全文获取类型
| 收费全文 | 323篇 |
| 免费 | 75篇 |
| 国内免费 | 66篇 |
专业分类
| 测绘学 | 77篇 |
| 大气科学 | 81篇 |
| 地球物理 | 68篇 |
| 地质学 | 116篇 |
| 海洋学 | 30篇 |
| 天文学 | 5篇 |
| 综合类 | 49篇 |
| 自然地理 | 38篇 |
出版年
| 2024年 | 41篇 |
| 2023年 | 110篇 |
| 2022年 | 105篇 |
| 2021年 | 78篇 |
| 2020年 | 42篇 |
| 2019年 | 36篇 |
| 2018年 | 14篇 |
| 2017年 | 9篇 |
| 2016年 | 1篇 |
| 2015年 | 1篇 |
| 2014年 | 2篇 |
| 2013年 | 2篇 |
| 2012年 | 1篇 |
| 2011年 | 4篇 |
| 2010年 | 3篇 |
| 2009年 | 1篇 |
| 2007年 | 5篇 |
| 2005年 | 3篇 |
| 2004年 | 2篇 |
| 2003年 | 1篇 |
| 2001年 | 2篇 |
| 1989年 | 1篇 |
排序方式： 共有464条查询结果，搜索用时 15 毫秒
91.
基于机器学习的南京市旅游地个性及其文化景观表征 总被引：3，自引：0，他引：3
旅游地具有物质和精神双重属性。鉴于旅游地精神属性在量化表达和测量方面的困难,以往旅游地研究较少涉及。旅游地个性概念的提出为旅游地精神属性研究打开了思路。由于开展时间不长,当前旅游地个性研究大多基于营销学中的品牌个性研究思路展开,缺乏对地方适用性的考量,且尚未深入到对个性表征形式及表征机制的探讨。基于此,从地理学视角出发,选取城市旅游地作为研究对象,着眼地方特性,系统构建城市旅游地个性量表,在此基础上,开展针对案例地城市南京的个性测量和分析,并以城市文化景观作为表征媒介,深入探究城市旅游地个性的景观表征形式及表征机制。研究发现：城市旅游地个性主要包含态度、气质、性格、能力四大特征;城市文化景观是城市旅游地个性的重要表征媒介,包含现代空间景观、传统空间景观、生态景观、生活景观、社会景观五大维度;以上景观维度及其所辖景观元素在表征城市旅游地个性方面发挥不同作用。研究过程及结论为包括旅游地在内的地方精神属性研究提供了一种概念框架和方法体系,是对精神层面人地关系认识上的丰富。机器学习这一智能化探索型数据分析手段的运用为处理地理学中普遍存在的高维非线性噪声数据提供了有力的方法支撑。 相似文献
92.
高分辨率遥感对地观测为我们从空间与时间2个维度客观反演地表格局—过程提供了有效的技术支撑。本文遵循时空协同的研究思路,基于高分辨率遥感影像,开展了农业遥感领域2个典型的问题研究：① 提出了一种基于影像视觉特征的耕地分区分层提取方法,该方法在利用DEM数据进行分区的基础上,根据不同区域内耕地所呈现的几何特征和纹理特征差异,分别设计了不同的耕地提取模型;② 构建了一种地块尺度的作物生长参数反演方法,方法以地块为基本单元,在空间、时间及属性组合约束下进行作物理化参数反演。本研究以贵州省安顺市西秀区和广西扶绥县耕地提取进行了耕地地块提取示范,以扶绥县进行了基于耕地地块和中空间分辨率时间序列遥感数据的甘蔗叶面积指数反演。其中,对于安顺市西秀区的耕地地块提取结果而言,形态精度（IoU）大于0.7的地块超过60%,规则耕地、梯田以及林草地等的类型精度均超过了80%;对于扶绥县甘蔗叶面积指数反演的结果而言,其结果可以较为精确地反映出基地甘蔗与非基地甘蔗的差异,基地甘蔗在品质上要优于非基地甘蔗。西南山地区的耕地形态提取/类型判别和地块甘蔗叶面积指数应用验证均证明了方法的可行性。结果表明,协同使用多源高分辨率数据是实现精准农业遥感研究的有效途径。 相似文献
93.
东昆仑祁漫塔格成矿带是中国西北地区重要的铜钼铁铅锌多金属成矿带，发育卡尔却卡、野马泉、维宝、乌兰乌珠儿等许多与花岗岩类有关的斑岩-矽卡岩矿床。随着新一轮找矿突破战略行动的开展，进一步加强对祁漫塔格成矿带花岗岩成矿潜力的研究，已成为推动该地区金属矿产储量增长的重要突破口。为此，笔者在系统收集祁漫塔格成矿带典型斑岩-矽卡岩多金属矿床成矿岩体和贫矿岩体（即非成矿岩体）的全岩主量和微量元素数据基础上，选取28种常见的全岩地球化学特征，借助机器学习算法——随机森林，开展机器学习模型训练，建立能够识别该地区斑岩-矽卡岩多金属矿床成矿岩体和非成矿岩体的新方法。根据模型评价指标，笔者训练得到的随机森林分类模型准确率为0.90，证明该方法能够有效识别成矿岩体和非成矿岩体。该研究为祁漫塔格成矿带斑岩-矽卡岩多金属矿床的找矿勘查提供了新思路，将极大地提高找矿效率、降低找矿经济和人力成本，从而更好的服务新一轮找矿突破战略行动。相关机器学习代码已上传至GitHub，地址为https://github.com/ShihuaZhong/2023-Qimantagh-RF-whole-rock-classifier。 相似文献
94.
准确预测碳酸盐岩储层孔隙度和渗透率对于碳酸盐岩油气藏储层评价具有重要意义。碳酸盐岩储层裂缝与溶孔广泛发育,基于经验公式从测井曲线预测储层孔隙度和渗透率具有较大误差。以中东某碳酸盐岩油藏为研究对象,选取914块取心井岩心,测定孔隙度与渗透率,利用随机森林（RF）、K-近邻（KNN）、支持向量机（SVM）和长短期记忆网络（LSTM）4种不同机器学习方法,通过测井数据进行孔隙度与渗透率预测,优化机器学习参数,筛选出适用于碳酸盐岩油藏的测井孔隙度与渗透率预测方法。研究结果表明：4种机器学习方法预测储层孔隙度结果差异不大,通过调整输入参数种类,可进一步提高孔隙度与渗透率预测效果,当以补偿中子（NPHI）、岩性密度（RHOB）和声波时差（DT）3种测井参数数据作为输入时,基于LSTM的储层孔隙度预测精度最高,孔隙度预测结果均方根误差（RMSE）为4.536 2;由于碳酸盐岩储层的强非均质性,基于机器学习的测井储层渗透率预测效果较差,相对而言,仅以NPHI作为机器学习输入参数时,基于RF的储层渗透率预测精度最高,渗透率预测结果的RMSE为45.882 3。 相似文献
95.
岩石与矿物的地球化学成分数据具有高维度特征。传统的岩矿地球化学成分研究主要采用二元/三元图解判别法,准确率不高,在数理统计方法上有欠缺。机器学习方法非常适用于对大样本高维度的岩矿成分数据进行数理统计处理。本文在介绍机器学习常见算法基本原理的基础上,总结近5年来国内外学者将机器学习方法应用于岩石矿物成分数据研究的实例,包括：① 根据矿物成分溯源其母岩（源岩）、判别矿床类型,② 新生代火山岩溯源,③ 判别变质岩原岩,④ 依据岩浆岩成分判别大地构造环境等。已有的研究实例显示,机器学习方法的准确度明显优于传统的低维度判别法。机器学习本质是分析大样本数据的高维度变量之间的相关、归类等多元统计问题。推广机器学习的应用需要建设开放获取（Open Access）的矿物、岩石成分数据库,同时全面实施开放研究（Open Research）的发表策略。 相似文献
96.
土壤有机碳(SOC)是陆地生态系统碳循环的重要组成部分,也是评价区域土壤质量、土地退化程度和作物产量的重要指标。高寒生态系统土壤有机碳含量估算,对于高寒地区土壤碳库核算和土壤质量评价等都具有重要意义。本研究以青藏高原三江源区作为研究区,基于野外采集的272个土壤样本的SOC和土壤光谱室内测试数据,首先对原始光谱数据进行一阶微分(FD)、二阶微分(SD)、倒数对数(RL)、去包络线(CR)和多元散射校正(MSC)等多种数学变换;然后基于8种光谱变换数据与SOC含量的相关性分析提取特征波段,利用多元线性回归(MLR)、偏最小二乘回归(PLSR)、支持向量机(SVM)和随机森林(RF)4种方法,分别构建SOC含量的高光谱反演模型;对各种模型的模拟精度和稳定性进行评价,明确SOC含量反演的最佳光谱变换和模型组合模式。结果表明：三江源区SOC含量较高,且不同植被类型和不同土壤类型的SOC含量差异较大;总体上,单一数学变换形式中基于一阶微分(FD)变换构建的反演模型的模拟精度最高(尤其是FD-RF组合模型,其验证集R2=0.86,RMSE=8.40,RPD=2.64);多种数... 相似文献
97.
准噶尔盆地车排子地区白垩系储层以滩坝相沉积为主,储层砂体薄,纵向变化快,孔隙度估算难度较大。基于Xgboost机器学习算法,根据取心井的岩心实测数据,结合其对应的测井数据,建立了测井孔隙度模型。结果表明,研究区对储层孔隙度影响较大的测井变量为自然伽马测井、声波测井、密度测井和冲洗带电阻率测井,其相关系数分别为0.38、0.42、0.28和0.32。基于特征测井数据,利用Xgboost算法预测的孔隙度与实测孔隙度吻合度较高,相关系数为0.92,均方差为0.20。此外,对近期钻探的新井储层孔隙度进行预测,结果表明孔隙度较高的井段与试油数据相吻合,从侧面反映了模型的可靠性。这一结果为研究区油气藏评价和后期油藏模型的建立提供基础数据,有利于提高研究区勘探的精度。同时,该模型也可用于类似滩坝相、砂体薄的沉积背景下储层孔隙度估算研究。 相似文献
98.
滑坡灾害易发频发、点多面广、隐蔽性强、危害严重.开展“天-空-地-深”观测一体化的滑坡早期识别、易发性评价及预测预报,对于保障人民生命和财产安全,推进滑坡灾害防治能力现代化具有重要意义.目前,依靠人工解译的滑坡识别耗时耗力,采用启发式模型的滑坡易发性评价不能较好地探明环境因子之间的非线性关系,基于传统监测数据的滑坡预测预报精度较低.机器学习算法凭借其强大的非线性处理能力及鲁棒性等优势,逐渐广泛应用于滑坡智能防灾减灾中.基于此,本研究系统阐述了机器学习在滑坡灾害早期识别、易发性评价及预测预报等方面的具体应用,综述了多种机器学习算法在上述3个领域中运用的优劣,最终对机器学习在滑坡灾害中未来的发展趋势进行了展望. 相似文献
99.
由于现有的震害预测方法不能对砖砌体结构做出高效的预测,基于机器学习模型,提出了一种综合考虑地震动特性与结构特性的砖砌体结构震害快速预测方法 .该方法利用机器学习模型,从时域、频域、反应谱和持时4个方面初步选取了能够代表地震动特性的12个参数,从承载力、刚度等方面初步选取了与砖砌体结构破坏相关性较强的7个结构参数;将地震动参数与结构参数相结合作为输入变量,分别给出了基于支持向量机（SVM）、随机森林（RF）、人工神经网络（ANN）三种机器学习模型的砖砌体结构的震害快速预测方法,并进行了性能比较;采用相关性分析对输入参数进行进一步优化,给出了优化输入参数后的最优预测模型.结果表明,当采用19个输入参数时,ANN模型的预测准确率最高,达到91.56%.当采用优化后的12个参数作为输入时,基于RF模型的预测性能更加稳定,预测的准确率也更高,可达到90.01%.优化输入参数后的基于RF模型的预测方法可以实现对砖砌体结构震害的快速预测;与只考虑结构参数或只考虑地震动参数作为输入的方法相比,同时考虑结构和地震动参数作为输入的方法极大地提高了预测的准确性. 相似文献