全文获取类型
收费全文 | 275篇 |
免费 | 67篇 |
国内免费 | 92篇 |
专业分类
测绘学 | 1篇 |
大气科学 | 286篇 |
地球物理 | 16篇 |
地质学 | 40篇 |
海洋学 | 7篇 |
天文学 | 5篇 |
综合类 | 5篇 |
自然地理 | 74篇 |
出版年
2024年 | 2篇 |
2023年 | 8篇 |
2022年 | 10篇 |
2021年 | 8篇 |
2020年 | 27篇 |
2019年 | 22篇 |
2018年 | 17篇 |
2017年 | 17篇 |
2016年 | 18篇 |
2015年 | 16篇 |
2014年 | 25篇 |
2013年 | 23篇 |
2012年 | 39篇 |
2011年 | 40篇 |
2010年 | 23篇 |
2009年 | 25篇 |
2008年 | 28篇 |
2007年 | 13篇 |
2006年 | 16篇 |
2005年 | 10篇 |
2004年 | 9篇 |
2003年 | 5篇 |
2002年 | 4篇 |
2001年 | 6篇 |
2000年 | 5篇 |
1999年 | 3篇 |
1998年 | 1篇 |
1997年 | 2篇 |
1996年 | 1篇 |
1995年 | 3篇 |
1994年 | 1篇 |
1993年 | 2篇 |
1989年 | 1篇 |
1988年 | 2篇 |
1987年 | 1篇 |
1983年 | 1篇 |
排序方式: 共有434条查询结果,搜索用时 31 毫秒
431.
基于1960—2019年中国东北地区108个台站逐日降水资料、JRA-55再分析资料和Hadley中心海温数据,分析了东北地区春季极端连续无雨日的年际变化特征及其与前冬北太平洋地区大气环流和海表温度的关系。研究表明,东北地区春季极端连续无雨日集中在3—4月。当3—4月极端连续无雨日偏多时,贝加尔湖地区存在异常高压,东北地区受偏北气流影响,局地水汽辐散。进一步分析发现,东北地区3—4月极端连续无雨日与前冬1—2月北太平洋地区偶极型海平面气压存在密切联系。该大气模态可以引起同期北太平洋海温呈现出马蹄形异常分布并持续到3—4月。在3—4月,海温异常可以通过改变北太平洋上空的经向温度梯度,引起东亚到北太平洋地区的西风变化,进而有利于贝加尔湖地区出现异常高压。另一方面,海温异常还会增强北半球中纬度的波列活动,东传的波列也可以增强贝加尔湖地区的高压。上述异常环流为东北地区极端连续无雨日的增加提供了有利背景条件。留一交叉验证结果显示,前冬1—2月北太平洋地区偶极型海平面气压可作为东北春季极端连续无雨日的潜在预测因子。 相似文献
432.
433.
利用1961—2018年河南省111个气象站逐日和逐小时降水数据,分析了暴雨日数的时空变化规律及暴雨日变化特征,并通过统计对比分析,评估了小时和日值降水数据对暴雨日数及暴雨日变化的影响。结果表明:(1)1961—2018年,河南省年平均暴雨日数变化呈显著上升趋势,速率为0.34 d·(10 a)^(-1);94.6%的气象站点年平均暴雨日数的气候倾向率为正,显著增加的站点数占总站数的73.0%;年平均暴雨日数为1.4 d,以7月最多,平均值为0.52 d,占年平均暴雨日数的37.1%。(2)1961—2018年,河南省暴雨总降水的日变化呈现单峰结构,主峰值出现在05时,为4.5 mm;暴雨日变化峰值呈波动下降趋势,速率为0.16 mm·(10 a)^(-1);日变化峰值大部分出现在00—08时,共42个年份,占79.3%;从空间分布看,各气象站点的暴雨日变化峰值大都出现在00—06时,占总站数的73.5%。(3)2014—2018年,河南省小时和日值降水数据吻合度为100%;吻合暴雨总降水的日变化的主峰值和次峰值出现在04时和17时,分别为4.3 mm和3.4 mm;日变化峰值出现在13—18时的气象站点最多,占总站数的33.9%。(4)小时和日值数据对暴雨日数及暴雨日变化造成了影响,主要表现在年平均暴雨日数及其变化趋势不一致和暴雨日变化的差异。 相似文献
434.
High temperature is a growing threat and impacts public health through different exposure mechanisms. Our study constructs a comprehensive exposure measurement based on temperature variability, duration, and effective influence range. We investigate human responses to high temperatures through self-rated health scores based on individual-level data from China Labor-force Dynamic Survey (CLDS). Results show that higher temperature and temperature variability significantly decrease self-rated health scores. Subjective health risk is most significantly related to the cumulative temperature in the previous two weeks. We also find that the exposure effects at night and on weekdays are more severe. Workers who experience greater exposure from commuting and work environments are negatively impacted by high temperatures. In addition, men, the elderly, middle and low education groups, rural residents are more likely to be impacted by high temperatures. 相似文献