全文获取类型
收费全文 | 216篇 |
免费 | 49篇 |
国内免费 | 52篇 |
专业分类
测绘学 | 4篇 |
地球物理 | 45篇 |
地质学 | 231篇 |
海洋学 | 10篇 |
综合类 | 19篇 |
自然地理 | 8篇 |
出版年
2024年 | 1篇 |
2023年 | 1篇 |
2022年 | 10篇 |
2021年 | 8篇 |
2020年 | 11篇 |
2019年 | 11篇 |
2018年 | 17篇 |
2017年 | 14篇 |
2016年 | 9篇 |
2015年 | 13篇 |
2014年 | 18篇 |
2013年 | 14篇 |
2012年 | 16篇 |
2011年 | 15篇 |
2010年 | 12篇 |
2009年 | 19篇 |
2008年 | 15篇 |
2007年 | 24篇 |
2006年 | 12篇 |
2005年 | 7篇 |
2004年 | 15篇 |
2003年 | 8篇 |
2002年 | 10篇 |
2001年 | 6篇 |
2000年 | 7篇 |
1999年 | 5篇 |
1998年 | 4篇 |
1997年 | 3篇 |
1996年 | 3篇 |
1995年 | 1篇 |
1994年 | 2篇 |
1992年 | 1篇 |
1991年 | 2篇 |
1988年 | 1篇 |
1982年 | 1篇 |
1972年 | 1篇 |
排序方式: 共有317条查询结果,搜索用时 31 毫秒
81.
中国典型有机污染场地土层岩性和污染物特征分析 总被引:1,自引:0,他引:1
目前我国存在大量待修复场地,其分布具有一定的规律性和区域性,场地地层系统结构复杂、渗透性空间异质性显著,污染物种类复杂。总结场地典型土层结构和典型污染物有助于有针对性地开展修复技术的研发。为此,本文收集并整理了全国136处有机污染场地相关资料,对其地域性、地层及污染物特征总结如下:目前我国已经开展调查与修复的有机污染场地主要集中在京津冀和沪宁杭地区;有机污染场地土层基本都含有黏土等低渗透介质,而且都具有非均质性,其中67%场地土层有强非均质性;沪宁杭地区场地土层渗透性总体低于京津冀和辽中南地区,此外我国京津冀和辽中南地区场地调查深度(20.3 m)总体大于沪宁杭地区(12.8 m);我国有机污染场地地下水中最常见的有机污染物种类为氯代溶剂,依次为氯代烷烃类(场地数量占比84%)、氯代苯类(场地数量占比46%)和氯代烯烃类(场地数量占比33%);最常见的3种氯代溶剂依次为二氯乙烷、一氯苯和三氯甲烷。 相似文献
82.
岩性识别一直是火山岩油气勘探中的重要课题,基于测井数据的岩性识别也逐渐成为火山岩研究的需要,大数据背景下的机器学习算法为测井岩性识别提供了一个新方向。为提高某研究区火山岩岩性识别符合率,本文采用K近邻、支持向量机和自适应增强3种经典机器学习算法,对研究区内的粗面岩、非致密粗面岩、辉绿岩、辉长岩、玄武岩和非致密玄武岩等6类中基性火山岩进行岩性识别。从常规测井系列中优选对研究区岩性敏感的自然伽马、声波时差、补偿中子、深侧向电阻率和补偿密度等5种测井参数作为岩性识别模型的输入向量,从研究区内5口有岩心样品或薄片鉴定资料的目标层中选取测井数据点1 440个,其中960个作为训练样本,其余480个作为测试样本。以识别符合率和时间作为评价指标,对3种算法的识别结果进行对比分析,实验表明:自适应增强算法的分类准确率最高,6类岩性平均识别符合率达到82.10%;支持向量机算法表现良好,平均识别符合率为81.04%;K近邻算法平均识别符合率为76.04%。 相似文献
83.
在现阶段的岩土工程中,通常采用人工识别的方法来判别岩样种类,不仅耗时长、专业性强,还易受主观因素影响,准确率不理想。随着计算机技术的发展,机器学习逐渐被应用于岩性的自动识别,开启了岩样分类的新路径。本文以重庆市主城区4种典型岩样(泥岩、砂质泥岩、泥质砂岩和砂岩)的细观图像为研究对象,基于Inception V3卷积网络模型和迁移学习算法,建立了岩样细观图像深度学习模型,并完成了训练学习。结果显示:模型在训练1 000次后,训练集中的分类准确率达到92.77%,验证集中的分类准确率为76.31%。其中,验证集中的砂岩识别准确率为97.28%,泥岩识别准确率为81.85%,泥质砂岩识别准确率为72.59%,砂质泥岩识别准确率为72.35%。与现有的机器学习方法相比,本识别模型不仅可以自动识别岩性极为相近的岩样,而且具有较好的识别准确率、鲁棒性和泛化能力。 相似文献
84.
石羊河流域属严重缺水的内陆河地区,流域水资源开发利用严重超过其承载能力,部分区域地下水利用达到174%,致使流域地下水位快速下降,天然植被枯萎死亡,土地沙漠化、盐渍化进程加快,生态十分脆弱,严重危及居民生存。本文基于流域地质结构和水文地质状况,按照地质结构、地下径流特性,对流域地下水盆地进行分区划定,并对流域水资源量进行计算评价,结果表明:石羊河流域地下水主要划分为大靖地下水盆地、武威地下水盆地、永昌地下水盆地、民勤地下水盆地、昌宁地下水盆地和潮水东地下水盆地,经流域地下切面计算和抽水试验验证,区内地下水降水入渗补给量为0.937亿m^3/a,侧向径流补给量为0.086亿m^3/a,合计地下水天然补给量为1.023亿m^3/a。相对误差为0.033亿m^3/a,绝对误差3.23%,分析较为准确,地下水盆地分区合理。研究结果为流域地下开采与保护提供了科学支撑。 相似文献
85.
八里甸子地区锆石SHRIMP U-Pb年龄为(123.6±2.1)Ma和(126.0±2.8)Ma的早白垩世侵入岩发育.研究表明,岩石为高硅,富钾、钠,低钙、铝、镁的碱钙性—钙碱性系列岩石.微量元素相对高Rb、Sr、Th、Ta、Nb、Pb、Zn、Cu、Ag等碱性元素.以轻稀土富集重稀土亏损为特征.岩石经历了较强的分异作用,是地壳发展演化成熟阶段产物.通过早白垩世侵入岩的岩石学、岩石地球化学与成矿的相关性分析认为:八里甸子地区早白垩世各岩体均为矿化岩体,易形成金矿化,其中钾长花岗岩易形成铅锌矿化、磷钇矿化,是该区寻找金、铅锌和稀土等矿产的重要地区. 相似文献
86.
伊拉克鲁迈拉油田M组碳酸盐岩储集层为例,阐述了研究区不同岩石类型及沉积相在XRMI成像测井资料上的响应特征.论文以成像测井资料为主体,通过岩心刻度成像测井并结合GR能谱测井、岩性密度测井和其它常规测井资料识别出粘土矿物、致密灰岩、生物礁灰岩,生屑滩灰岩等岩性;总结了缓坡相、生物礁相、生屑滩相等沉积相的成像测井响应特征,建立了研究区各沉积相的电成像测井相解释图版,并对单井进行了连续的测井相划分.研究表明:M组碳酸盐岩储集层顶部GR能谱测井显示高钍、高钾、高铀含量特征,反应了M组地层在沉积晚期曾暴露地表,形成了风化残余剥蚀面,与上覆地层呈不整合接触关系;M组早期依次发育缓坡相、生屑高能滩相/生物礁相、滩后相和泻湖相,构成了一个完整的下降半旋回. 相似文献
87.
88.
基于地物光谱分析的WorldView-2数据岩性识别:以新疆乌鲁克萨依地区为例 总被引:4,自引:0,他引:4
针对新疆维吾尔自治区西昆仑乌鲁克萨依地区的岩性出露情况,采用WorldView-2遥感影像数据进行岩性识别研究。在分析研究区内不同岩性的实测光谱曲线特征的基础上,针对在岩性识别过程中出现的不同岩性色彩反差弱、异物同谱、岩层表层浅覆盖等一系列问题,结合高空间分辨率WorldView-2数据波段特点和数据统计特征,确定了最佳波段组合,并采用主成分分析降低了波段间的高相关性。在此基础上进行反差增强、纹理增强等处理,提高了不同岩性对比度,去除了外界因素对光谱信息的干扰,为精确识别不同岩性提供了可靠依据。 相似文献
89.
岩性及岩体结构对斜坡地震加速度响应的影响 总被引:1,自引:0,他引:1
斜坡岩体的岩性及岩体结构是斜坡在地震作用下产生变形破坏的主要控制因素。基于振动台模型试验,对4个斜坡模型探讨了这2个因素对斜坡地震动力响应的影响。岩性包括强度相对较高的硬岩和强度相对较低的软岩,对这两种岩性的斜坡又分别考虑了不含结构面的均质斜坡和含水平层状结构面的斜坡。基于传感器采集到的大量数据,以主频相近的天然地震波和10 Hz正弦波加载为分析工况,获得了以下几点认识:(1)4个模型斜坡坡面和坡内的水平向加速度均具有高程放大效应,尤其是软岩斜坡坡顶放大效应最显著;(2)软岩斜坡对水平向加速度的高程放大效应强于硬岩斜坡,尤其是在均质斜坡中表现最显著,均质软岩斜坡的高程放大效应呈现出明显的非线性特征;(3)当加载方向与水平层面平行时,含水平层状结构面的斜坡比均质斜坡产生了更强的高程放大效应,且在软岩斜坡中体现最显著;(4)岩性差异对斜坡水平向加速度高程效应的影响比结构差异的影响更为显著。研究结果为岩质斜坡的抗震设计提供了一定参考。 相似文献
90.
利用三维地震资料,对准噶尔盆地车排子地区侏罗系八道湾组各岩性段精细井震标定与构造解释,厘定出各岩性段在车排子地区的尖灭线位置和尖灭线类型,分析古地貌差异程度对尖灭线形成的控制作用。采用地层厚度法和地震层拉平法研究八道湾组各段沉积古地貌特征,分析断裂对古地貌形成的控制作用,结合构造演化剖面分析古地貌演化和被改造后的特征,开展地震属性、储集层地震反演和沉积相分析,重点分析古地貌对沉积和岩性的控制作用,再现了该地区沉积相及储集层段岩性分布特征。车排子地区八道湾组沉积古地貌起伏明显,呈坡—隆—凹组合特征,斜坡的陡缓程度对沉积相的类型和岩性及其沉积物的粗细具有重要控制作用。八道湾组不同沉积时期低隆起的形态和隆起幅度都存在较大的差别,且隆起幅度越高其聚砂特点越明显,沟谷既是输砂通道,也是聚砂的重要场所,现今砂体的分布与沟谷展布方向关系密切。 相似文献