全文获取类型
收费全文 | 462篇 |
免费 | 22篇 |
国内免费 | 22篇 |
专业分类
测绘学 | 310篇 |
大气科学 | 47篇 |
地球物理 | 6篇 |
地质学 | 58篇 |
海洋学 | 17篇 |
综合类 | 36篇 |
自然地理 | 32篇 |
出版年
2024年 | 1篇 |
2023年 | 14篇 |
2022年 | 13篇 |
2021年 | 20篇 |
2020年 | 19篇 |
2019年 | 20篇 |
2018年 | 12篇 |
2017年 | 18篇 |
2016年 | 16篇 |
2015年 | 18篇 |
2014年 | 24篇 |
2013年 | 23篇 |
2012年 | 23篇 |
2011年 | 21篇 |
2010年 | 23篇 |
2009年 | 14篇 |
2008年 | 15篇 |
2007年 | 27篇 |
2006年 | 13篇 |
2005年 | 16篇 |
2004年 | 20篇 |
2003年 | 17篇 |
2002年 | 23篇 |
2001年 | 11篇 |
2000年 | 14篇 |
1999年 | 5篇 |
1998年 | 3篇 |
1997年 | 8篇 |
1996年 | 5篇 |
1995年 | 6篇 |
1994年 | 4篇 |
1993年 | 2篇 |
1992年 | 8篇 |
1991年 | 7篇 |
1990年 | 11篇 |
1989年 | 10篇 |
1988年 | 1篇 |
1985年 | 1篇 |
排序方式: 共有506条查询结果,搜索用时 500 毫秒
401.
LiDAR回波强度数据的校正处理可以提升其在地物分类识别方面的利用价值。本文研究发现倾斜地物(如三角形、拱形房顶等)的自身倾角会改变激光反射角进而影响回波强度,而现有归一化校正模型缺乏对地物倾角的计算分析。随后结合LiDAR数据的采集方式和特点,以及倾斜地物的结构特征,提出了一种加入地物倾角计算的改进型归一化校正算法。首先,对激光点的回波强度值进行基于传输距离值的初步校正;然后,以平面距离值、高程、回波强度值差异为参考,判定激光点是否属于同一倾斜地物,若满足条件,则计算出激光点的趋势角,并依据制定的判定规则确定趋势角的正负;最后,将趋势角计算结果与扫描角数值结合计算出对应的反射角,并重新对回波强度值进行计算校正。实验表明,蓝铁皮材质的三角形、拱形房顶的回波强度值范围和均方差缩小,且采集的8种地物样本的回波强度均值的差异性与激光反射率测量结果基本一致,说明该算法能够有效识别具有一定面积且材质均一的倾斜人工地物并计算修正其自身倾角对回波强度带来的影响,从而进一步提高基于回波强度值的地物可分性。 相似文献
402.
常用的人工判读方式需要耗费大量的人力资源,成本高且周期长。针对这些问题,基于视觉Transformer的深度学习网络模型对成都市重点区域开展典型地物要素分类,智能提取耕地、林地、道路、大棚、水体等8类地物的分布情况,并通过规则化算法对建筑提取结果进行优化。实验结果表明该方法的分类精度达到84.25%,较U-Net、HRNet、DeeplabV3+分类精度更高,且对成都市约6 400 km2重点区域的分类时间约为2 h,具有较高的精度和效率,能够辅助成都市高效率、大范围、高频次的监测重点区域地物。 相似文献
403.
404.
多普勒天气雷达探测过程中的非气象因子会显著影响雷达资料的定量化应用,在雷达基数据的应用前需对雷达资料进行抑制地物杂波、去距离折叠和退速度模糊等质量控制。本文在现有的自动识别地物回波方法的基础上,提出了基于支持向量机(Support Vector Machine,SVM)识别雷达地物杂波的方法,2013年6-8月对安庆和常州两地的CINRAD/SA雷达观测资料进行雷达地物回波识别,并将其与运用人工神经网络(Artificial Neural Networks,ANNs)识别的结果进行对比,结果表明支持向量机方法能够取得更好的效果。在地物、降水回波总样本识别和地物回波识别方面更为有效;降水回波的误判方面,神经网络略优于支持向量机,但两者差异不大,都将降水回波的误判率控制在了一个较小的范围内;另外支持向量机方法较之神经网络方法对于训练样本数目的依赖性较小,在训练样本较少时,支持向量机方法仍能保持有效的识别效果。 相似文献
405.
406.
吉兰泰盐湖典型地物波谱反射率特征及其遥感解译标志 总被引:2,自引:0,他引:2
1997年8-9月期间,预外调查了吉兰泰盐湖及其外围的25个典型地物,并对其实地进行了10个通道的光谱反射率测试。根据吉兰泰盐湖地物地学特征,可将所测得的2筱典型地物分为5类:植被、基岩、水体、化学沉积物和松散沉积物,通过对5类典型地物波谱反射率特征及其影响因素的研究,并依据彩红外航空图象和TM标准假彩色的成象原理,建立了吉兰泰盐湖遥感解译标志。 相似文献
407.
高光谱遥感技术在建 (构) 筑物震害识别中的应用 总被引:1,自引:1,他引:0
高光谱遥感作为20世纪空间对地观测技术重大进步的产物,通过其较高的光谱分辨率,为人们提供了丰富的地球表面信息,在各个研究领域得到了快速发展和广泛应用,并取得了卓越的成果。尽管高光谱遥感具有独特的优势,但是针对其在震害评估领域中应用的相关研究较少。本文在总结高光谱遥感的特征、优势及不同领域应用现状的基础上,开展了其在震害评估领域的应用研究。基于ASD地物波谱仪获取的建(构)筑物光谱曲线构建可用于震害分析所需的光谱特征库,对比光谱库中地物曲线之间的差异后,发现高光谱遥感在震害评估领域中的应用是可行的,因不同震害地物之间的光谱特征曲线存在差异,依据这种差异可区分不同的震害信息,从而对震害遥感图像进行精细分类。 相似文献
408.
409.
不同于一般分类算法基于像素统计的分类,忽略了地物的散射特性,文中提出了一种保持地物散射特性的分类方法。这种方法将Singh提出的Singh四分量分解与基于复Wishart分布的最大似然分类器相结合,对高分三号全极化影像进行分类。利用Singh四分量分解获得表面散射、体散射、二次散射和螺旋体散射,然后将前3种基础散射分别划分为多个聚类,根据复Wishart距离进行类间合并,直到获得指定类别数,输入复Wishart分类器进行迭代分类,最后进行类别合并获得最终分类结果。试验表明本文算法具有较好的分类效果且验证了利用高分三号全极化卫星数据进行影像分类的可行性。 相似文献
410.
遥感影像地物分类多注意力融和U型网络法 总被引:1,自引:0,他引:1
经典的卷积神经网络在对遥感影像进行地物分类的过程中,由于影像中的地物尺寸和光谱特征差异较大、待分类目标背景环境复杂等问题,经典影像分类方法很难得到理想的分类结果。针对这些问题,本文借鉴U型卷积神经网络多层次特征融和的思想,提出了多注意力融和U型网络(MAFU-Net)。该网络利用注意力模块提取和处理不同层次的语义信息,强化不同位置像素和不同特征图之间的相关性,进而提高网络在复杂背景条件下的分类性能。为了验证本文提出的网络在遥感影像地物分类中的效果,分别在ISPRS上的Vaihingen数据集以及北京、河南两地区高分二号数据集上进行了试验,并与目前主流的语义分割网络进行了对比。试验结果表明,相比其他网络,本文提出的MAFU-Net在不同特点的数据集上均可以得到最佳的地物分类结果。同时,该网络结构简单、计算复杂度低、参数量少,具有很强的实用性。另外,本文充分利用特征可视化手段进行MAFU-Net和其他网络的分类性能对比分析,试验结果表明,目前多数深度学习网络模型的深层次原理和作用机制较为复杂,无法准确解释特定网络为何在某种数据集中会失效。这需要研究人员进一步通过更加高级的可视化表达方法和量化准则来对特定深度学习模型及网络性能进行分析评价,进而对更加高级的模型结构进行设计。 相似文献