全文获取类型
收费全文 | 5754篇 |
免费 | 1042篇 |
国内免费 | 806篇 |
专业分类
测绘学 | 1534篇 |
大气科学 | 863篇 |
地球物理 | 1656篇 |
地质学 | 1832篇 |
海洋学 | 870篇 |
天文学 | 59篇 |
综合类 | 475篇 |
自然地理 | 313篇 |
出版年
2024年 | 134篇 |
2023年 | 418篇 |
2022年 | 487篇 |
2021年 | 459篇 |
2020年 | 295篇 |
2019年 | 364篇 |
2018年 | 215篇 |
2017年 | 190篇 |
2016年 | 193篇 |
2015年 | 228篇 |
2014年 | 350篇 |
2013年 | 271篇 |
2012年 | 332篇 |
2011年 | 269篇 |
2010年 | 298篇 |
2009年 | 261篇 |
2008年 | 288篇 |
2007年 | 242篇 |
2006年 | 205篇 |
2005年 | 207篇 |
2004年 | 185篇 |
2003年 | 202篇 |
2002年 | 194篇 |
2001年 | 171篇 |
2000年 | 127篇 |
1999年 | 92篇 |
1998年 | 106篇 |
1997年 | 94篇 |
1996年 | 87篇 |
1995年 | 80篇 |
1994年 | 86篇 |
1993年 | 84篇 |
1992年 | 60篇 |
1991年 | 61篇 |
1990年 | 54篇 |
1989年 | 43篇 |
1988年 | 14篇 |
1987年 | 10篇 |
1986年 | 15篇 |
1985年 | 15篇 |
1984年 | 10篇 |
1983年 | 11篇 |
1982年 | 7篇 |
1981年 | 11篇 |
1980年 | 8篇 |
1979年 | 7篇 |
1960年 | 7篇 |
1957年 | 11篇 |
1956年 | 4篇 |
1954年 | 6篇 |
排序方式: 共有7602条查询结果,搜索用时 4 毫秒
51.
52.
53.
利用MODIS影像数据,对水华现象出现的重要物质——巢湖水体叶绿素a信息进行反演。在对数据进行预处理后,采集影像相应位置的像元灰度值,与现实中在对应位置观测的湖水叶绿素a浓度进行相关性拟合分析,得到叶绿素a浓度与像元灰度值的相关性方程与相关系数。在建立相关性模型时采用了单波段和波段比值法,得到的最高相关系数为R2=0.881 8,表明利用这种方法反演巢湖水体叶绿素a浓度空间分布具有一定的可靠性。选择相关系数性较高的2个拟合方程反向演算MODIS影像,最后成功得到巢湖湖面当日叶绿素a浓度分布状况图,为巢湖防治水华发生提供了比较准确可靠的信息。 相似文献
54.
55.
近几十年来,基于遥感影像进行水深反演一直是国内外学者研究的热点。本文使用WorldView-3高分辨率卫星影像,结合卫星测高数据,以中国海南岛附近的蜈支洲岛及其附近海域为主要研究区域,在进行数据预处理、底质分类之后,分别通过多元线性回归模型、Stumpf对数比值模型和BP神经网络集中对岛屿周围0~20 m水域的水深进行反演和结果分析。结果证明,对这3种模型而言,在进行底质分类之后精度都会明显提升。其中,BP神经网络反演水深精度最高(均方根误差范围为0.2~0.7 m),多元线性回归模型次之(均方根误差范围为0.3~0.8 m),对数比值模型精度最低(均方根误差范围为0.6~1.1 m)。 相似文献
56.
耕地保护事关国家粮食安全、生态安全和社会稳定,是国计民生的头等大事。深度学习技术在海量数据分析领域的广泛应用,为高效、精准的遥感影像解译提供了技术基础。本文研究了基于深度学习的遥感影像解译技术,利用遥感影像数据和对应的矢量数据构建了可供训练的解译样本库,并提出了一种基于深度残差网络结构的解译模型。通过试验证明了该模型的实用性,实现了对试验区域主要地类面积的变化监测,对比多期影像解译结果和增减挂钩等业务数据,验证了耕地复垦的实施情况。结果表明,深度学习遥感影像解译技术在耕地保护领域有较广泛的应用前景。 相似文献
57.
58.
由于三维激光点云的无序性、稀疏性、非结构性以及光谱纹理信息缺乏,使得点云的语义信息提取十分困难,而可以直接对原始非结构化点云进行语义分割的PointNet++网络无法考虑点云的空间相关性。针对这个问题,本文提出了一种结合自注意力机制的多特征融合点云语义分割网络,使用PointNet++和非局部信息统计注意力模块分别提取点云的多尺度特征和空间相关性特征,并融合两种特征以进行最终的点云分割。通过在ISPRS 3D语义分割数据集上进行对比实验,证明本文通过自注意力机制提取的空间相关性特征优于人工设计的特征,可以明显提高点云语义分割的精度,本文方法较PointNet++总体精度提升了4.5%。 相似文献
59.
针对PM2.5浓度预测中传统机器学习算法无法对数据内部隐藏特征进行深层次挖掘,而深度学习算法在数据较少情况下效果不佳的问题,综合考虑深度学习与随机森林的特点,提出一种基于深度学习与随机森林的PM2.5浓度预测组合模型。模型以气溶胶光学厚度(AOD)遥感数据、气象再分析数据和PM2.5地面观测数据构建训练数据集,通过深度学习方法对训练数据内部深层次隐含特征进行提取,将提取得到的隐含特征用于随机森林模型训练,并使用随机森林回归算法得到PM2.5浓度的预测值。为验证方法的有效性,以河南省区域2018年—2019年的PM2.5浓度估算为例,将原始特征与利用CNN、LSTM和CNN_LSTM所提取特征共同构建的新特征分别通过随机森林回归、支持向量回归以及K近邻回归等3种传统机器学习方法进行训练和预测。实验结果表明,在较少数据情况下PMCOM模型无论是在整体预测还是在分季节预测场景下均具有较好的预测精度,其中以LSTM为特征选择器,RF为回归器的组合模型是本实验的最优模型,在即使只有35%... 相似文献
60.
光学和SAR等对地观测卫星需要经过成像、辐射/几何校正等处理和不断的时序积累,才能为计算机解译提供精度高、稳定性好、时间持续的数据和特征。传统中低分辨率对地观测卫星通常基于地理网格内地物目标电磁波散射特性简化为理想点目标的假设,进行逐像素处理。然而,高分宽幅、大斜视、多通道等新体制卫星的工作模式更加复杂,其数据处理对星地全链路各环节产生的误差非常敏感,对成像参数标定或估计的精度提出了更高要求,此时基于理想点目标假设来进行参数估计、成像及校正处理的方式已难以满足处理精度要求。并且,近年来多体制卫星组网式协同和融合应用的新发展,也使得当前的理想点目标假设难以表征和建模多源多时相数据特征。为此,本文提出了多体制遥感卫星成像数据高精度处理的新方法,首先创新提出了“超像素”的概念和表征理论框架,建立了基于超像素的精确成像模型,然后通过挖掘超像素稳定特征并借鉴生成对抗学习机制,实现了星地全链路高耦合成像参数的高精度估计和持续精化,有效提升了多体制遥感卫星成像数据产品的精度,为计算机解译提供了好的数据产品输入。 相似文献