全文获取类型
收费全文 | 425篇 |
免费 | 32篇 |
国内免费 | 39篇 |
专业分类
测绘学 | 39篇 |
大气科学 | 65篇 |
地球物理 | 31篇 |
地质学 | 55篇 |
天文学 | 1篇 |
综合类 | 22篇 |
自然地理 | 283篇 |
出版年
2023年 | 2篇 |
2022年 | 16篇 |
2021年 | 17篇 |
2020年 | 18篇 |
2019年 | 29篇 |
2018年 | 16篇 |
2017年 | 17篇 |
2016年 | 13篇 |
2015年 | 20篇 |
2014年 | 25篇 |
2013年 | 29篇 |
2012年 | 34篇 |
2011年 | 27篇 |
2010年 | 22篇 |
2009年 | 27篇 |
2008年 | 18篇 |
2007年 | 23篇 |
2006年 | 21篇 |
2005年 | 22篇 |
2004年 | 20篇 |
2003年 | 28篇 |
2002年 | 14篇 |
2001年 | 7篇 |
2000年 | 5篇 |
1999年 | 5篇 |
1998年 | 4篇 |
1997年 | 5篇 |
1996年 | 5篇 |
1994年 | 3篇 |
1989年 | 2篇 |
1986年 | 1篇 |
1985年 | 1篇 |
排序方式: 共有496条查询结果,搜索用时 31 毫秒
491.
Soil carbon sequestration and potential has been a focal issue in global carbon research. Under the background of global change, the estimation of the size as well as its change of soil organic carbon(SOC) storage is of great importance. Based on soil data from the second national soil survey and field survey during 2011–2012, by using the regression method between sampling soil data and remote sensing data, this paper aimed to investigate spatial distribution and changes of topsoil(0–20 cm) organic carbon storage in grasslands of Inner Mongolia between the 1980 s and 2010 s. The results showed that:(1) the SOC storage in grasslands of Inner Mongolia between the 1980 s and 2010 s was estimated to be 2.05 and 2.17 Pg C, with an average density of 3.48 and 3.69 kg C·m–2, respectively. The SOC storage was mainly distributed in the typical steppe and meadow steppe, which accounted for over 98% of the total SOC storage. The spatial distribution showed a decreased trend from the meadow steppe, typical steppe to the desert steppe, corresponding to the temperature and precipitation gradient.(2) SOC changes during 1982–2012 were estimated to be 0.12 Pg C, at 7.00 g C·m–2·yr–1, which didn't show a significant change, indicating that SOC storage in grasslands of Inner Mongolia remained relatively stable over this period. However, topsoil organic carbon showed different trends of carbon source/sink during the past three decades. Meadow steppe and typical steppe had sequestered 0.15 and 0.03 Pg C, respectively, served as a carbon sink; while desert steppe lost 0.06 Pg C, served as a carbon source. It appears that SOC storage in grassland ecosystem may respond differently to climate change, related to vegetation type, regional climate type and grazing intensity. These results might give advice to decision makers on adopting suitable countermeasures for sustainable grassland utilization and protection. 相似文献
492.
生态补偿机制中若干关键科学问题——以甘南藏族自治州草地生态系统为例 总被引:7,自引:0,他引:7
以甘南州草地生态系统水源涵养服务为例,构建以机会成本、交易成本和实施成本为参数的参与成本模型确定生态补偿标准。基于生态补偿资金效率的考虑,构建以土地所有者提供的生态系统服务、土地所有者的参与成本和生态系统服务受损风险为参数的空间选择模型,以乡镇为研究单元,对生态补偿区域进行选择,采用聚类分析将全州划为5大等级补偿区:优先补偿区、次级优先补偿区、次级补偿区、临界补偿区和潜在补偿区或可能补偿区,并对各类补偿区的特征进行了分析。构建生态补偿额基尼系数与生态补偿资金效率评价模型,分别评价了补偿额在受偿群体和补偿区域中分配的公平性、合理性与不同等级补偿区的补偿效率。结果表明:①以草地生态系统服务功能的价值(4776.4元/hm2·a)和机会成本(621.3元/m2·a)作为补偿标准的上下限,结合参与成本确定甘南州草地生态系统补偿标准为1999.8元/hm2·a;②草地生态系统的补偿优先度与生态重要性、生态脆弱性呈现出吻合趋同的状态,即草地生态系统优先补偿区既是高效补偿区,又是重要生态区和生态脆弱区;③受偿者(草地生态系统水源涵养服务供给者)得到的补偿额有明显不均衡状态,而在补偿区域(草地生态系统)上的分配却处于绝对平均范围内;④草地生态系统补偿区的优先等级次序与补偿效率吻合,即草地生态系统的优先补偿区的补偿效率最高,每元获取的草地生态系统水源涵养服务为38.18,是临界补偿区的14.68倍;次级优先补偿区的效率仅次于优先补偿区,每元补偿的生态系统服务为21.02。 相似文献
493.
遥感和GIS支持下的云南省退耕还林还草决策分析 总被引:52,自引:4,他引:52
以云南省为例,探讨利用地理信息系统技术来确定需要退耕还林还草的耕地数量及其空间分布,其中包括4个步骤,首行,建立土地利用,土壤侵蚀,坡度,植被指数,水体,降雨和温度等数据库,其次,从土地利用数据库中提取旱地的数据,并与坡度数据,土壤侵蚀数据,植被指数数据进行叠架分析,对水体建立缓冲区,并与耕地数据进行叠加分析,再次,退耕还林还草的原则,并在GIS的支持下,确定需要退耕还林还草的空间分布及其面积,最后,利用降雨和温度数据进一步确定分别退耕还林和还草的空间分布及其面积,研究结果可以为云南省的生态环境建设提供科学的依据。 相似文献
494.
针对陇中黄土丘陵沟壑区土壤水蚀过程复杂且难以有效预测的问题,以定西市安家沟水土保持试验站2005—2016年1~12月人工草地径流场试验数据为主要来源,将流域月降雨量、月侵蚀性降雨量、月径流量、月降雨强度、径流场面积、径流场坡度、土壤砂粒含量、土壤粘粒含量8个因子作为输入因子,月土壤水蚀量作为输出,运用偏最小二乘法(Partial Least-Squares
Regression,PLSR)和长短期记忆(Long Short-Term Memory,LSTM)循环神经网络建立人工草地土壤水蚀预测模型,并利用BP(Back Propagation)、RNN(Recurrent Neural
Network)、LSTM常见神经网络模型,对模型的有效性进行评估。结果表明:PLSR将模型8个输入因子减少为4个,从而有效解决LSTM神经网络模型对样本数量要求过高的问题; PLSR和LSTM神经网络模型的结合可以有效提高模型对人工草地土壤水蚀过程的预测精度和收敛速度,预测结果的平均相对误差小于4%,相关系数高于其他3种神经网络模型,而迭代次数、均方根误差和平均绝对误差均低于其他3种模型;研究发现坡度对人工草地土壤水蚀过程影响较为明显,降雨量小于25 mm时,人工草地土壤水蚀量不会随坡度增加而明显增长,但当降雨量超过25 mm时,人工草地土壤水蚀量会随坡度明显增加。 PLSR LSTM神经网络土壤水蚀预测模型可以准确预测陇中黄土丘陵沟壑区人工草地土壤水蚀量,为该地区水土流失的准确预报提供新的思路和方法。 相似文献
495.
496.