全文获取类型
收费全文 | 1363篇 |
免费 | 815篇 |
国内免费 | 185篇 |
专业分类
测绘学 | 481篇 |
大气科学 | 176篇 |
地球物理 | 155篇 |
地质学 | 451篇 |
海洋学 | 879篇 |
天文学 | 11篇 |
综合类 | 143篇 |
自然地理 | 67篇 |
出版年
2024年 | 24篇 |
2023年 | 102篇 |
2022年 | 117篇 |
2021年 | 133篇 |
2020年 | 155篇 |
2019年 | 215篇 |
2018年 | 198篇 |
2017年 | 64篇 |
2016年 | 58篇 |
2015年 | 68篇 |
2014年 | 73篇 |
2013年 | 41篇 |
2012年 | 68篇 |
2011年 | 92篇 |
2010年 | 73篇 |
2009年 | 92篇 |
2008年 | 74篇 |
2007年 | 71篇 |
2006年 | 53篇 |
2005年 | 58篇 |
2004年 | 33篇 |
2003年 | 41篇 |
2002年 | 36篇 |
2001年 | 44篇 |
2000年 | 44篇 |
1999年 | 25篇 |
1998年 | 26篇 |
1997年 | 26篇 |
1996年 | 27篇 |
1995年 | 53篇 |
1994年 | 27篇 |
1993年 | 38篇 |
1992年 | 32篇 |
1991年 | 25篇 |
1990年 | 20篇 |
1989年 | 16篇 |
1988年 | 3篇 |
1986年 | 1篇 |
1984年 | 1篇 |
1982年 | 3篇 |
1981年 | 3篇 |
1980年 | 1篇 |
1972年 | 2篇 |
1960年 | 4篇 |
1959年 | 1篇 |
1958年 | 2篇 |
排序方式: 共有2363条查询结果,搜索用时 46 毫秒
551.
关于对虾的“黑鳃病” 总被引:1,自引:0,他引:1
对虾“黑鳃病”的名称,最早是1968年日本石川雄介在养殖日本对虾(Penaeus japonieus)的病虾上发现了镰刀菌,因病虾鳃丝变黑而命名的。以后江草周三等人又以此名称陆续发表了许多研究报告。Johnsoll(1974)和Lightrier(1975)等报告了得克萨斯州的桃红对虾(P.duorarum)、褐对虾(P.aztecus)、加州对虾(P.californiensis)、中美白对虾(P.occidentalis)和蓝对虾(P.stylirostris)等因水中含有重金属离子使虾鳃变黑的病例,他们也用“黑鳃病”这个名称。我国近几年来有些养虾地区也说有黑鳃病发生。作者根据三年来对我国的东方对虾(P.orientalis)、长毛对虾)P.penicillatus)和墨吉对虾(P.merguiensis)等疾病的调查,参考国外的报道对这问题进行综述,并对“黑鳃病”名称提出自己不同的看法。 相似文献
553.
554.
555.
人工越冬对虾体内寄生纤毛虫病的研究 总被引:3,自引:0,他引:3
本文报道了中国对虾越冬亲虾体内寄生纤毛虫病的发病机制、病理组织及防治方法。试验结果表明:虾体表损伤是致病的主要原因。纤毛虫通过伤口进入虾体内,寄生于心脏血淋巴,吞噬血细胞,破坏组织尤其是鳃组织。致使组织机构损伤,缺血、变性,对虾呼吸困难,贫血、窒息而死,防止对虾体表受伤是预防该病的唯一途径。一些外用消毒剂如福尔马林、孔雀绿等对该病有预防作用。 相似文献
556.
三疣梭子蟹(Portunus trituberculatus)乳化病的组织病理和超微病理研究 总被引:5,自引:4,他引:5
利用组织切片及超薄切片电镜技术对患“乳化病”三疣梭子蟹的鳃、肝胰腺、步足肌肉、心肌和性腺5种组织进行病理学分析。组织病理显示:乳化病的病变性质为变质性炎症,主要病变部位在肝胰腺,其病灶表现为水变性、脂肪变性和细胞坏死等症状,步足肌和心肌表现出肌纤维断裂、浑浊等症状。超微病理显示:在肝胰腺和步足肌组织中有大量细菌,肝胰腺细胞结构损伤主要表现为微绒毛损伤脱落、线粒体坏死、溶酶体增多及脂肪滴变性,肌纤维断裂、溶解,血隙中血淋巴细胞受严重侵染。 相似文献
557.
558.
自动捕捉蠕虫是分析、遏制、对抗蠕虫的前提条件。通过深入分析各种实际蠕虫,提出了蠕虫传播的特性——异常数据来自不同的源地址,感染机发送相同的数据到大量目的地址。基于该特性,设计实现了基于蜜罐的蠕虫自动捕捉系统,系统自动分析发出和之前进入蜜罐机的数据包,通过特征分析和阀值比较,发现并捕获蠕虫。实验结果表明,系统可以获得良好的结果。 相似文献
559.
滑坡灾害易发频发、点多面广、隐蔽性强、危害严重.开展“天-空-地-深”观测一体化的滑坡早期识别、易发性评价及预测预报,对于保障人民生命和财产安全,推进滑坡灾害防治能力现代化具有重要意义.目前,依靠人工解译的滑坡识别耗时耗力,采用启发式模型的滑坡易发性评价不能较好地探明环境因子之间的非线性关系,基于传统监测数据的滑坡预测预报精度较低.机器学习算法凭借其强大的非线性处理能力及鲁棒性等优势,逐渐广泛应用于滑坡智能防灾减灾中.基于此,本研究系统阐述了机器学习在滑坡灾害早期识别、易发性评价及预测预报等方面的具体应用,综述了多种机器学习算法在上述3个领域中运用的优劣,最终对机器学习在滑坡灾害中未来的发展趋势进行了展望. 相似文献
560.
在使用机器学习模型对滑坡进行易发性评价时,通常会在滑坡影响范围之外随机选取非滑坡样本点,具有一定的误差。为了提高滑坡易发性评价的精度,将自组织映射(self-organizing map,SOM)神经网络、信息量模型(information,I)以及支持向量机模型(support vector machine,SVM)进行耦合,提出一种基于SOM-I-SVM模型的滑坡易发性评价方法,并将SOM神经网络与K均值聚类算法进行对比,验证模型的可靠性。以十堰市茅箭区为例,首先通过对环境因子的相关性及重要性分析,筛选出距水系距离、坡度、降雨量、距构造距离、相对高差、距道路距离、地层岩性等7个因子,建立滑坡易发性评价指标体系,在此基础上计算出各因子的分级信息量值,并作为模型的输入变量进行滑坡易发性评价。分别采用SOM神经网络和K均值聚类算法选取非滑坡样本,然后将样本数据集代入I-SVM模型预测滑坡易发性。将SVM、I-SVM、KMeans-I-SVM、SOM-I-SVM等4种模型预测精度进行对比,其ROC曲线下面积(AUC)分别为0.82,0.88,0.90,0.91,说明SOM-I-SVM模型能... 相似文献