全文获取类型
收费全文 | 2077篇 |
免费 | 466篇 |
国内免费 | 881篇 |
专业分类
测绘学 | 349篇 |
大气科学 | 338篇 |
地球物理 | 387篇 |
地质学 | 1430篇 |
海洋学 | 407篇 |
天文学 | 58篇 |
综合类 | 178篇 |
自然地理 | 277篇 |
出版年
2024年 | 22篇 |
2023年 | 64篇 |
2022年 | 118篇 |
2021年 | 198篇 |
2020年 | 127篇 |
2019年 | 154篇 |
2018年 | 129篇 |
2017年 | 115篇 |
2016年 | 111篇 |
2015年 | 123篇 |
2014年 | 137篇 |
2013年 | 187篇 |
2012年 | 177篇 |
2011年 | 182篇 |
2010年 | 177篇 |
2009年 | 179篇 |
2008年 | 214篇 |
2007年 | 189篇 |
2006年 | 192篇 |
2005年 | 171篇 |
2004年 | 101篇 |
2003年 | 78篇 |
2002年 | 69篇 |
2001年 | 57篇 |
2000年 | 58篇 |
1999年 | 37篇 |
1998年 | 9篇 |
1997年 | 8篇 |
1996年 | 8篇 |
1995年 | 7篇 |
1994年 | 2篇 |
1993年 | 3篇 |
1992年 | 4篇 |
1991年 | 2篇 |
1990年 | 2篇 |
1989年 | 3篇 |
1987年 | 2篇 |
1986年 | 1篇 |
1985年 | 2篇 |
1984年 | 3篇 |
1954年 | 2篇 |
排序方式: 共有3424条查询结果,搜索用时 31 毫秒
61.
62.
【目的】2022年 11月 29日—12月 1日贵州出现一次超强寒潮天气过程,为分析此次超强寒潮及其伴随的剧烈降温、大风和雪凝天气的成因。【方法】利用常规观测资料和 NECP1°×1°逐 6h再分析资料,运用天气学原理和天气动力学诊断分析方法。【结果】(1)此次超强寒潮天气过程是在中高纬地区配合有 -48℃冷中心的冷涡低槽发展东移南压,引导强冷空气大举南下以及副高加强西伸北抬、高原上多小槽东移的背景下产生的。(2)前期热低压发展加深,贵州大部地区最高气温异常回升至 27℃以上,850hPa冷平流强盛且维持时间长,是造成降温幅度大、气温低、降温持续时间长的主要原因。冷平流强度低于 -32×10-5℃ ·s-1 的区域与过程最低气温降幅超过 16℃的区域基本一致。【结论】(1)强气压梯度和变压梯度是此次超强寒潮强风形成的主要原因,大风区 ΔP3普遍超过 3hPa,ΔP24普遍超过 10hPa。ΔP3 >3hPa、ΔP24 >10hPa可作为寒潮大风预报指标。(2)西南低空急流维持加强,持续输送水汽并使贵州大气层结呈中间暖、上下冷的“三层”结构模式, 850hPa到地面温度 T<0℃,为雪凝天气的发生发展提供了水汽和温度条件。当 850hPa温度 T≤ -2℃、地面温度 T≤0℃ 时,降水相态由雨转冻雨或雨夹雪或雪。 相似文献
63.
64.
扩展卡尔曼滤波与采样卡尔曼滤波性能比较 总被引:3,自引:0,他引:3
详细研究了卡尔曼滤波在非线性系统中的应用,在分析扩展卡尔曼滤波理论的基础上,指出了其在非线性系统应用中的缺陷,阐述了采样卡尔曼滤波(UKF)思想,通过事例和仿真说明了这种新型卡尔曼滤波理论的优越性能。 相似文献
65.
66.
67.
中分辨率成像光谱仪(CMODIS)是我国“神舟3号”飞船上对地观测主载荷,是我国第一台上天的具有测量海面叶绿素a浓度能力的成像光谱仪.利用宽视场海洋水色扫描仪(SeaWiFS)反演叶绿素a浓度作为参考值建立CMODIS资料处理模型,得到三个基于蓝绿波段比值法的叶绿素a浓度反演算法,平均相对误差分别为26.6%,24%和33.5%,均方根误差分别为1.16,1.15和1.23 mg/m3.在叶绿素a浓度反演误差允许范围小于35%的条件下,比值算法的适用范围为悬浮泥沙浓度小于5 g/m3的海区.悬浮泥沙的强散射作用导致比值算法在高悬浮泥沙浓度条件下产生高估叶绿素a浓度反演值的现象;在中低悬浮泥沙浓度的海区,悬浮泥沙和浮游植物对离水辐亮度的综合作用使比值算法存在低估叶绿素a浓度的趋势. 相似文献
68.
69.
乌兰布和沙漠东南缘湖泊群消涨与驱动因素 总被引:1,自引:1,他引:0
湖泊是对环境变化响应敏感的地理单元,湖泊消长与响应机制研究对维持区域生态系统稳定具有重要意义。基于1999—2018年Landsat、气象、水文和农业种植面积等多种数据,在ArcGIS平台中利用改进归一化差异水体指数(MNDWI)及目视修正方法提取了乌兰布和沙漠东南缘湖泊群空间信息,运用统计学方法对主要驱动因子与湖泊消涨的关系进行了分析。结果表明:1999—2018年乌兰布和沙漠东南缘大湖泊(面积大于100 hm2)在面积上占优势,小湖泊(面积小于100 hm2)在数量占优势。趋势分析表明大湖泊面积和数量呈显著性减少趋势(相关系数分别为R=0.624 > R18,0.01=0.561和R=0.648 > R18,0.01=0.561);小湖泊减少趋势不显著。在空间分布格局上,研究区中部是大湖泊稳定分布区,大湖泊数量11~23个,面积2 208~4 581 hm2。研究区湖泊消长主要受到年实际引黄水量、农田面积和地下水埋深的影响。其中,实际引黄(河)水量影响所有湖泊(P≤0.01),而农田面积和地下水埋深分别对大湖泊(P≤0.01)和小湖泊(P≤0.05)影响显著。用这3个因子分别构建的多元回归模型显示,在大、小湖泊面积和数量预测方面,精度分别达到75.7%和60.5%以上。 相似文献
70.