全文获取类型
收费全文 | 8678篇 |
免费 | 831篇 |
国内免费 | 913篇 |
专业分类
测绘学 | 2798篇 |
大气科学 | 748篇 |
地球物理 | 1777篇 |
地质学 | 1907篇 |
海洋学 | 696篇 |
天文学 | 95篇 |
综合类 | 883篇 |
自然地理 | 1518篇 |
出版年
2024年 | 27篇 |
2023年 | 111篇 |
2022年 | 362篇 |
2021年 | 416篇 |
2020年 | 392篇 |
2019年 | 439篇 |
2018年 | 238篇 |
2017年 | 350篇 |
2016年 | 342篇 |
2015年 | 361篇 |
2014年 | 415篇 |
2013年 | 534篇 |
2012年 | 527篇 |
2011年 | 519篇 |
2010年 | 377篇 |
2009年 | 440篇 |
2008年 | 467篇 |
2007年 | 559篇 |
2006年 | 503篇 |
2005年 | 400篇 |
2004年 | 391篇 |
2003年 | 365篇 |
2002年 | 307篇 |
2001年 | 285篇 |
2000年 | 205篇 |
1999年 | 180篇 |
1998年 | 192篇 |
1997年 | 145篇 |
1996年 | 109篇 |
1995年 | 110篇 |
1994年 | 98篇 |
1993年 | 67篇 |
1992年 | 45篇 |
1991年 | 25篇 |
1990年 | 32篇 |
1989年 | 26篇 |
1988年 | 26篇 |
1987年 | 15篇 |
1986年 | 8篇 |
1985年 | 4篇 |
1984年 | 5篇 |
1977年 | 2篇 |
1954年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 31 毫秒
71.
72.
73.
通过分析虚拟参考站技术和主辅站技术的不足,提出了一种新的网络RTK技术——增强参考站技术(ARS).分析了这种技术的原理并阐述了该技术中改正数的生成方法,同时,提出了一种基于RTCM编码的适合于该技术的改正数编码格式.在此基础上,分析了该技术的RTK定位精度、数据传输效率和系统可靠性,从理论上说明了增强参考站的技术优势.最后,以四川综合GPS服务网(SIGN)的子网数据对该技术进行了验证,结果表明,该技术具有高定位精度、高数据传输效率的特点,是一种理想的网络RTK技术. 相似文献
74.
附加约束条件的序贯平差 总被引:1,自引:0,他引:1
从观测量分组的参数平差出发,详细推导了附加约束条件的序贯平差及其精度估计,讨论了附加约束条件的抗差序贯平差的计算过程.算例表明,推导的公式正确有效,简单实用,附加约束条件的序贯平差抗差估计能有效地抵制粗差的影响. 相似文献
75.
76.
77.
闫晓光 《测绘与空间地理信息》2008,31(2):67-70
阐述了基于GIS房产管理的关键是建立统一的数据分类与编码标准,核心是建立房屋的空间地理属性信息、自然属性信息、社会人文属性信息的链接,基础是建立房产地理信息数据库。并提出了建立房产地理信息数据库的方法、设计思路和方式。 相似文献
78.
对工程测量学的地位和应用领域,通用和专用仪器的发展,在理论和实践上进行了归纳和总结。简要地叙述了工程测量在国内外的发展情况及其发展趋势。 相似文献
79.
80.
Artificial neural network and liquefaction susceptibility assessment: a case study using the 2001 Bhuj earthquake data,Gujarat, India 总被引:2,自引:0,他引:2
D. Ramakrishnan T. N. Singh N. Purwar K. S. Barde Akshay. Gulati S. Gupta 《Computational Geosciences》2008,12(4):491-501
This study pertains to prediction of liquefaction susceptibility of unconsolidated sediments using artificial neural network
(ANN) as a prediction model. The backpropagation neural network was trained, tested, and validated with 23 datasets comprising
parameters such as cyclic resistance ratio (CRR), cyclic stress ratio (CSR), liquefaction severity index (LSI), and liquefaction
sensitivity index (LSeI). The network was also trained to predict the CRR values from LSI, LSeI, and CSR values. The predicted
results were comparable with the field data on CRR and liquefaction severity. Thus, this study indicates the potentiality
of the ANN technique in mapping the liquefaction susceptibility of the area. 相似文献