全文获取类型
收费全文 | 340篇 |
免费 | 99篇 |
国内免费 | 241篇 |
专业分类
测绘学 | 46篇 |
大气科学 | 67篇 |
地球物理 | 35篇 |
地质学 | 319篇 |
海洋学 | 125篇 |
天文学 | 7篇 |
综合类 | 41篇 |
自然地理 | 40篇 |
出版年
2024年 | 12篇 |
2023年 | 32篇 |
2022年 | 36篇 |
2021年 | 47篇 |
2020年 | 35篇 |
2019年 | 38篇 |
2018年 | 36篇 |
2017年 | 18篇 |
2016年 | 38篇 |
2015年 | 50篇 |
2014年 | 43篇 |
2013年 | 42篇 |
2012年 | 61篇 |
2011年 | 51篇 |
2010年 | 22篇 |
2009年 | 18篇 |
2008年 | 8篇 |
2007年 | 11篇 |
2006年 | 12篇 |
2005年 | 5篇 |
2004年 | 11篇 |
2003年 | 10篇 |
2002年 | 10篇 |
2001年 | 4篇 |
2000年 | 11篇 |
1999年 | 1篇 |
1996年 | 1篇 |
1995年 | 4篇 |
1994年 | 2篇 |
1993年 | 1篇 |
1992年 | 3篇 |
1991年 | 2篇 |
1990年 | 2篇 |
1989年 | 3篇 |
排序方式: 共有680条查询结果,搜索用时 15 毫秒
101.
行洛坑钨矿位于武夷山成矿带中部,是该带目前规模最大的钨矿床。钨矿体主要产于强烈蚀变的似斑状黑云母花岗岩岩株顶部,发育细脉浸染状、网脉状及大脉状多种矿化类型,黑钨矿与白钨矿含量近1∶1。关于矿床的流体演化过程与成矿机制目前仍不清楚,成因存在较大争议。本文在详细成矿阶段划分的基础上,对不同阶段产出的不同世代白钨矿开展了系统的原位LA-ICP-MS微量元素和Sr同位素、以及流体包裹体和H-O同位素的研究工作。行洛坑钨矿由早至晚可以划分为3个成矿阶段:细脉浸染状白钨矿-辉钼矿阶段(阶段Ⅰ)、钾长石-白钨矿-黑钨矿-绿柱石阶段(阶段Ⅱ)及硫化物-黑钨矿-白钨矿-碳酸盐阶段(阶段Ⅲ)。流体包裹体研究显示成矿流体为中高温、低盐度的Na Cl-H_2O-CO_2体系。H-O与Sr同位素表明成矿流体主要为岩浆流体,仅成矿晚期阶段有少量的大气降水加入。阶段I白钨矿相对富REE、Mo、Na和Nb,贫Sr;而随着流体演化,白钨矿REE、Mo、Na、Nb含量逐渐降低,Sr含量显著升高。阶段I白钨矿呈自形-半自形粒状,CL图像显示细密的、均匀的震荡环带,稀土元素主要与Na和Nb结合进入白钨矿晶格;阶段Ⅱ、阶段Ⅲ白钨矿呈半自形-他形,不发育或仅发育宽缓的、不规则震荡环带,稀土元素与Ca(Ca的离子空位)结合置换白钨矿中的Ca。结合蚀变与矿化特征,认为阶段I白钨矿形成于低水岩比环境,由初始岩浆流体沿微小裂隙渗透交代而形成;而阶段Ⅱ、Ⅲ白钨矿形成于高水岩比环境,CO_2的不混溶作用伴随强烈的水岩反应导致了钨的富集沉淀。结合矿床地质特征,认为行洛坑钨矿属于广义的斑岩型钨矿,细脉浸染状矿化构成了钨成矿的基础,而网脉状、大脉状矿化的叠加是钨进一步富集的关键。 相似文献
102.
103.
中国北方石墨矿床及赋矿孔达岩系碳同位素特征及有关问题讨论 总被引:24,自引:10,他引:14
本文综合了中国北方孔达岩系和石墨矿床的碳同位素数据 10 2件 ,发现片麻岩石墨 透辉岩石墨 <大理岩石墨 <石墨大理岩方解石 <大理岩方解石 ;混合岩化岩石中石墨δ1 3C总介于有机碳和无机碳之间 ;不同地体片麻岩石墨δ1 3C极为一致 ,变化于 - 2 2 .8‰~ - 2 1.48‰ ,略低于世界有机质平均值 - 2 6± 7‰ ;大理岩的原岩碳酸盐δ1 3C高于 2‰ ,与2 330~ 2 0 6 0 Ma期间全球性δ1 3Ccarb正向漂移事件一致。地质流体是碳同位素分馏、均一化的重要因素 ,是石墨矿床的 3种主要碳源之一 ,是碳的 5种存在形式之一 ,也是碳循环的重要媒介和方式 ;导致热液矿床δ1 3C=- 5‰左右的因素较多 ,依据δ1 3Ccalcite - 5‰得出成矿物质和流体来自地幔的结论值得怀疑 ;中国北方孔达岩系形成于古元古代 ,可能为 2 30 0~ 2 0 5 0 Ma。 相似文献
104.
105.
数字地质填图研究现状与发展趋势 总被引:32,自引:1,他引:31
数字地质填图是指区域地质调查数据的野外获取及其成果的数字化统一性再现.当前数字地质填图现状和发展趋势已基本上实现了数字填图系统的采集、存储、管理、描述、分析和再现地质实体在地球表面空间分布有关的数据信息.在计算机辅助下, 通过野外观测路线的调查, 对地质、地理、地球物理、地球化学和遥感等多源地学数据进行综合分析和地质制图.在掌上机WindowsCE平台上, 实现了数字填图所需的基本GIS基本功能(GPS定位路线采集、素描), 实现了遥感系统与数字填图系统的一体化整合. 相似文献
106.
塔里木盆地塔中、塔北地区志留系古油藏的油气运移 总被引:18,自引:0,他引:18
运用含氮化合物咔唑类探讨塔中、塔北地区在第一期成藏时志留系油气藏的烃类的运移方向, 为建立古油藏成藏模式, 预测原生油气藏分布提供依据.研究表明, 塔中志留系古油藏的油气主要来源于满加尔凹陷的中、下寒武统烃源岩, 向西南—南的方向首先进入塔中志留系, 然后沿不整合面或顺储层从北西向南东和从北东向南西2个方向向志留系在塔中地区的尖灭线附近运移.塔北志留系古油藏的油气也主要来自满加尔凹陷的中、下寒武统烃源岩, 首先向北西方向进入塔北隆起的志留系, 然后在志留系储层内或不整合面沿上倾方向继续向北西方向运移进入圈闭. 相似文献
107.
机器学习在当今诸多领域已经取得了巨大的成功,但是机器学习的预测效果往往依赖于具体问题.集成学习通过综合多个基分类器来预测结果,因此,其适应各种场景的能力较强,分类准确率较高.基于斯隆数字巡天(Sloan Digital Sky Survey,SDSS)计划恒星/星系中最暗源星等集分类正确率低的问题,提出一种基于Stacking集成学习的恒星/星系分类算法.从SDSS-DR7(SDSS Data Release 7)中获取完整的测光数据集,并根据星等值划分为亮源星等集、暗源星等集和最暗源星等集.仅针对分类较为复杂且困难的最暗源星等集展开分类研究.首先,对最暗源星等集使用10折嵌套交叉验证,然后使用支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)、XGBoost(eXtreme Gradient Boosting)等算法建立基分类器模型;使用梯度提升树(Gradient Boosting Decision Tree,GBDT)作为元分类器模型.最后,使用基于星系的分类正确率等指标,与功能树(Function Tree,FT)、SVM、RF、GBDT、XGBoost、堆叠降噪自编码(Stacked Denoising AutoEncoders,SDAE)、深度置信网络(Deep Belief Network,DBN)、深度感知决策树(Deep Perception Decision Tree,DPDT)等模型进行分类结果对比分析.实验结果表明,Stacking集成学习模型在最暗源星等集分类中要比FT算法的星系分类正确率提高了将近10%.同其他传统的机器学习算法、较强的提升算法、深度学习算法相比,Stacking集成学习模型也有较大的提升. 相似文献
108.
109.
随着我国煤炭去产能政策的有力实施,一批资源枯竭及产能落后矿井将陆续关停废弃。废弃矿井仍赋存着大量的煤层气资源,其开发利用是实现煤炭产业清洁安全高效低碳发展、促进煤矿安全生产、优化能源结构、实现温室气体减排等方面的重要举措。基于山西省煤基重点科技攻关(煤层气产业链)项目相关研究,系统阐述了废弃矿井煤层气开发面临着资源量评价不准、钻进体系不健全、井上下联合缺失等关键问题。针对这些问题提出以下几点对策:废弃矿井精准地质探测是采空区地面钻井轨迹设计的重要依据,尤其是炮采等落后采煤工艺的废弃矿井,地球物理勘探精度应达到米级才能有效降低钻遇煤柱风险;优选废弃矿井煤层气地面“L”型钻井思路,即选采空区周边一定距离的保安煤柱作为L型井位,并配套特殊钻进工艺;煤矿企业应将废弃矿井资源开发利用纳入煤矿全生命周期规划,尤其是矿井废弃前应确保煤层气抽采通道畅通,以实现煤层气井“一井多用”的新型井上下联合开采模式,提高废弃矿井煤层气开发效率;采用防回火、各种传感器等装置,并对关键参数设置自动报警停机界限值,从而使废弃矿井煤层气地面开采工艺安全、高效;对不同浓度废弃矿井煤层气,需要采取相应的梯级利用模式,从而提高整体开发利用价值。以山西省废弃矿井为示范区,研究认识对推动全国煤矿区废弃矿井煤层气开发利用具有重要的指导和示范意义。 相似文献
110.
机器学习在当今的诸多领域已经取得了巨大的成功.尤其是提升算法.提升算法适应各种场景的能力较强、准确率较高,已经在多个领域发挥巨大的作用.但是提升算法在天文学中的应用却极为少见.为解决斯隆数字巡天(Sloan Digital Sky Survey,SDSS)数据中恒星/星系暗源集分类正确率低的问题,引入了机器学习中较新的研究成果–XGBoost (eXtreme Gradient Boosting).从SDSS-DR7 (SDSS Data Release 7)中获取完整的测光数据集,并根据星等值划分为亮源集和暗源集.首先,分别对亮源集和暗源集使用十折交叉验证法,同时运用XGBoost算法建立恒星/星系分类模型;然后,运用栅格搜索等方法调优XGBoost参数;最后,基于星系的分类正确率等指标,与功能树(Function Tree, FT)、Adaboost (Adaptive boosting)、随机森林(Random Forest, RF)、梯度提升决策树(Gradient Boosting Decision Tree, GBDT)、堆叠降噪自编码(Stacked Denoising AutoEncoders, SDAE)、深度置信网络(Deep Belief Network, DBN)等模型进行对比并分析结果.实验结果表明:XGBoost在暗源分类中要比功能树算法的星系分类正确率提高了将近10%,在暗源集的最暗星等中比功能树提高了将近5%.同其他传统的机器学习算法和深度神经网络相比, XGBoost也有不同程度的提升. 相似文献