全文获取类型
收费全文 | 2298篇 |
免费 | 196篇 |
国内免费 | 188篇 |
专业分类
测绘学 | 1315篇 |
大气科学 | 40篇 |
地球物理 | 162篇 |
地质学 | 496篇 |
海洋学 | 276篇 |
天文学 | 7篇 |
综合类 | 238篇 |
自然地理 | 148篇 |
出版年
2024年 | 43篇 |
2023年 | 121篇 |
2022年 | 130篇 |
2021年 | 151篇 |
2020年 | 77篇 |
2019年 | 146篇 |
2018年 | 128篇 |
2017年 | 123篇 |
2016年 | 120篇 |
2015年 | 145篇 |
2014年 | 148篇 |
2013年 | 114篇 |
2012年 | 123篇 |
2011年 | 133篇 |
2010年 | 98篇 |
2009年 | 98篇 |
2008年 | 120篇 |
2007年 | 89篇 |
2006年 | 85篇 |
2005年 | 71篇 |
2004年 | 60篇 |
2003年 | 65篇 |
2002年 | 38篇 |
2001年 | 37篇 |
2000年 | 37篇 |
1999年 | 23篇 |
1998年 | 27篇 |
1997年 | 25篇 |
1996年 | 20篇 |
1995年 | 13篇 |
1994年 | 16篇 |
1993年 | 11篇 |
1992年 | 10篇 |
1991年 | 10篇 |
1990年 | 8篇 |
1989年 | 11篇 |
1988年 | 1篇 |
1986年 | 2篇 |
1957年 | 5篇 |
排序方式: 共有2682条查询结果,搜索用时 14 毫秒
991.
992.
从场景整体点云数据中提取单体建筑物的点云是建筑物单体三维建模的基础。然而,现有点云提取方法在提取建筑物点云数据时往往包含部分植被、地面等非建筑数据点,不利于建筑物对象建模。针对该问题,本文提出使用CSF方法对初步提取的建筑物点云数据进行净化处理。该方法首先将场景点云数据投影生成点云图像,根据图像特征初步提取单体建筑物点云数据;然后对获得的单体建筑物点云数据采用CSF方法进行净化处理,可以获得较为纯净的单体建筑物点云数据。本文以南京师范大学仙林校区部分区域为研究对象对该方法进行了验证。结果表明,该方法可以较好地对建筑物点云数据进行净化,得到较为纯净的单体建筑物点云数据,为基于点云数据的建筑物单体模型构建打下了良好的基础。 相似文献
993.
深度学习在高分辨率遥感影像冬油菜提取中的应用 总被引:2,自引:0,他引:2
近年来,深度学习在基于高分辨率遥感影像的农作物种植信息提取领域应用广泛。本文充分利用油菜在盛花期的光谱特征,提出了基于深度学习理论的单时相高分辨率遥感影像油菜分布提取方法。以2016年湖北省沙洋县作为研究区域,获取油菜盛花时期高分一号(GF-1)影像,并以沙洋县为基础影像,通过手工标记制作油菜训练样本。设计两种深度学习框架模型,一种以卷积神经网络(CNN)为框架,构建一维卷积神经网络(1D-CNN)模型,第二种以循环神经网络(RNN)为框架,组合门控循环单元(GRU)模型,训练标准样本模型,完成油菜分类提取。最后,与传统支持向量机(SVM)、随机森林(RF)方法进行了结果对比。试验结果表明,本文设计的基于深度学习CNN和RNN模型提取的冬油菜空间分布精度和面积精度皆优于其他两种方法,为进一步实现冬油菜提取自动化提供试验基础。 相似文献
994.
海底峡谷是陆源沉积物向深海运移的主要通道,也是陆架/陆坡区重要的地貌单元。随着多波束测深技术的发展,如何快速而准确地从海量数据中识别并提取海底峡谷的特征要素,是一个亟待解决的重要热点问题。文中根据海底峡谷谷底下切、谷壁高而陡等地形特征,基于水文分析法和坡度分析等原理,通过ArcGIS中的数据建模工具建立了一种从数字高程模型(DEM)数据快速识别和提取海底峡谷特征要素的方法。以南海北部陆坡神狐峡谷区为例进行算例分析,结果表明,该方法在快速了解海底峡谷的发育位置和特征要素等方面是可行的,并可以获得峡谷头尾部水深、轴线长度、峡谷范围等特征信息。为获得该方法适用于研究区的最优参数组,文中讨论分析了峡谷形态、重分类阈值及数据分辨率等影响峡谷识别的因素。结果分析表明,峡谷形态会在一定程度上影响识别结果的准确性,但不影响对峡谷的总体了解;零值汇流累积量重分类阈值和DEM数据的空间分辨率是影响峡谷识别结果准确度的两个重要因素,在神狐峡谷群区,空间分辨率200 m且重分类阈值0.4时,海底峡谷识别和特征要素提取效果最佳。 相似文献
995.
基于编解码网络的航空影像像素级建筑物提取 总被引:2,自引:2,他引:0
建筑物提取在城市规划等土地利用分析中发挥着重要作用。用于提取建筑物的传统方法通常基于手工特征和分类器,导致精度较低。本文基于编解码结构的卷积神经网络CNN(Convolutional Neural Networks),自主学习多级的和具有区分度的特征来更好地辨识建筑物和背景,实现航空影像中的像素级建筑物提取。该网络由编码子网络和解码子网络两部分组成,编码子网络对输入图像进行空间分辨率压缩,完成特征提取;解码子网络从特征中提升空间分辨率,完成像素级的建筑物提取。此外,本文使用视野增强FoVE(Field-of-View Enhancement)方法减轻边缘现象(切片边缘附近的建筑物提取精度通常低于中心区域附近的精度)的影响,并分别在两个建筑物提取标准数据集上的实验表明,编解码卷积神经网络能有效实现像素级建筑物提取,FoVE能有效提高建筑物提取准确率;通过改变预测时切片大小和重叠度,分析其对建筑物提取结果的影响,揭示了FoVE的饱和性。 相似文献
996.
在多种金属离子共存的含银氰化贵液中,用Na2S作沉淀剂,使Ag^+从贵液中沉淀分离,稀HNO3浸取分离出的沉淀物,再以铜作还原剂,可获取较高纯度的金属银。Ag的总回收率为79.7%,产品含Ag95.87%。 相似文献
997.
地电提取法寻找贫硫化物金矿的研究 总被引:4,自引:0,他引:4
通过在江西贫硫化物的金山金矿区开展地电提取法寻找贫硫化物金矿的研究,认为金山金矿深部隐伏金矿体存在着较弱的电化学溶解作用。按现有的激发装置,在地表仍能提取到Au 的异常反映,即用地电提取法来寻找贫硫化物矿床是可行的 相似文献
998.
999.
1000.