全文获取类型
收费全文 | 361篇 |
免费 | 67篇 |
国内免费 | 66篇 |
专业分类
测绘学 | 18篇 |
大气科学 | 53篇 |
地球物理 | 30篇 |
地质学 | 160篇 |
海洋学 | 141篇 |
天文学 | 5篇 |
综合类 | 36篇 |
自然地理 | 51篇 |
出版年
2024年 | 4篇 |
2023年 | 15篇 |
2022年 | 13篇 |
2021年 | 17篇 |
2020年 | 8篇 |
2019年 | 19篇 |
2018年 | 12篇 |
2017年 | 17篇 |
2016年 | 18篇 |
2015年 | 10篇 |
2014年 | 49篇 |
2013年 | 26篇 |
2012年 | 27篇 |
2011年 | 23篇 |
2010年 | 25篇 |
2009年 | 38篇 |
2008年 | 27篇 |
2007年 | 16篇 |
2006年 | 21篇 |
2005年 | 8篇 |
2004年 | 11篇 |
2003年 | 13篇 |
2002年 | 7篇 |
2001年 | 9篇 |
2000年 | 5篇 |
1999年 | 7篇 |
1998年 | 5篇 |
1997年 | 3篇 |
1995年 | 5篇 |
1994年 | 13篇 |
1993年 | 8篇 |
1992年 | 3篇 |
1991年 | 5篇 |
1990年 | 4篇 |
1989年 | 1篇 |
1985年 | 1篇 |
1964年 | 1篇 |
排序方式: 共有494条查询结果,搜索用时 15 毫秒
491.
利用青藏高原拉萨(Lhasa)和珠峰(QOMS_CAS)站点地基CE-318太阳光度计观测数据,研究了2012年4月2日至4月5日一次生物质燃烧输送对青藏高原气溶胶光学和辐射特性的影响;并结合卫星遥感产品以及后向轨迹模式分析了本次生物质燃烧输送的可能来源。结果表明:本次气溶胶污染期间Lhasa和QOMS_CAS站点的主要气溶胶类型变为生物质燃烧气溶胶,气溶胶粒子的消光性增大(气溶胶光学厚度(AOD)增大,Lhasa和QOMS_CAS站点AOD最大值分别为0.4和0.29),尺度减小(消光波长指数(EAE)>1.5),吸收性增大(吸收波长指数(AAE)>1.3),细模态粒子体积浓度增大,而细模态粒子峰值半径减小。气溶胶辐射强迫表明此次输送过程使得Lhasa和QOMS_CAS站点的气溶胶对大气顶和地表的降温作用增强,对大气的增温作用也增强。生物质燃烧输送的可能来源为南亚的印度东北部,尼泊尔与不丹地区。 相似文献
492.
以发电量和保证出力为目标建立梯级水电站的多目标发电优化调度模型,对三峡梯级中长期发电优化调度进行研究。针对传统方法求解多目标优化问题的局限,提出一种强度Pareto差分进化算法(Strength Pareto Differential Evolution,SPDE)用于求解梯级水电站的多目标发电优化调度问题。SPDE以差分进化算法(Differential Evolution,DE)为基础,采用SPEA2的适应度评价方法,并根据多目标优化的特点对DE的进化算子进行修正。同时,提出一种自适应柯西变异策略(Adaptive Cauchy Mutation,ACM)用于克服算法的早熟收敛问题。三峡梯级水电站实例研究结果表明,SPDE可同时考虑两个目标并有效处理复杂约束条件,一次运行即可得到一组在各目标分布均匀、分布范围广的非劣调度方案供决策者评价优选。 相似文献
493.
近年云南春季的大气污染问题凸显,成为打赢蓝天保卫战的关键阻力。本文基于地面监测和卫星遥感数据,分析了2018~2021年春季云南空气质量变化,并研究了气象要素和境外生物质燃烧对空气质量的影响。结果显示,近4年全省春季污染物超标262 d(含6 d重污染),占全年91.3%,滇南高达96.8%;污染集中在3月中旬至4月中旬,2019年污染最重,2021年次之,但优天减少良天增加明显,2020年尽管污染物浓度最低,但发生6 d重污染;空间分布表现为滇南远高于滇中和滇北,且西双版纳最高,占总超标天数的27%,但臭氧(O3)滇西南和滇中最高,以普洱为首;超标天的首要污染物仍以PM2.5为主,但2018和2019年O3占比略高于PM2.5。总体PM2.5和O3存在显著的正协同效应,高臭氧促进PM2.5二次生成。PM2.5和O3污染发生都与西南风和少降水密切相关,叠加中高温、中低湿加剧O3污染发生,叠加中高温度和湿度易导致PM2.5超标;叠加中高温度和中等湿度,易形成O3 相似文献
494.
利用贵州省普安磨舍光伏电站2020年逐15 min的光伏发电功率、辐射资料与气象站资料,对光伏发电功率变化特征及影响光伏发电功率的气象因子进行分析,建立了光伏发电功率的预测模型,并利用CFSv2模式资料开展月内预测检验。结果表明:光伏电站发电功率呈现早晚低、中午高的单峰型日变化特征,其中春季发电功率值最大,夏季次之,冬季最小。影响光伏发电功率最关键的气象因子为总辐射和日照时数,其相关系数均在0.9以上。5种组合的线性回归预测模型检验结果显示,利用平均气温、最高气温、日较差建立的预测模型预测效果最好,而利用单一气象因子的预测效果最差。为增加光伏发电功率的预测准确率,可根据预测服务需求,并用延伸期模式资料开展光伏发电功率滚动订正预测。 相似文献