全文获取类型
收费全文 | 453篇 |
免费 | 33篇 |
国内免费 | 55篇 |
专业分类
测绘学 | 250篇 |
大气科学 | 19篇 |
地球物理 | 30篇 |
地质学 | 52篇 |
海洋学 | 130篇 |
天文学 | 2篇 |
综合类 | 32篇 |
自然地理 | 26篇 |
出版年
2024年 | 4篇 |
2023年 | 16篇 |
2022年 | 14篇 |
2021年 | 26篇 |
2020年 | 15篇 |
2019年 | 29篇 |
2018年 | 21篇 |
2017年 | 32篇 |
2016年 | 10篇 |
2015年 | 21篇 |
2014年 | 25篇 |
2013年 | 15篇 |
2012年 | 25篇 |
2011年 | 26篇 |
2010年 | 30篇 |
2009年 | 20篇 |
2008年 | 29篇 |
2007年 | 20篇 |
2006年 | 17篇 |
2005年 | 19篇 |
2004年 | 18篇 |
2003年 | 15篇 |
2002年 | 9篇 |
2001年 | 11篇 |
2000年 | 9篇 |
1999年 | 6篇 |
1998年 | 4篇 |
1997年 | 7篇 |
1996年 | 9篇 |
1995年 | 7篇 |
1994年 | 6篇 |
1993年 | 8篇 |
1992年 | 5篇 |
1991年 | 4篇 |
1990年 | 1篇 |
1989年 | 6篇 |
1988年 | 1篇 |
1984年 | 1篇 |
排序方式: 共有541条查询结果,搜索用时 15 毫秒
231.
232.
正在数字地图特别是大比例尺地图生产中,涉及较多面状目标合并的操作[1],其实质是寻找包围邻近多边形的边界,且尽可能保证合并后的形状与原多边形相似,而邻近关系是以视觉距离感来认知的。视觉邻近多边形群的空间关系在制图综合中扮演重要角色[2]。目前应用较多的是基于Delaunay三角网进行多边形合并[3-5],其效果较好但算法复杂度较高;凸壳[1]、栅格扩展[2]、缓冲区[6]以及与之类似的扩展形态学算子[9]等进行建筑物合并的方法多具有针对性,用于邻近区域 相似文献
233.
通过IDL语言调用ENVI二次开发函数库,首先基于多波段谱间关系法实现华南山区细小水体的自动提取,然后利用数学形态学膨胀滤波算法对图像进行断线连接和小孔填充,最后通过对比形态学腐蚀算法和Pavli-dis异步细化算法对图像进行细化处理,从而得到比较理想的细小水体。结果表明:该方法能够有效解决水体提取后断线连接、空洞填充及细小水体细化等问题,从而为水体自动、快速提取和分类提供有力帮助。 相似文献
234.
235.
236.
为提高地理国情要素中水系中心线的采集效率,在地表覆盖水系要素采集的基础上,采用二值化、图像形态学、图形细化等算法,基于GDAL和ArcGIS Engine技术,实现了水系中心线的自动提取。实验结果表明,本文采用的方法在生产中具有一定的实用价值。 相似文献
237.
海草床可以为海洋动物提供产卵、索饵、繁育等场所。目前, 海草床面积急剧下降, 其中我国关于虾形草属(Phyllospadix)海草的研究相对较少, 对于虾形草主要繁育载体种子的描述、显微观察和萌发过程方面存在较多空白。本研究以红纤维虾形草(Phyllospadix iwatensis)为研究对象, 对其生长环境、种子外部特征、内部结构、萌发过程等进行了定性定量描述。结果表明, 虾形草果实种子对于海洋环境有着外部形态与内部结构的适应性, 外部形态特点包括独特的果序和果实形状, 以及翅状结构和内侧鬃毛, 其中果序呈弯虾形, 平均长度3.4cm, 果实呈马掌形, 直径3~4mm, 内部结构特征包括胚乳占比大、果皮种皮解剖结构复杂等, 具有作为海岸带植被修复工具种的优势。本研究补充了目前对虾形草等海洋沉水植物种子的研究资料, 为虾形草海草种质库保护与海草床修复提供了建议和参考。 相似文献
238.
基于分水岭算法的高分遥感图像道路提取优化方法 总被引:2,自引:0,他引:2
针对高分辨率遥感图像城市道路提取中存在的问题,在面向对象方法和数学形态学等理论基础上,提出了一种基于改进的分水岭分割算法的道路提取方法.在图像预处理基础上,首先使用改进的分水岭算法分割影像,提取基本的道路信息;然后利用面向对象方法提取道路基元,完善道路信息;最后将道路信息二值化,并采用数学形态学等方法进行优化,去除和修补不完善的道路.结果表明,该方法能有效地提取出城市地区的道路信息,对较复杂的道路环境也有较好的效果. 相似文献
239.
240.
在分析现有的LiDAR点云数据后处理方法的基础上,本文提出了一种点云数据“分步”滤波方法。首先对LiDAR点云数据进行数学形态学“粗”滤波,得到“地面点假设”和“非地面点假设”。然后引入顾及因果关系的自回归模型(car)对两类点云数据假设进行模型化处理和假设检验,根据假设检验的结果判断地面点和非地面点,最终得到可靠的分类结果。与单纯的“最小二乘拟合预测法”或“数学形态学”方法相比,这种“分步”处理的思想用于LiDAR点云数据分类处理的结果更可靠。 相似文献