全文获取类型
收费全文 | 81篇 |
免费 | 9篇 |
国内免费 | 3篇 |
专业分类
测绘学 | 40篇 |
地质学 | 11篇 |
海洋学 | 4篇 |
综合类 | 20篇 |
自然地理 | 18篇 |
出版年
2024年 | 2篇 |
2023年 | 1篇 |
2022年 | 7篇 |
2021年 | 2篇 |
2020年 | 3篇 |
2019年 | 4篇 |
2018年 | 6篇 |
2017年 | 2篇 |
2016年 | 6篇 |
2015年 | 1篇 |
2014年 | 7篇 |
2013年 | 9篇 |
2012年 | 3篇 |
2011年 | 5篇 |
2010年 | 5篇 |
2009年 | 4篇 |
2008年 | 10篇 |
2007年 | 3篇 |
2006年 | 5篇 |
2005年 | 2篇 |
2004年 | 1篇 |
2003年 | 1篇 |
2002年 | 1篇 |
2001年 | 2篇 |
1999年 | 1篇 |
排序方式: 共有93条查询结果,搜索用时 0 毫秒
71.
基于高光谱与多光谱植被指数的洪河沼泽植被叶面积指数估算模型对比研究 总被引:1,自引:0,他引:1
以洪河国家级自然保护区为研究区,2009年8月中旬,在研究区野外实测沼泽植物冠层的光谱反射率和叶面积指数(LAI),将地面实测的植物高光谱反射率以Landsat-5 TM波段范围为基准进行波谱重采样,以重采样后的光谱反射率计算多光谱植被指数,用几种常见的高光谱和多光谱植被指数建立估算沼泽植被叶面积指数的统计回归模型,对比这些模型的精度,选出最优模型.研究结果表明,用各植被指数建立的估算沼泽植被叶面积指数的回归模型分别为二次函数、对数函数或指数函数;各模型对沼泽植被叶面积指数的反演精度差别较大;在全波段高光谱植被指数中,用全波段归一化植被指数H-FNDVI(R930,R515)构建的估算沼泽植被叶面积指数的模型最佳;在常规高光谱植被指数中,用修正简单比率H-MSR构建的估算沼泽植被叶面积指数的模型最佳;在多光谱植被指数中,用多光谱归一化植被指数M-NDVI构建的估算沼泽植被叶面积指数的模型最佳.对比发现,由多光谱数据提取的植被指数构建的模型对研究区LAI的估算效果不太理想,而从实测高光谱数据提取的窄波段特有植被指数构建的估算沼泽植被叶面积指数模型表现出较明显的优势,表明窄波段植被指数更适合用来监测沼泽植被叶面积指数. 相似文献
72.
73.
基于遥感影像的区域尺度地裂缝自动提取技术存在光谱范围不确定和几何特征多样导致提取精度低的问题,对此提出了一种基于对象的地裂缝分步提取方法。首先,对影像进行分割,根据分割对象的光谱和几何特征,掩模去除与地裂缝区别较大的地表干扰要素;然后,提取影像中的线性对象,去除不具有线性特征的地表要素;最后,计算线性对象的分形特征,进一步区分地裂缝和其他线性地表要素,实现地裂缝的精确提取。以鄂尔多斯东北部某煤矿开采区为研究区进行实验,结果表明,该方法能够有效地提取地裂缝,正确率达到85. 7%,高于传统监督分类精度(57. 1%)和知识模型提取精度(71. 4%)。在提取结果的基础上,研究了典型研究区的地裂缝分布特点,分析其与采空区位置以及地形的空间关系,结果显示该研究区的地裂缝个数与采空区距离呈现负相关关系,而与地形没有明显的相关性。研究可为区域性地质环境保护和矿区煤炭资源合理开发提供必要的技术支撑。 相似文献
74.
永久散射体识别是用PS-InSAR方法获取地面沉降数据的关键环节之一,其最佳阈值的设定直接影响PS点的精度和密度。本文基于大数据统计的分析方法——ROC曲线法定量分析和确定PS点识别的最佳阈值。选择3种典型的PS识别方法,绘制每种方法在不同阈值条件下的ROC曲线图,当ROC曲线下面积越大,方法越优。依据最佳阈值位于ROC曲线左上部位的特征,采用敏感度与特异度之和(Se+Sp)最大的方法可定量判定出最佳阈值的取值。在最佳阈值条件下,识别的PS点具有正选率足够高、误选率足够小,PS点的密度足够大的特性。为进一步验证该方法的可行性,本文以北京龙潭公园地区为PS识别的实验区,用振幅离差指数法、相关系数法,以及两种阈值相结合的双阈值法3种方法进行实验识别PS点,并根据ROC曲线判得3种方法的最佳阈值。研究结果发现:(1)振幅离差TD识别PS点的最佳阈值为0.45;相干系数Tγ识别PS点的最佳阈值为0.45;振幅离差TD、相干系数Tγ双重阈值识别PS点的最佳阈值(TD,Tγ)为(0.50,0.50)。(2)用振幅离差TD和相干系数Tγ双阈值法识别PS点,得到的ROC曲线下面积AUC=0.762,高于单阈值法,表明双重阈值法识别PS点优于单一阈值的PS点识别方法。研究表明ROC曲线可定量化确定PS点的最佳阈值,而且该方法可进一步推广于GIS空间分析、遥感解译过程中阈值的定量化筛选。 相似文献
75.
76.
77.
78.
79.
混合像元是遥感影像中普遍存在的现象,对此,本文提出基于加权后验概率的支持向量机进行影像混合像元分解。该分类算法可判定端元种类的同时得到每种地物的后验概率,从而进行非线性模型的混合像元分解。由于加权后验概率的支持向量机分类算法能够减少分类器受土地覆盖类型模糊样本点的干扰,因此,改善了非线性混合像元分解模型的精度。首先,由样本点计算得到核函数参数值,然后,计算影像中每一种土地覆盖类型的后验概率,将其作为各个两类支持向量机分类器的权系数并求得多类后验概率值,确定影像每一种土地覆盖类型并得到丰度值。本文采用TM多波段遥感影像验证该方法的可行性,实验区位于我国东北部的大兴安岭中北段地区,土地覆盖类型包含农田、居民地、水体、荒地等。将本文提出的混合像元分解方法结果与标准支持向量机模型分解的结果对比表明,以加权后验概率的支持向量机遥感影像混合像元分解方法精度优于标准支持向量机模型。 相似文献
80.