全文获取类型
收费全文 | 963篇 |
免费 | 210篇 |
国内免费 | 169篇 |
专业分类
测绘学 | 184篇 |
大气科学 | 190篇 |
地球物理 | 372篇 |
地质学 | 240篇 |
海洋学 | 127篇 |
天文学 | 47篇 |
综合类 | 148篇 |
自然地理 | 34篇 |
出版年
2024年 | 5篇 |
2023年 | 17篇 |
2022年 | 35篇 |
2021年 | 32篇 |
2020年 | 43篇 |
2019年 | 58篇 |
2018年 | 34篇 |
2017年 | 56篇 |
2016年 | 37篇 |
2015年 | 56篇 |
2014年 | 62篇 |
2013年 | 69篇 |
2012年 | 67篇 |
2011年 | 72篇 |
2010年 | 58篇 |
2009年 | 61篇 |
2008年 | 67篇 |
2007年 | 71篇 |
2006年 | 65篇 |
2005年 | 53篇 |
2004年 | 49篇 |
2003年 | 50篇 |
2002年 | 39篇 |
2001年 | 26篇 |
2000年 | 29篇 |
1999年 | 19篇 |
1998年 | 28篇 |
1997年 | 15篇 |
1996年 | 10篇 |
1995年 | 3篇 |
1994年 | 10篇 |
1993年 | 11篇 |
1992年 | 8篇 |
1991年 | 3篇 |
1990年 | 3篇 |
1989年 | 5篇 |
1988年 | 6篇 |
1987年 | 5篇 |
1985年 | 1篇 |
1984年 | 1篇 |
1983年 | 2篇 |
1982年 | 1篇 |
排序方式: 共有1342条查询结果,搜索用时 15 毫秒
41.
42.
43.
44.
增强型罗兰导航系统(eLoran)作为全球卫星导航系统(GNSS)的备份系统,是国家定位导航授时(PNT)安全的重要基础设施.针对目前标准eLoran信号存在易受交叉干扰、天波干扰,通信数据传输速率低等的问题,本文基于标准罗兰信号体制提出了两种波形改进方法(衰减函数法与对称波形法)并对新型波形进行性能评估.实验结果表明,两种方法能够有效缩短波形持续时间,加速后沿波形下降,减小发射机功耗.对称波形法能够大幅减小波形持续时间,但缩短波形持续时间也将改变原信号波形的频谱特性,利用衰减函数法可以最大程度保证信号的频谱性能.综合分析可知,新型波形能够有效利用时域资源,空余的时间可用于增加传输信号,进而提高数据调制技术的性能. 相似文献
45.
选取江西省宜春市晴空、弱降水、强降水三类天气过程个例,结合天气形势、雷达回波、气象要素等资料,对比分析了风廓线雷达产品特征。结果表明:(1)在晴空天气背景下,风廓线雷达探测高度低,水平风速小,垂直风速正负值交替出现,大气折射率结构常数(Cn2)值最小。(2)在稳定性弱降水天气背景下,大气呈稳定状态,风廓线雷达探测高度随降水的产生而逐渐抬升,高低层有明显的风速切变,850 hPa赣南至赣东北有西南急流穿过,赣北有切变线存在,利于降水产生,垂直风速因降水影响出现朝向雷达正速度,Cn2值比晴空时大。(3)在具有产生强对流天气背景下,大气中对流强烈,风廓线雷达的水平风速增大,西南急流深厚且不断下沉,850-700 hPa有强烈的垂直切变,动力条件和水汽条件利于强降水产生,垂直风速表现为更大的朝向雷达正速度,Cn2值比弱降水时的大。 相似文献
46.
47.
48.
本文针对2015年4月15日发生在南北地震带北端的阿拉善左旗5.8级地震,利用乌海台、东升庙台、石嘴山台的连续数字地震波形资料,采用快速傅里叶变换对三个台站的2015年4月1日00时—4月15日23时波形数据进行分析,并持续跟踪0~0.25 Hz包络幅值极大值的变化形态。结果显示:(1)在5.8级地震前,震中附近的乌海地震台、东升庙地震台、石嘴山地震台记录的地震波形均出现频谱向低频偏移的现象;(2)三个台站出现低频异常的包络幅值极大值跟踪形态不一致,其中只有乌海台在震前出现明显的持续不稳定异常,异常持续时间约120h;(3)三个台站距离震中由近及远包络幅值极大值的跟踪形态差异明显。 相似文献
49.
结合近年来“九五”国家重中之重项目有关ENSO业务预报系统研究工作的体会和见解 ,简要综述了近年来ENSO的预报问题 ,尤其是ENSO统计预测方法的研究成果 ,并对各种预报方法的效果进行评价。 相似文献
50.
为了解决带电作业时手臂末端输出力的准确控制,提出一种基于表面肌电信号(sEMG信号)和支持向量机回归(SVR)实现对手臂末端施力的评估方法.通过手握机械手臂末端的手柄,做往复推拉运动,记录此时手柄处的力传感器的数据F,同时利用3组肌电信号传感器同步采集手臂的肌电信号.将肌电信号提取特征后,与力F组合成样本集合S,在样本集合中随机抽取50%的样本数据作为训练集,分别训练BP神经网络、GRNN神经网络以及SVR神经网络.最后用训练好的神经网络对整个样本集中的力F进行预测,并用均方根误差和相关系数评估模型的预测效果.结果显示,SVR神经网络的预测效果较好,其均方根误差为3.074 0,相关系数为0.951 7. 相似文献