全文获取类型
收费全文 | 89篇 |
免费 | 22篇 |
国内免费 | 23篇 |
专业分类
测绘学 | 12篇 |
大气科学 | 23篇 |
地球物理 | 31篇 |
地质学 | 51篇 |
海洋学 | 9篇 |
综合类 | 4篇 |
自然地理 | 4篇 |
出版年
2024年 | 1篇 |
2023年 | 6篇 |
2022年 | 4篇 |
2021年 | 3篇 |
2020年 | 2篇 |
2019年 | 4篇 |
2018年 | 3篇 |
2017年 | 3篇 |
2016年 | 3篇 |
2015年 | 2篇 |
2014年 | 3篇 |
2013年 | 9篇 |
2012年 | 7篇 |
2011年 | 4篇 |
2010年 | 7篇 |
2009年 | 3篇 |
2008年 | 9篇 |
2007年 | 9篇 |
2006年 | 8篇 |
2005年 | 9篇 |
2004年 | 7篇 |
2003年 | 3篇 |
2002年 | 5篇 |
2001年 | 5篇 |
2000年 | 2篇 |
1999年 | 1篇 |
1995年 | 5篇 |
1994年 | 4篇 |
1992年 | 1篇 |
1987年 | 1篇 |
1985年 | 1篇 |
排序方式: 共有134条查询结果,搜索用时 15 毫秒
101.
102.
103.
条件非线性最优扰动(CNOP)是线性奇异向量(LSV)在非线性领域的拓展,它代表了在一定物理约束条件下且在预报时刻导致最大预报误差的一类初始误差.CNOP类型的初始误差在天气和气候的可预报性研究中具有重要作用.在求解复杂数值模式的CNOP中,一般通过数值计算目标函数关于初始扰动的梯度,并沿着梯度下降方向在相空间搜索极值点而得到CNOP.计算梯度常用的一个方法是利用伴随模式得到梯度,然而发展一个复杂模式的伴随模式是困难且非常繁琐的,大大限制了CNOP方法在复杂数值模式中的广泛应用.本文在前人工作的基础上,提出了一种基于奇异值分解(SVD)的集合投影算法.该算法避免了集合投影算法中采用的局地化步骤,从而克服了局地化半径的经验性选择带来的不确定性.将该算法应用于中等复杂程度的ENSO预报模式中计算CNOP.结果表明,用新集合投影算法得到的CNOP能够有效地逼近用伴随算法得到的CNOP,抓住了CNOP的主要空间特征.因此,本文提出的基于SVD的集合投影算法是计算CNOP的一种有效近似算法. 相似文献
104.
The evolution of Typhoon Matsa (0509) is examined in terms of entropy flow through an
entropy balance equation derived from the Gibbs relation, according to the second law of thermodynamics.
The entropy flows in the various significant stages of (genesis, development and decaying) during its
evolution are diagnosed based on the outputs of the PSU/NCAR mesoscale model (known as MM5). The
results show that: (1) the vertical spatial distribution of entropy flow for Matsa is characterized by a
predominantly negative entropy flow in a large portion of the troposphere and a positive flow in the upper
levels; (2) the fields of entropy flows at the middle troposphere (500 hPa) show that the growth of the
typhoon is greatly dependent on the negative entropy flows from its surroundings; and (3) the simulated
centres of heavy rainfall associated with the typhoon match well with the zones of large negative entropy
flows, suggesting that they may be a significant indicator for severe weather events. 相似文献
105.
该文研发了基于CREST V2.1分布式水文模型的暴雨致洪预报系统,应用中国气象局降水业务产品,开展全国0.125°×0.125°的逐日洪水预报和区域30"×30"的逐时洪水预报。其中,全国洪水预报以松花江、辽河、海河、黄河、淮河、长江、东南诸河、珠江、西南诸河和西北诸河十大水资源分区的典型流域为研究对象,区域洪水预报以淮河流域为研究对象。以模拟和观测流量之间的效率系数为目标函数,采用SCE-UA方法分别对全国和区域洪水预报模型的参数分流域进行率定。评估参数率定前后模型对效率系数、相关系数和相对偏差的改进程度,并对参数率定后的模型进行检验。结果表明:率定后的模型能够重现控制水文站的实测洪水过程,与率定前相比,效率系数和相对偏差有显著改进,相关系数有较大改进。系统符合业务需求,具有较好的预报精度和时效性,具备业务应用能力。 相似文献
106.
以长期降雨-径流观测资料为基础,建立小流域水文单位线以有效描述山洪响应特征,并探究变化环境下的山洪响应特征是否发生改变。单位线在山洪预报中应用广泛,但在气象领域受关注较少。以两个美国小流域(USGS站点02137727-卡托巴河、01572025-斯瓦塔拉河)为研究对象,探讨考虑不同前期降水和致洪降水条件下单位线提取和优化方法,以及前期降水对流域单位线的影响。结果表明不同前期影响雨量下的平均单位线对降水-径流模拟总体效果较好,两个流域1985年以来共16个降雨径流事件模拟的平均纳什模型效率系数分别为0.846和0.940,平均峰值相对误差分别为9.40%和7.47%。前期影响雨量越大,则单位线峰值越高,峰现时间提前。同时考虑前期降水和致洪降水组合的单位线,能更好反映雨洪事件中山洪响应特征,模拟效果进一步提高,对提高山洪概率预报很有意义。通过分析卡托巴河流域33 a单位线的年际变化,发现降水增多和强降水频率增加导致流域山洪响应特征发生明显变化,单位线峰值呈现增加趋势,涨洪历时呈减少趋势,未来山洪灾害风险变大。 相似文献
107.
武都水库是高坝大型水库(设防烈度Ⅶ度),库区地处龙门山断裂带的主中央断裂与主边界断裂之间,并位于2008年汶川MS 8.0地震的破裂带内。本文选取2014年2月1日—2018年12月31日武都水库监测区记录的4 142次地震进行时空分析,厘清地震的空间分布特征、大坝周围分布特征和时间进程分布特征,并对库区及周边14次ML≥3.0地震对水库大坝的影响进行分析,得出以下结论:①武都水库监测区地震分布特征:2014—2018年,监测区共发生ML≥3.0地震7次;地震活动集中分布在水库库尾和坝前,形成2个明显的丛集区;地震主要沿SW—NE和NW—SE两个垂直剖面分布,震源深度均小于20 km;在大坝NW偏N方向约3—40 km处,地震活动频次较高;监测区内地震活动水平整体较低,地震日频次仅2.89;②在研究时段内,监测区及周边ML≥3.0地震对水库大坝的影响有限,但仍需密切关注地震活动,以保障人民的生产、生活和生命安全。 相似文献
108.
基于引力模型的江西省经济区划与协调发展研究 总被引:3,自引:0,他引:3
根据江西省11个地区的区域经济发展的客观实际,基于国内生产总产值GDP、人口规模及空间距离等因素,运用引力模型和0~1整数规划模型对江西省进行经济区划,区划结果表明,江西省可划分为4大经济区。同时就各经济区的协调发展提出了相应的对策与措施。 相似文献
109.
����ʵ�������Ŵ��㷨��GPS�̻�������ģ�������� 总被引:1,自引:0,他引:1
???????????GPS??????????????????????????????????????????????????????????????????????????????????????????????????С?????????????????????????????????????????????????????????????????????????С???Χ?????????????????????????????????????????????????????????????????????????????ò??????????????????????????????????????????????????Ч?????????涼??????????????????????? 相似文献
110.
利用GPS定位技术测定跨河两岸点位大地高差,同时使用精密水准仪测定同岸点位的水准高差,据此求出观测点位之高程异常值及其线性变化率,并利用似大地水准面在窄线条小区域范围内高程异常值均匀变化特性,拟合求得跨洋段的高程异常变化率及异常差,从而计算出水准高差。结果表明,采用这种方法得到的精度可靠,满足工程要求。本实践得出了一些有益启示,对类似工程有一定参考借鉴作用。 相似文献