全文获取类型
| 收费全文 | 327篇 |
| 免费 | 37篇 |
| 国内免费 | 53篇 |
专业分类
| 测绘学 | 110篇 |
| 大气科学 | 39篇 |
| 地球物理 | 67篇 |
| 地质学 | 89篇 |
| 海洋学 | 13篇 |
| 天文学 | 27篇 |
| 综合类 | 43篇 |
| 自然地理 | 29篇 |
出版年
| 2023年 | 10篇 |
| 2022年 | 14篇 |
| 2021年 | 26篇 |
| 2020年 | 30篇 |
| 2019年 | 16篇 |
| 2018年 | 17篇 |
| 2017年 | 15篇 |
| 2016年 | 14篇 |
| 2015年 | 19篇 |
| 2014年 | 15篇 |
| 2013年 | 12篇 |
| 2012年 | 21篇 |
| 2011年 | 31篇 |
| 2010年 | 13篇 |
| 2009年 | 21篇 |
| 2008年 | 32篇 |
| 2007年 | 19篇 |
| 2006年 | 14篇 |
| 2005年 | 12篇 |
| 2004年 | 16篇 |
| 2003年 | 7篇 |
| 2002年 | 12篇 |
| 2001年 | 7篇 |
| 2000年 | 5篇 |
| 1999年 | 6篇 |
| 1998年 | 2篇 |
| 1997年 | 4篇 |
| 1996年 | 2篇 |
| 1995年 | 3篇 |
| 1990年 | 1篇 |
| 1954年 | 1篇 |
排序方式： 共有417条查询结果，搜索用时 218 毫秒
101.
风速预测是风电场风功率预测的基础,其准确度严重影响着风电场的运行效率。为了提高短期风速预测的准确性,本研究采用了WRF中尺度数值模式,对我国东部沿海某风电场的风速进行预报。在此基础上,利用极限学习机算法(ELM)对WRF模式预报的风速进一步订正。实验结果表明,WRF模式对风速、风向等气象要素有着较好的回报效果,利用ELM算法对WRF模式预报风速进行订正后,预报风速的误差进一步减小,相对均方根误差和相对平均绝对误差降低了20%～30%。与其他的智能算法(BP神经网络、SVM算法)对比分析后得出,ELM算法对WRF模式预报风速具有较好的订正效果,能够有效提高风速预报准确率。 相似文献
102.
近年来,数字校园继数字地球、数字城市之后成为各高校研究的热点,三维数字校园虚拟系统构建平台多样、方法多元,却鲜有基于国内自主产权的MapGIS K9数字校园系统。因此,本文以某农业大学(南校区)为研究对象,对三维数字校园虚拟系统进行设计与实现。利用南方CASS、3DS Max、MapGIS K9及其他相关软件,通过资料收集整理、地理信息测量采集、建立1:500校园数字地形图、建立属性数据库、三维建模、多平台融合、交互式设计等一系列步骤,实现了某农业大学(南校区)三维数字校园虚拟系统的三维可视化和信息查询、测距、校园导航、自由路径游览、漫游视频录制的交互式功能,可以有效进行校园建筑属性信息查询与部分管理。 相似文献
103.
甘翠 《测绘与空间地理信息》2017,40(7)
主要研究利用三维空间数据、DOM及DEM创建三维虚拟场景。将ERDAS IMAGINE的Virtual GIS模块与第三方建模软件相结合,解决了模型导入ERDAS Virtual GIS Viewer中贴图丢失的问题,实现了立体模型的仿真构建和三维GIS系统的动态管理。同时,对模拟雾气分析、空间视域分析和洪水淹没分析等方面的应用进行了研究,使该系统更具应用价值。 相似文献
104.
105.
本文采取常用的种群评估方法，应用模拟数据比较研究了两种世代分析方法（ＶＰＡ）（Ｇｕｌｌａｎｄ（１９６５）ＶＰＡ方法和分离ＶＰＡ方法（ＰｏｐｅａｎｄＳｈｅｐｈｅｒｄ１９８２））。指出：在没有应用捕捞努力量调谐最近捕劳死亡率时，分离ＶＰＡ和ＧｕｌｌａｎｄＶＰＡ都不能正确反映实况；当使用调谐方法后，两种方法的结果都有所改善；对三组初始捕捞死亡率，Ｇｕｌｌａｎｄ方法给出相同结果；相反分离ＶＰＡ对不同初始值作出不同答案，但是在初始值接近真值时，分离ＶＰＡ的计算值较Ｇｕｌｌａｎｄ方法为好。 相似文献
106.
Wetland inventory maps are essential information for the conservation and management of natural wetland areas. The classification framework is crucial for successful mapping of complex wetlands, including the model selection, input variables and training procedures. In this context, deep neural network (DNN) is a powerful technique for remote sensing image classification, but this model application for wetland mapping has not been discussed in the previous literature, especially using commercial WorldView-3 data. This study developed a new framework for wetland mapping using DNN algorithm and WorldView-3 image in the Millrace Flats Wildlife Management Area, Iowa, USA. The study area has several wetlands with a variety of shapes and sizes, and the minimum mapping unit was defined as 20 m2 (0.002 ha). A set of potential variables was derived from WorldView-3 and auxiliary LiDAR data, and a feature selection procedure using principal components analysis (PCA) was used to identify the most important variables for wetland classification. Furthermore, traditional machine learning methods (support vector machine, random forest and k-nearest neighbor) were also implemented for the comparison of results. In general, the results show that DNN achieved satisfactory results in the study area (overall accuracy = 93.33 %), and we observed a high spatial overlap between reference and classified wetland polygons (Jaccard index ∼0.8). Our results confirm that PCA-based feature selection was effective in the optimization of DNN performance, and vegetation and textural indices were the most informative variables. In addition, the comparison of results indicated that DNN classification achieved relatively similar accuracies to other methods. The total classification errors vary from 0.104 to 0.111 among the methods, and the overlapped areas between reference and classified polygons range between 87.93 and 93.33 %. Finally, the findings of this study have three main implications. First, the integration of DNN model and WorldView-3 image is useful for wetland mapping at 1.2-m, but DNN results did not outperform other methods in this study area. Second, the feature selection was important for model performance, and the combination of most relevant input parameters contributes to the success of all tested models. Third, the spatial resolution of WorldView-3 is appropriate to preserve the shape and extent of small wetlands, while the application of medium resolution image (30-m) has a negative impact on the accurate delineation of these areas. Since commercial satellite data are becoming more affordable for remote sensing users, this study provides a framework that can be utilized to integrate very high-resolution imagery and deep learning in the classification of complex wetland areas. 相似文献
107.
108.
109.
110.