全文获取类型
收费全文 | 10779篇 |
免费 | 1416篇 |
国内免费 | 1390篇 |
专业分类
测绘学 | 2882篇 |
大气科学 | 1102篇 |
地球物理 | 1933篇 |
地质学 | 2601篇 |
海洋学 | 677篇 |
天文学 | 80篇 |
综合类 | 1716篇 |
自然地理 | 2594篇 |
出版年
2024年 | 48篇 |
2023年 | 170篇 |
2022年 | 467篇 |
2021年 | 521篇 |
2020年 | 505篇 |
2019年 | 514篇 |
2018年 | 331篇 |
2017年 | 493篇 |
2016年 | 480篇 |
2015年 | 501篇 |
2014年 | 628篇 |
2013年 | 691篇 |
2012年 | 723篇 |
2011年 | 752篇 |
2010年 | 603篇 |
2009年 | 550篇 |
2008年 | 624篇 |
2007年 | 694篇 |
2006年 | 641篇 |
2005年 | 553篇 |
2004年 | 511篇 |
2003年 | 457篇 |
2002年 | 363篇 |
2001年 | 342篇 |
2000年 | 249篇 |
1999年 | 233篇 |
1998年 | 216篇 |
1997年 | 163篇 |
1996年 | 103篇 |
1995年 | 105篇 |
1994年 | 109篇 |
1993年 | 65篇 |
1992年 | 46篇 |
1991年 | 33篇 |
1990年 | 23篇 |
1989年 | 18篇 |
1988年 | 21篇 |
1987年 | 11篇 |
1986年 | 8篇 |
1985年 | 6篇 |
1984年 | 5篇 |
1983年 | 3篇 |
1978年 | 2篇 |
1977年 | 2篇 |
1954年 | 2篇 |
排序方式: 共有10000条查询结果,搜索用时 78 毫秒
91.
92.
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
93.
94.
95.
96.
以烟台市为例,从生态环境协调性、经济可行性、社会可接受性等方面,构建了2004年城市土地可持续利用评价的指标体系,采用特尔斐等方法计算了其可持续利用度。结果表明,烟台城市土地利用目前仍处于可持续利用起步阶段。 相似文献
97.
98.
GM(1,1)动态模型在吴江市地下水水位预测中的应用 总被引:1,自引:0,他引:1
以吴江市地下水水位预测为例,详细阐述了地下水水位时间序列的GM(1,1)动态模型的原理和建立过程,并根据模型的预测值和实测值,对模型的精度进行了检验,结果表明,模型的预测精度达到了99.27%,等级属于Ⅰ级,具有实际的应用价值,为地下水资源的科学管理提供了依据。 相似文献
99.
100.
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