等D.最小化类间方差22.将题21人口密度栅格转换为矢量多边形，需使用GIS工具A.RastertoPointB.RastertoPolygonC.PolygontoRasterD.Reclassify23.利用出租车GPS轨迹（采样间隔10s）提取2026年某工作日早高峰（07:00—09:00）道路平均速度，需首先对轨迹做A.地图匹配B.聚类C.热力分析D.缓冲区24.若GPS轨迹点平面精度±5m，道路中心线精度±1m，则地图匹配后单条路段平均速度的不确定性主要来源是A.道路中心线误差B.GPS定位误差C.时间戳误差D.采样间隔25.利用机器学习方法对2025年全市100m×100m栅格进行“是否城市建成区”二分类，标签数据来自2025年高分辨率影像人工解译，特征包括NDVI、NDWI、夜间灯光、POI密度等。若采用随机森林，下列说法正确的是A.随机森林对特征量纲敏感，需先标准化B.随机森林可输出特征重要性C.随机森林只能处理连续型特征D.随机森林需先降维至3维以内26.对题25分类结果采用5折交叉验证，评估指标F1-score=0.89，若将分类阈值由0.5下调至0.3，则A.Precision↑Recall↑B.Precision↓Recall↑C.Precision↑Recall↓D.无法判断27.图6为某校地理社利用手机LiDAR（iPhonePro系列）扫描校园花坛，输出点云格式为.las，点密度约500pts/m²。若采用Poisson表面重建生成mesh，则关键参数“octreedepth”越大，A.网格越粗糙B.细节越丰富，计算量越大C.网格体积越小D.法向量估算越粗糙28.将题27mesh导入Blender进行简化，目标面数减至20%，应使用修改器A.DecimateB.SubdivisionC.SolidifyD.Displace29.利用WebGIS（Cesium）发布上述mesh，需转换格式为A..shpB..tifC..glbD..kml30.在Cesium中调用3DTiles，设置maximumScreenSpaceError=2，则该参数控制A.纹理分辨率B.几何误差阈值，值越小细节越高C.光照强度D.相机最大仰角31.图7为某市2020—2025年地表沉降（InSAR）年均速率栅格，单位：mm/a。若采用“焦点统计”工具（3×3矩形邻域）计算局部方差，则输出结果可用来A.提取沉降中心B.识别沉降边界C.估算累积沉降量D.计算平均沉降速率32.对题31结果进行阈值分割，提取“显著沉降区”（速率<-30mm/a），若将栅格重采样为50m×50m，则面积统计结果A.变大B.变小C.不变D.取决于重采样方法33.利用Python（rasterio）读取题31栅格，计算沉降速率<-30mm/a的像元总数，下列代码正确的是A.withrasterio.open('subs.tif')assrc:data=src.read(1)count=np.sum(data<-30)B.…C.…D.…34.图8为某校“数字校园”项目生成的全景影像（360°×180°），采用equirectangular投影。若将全景图贴到球面mesh，则纹理坐标(u,v)与球面经纬度(λ,φ)关系为A.u=λ/360°,v=φ/180°B.u=(λ+180°)/360°,v=(φ+90°)/180°C.u=λ/180°,v=φ/360°D.u=(λ+90°)/180°,v=(φ+180°)/360°35.利用全景影像进行室内定位，需提取特征点并匹配，首选算法A.SIFTB.HaarC.HOGD.LBP36.图9为某市2025年共享单车订单起讫点（OD）热力叠加，若采用“核密度估计”（KDE），带宽h=500m，则h主要影响A.热力图颜色B.平滑程度C.最大值位置D.坐标系37.对题36OD数据采用DBSCAN聚类，参数eps=300m，minPts=50，则聚类结果可识别A.热点区域B.孤立订单C.骑行速度D.订单时间38.利用GeoPandas读取题36OD数据（csv，含lon、lat字段），创建GeoDataFrame，下列代码正确的是A.gdf=gpd.GeoDataFrame(df,geometry=gpd.points_from_xy(df.lon,df.lat))B.…C.…D.…39.将题38gdf进行空间连接（sjoin），匹配各订单起点所在街道，需使用A.gdf.sjoin(streets,how='inner',predicate='within')B.gpd.sjoin(gdf,streets,how='left',predicate='intersects')C.gpd.join(gdf,streets,on='geometry')D.gdf.overlay(streets,how='intersection')40.图10为某市2025年城市热岛（UHI）强度日变化曲线，基于移动气象站观测与MODISLST融合数据。若采用Savitzky-Golay滤波平滑，窗口长度11，阶数3，则该滤波器主要作用为A.消除趋势B.保留高频信号C.抑制随机噪声，保留趋势D.增强峰值卷后答案与解析1.C解析：冬小麦苗在真彩色影像呈青绿色，DN组合118,132,47符合；大棚薄膜高反射，蓝波段高，DN45,51,210符合；水泥路面灰白，DN210,205,198；休耕地裸土暗，DN25,28,30。2.A解析：NDVI=(186-125)/(186+125)=61/311≈0.196。3.D解析：PC1贡献率高，对原波段进行线性压缩，信息未损失但维度降低。4.D解析：像元分辨率0.8m，行列号(3000,4000)相对于左上角偏移(3000×0.8m,4000×0.8m)，换算为度：0.8×3000×π/(180×3600)°（南北），0.8×4000×π/(180×3600)°secφ（东西）。5.B解析：四点构成矩形，边长10m×10m，面积100m²，RTK误差导致微小偏差，实测99.98m²。6.A解析：CGCS2000与WGS84椭球参数差异小，但UTM长度变形导致面积略大0.2%。7.C解析：六边形中心间距d=√3km，25km×20km范围需8×10格网。8.A解析：航高H=GSD×f/a=0.02m×35mm/4μm=175m。9.C解析：1200×6000×4000×90%≈2.6×10¹⁰像元匹配，SfM稀疏点云约10⁷量级。10.A解析：IDW设置最小采样点4，不足则NoData。11.B解析：Clip后道路被缓冲区裁剪，几何类型仍为Line。12.C解析：QgsCoordinateTransform负责坐标转换。13.A解析：代码正确设置roi、过滤、选择波段、裁剪。14.A解析：S-curve模型需归一化输入至0—1。15.A解析：LeeSigma滤波适合SAR乘性噪声