首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   1750篇
  免费   235篇
  国内免费   193篇
测绘学   496篇
大气科学   59篇
地球物理   187篇
地质学   747篇
海洋学   137篇
天文学   5篇
综合类   388篇
自然地理   159篇
  2024年   13篇
  2023年   61篇
  2022年   74篇
  2021年   90篇
  2020年   66篇
  2019年   70篇
  2018年   45篇
  2017年   55篇
  2016年   58篇
  2015年   56篇
  2014年   97篇
  2013年   92篇
  2012年   115篇
  2011年   107篇
  2010年   91篇
  2009年   122篇
  2008年   108篇
  2007年   99篇
  2006年   99篇
  2005年   93篇
  2004年   95篇
  2003年   159篇
  2002年   99篇
  2001年   51篇
  2000年   27篇
  1999年   24篇
  1998年   33篇
  1997年   11篇
  1996年   14篇
  1995年   21篇
  1994年   8篇
  1993年   7篇
  1992年   6篇
  1991年   3篇
  1990年   3篇
  1989年   3篇
  1986年   1篇
  1982年   1篇
  1935年   1篇
排序方式: 共有2178条查询结果,搜索用时 62 毫秒
241.
基于机器学习的稀疏样本下的土壤有机质估算方法   总被引:1,自引:0,他引:1  
采用GRNN(Generalized Regression Neural Network)和RF(Random Forest)2种机器学习方法构建土壤有机质预测模型,以提高稀疏样本情况下的土壤有机质估算精度。依据北京市大兴区农用地2007年的土壤有机质采样数据,按MMSD准则(Minimization of the Mean of the Shortest Distances)抽稀为8种不同采样密度的样本(分别为2703、1352、676、339、169、85、43、22个样本),分别采用GRNN、RF和Ordinary kriging对各采样密度下的未知采样点进行预测,采用交叉检验的方式验证各采样密度下未知样点的预测精度。随着采样点密度的下降,样点间的空间自相关性逐渐减弱,半变异函数的拟和精度变差,预测点结果误差增大,预测的置信度降低。当抽稀到43个和22个采样点时,样点间的空间自相关性接近歼灭,半变异函数的决定系数较低且残差较大。普通克里格受到采样点数量和采样密度、样点的空间结构的影响比较明显,其预测精度随采样点数量的下降而下降。在85个采样点及以下时,其预测值与观测值之间没有显著的相关性。GRNN和RF的预测精度受采样密度的影响不大,其预测精度在一个较小的范围内波动,其预测值围绕观测值在一定阈值空间内震荡波动,具有较好的相关性,在85个及以下的采样密度时,预测精度相对普通克里格有较大的提升。普通克里格法不适合在稀疏样本条件下空间插值计算,尤其是在空间自相关性比较弱的情况下。机器学习模型能充分学习土壤间环境信息、样点空间邻近效应信息,兼顾属性相似性和空间自相关,具有更好的稳定性和适应性,不容易受到采样点数量、构型和采样密度等因素的影响,即使在采样点空间自相关性很弱的情况下也能做出稳定预测精度。  相似文献   
242.
当影像中存在多个相同或相近的直线特征时,仅利用单直线特征间的相似性进行匹配容易导致算法失效,因此本文提出基于直线间几何属性特征相似性约束的组直线匹配算法。该算法利用直线间的拓扑关系分别对2幅影像上提取的直线进行编组得到特征直线组,并将其作为匹配基元;然后利用核线约束确定候选同名直线组的搜索范围,精简了候选直线组的数量;依据直线间几何属性特征向量的仿射不变性建立直线组的匹配关系,将仿射不变量交比作为基础几何不变性测度,并延伸设计仿射相似度参数,计算出目标直线组与每个候选直线组的仿射相似度或一般相似度,确定2种相似度下总体相似度值最大的特征直线组为其同名直线组,最后将同名直线组分裂为2对同名单直线,对分裂后的结果进行整合可以显著降低冗余匹配,得到“一对一”的匹配单直线。为了验证算法的可靠性,实验选取网上公开的5组典型近景影像进行测试,通过与其他匹配算法的对比分析,结果表明该算法应对影像间存在的视角、旋转和尺度变换等复杂条件均取得了较高的匹配精度,匹配正确率最高有14.5%的提升,且阈值的选择对匹配结果影响微弱,验证了基于直线间几何属性特征相似性约束的组直线算法鲁棒性和匹配稳定性较强。  相似文献   
243.
为积极配合审计部门开展领导干部自然资源资产离任审计工作,充分利用地理国情普查及监测成果,探索领导干部自然资源资产离任审计的内容、方法和评价指标体系,探讨了基于地理国情普查和监测数据成果、基础测绘及相关技术获取的各类自然资源资产基础数据。按专业部门现行标准与有关行业部门进行必要的专题数据整合和处理,建设市级自然资源本底数据库,摸清自然资源的存量与变量,为建立自然资源资产审计长效机制奠定扎实的基础。  相似文献   
244.
公路资产包括基础设施及其附属设施等有形资产和相关的设备资源、人力调配等无形资产两部分。实现公路资产的数字化管理是数字交通、智慧交通的基础。本文以辽宁某县为实验区,研究提出了公路资产数据的分类体系及数据标准,基于地理信息系统(GIS)技术构建了公路资产数据库,实现了公路资产数据的可视化表达与管理,为该县公路的信息化管理奠定了坚实的地理空间数据基础,具有推广应用价值。  相似文献   
245.
自然资源资产负债表基本概念释义   总被引:1,自引:0,他引:1  
自然资源资产负债表是遵循会计学中资产负债表的逻辑范式,以衡量资源环境损益为核算理念,能够客观、全面、系统地反映特定时空内自然资源的数量与质量、存量与流量的信息系统.其核算对象所赋有的环境与经济属性,以及肩负的“服务自然资源管理,防范生态风险,评价政府生态责任”功能定位,决定了自然资源资产负债表在计量假设、核算路径、配套制度建设等方面同“企业资产负债表”、“环境经济综合核算”、“国家资产负债表”存在差异性.  相似文献   
246.
人海关系地域系统的构成及其研究重点探讨   总被引:3,自引:1,他引:2  
刘天宝  韩增林  彭飞 《地理科学》2017,37(10):1527-1534
在全球化和人类活动向海洋扩张的背景下,作为总体性人地关系一个组成部分的人海关系正变得日益复杂和重要,亟需对其进行基础性的理论解读,以整合和指导具体研究的展开。人海关系地域系统包括人类、海洋和陆地3个基本组成部分。其中,人类具有自然和社会2种基本属性,受人类活动影响的海洋和陆地具有自然、社会和关系3种基本属性。人类与海洋、人类与陆地和海洋与陆地之间的互动构成了人海关系地域系统中最基本的相互关系,其不同组合和演变塑造出了具体、多样的人海关系地域系统。当前人海关系地域系统的研究重点包括海洋观、海洋的开发与保护、国际海洋关系、陆海统筹和海洋社会5个方面。  相似文献   
247.
应用录井、测井、地质和地震资料,研究了松辽盆地南部月亮泡地区上白垩统姚家组萨尔图油层Ⅰ砂组的沉积微相,并采用沿层地震属性分析技术,分析了河道砂体的展布特征,利用拟合分析进行验证,结果表明萨尔图油层Ⅰ砂组沉积相为三角洲前缘亚相,其微相类型有水下分流河道、河口坝和分流间湾,已有的勘探成果也证实水下分流河道砂体是油气的有利聚集区,结合构造发育情况,预测了松辽盆地南部月亮泡地区构造岩性油气藏勘探的有利区带  相似文献   
248.
青海省自然资源综合调查监测院自成立以来,紧扣"两统一"职责,以推动自然资源资产产权制度改革和有偿使用为着力点,以建立国有自然资源资产报告框架体系为导向,稳妥夯实履行全民所有自然资源资产所有者职责,高效完成青海省全民所有自然资源资产清查第一批试点、青海省黄河流域全民所有自然资源资产清查试点工作,为全民所有自然资源资产清查工作的开展提供了"青海经验",贡献了"青海力量",切实提升自然资源业务水平,有效发挥了生态文明建设主力军作用.  相似文献   
249.
陈润生 《福建地质》1999,18(3):135-140
通过对前人有关火山构造分级分类方案的清理,归纳和总结,提出区域性火山构造分级分类体系及组合式火山构造分级分类体系,二者构成了一套较完整的火山构造分级分类系统。区域性火山构造体系划分的理论基础是火山作用的构造属性,火山活动与区域性全球性构造活化有关,共分四级四类;组合式火山构造体系是应用火山构造组合理论,低级火山构造通过并列式或叠置式组合方式,逐级组合归并为高级火山构造的分级分类方法,共分四级十五类  相似文献   
250.
岩石圈塑性流动与大陆板内构造变形研究进展评述   总被引:5,自引:0,他引:5  
人们对大陆板内构造变形机制有两种不同认识,即“刚性”板块通过弹性实现应力远程传递和岩石圈通过下层塑性流动实现应力远程传递。通过对岩石圈各层变形属性和塑性流动的研究。认为通过处于塑性状态的下地壳和岩石圈地幔的塑性流动实现应力远程传递和控制板内构造变形更为合理。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号