全文获取类型
收费全文 | 124篇 |
免费 | 32篇 |
国内免费 | 32篇 |
专业分类
测绘学 | 47篇 |
大气科学 | 38篇 |
地球物理 | 28篇 |
地质学 | 26篇 |
海洋学 | 28篇 |
综合类 | 14篇 |
自然地理 | 7篇 |
出版年
2024年 | 3篇 |
2023年 | 4篇 |
2022年 | 14篇 |
2021年 | 13篇 |
2020年 | 4篇 |
2019年 | 8篇 |
2018年 | 9篇 |
2017年 | 7篇 |
2016年 | 7篇 |
2015年 | 10篇 |
2014年 | 9篇 |
2013年 | 11篇 |
2012年 | 5篇 |
2011年 | 9篇 |
2010年 | 4篇 |
2009年 | 6篇 |
2008年 | 12篇 |
2007年 | 4篇 |
2006年 | 8篇 |
2005年 | 5篇 |
2004年 | 3篇 |
2003年 | 4篇 |
2002年 | 3篇 |
2001年 | 3篇 |
2000年 | 4篇 |
1999年 | 5篇 |
1998年 | 6篇 |
1997年 | 1篇 |
1996年 | 3篇 |
1995年 | 2篇 |
1994年 | 2篇 |
排序方式: 共有188条查询结果,搜索用时 203 毫秒
71.
72.
基于地貌特征的浅层崩滑体遥感自动识别 总被引:1,自引:0,他引:1
建立了一种基于地貌特征的浅层崩滑体遥感自动识别方法,通过对地物的遥感光谱特性、几何形状和顺坡性相关的6次布尔运算完成对浅层崩滑体的自动识别.并以碧罗雪山一处高山峡谷地区为例,采用10m空间分辨率的SPOT-5多光谱影像和1:5万地形图生成的DEM(数字高程模型)作为数据源,进行了浅层崩滑体自动识别效果的检验.实验结果表明:①该方法顾及了地貌对浅层崩滑体空间几何形态的影响,可以有效地提高浅层崩滑体遥感自动识别的正确率;②识别对象与数据源的关系明确、决策阙值容易确定,便于使用决策树进行分类;③该方法对数据源要求较低.只需中等以上比例尺的DEM和拥有红、近红外的遥感影像即可;④粘连图斑的分割是该方法面临的主要难题. 相似文献
73.
利用2013年垂直指向的Ka波段云雷达在广东观测的弱降水个例,分析了回波强度Z、径向速度Vr和退偏振因子L_(DR)在0℃层附近的变化规律,利用建模样本提出了基于云雷达垂直观测Z、Vr和L_(DR)数据的0℃层亮带自动识别方法,并利用独立观测样本进行了识别算法的检验,分析了Vr数据对识别效果的影响,与每天四次探空得到的数据进行了对比。结果表明,在0℃层亮带内,Z和L_(DR)的极大值的高度和Z、Vr、L_(DR)这三个物理量在垂直方向上的突变范围都一致,0℃层亮带的厚度与Z、Vr和L_(DR)的变化量有一定的关系,在0℃层亮带特征较明显的回波上部也存在明显的空气上升运动。Vr和L_(DR)是识别0℃层亮带的关键因子,而Z可能因云的位置和复杂的云层而产生剧烈的垂直变化。该算法可以较好识别典型的0℃层亮带,正确提取主要参数,而云的边缘和多层云等情况会影响0℃层亮带的识别。为利用Ka波段云雷达数据分析弱降水的性质提供了算法。 相似文献
74.
滑坡自动识别能够解决人工目视解译方法速度慢的问题,现有基于深度学习的自动识别方法多以目标检测和语义分割等单任务识别方法为主。本文基于深度学习实例分割网络探索可同时完成滑坡目标定位和语义分割的多任务识别方法。首先,基于谷歌地球影像构建了包含3822个样本的黄土滑坡样本数据集;然后,采用单阶段实例分割网络(YOLACT)构建了基于小样本学习的黄土滑坡多任务自动识别模型;最后,通过大、中、小3种比例尺度的滑坡测试样本对识别结果进行评价。试验结果表明:①滑坡目标定位框(Box)平均精确度为61.66%,滑坡语义分割掩码(Mask)平均精确度为62.0%,大比例尺测试结果中Mask交并比为0.88;②基于YOLACT构建的滑坡识别模型可同时完成滑坡目标定位和滑坡高精度掩码分割的双任务识别,为滑坡多任务自动识别及快速制图提供了技术支撑。 相似文献
75.
提出将标准时频变换(normal time-frequency transform,NTFT)与卷积神经网络(convolutional neural networks,CNN)结合,尝试实现地震信号的自动准确识别。单纯利用神经网络方法识别地震通常需要人工方式判别收集地震信号样本,对受到噪声污染的信号进行相关预处理操作。采用NTFT+CNN模型无需预处理去噪,更具有实用性。从中国云南省盈江地区3个台站连续两周的地震记录中截取19 884个地震事件和17 ?640 ?个噪声数据作为样本,分别利用CNN模型与NTFT+CNN模型进行3台站与单台站地震信号识别实验。在3台站实验中,CNN模型的地震信号识别准确率为93.10%,NTFT+CNN模型的地震信号识别准确率提升至97.80%,引入NTFT使得识别错误率降低了3倍,表明NTFT+CNN模型可更为有效地识别信噪比低的地震信号。与此同时,CNN模型的训练次数为29,而NTFT+CNN模型训练18次即可达到上述识别准确率,说明NTFT+CNN模型收敛快速且稳定。在单台站实验中,对比考察3种典型噪声情况下的模型表现,进一步验证了NTFT对噪声-地震信号的识别作用与模型结果的正确性。并将NTFT+CNN模型应用于识别美国南加州地震台网公开的地震-脉冲噪声数据,相对于CNN模型,NTFT+CNN模型在识别准确率、收敛速度与所需训练样本数量方面均表现出明显的优势。NTFT为基于神经网络结构的地震信号自动识别提供了新的有效途径。 相似文献
76.
海洋浮游生物图像观测技术及其应用 总被引:1,自引:0,他引:1
浮游生物图像自动识别技术是当前海洋浮游生态学的研究热点。该技术结合水体成像系统和自动识别软件,能够对浮游生物的种类组成和丰度进行快速自动识别和定量分析,从而获得关于浮游生物分布和丰度更及时、更准确的信息,为大尺度、实时、连续地研究浮游生物分类学和生态学特征提供了一种有效手段。重点分析了当前国际上浮游生物图像识别技术研究的最新进展、主要应用领域、存在的问题以及未来的发展方向,旨在进一步推进该技术在我国近海及大洋浮游生态学及相关研究领域中的应用。 相似文献
77.
针对长江中游强风暴天气特点和现代预报业务需求,在借鉴世界临近预报系统, 特别是美国的Auto-Nowcaster和WDSS-II以及英国的GANDOLF等先进经验的基础上,以我国多普勒天气雷达网为重要技术手段,结合数值预报等信息资源,于2007年研究建成长江中游临近预报业务系统 (MYNOS)。MYNOS主要技术方法包括:雷达与雨量计实时同步积分结合的降水估算方法 (RASIM),雷达反演参量与中尺度模式输出物理量相结合的强风暴性质自动识别和追踪技术,基于暴雨回波生命史特性约束下的多尺度合成降水量临近预报,基于数值预报模式和模糊逻辑学的强对流天气分类落区潜势预报,集GIS功能并整合各种定量监测与预警产品于一体的短时预报工作站。MYNOS已成为短时临近预报业务的支撑平台,其中实时生成的流域定量降水估算与临近预报、强对流天气分类潜势诊断与识别预警产品等成为日常预报业务的重要参考依据。 相似文献
78.
79.
80.
船只目标SAR、HFSWR和AIS多手段融合探测的点迹关联分析 总被引:3,自引:1,他引:2
A space-borne synthetic aperture radar (SAR), a high frequency surface wave radar (HFSWR), and a ship automatic identification system (AIS) are the main remote sensors for vessel monitoring in a wide range. These three sensors have their own advantages and weaknesses, and they can complement each other in some situations. So it would improve the capability of vessel target detection to use multiple sensors including SAR, HFSWR, and A/S to identify non-cooperative vessel targets from the fusion results. During the fusion process of multiple sensors' detection results, point association is one of the key steps, and it can affect the accuracy of the data fusion and the efficiency of a non-cooperative target's recognition. This study investigated the point association analyses of vessel target detection under different conditions: space- borne SAR paired with AIS, as well as HFSWR, paired with AIS, and the characteristics of the SAR and the HFSWR and their capability of vessel target detection. Then a point association method of multiple sensors was proposed. Finally, the thresholds selection of key parameters in the points association (including range threshold, radial velocity threshold, and azimuth threshold) were investigated, and their influences on final association results were analyzed. 相似文献