Banco público de questões

Questões para Concursos

Pesquise questões reais por disciplina, assunto, tópico, banca, órgão, cargo, ano e modalidade.

Questões por banca

29 bancas disponíveis. Clique para visualizar todas.

Acesse diretamente as bancas disponíveis na QuestLab. As quantidades abaixo consideram as questões ativas do banco.

CEBRASPE 51.363 questões FGV 25.316 questões FCC 24.632 questões AOCP 23.456 questões IBFC 11.190 questões VUNESP 10.983 questões Instituto Quadrix 9.793 questões FUNDATEC 9.088 questões IBADE 7.820 questões CESGRANRIO 6.013 questões OBJETIVA 4.740 questões CONSULPLAN 4.174 questões FEPESE 3.585 questões IADES 3.439 questões IESES 2.627 questões SELECON 2.377 questões IDECAN 1.907 questões MS CONCURSOS 1.485 questões Instituto Legalle 1.281 questões FAFIPA 1.161 questões FUMARC 842 questões ACAFE 551 questões INSTITUTO AOCP 430 questões NUCEPE 378 questões FUNIVERSA 348 questões FAURGS 203 questões FIOCRUZ 48 questões MACKENZIE 48 questões CETRO 17 questões

Encontre as questões que procura

Palavra-chave

Disciplina

Assunto

Tópico

Banca

Órgão

Ano

Cargo

Modalidade

Limpar filtros

26 questões encontradas

ID 7958 Engenharia Cartográfica e de Agrimensura Sensoriamento Remoto CEBRASPE 2025

Texto associado

Julgue o item a seguir, relativos a interpretação visual e tratamento digital em sensoriamento remoto.

Durante o realce de contraste por equalização de histograma, os valores digitais dos pixels são redistribuídos de modo a ocupar toda a faixa dinâmica disponível, o que melhora a visualização de detalhes em áreas homogêneas.

A Certo

B Errado

ID 7950 Engenharia Cartográfica e de Agrimensura Sensoriamento Remoto CEBRASPE 2025

Texto associado

Considerando que, no processamento de imagens digitais, a fase de pré-processamento objetiva a remoção ou correção de erros instrumentais, de interferência atmosférica e de distorções geométricas, julgue o seguinte item.

A técnica de subtração do pixel escuro ( dark object subtraction ), utilizada para correção de distorções geométricas, baseia-se no mapeamento de áreas que deveriam conter pixels com valores próximos ou iguais a zero, como áreas de sombras de relevo e corpos d’água.

A Certo

B Errado

ID 7949 Engenharia Cartográfica e de Agrimensura Sensoriamento Remoto CEBRASPE 2025

Texto associado

Julgue o item subsequente, relativos ao processo de classificação digital de imagens.

Classificação supervisionada é um exemplo de classificação pixel a pixel , utilizada quando os usuários dispõem de informações que possibilitam a identificação de uma classe de interesse, permitindo o treinamento de um algoritmo de classificação.

A Certo

B Errado

ID 7948 Engenharia Cartográfica e de Agrimensura Sensoriamento Remoto CEBRASPE 2025

Texto associado

Julgue o item subsequente, relativos ao processo de classificação digital de imagens.

Classificadores pixel a pixel utilizam apenas a informação espectral de cada pixel para o mapeamento de regiões homogêneas.

A Certo

B Errado

ID 7947 Engenharia Cartográfica e de Agrimensura Sensoriamento Remoto CEBRASPE 2025

Texto associado

Julgue o item subsequente, relativos ao processo de classificação digital de imagens.

Classificação não supervisionada é um exemplo de classificação por região, em que o classificador utiliza algoritmos para reconhecer as classes presentes em uma imagem, havendo, portanto, elevada interferência por parte do usuário nos resultados obtidos.

A Certo

B Errado

ID 29714 Engenharia Cartográfica e de Agrimensura Sensoriamento Remoto FGV 2024

Com relação às técnicas de classificação de imagens, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) Classificações de imagens utilizando algoritmos de Inteligência Artificial necessitam de bancos de dados contendo as imagens a serem classificadas e os gabaritos da classificação desejada. Estes bancos de dados são chamados de dataset de treinamento.

( ) Segmentações semânticas subdividem a imagem em regiões semelhantes baseadas em algum critério, de forma que a entrada para esses métodos é a imagem de interesse e, a saída, polígonos que delimitam cada classe analisada.

( ) Classificações utilizando séries temporais podem ser realizadas pixel a pixel ou utilizando contextos de vizinhança, e podem ser aplicadas para análises de mudanças ocorridas nas regiões de interesse. As afirmativas são, respectivamente,

A V – V – V.

B V – F – V.

C F – V – V.

D F – V – F.

E F – F – F.

ID 29680 Engenharia Cartográfica e de Agrimensura Sensoriamento Remoto FGV 2024

Um tecnologista recebe a incumbência de monitorar uma Área de Proteção Ambiental e deve especificar os conjuntos de dados a serem empregados para detectar oportunamente a eventuais ocorrências de queimadas. Vários índices para monitoramento de áreas queimadas foram propostos e testados com resultados consistentes, incluindo o NBR ( Normalized Burn Ratio ), calculado a partir das bandas

A Azul e Ultravioleta.

B Azul, Verde e Vermelho.

C Infravermelho próximo e Infravermelho de ondas curtas.

D Infravermelho próximo e Termal.

E Vermelho e Infravermelho próximo.

ID 29679 Engenharia Cartográfica e de Agrimensura Sensoriamento Remoto FGV 2024

O projeto PRODES realiza o monitoramento por satélite do desmatamento por corte raso na Amazônia Legal, empregando imagens de vários satélites e seus sensores embarcados. O índice NDVI (Normalized Difference Vegetation Index) é citado como referência na detecção de desmatamento por corte raso, desmatamento por degradação progressiva, degradação florestal e queimada florestal. O intervalo que apresenta somente a faixa de valores possíveis para o NDVI é

A de -? a +?.

B de -? a +?, exceto 0.

C de 0 a ?.

D de 0 a 1.

E de -1 a 1.

ID 29678 Engenharia Cartográfica e de Agrimensura Sensoriamento Remoto FGV 2024

Assinale a opção que apresenta uma vantagem dos sensores com espelhos de varredura mecânica ( whisk broom ) em relação aos sensores com arranjos lineares de detectores ( push broom ).

A Maior tempo de integração do sinal ( dwell ) em cada detector, que pode ter dimensões bem menores, permitindo obtenção de imagens com maior resolução espacial.

B Menor complexidade na calibração, pela utilização de uma quantidade bem menor de detectores.

C Obtenção da informação referente a uma linha completa da linha da imagem de forma simultânea.

D São mais leves e de funcionamento menos complexo.

E São os sensores disponíveis na maioria dos principais sistemas de observação da Terra atualmente.

ID 29677 Engenharia Cartográfica e de Agrimensura Sensoriamento Remoto FGV 2024

A resolução espacial de um sistema de sensoriamento remoto é um dos parâmetros de maior importância na escolha do sensor a ser utilizado. Nesse contexto, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) O campo de visada instantâneo (IFOV – Instantaneous Field of View ) é o ângulo segundo o qual um detector “enxerga” a superfície imageada.

( ) Pode-se afirmar que, para todas as aplicações, deve-se sempre buscar utilizar a imagem com a melhor resolução espacial disponível.

( ) A resolução espacial de um sensor óptico é totalmente independente da distância entre os detectores e o objeto imageado. As afirmativas são, respectivamente,

A V – V – F.

B F – V – F.

C F – F – V.

D V – F – F.

E F – F – F.