全文获取类型
收费全文 | 487篇 |
免费 | 86篇 |
国内免费 | 108篇 |
专业分类
测绘学 | 81篇 |
大气科学 | 90篇 |
地球物理 | 78篇 |
地质学 | 279篇 |
海洋学 | 70篇 |
天文学 | 3篇 |
综合类 | 39篇 |
自然地理 | 41篇 |
出版年
2024年 | 4篇 |
2023年 | 6篇 |
2022年 | 10篇 |
2021年 | 2篇 |
2020年 | 11篇 |
2019年 | 16篇 |
2018年 | 7篇 |
2017年 | 7篇 |
2016年 | 5篇 |
2015年 | 8篇 |
2014年 | 19篇 |
2013年 | 13篇 |
2012年 | 22篇 |
2011年 | 14篇 |
2010年 | 33篇 |
2009年 | 27篇 |
2008年 | 25篇 |
2007年 | 51篇 |
2006年 | 50篇 |
2005年 | 40篇 |
2004年 | 38篇 |
2003年 | 39篇 |
2002年 | 38篇 |
2001年 | 48篇 |
2000年 | 30篇 |
1999年 | 23篇 |
1998年 | 24篇 |
1997年 | 26篇 |
1996年 | 10篇 |
1995年 | 11篇 |
1994年 | 12篇 |
1993年 | 10篇 |
1992年 | 2篇 |
排序方式: 共有681条查询结果,搜索用时 328 毫秒
131.
132.
纳入空间自相关的FLUS模型在土地利用变化多情景模拟中的应用 总被引:1,自引:0,他引:1
FLUS模型是一种新型的土地利用变化模拟模型,应用前景广阔。本文通过在FLUS模型的人工神经网络(Artificial Neural Network,ANN)训练模块中引入空间自相关因子来改进模型,以珠江三角洲地区为例,基于2009年、2015年土地利用数据和一系列驱动因子对改进的模型进行了验证,并利用该改进的FLUS模型模拟了2035年研究区在3种情景下土地利用变化格局。结果表明:①引入空间自相关因子后各地类发生概率分布的预测精度更高,耕地、林地、建设用地、水体和未利用土地的拟合优度ROC值分别从0.819、0.928、0.885、0.855和0.861提高到0.857、0.934、0.890、0.863和0.978;②改进的FLUS模型的模拟精度有一定的提高,Kappa系数从0.732提高到0.744,FOM系数从0.077升到0.106;③情景模拟表明,3种情景下珠江三角洲建设用地和林地均将增加、而耕地均呈减少趋势。但不同情景下模拟的土地利用格局也存在显著差异:基准情景下,建设用地明显扩张且大幅侵占耕地。耕地保护情景下,耕地面积保持在合理水平,建设用地蔓延扩张趋势得到遏制,土地利用布局总体趋向合理。生态保护情景下,耕地、林地和水体得到较好保护,建设用地布局更为合理,土地利用可持续性明显提高。 相似文献
133.
分析研究了人工神经网络方法在基坑变形预测中的建模方法,并通过实例应用,证明这种方法是切实可行的.同时将人工神经网络方法预测结果和灰色系统模型及时序模型预测进行比较,充分证明人工神经网络方法在变形预测中的优越性. 相似文献
134.
基于遗传人工神经网络的土壤盐渍化敏感性分析模型 总被引:1,自引:0,他引:1
本文以疏勒河流域的昌马灌区为例,运用遗传人工神经网络模型方法探讨各影响因子对土壤盐渍化的敏感程度。模型考虑了降水量、蒸发量、地下水埋深、地下水矿化度、地面坡度、粘土层顶板埋深、土壤质地和土地利用等因子。结果表明:地下水矿化度的变化对土壤积盐影响最大,是最灵敏的因子,其次分别是地下水埋深和蒸发量。粘土层埋深对积盐过程起到较大的作用,其影响仅次于蒸发量,降水量和地形坡度的灵敏程度基本相当。分析结果可以为灌区土壤盐渍化预测及防治提供科学依据。 相似文献
135.
136.
神经网络模型预报湖北汛期降水量的应用研究 总被引:18,自引:1,他引:18
使用人工神经网络方法建立了湖北省汛期 (6~ 8月 )总降水量的短期气候预测模型 ,该神经网络模型的输入是汛期前期 (2~ 4月 )的北半球月平均 5 0 0 h Pa高度场、海平面气压场和太平洋海温场的扩展自然正交展开 (EEOF)的前几个主要模态的时间系数 ,输出了湖北汛期降水场的自然正交展开 (EOF)的前 2个主要模态的时间系数。41 a历史资料的交叉检验表明 :样本试验的预报技巧评分平均为 0 .2 4 6 ,虽然该模型对各年的预报效果仍存在一定的不稳定性 ,但它可为湖北汛期降水的短期气候预测提供一种具有明显统计预报正技巧的预报方法 相似文献
137.
138.
四川旱涝震灾害的人工神经网络外推预测 总被引:2,自引:0,他引:2
选取旱,涝,震灾害之间的一步转移概率作为B-P人工神经网络训练样本的输入信息,建立了四川旱,涝,震的人工神经网络灾型预测模型。B-P网络模型应用于实侧预测结果与用主分量分析法的趋势预测结果精度接近。 相似文献
139.
我国目前滑坡易发性评价研究主要集中在西南地区,对东南部降雨引发特别是梅雨引发的滑坡研究较少.选取浙江省西北部梅雨控制区淳安县为研究区,通过遥感解译结合野外详细调查,共确定滑坡596处,并建立滑坡编录数据库.选取高程、坡向、坡度、曲率、工程岩组、断层、道路、建设用地、植被等9个滑坡影响因子,基于GIS栅格分析方法,采用人工神经网络(ANN)、logistic回归和信息量3种评价模型,分别对32种不同影响因子组合进行滑坡易发性对比评价,得到滑坡易发性指数图.应用评价曲线下面积AUC(area under curve)对评价结果进行检验,ANN、logistic回归和信息量3种模型的正确率分别是93.75%、89.76%和90.06%;采用淳安县2014年梅汛期发生的13处滑坡作为预测样本,3种模型预测率分别是94.75%、94.33%和77.21%.上述分析结果表明:ANN模型优于其他两者.以ANN模型评价结果指数图为基础进行易发性分区,采用滑坡强度指标进行分区结果检验,滑坡强度值由易发性低、较低、中和高依次递增,说明分区结果合理.研究成果可以为浙西降雨型滑坡特别是由梅雨引发滑坡的易发性评价提供参考. 相似文献
140.