全文获取类型
| 收费全文 | 541篇 |
| 免费 | 180篇 |
| 国内免费 | 36篇 |
专业分类
| 测绘学 | 201篇 |
| 大气科学 | 23篇 |
| 地球物理 | 38篇 |
| 地质学 | 31篇 |
| 海洋学 | 426篇 |
| 天文学 | 17篇 |
| 综合类 | 18篇 |
| 自然地理 | 3篇 |
出版年
| 2024年 | 5篇 |
| 2023年 | 34篇 |
| 2022年 | 23篇 |
| 2021年 | 47篇 |
| 2020年 | 34篇 |
| 2019年 | 60篇 |
| 2018年 | 45篇 |
| 2017年 | 25篇 |
| 2016年 | 31篇 |
| 2015年 | 32篇 |
| 2014年 | 34篇 |
| 2013年 | 28篇 |
| 2012年 | 35篇 |
| 2011年 | 39篇 |
| 2010年 | 36篇 |
| 2009年 | 32篇 |
| 2008年 | 19篇 |
| 2007年 | 26篇 |
| 2006年 | 27篇 |
| 2005年 | 19篇 |
| 2004年 | 25篇 |
| 2003年 | 16篇 |
| 2002年 | 17篇 |
| 2001年 | 21篇 |
| 2000年 | 7篇 |
| 1999年 | 5篇 |
| 1998年 | 13篇 |
| 1997年 | 4篇 |
| 1996年 | 8篇 |
| 1995年 | 2篇 |
| 1993年 | 3篇 |
| 1992年 | 2篇 |
| 1990年 | 1篇 |
| 1989年 | 1篇 |
| 1957年 | 1篇 |
排序方式： 共有757条查询结果，搜索用时 203 毫秒
71.
72.
多波束测深数据的误差分析与处理 总被引：1，自引：0，他引：1
在系统分析多波束测深数据的误差来源与性质的基础上,介绍了条带式多波束测深仪所采用的误差处理的理论模型。针对海洋测量的特点,特别强调了基于趋势面分析的粗差探测与剔除和相邻条带数据的整体拼接以及对航向误差的改正等关键问题。本文介绍的误差处理模型对保证多波束测深系统必要的精度和数据质量有着重要的实际意义。 相似文献
73.
74.
因基阵各通道不均衡,使得水声接收系统波束形成时,目标检测、方位估计等性能经常达不到预期。分析了各通道信噪比、辐值、相位影响波束信噪比的机理,提出了一种减小基阵各通道不均衡的方法,并利用实测数据进行了仿真。仿真结果表明：该方法可有效地提高水声接收系统的目标检测、方位估计等性能。 相似文献
75.
本文在复现CUBE滤波算法的基础上,借鉴其网格节点可吸收水深点选取模型,提出了一种结合不确定度与密度聚类算法的多波束异常值自动滤波算法。本文使用DBSCAN密度聚类算法对水深值加以聚类,使用卡尔曼滤波推估节点水深值,选取具有最小不确定的水深假设作为节点水深值,实现对多波束测深数据异常值的有效清理。实测数据和仿真试验结果表明：CUBE滤波算法不能将连续异常值完全剔除,而本文算法能够较好地去除连续异常值。本文算法流程明晰、参数简单、性能可靠,对数据质量较差的情况下较多异常值也能够进行清理,具有实际的工程应用价值。 相似文献
76.
在海道测量中,由于无法对测量数据进行多余和重复观测,因而不能精确测定各种误差,同时也几乎没有测量成果质量的控制指标,这正是多波束测深数据质量评估所面临的现实且急需解决的难题。基于国际海道测量规范S-44(5th)的要求,研究了不确定度在多波束数测深数据质量评估中的应用。通过实例分析可知,测量结果的可用性在很大程度上取决于其不确定度的大小,不确定度越小,说明测量结果质量越高,越具有可靠性。因此,将不确定度充分合理地应用于多波束测深数据处理和评估是一种最为理想的途径。 相似文献
77.
78.
79.
精细的海底地形模型在海底板块构造运动、水下载体航行保障、海洋资源勘探等方面具有重要作用。回顾国内外海底地形探测技术和模型构建的发展,讨论当前全球海底地形精细建模的研究现状和面临的主要挑战,总结今后全球海底地形精细建模的发展趋势,认为基于卫星测高技术的海洋重力场反演仍是未来全球海底地形精细建模的主要技术手段,并且新体制测高卫星如双星跟飞测高和SWOT(surface water ocean topography)二维海面高测量任务将为进一步提升海洋重力场以及海底地形模型精度提供数据源,结合地形复杂度优化海底地形反演理论方法有望带来理论创新,探索人工智能技术用于海底地形精细建模值得关注。 相似文献
80.
全色图像锐化是遥感数据处理领域的一个基础性问题,在地物分类、目标识别等方面具有重要的研究意义和应用价值。近年来,深度学习在自然语言处理、计算机视觉等领域取得了巨大进展,也推动了像素级全色图像锐化技术的发展。本文提出从经典方式和协同方式两个方面对深度学习在全色图像锐化中的研究进行系统的综述,并在此基础上进行前景展望。首先,给出全色图像锐化常用的数据集和全色图像锐化的质量评价指标;接着,从经典方式与协同方式两个方面对基于深度学习的全色图像锐化最新研究成果进行分门别类的介绍,并进行算法性能的对比、分析和归纳;然后,对全色图像锐化的3个主要应用领域如地物分类、目标识别和地表变化检测进行分析;最后,本文探讨了基于深度学习的全色图像锐化的5个未来研究方向。 相似文献