全文获取类型
收费全文 | 714篇 |
免费 | 114篇 |
国内免费 | 81篇 |
专业分类
测绘学 | 355篇 |
大气科学 | 84篇 |
地球物理 | 162篇 |
地质学 | 135篇 |
海洋学 | 71篇 |
天文学 | 12篇 |
综合类 | 63篇 |
自然地理 | 27篇 |
出版年
2024年 | 12篇 |
2023年 | 43篇 |
2022年 | 67篇 |
2021年 | 61篇 |
2020年 | 40篇 |
2019年 | 47篇 |
2018年 | 34篇 |
2017年 | 36篇 |
2016年 | 29篇 |
2015年 | 27篇 |
2014年 | 43篇 |
2013年 | 35篇 |
2012年 | 37篇 |
2011年 | 22篇 |
2010年 | 34篇 |
2009年 | 33篇 |
2008年 | 39篇 |
2007年 | 56篇 |
2006年 | 36篇 |
2005年 | 26篇 |
2004年 | 26篇 |
2003年 | 19篇 |
2002年 | 7篇 |
2001年 | 16篇 |
2000年 | 12篇 |
1999年 | 15篇 |
1998年 | 6篇 |
1997年 | 4篇 |
1996年 | 13篇 |
1995年 | 4篇 |
1994年 | 3篇 |
1993年 | 3篇 |
1992年 | 1篇 |
1991年 | 7篇 |
1990年 | 5篇 |
1989年 | 3篇 |
1988年 | 1篇 |
1987年 | 1篇 |
1985年 | 3篇 |
1983年 | 1篇 |
1957年 | 2篇 |
排序方式: 共有909条查询结果,搜索用时 203 毫秒
862.
863.
864.
865.
866.
果蔬表皮农药残留关乎食品安全问题。本文以苹果为研究对象,应用表面增强拉曼光谱(SERS)技术,结合高灵敏度、便携的纳米检测棒,检测果蔬中常用农药倍硫磷和多菌灵,研究农药残留衰减规律,并对比研究不同方法对农药残留的去除效果。研究表明,基于GMA-EDMA多孔材料和金纳米颗粒制备的纳米检测棒,对苹果表皮残留的倍硫磷和多菌灵的最低检测浓度分别达0.10和0.05 mg/L,在低浓度范围内特征峰强度与浓度成良好的线性关系。苹果表皮两种农药残留量随时间成e指数衰减,衰减为e-1的时间常数分别约为1~2 d和4~5 d。不同清洗剂(清水、盐水、小苏打水、果蔬洗涤剂)对农药残留的清洗效果不同,淡盐水可提高农药残留清洗效率,清水清洗需要延长清洗时间才能达到相同效果。研究结果表明,纳米检测棒能有效提高果蔬农药残留的检测灵敏度和检测效率,结合便携式拉曼系统,可实现果蔬农药与淡盐水残留的快速、现场检测。 相似文献
867.
针对传统侧扫声纳图像沉船目标识别精度低的问题,引入深度学习,提出了一种改进的You Only Look Once X(YOLOX)目标检测方法。首先对收集的侧扫声纳沉船图像进行预处理,根据实测过程拖鱼的姿态、仪器设备不同等造成的成像差异进行数据增强与扩充,并构建数据集;其次以YOLOX为基础网络,根据侧扫声纳图像缺少丰富特征信息的问题,对网络进行改进,在网络的Spatial pyramid pooling(SPP)结构引入Softpool池化替换原来的池化,提取更多的细节特征信息;最后对改进前后的网络模型进行精度评估,验证改进网络的可行性。实验结果表明,改进后的网络在平均精确率均值(mAP)等精度评定指标中相较于原网络都有着显著提升,识别效果更好。该研究可为侧扫声纳探测中实时目标物检测提供研究基础。 相似文献
868.
干旱区ETM遥感图像蚀变异常信息提取方法研究 总被引:1,自引:0,他引:1
含矿热液蚀变带是成矿作用发生的重要标志之一,它作为矿产资源快速评价和定位预测的一个主要参数,在遥感地质找矿中具有重要意义。本文在分析干旱区ETM遥感影像地物识别所依据的光谱特征的基础上,提出一种基于小波自适应增强及主分量分析相结合的蚀变遥感异常信息提取方法,结合MATLAB编程软件和ERDAS 8.6遥感图像处理软件进行蚀变信息提取试验,并分别与传统的基于波段选择的主成分提取法以及基于主成分分析和比值增强相结合的提取法进行对比分析和效果查证。实验结果表明,研究区内利用小波自适应增强与主分量分析相结合提取的遥感异常与已知矿床、矿(化)点的吻合率达到80%,新发现矿化点一处和外围找矿线索多处,能取得较为满意的提取效果,具有快速、高效、 经济的特点,较之传统方法具有很大的优越性。 相似文献
869.
870.
地质命名实体识别是识别地质文本中的地质实体并分类到准确的地质概念中的一项地质知识智能抽取任务,也是构建地质领域知识图谱的关键技术之一。本研究针对地质命名实体识别领域中复杂实体识别精度不足和样本标注成本较高这两大挑战,构建了一种地质实体识别模型BERTwwm-BiLSTM-Attention-CRF,该模型通过改进的预训练层BERTwwm并在模型中加入Self-Attention模块,显著提升了复杂地质实体的识别精度,对地质实体识别的精度达到92.67%的精确率,94.21%的召回率,以及93.29%的F1值。同时,为降低标注成本,提升小规模数据集的识别精度,本研究优化了模型构建流程,采用模型辅助标注方法,加快数据集的标注速度;改进简单数据增强方法,并利用地质字典有效扩充数据集,降低了人工标注的难度。经过实验证明,本研究提出的改进方法提高了地质实体识别效果,为地质文本分析提供了一种高效且经济的解决方案,有助于推动地质领域知识图谱的构建和地质信息的智能化处理。 相似文献