全文获取类型
收费全文 | 3976篇 |
免费 | 612篇 |
国内免费 | 757篇 |
专业分类
测绘学 | 356篇 |
大气科学 | 243篇 |
地球物理 | 1131篇 |
地质学 | 1790篇 |
海洋学 | 316篇 |
天文学 | 1008篇 |
综合类 | 175篇 |
自然地理 | 326篇 |
出版年
2024年 | 14篇 |
2023年 | 47篇 |
2022年 | 109篇 |
2021年 | 126篇 |
2020年 | 148篇 |
2019年 | 185篇 |
2018年 | 123篇 |
2017年 | 155篇 |
2016年 | 173篇 |
2015年 | 189篇 |
2014年 | 212篇 |
2013年 | 235篇 |
2012年 | 200篇 |
2011年 | 213篇 |
2010年 | 173篇 |
2009年 | 294篇 |
2008年 | 264篇 |
2007年 | 325篇 |
2006年 | 305篇 |
2005年 | 230篇 |
2004年 | 243篇 |
2003年 | 211篇 |
2002年 | 184篇 |
2001年 | 177篇 |
2000年 | 137篇 |
1999年 | 124篇 |
1998年 | 114篇 |
1997年 | 54篇 |
1996年 | 69篇 |
1995年 | 51篇 |
1994年 | 43篇 |
1993年 | 42篇 |
1992年 | 30篇 |
1991年 | 27篇 |
1990年 | 26篇 |
1989年 | 19篇 |
1988年 | 20篇 |
1987年 | 13篇 |
1986年 | 10篇 |
1985年 | 9篇 |
1984年 | 7篇 |
1983年 | 2篇 |
1982年 | 1篇 |
1981年 | 2篇 |
1980年 | 1篇 |
1979年 | 4篇 |
1978年 | 1篇 |
1977年 | 2篇 |
1954年 | 2篇 |
排序方式: 共有5345条查询结果,搜索用时 31 毫秒
991.
姚安地震序列与大姚地震序列震源参数的对比研究 总被引:6,自引:0,他引:6
2000年1月15日在云南省姚安县发生了MS6.5地震, 2003年7月21日和10月16日在云南省大姚县发生了MS6.2、 MS6.1地震。 这两个地震序列均发生在滇中块体, 震中位置相距42.5 km, 构造、 应力背景相似, 但序列类型不同, 时间间隔短。 为深入研究姚安地震和大姚地震序列的特征, 根据昆明区域数字台网记录的数字地震波资料, 利用遗传算法计算了2000年姚安地震和2003年大姚地震序列的震源参数。 研究结果表明, 姚安地震序列和大姚地震序列的地震矩和近震震级有很好的线性关系, 它们的地震矩M0均在1012~1014 N·m, 地震矩与震源半径之间呈线性关系。 应力降随震级变化不明显。 拐角频率和地震矩之间有明显的依赖关系, 用最小二乘法拟合拐角频率和地震矩的关系式, 利用此关系式可计算出给定地震矩的拐角频率估计值fa, 进而可分析实际计算的拐角频率与估计值之差(fc-fa)的时间变化曲线。 姚安地震序列和大姚地震序列实际计算的拐角频率与估计值之差(fc-fa)及应力降随时间的变化表现出了不同的特征: 姚安地震序列的应力降和拐角频率差值在4.3级和4.6级强余震前均有一个上升-下降过程, 反映余震区应力场有一个增高-下降过程; 大姚地震序列应力降和拐角频率差值在MS≥4.6强余震发生之前均会出现高值异常, 但在MS4.6~4.7地震之前出现的高值异常持续时间短, 在MS6.1地震前出现的高值异常持续较长。 文中结合两个地震的发震构造, 序列类型等特征进行了分析讨论。 相似文献
992.
采用启发式共轭梯度法,即随机爬山法 + 共轭梯度法,利用单斜介质中P波方位NMO速度椭圆轴向偏转角度接近于零这一特性,简化P波方位NMO速度公式,并利用多方位P波NMO速度,反演出某一初始CMP观测线与自然坐标系之间的夹角,作为进一步进行Thomsen各向异性参数反演的基础. 根据各向异性介质中方位NMO速度与Thomsen参数之间的关系,建立了利用三种波的多方位NMO速度及垂直传播速度反演单层单斜各向异性介质Thomsen各向异性参数的目标函数. 对计算的理论值添加具有一定标准差的正态分布的随机噪声,用以模拟实际观测存在的误差,通过对加噪后的数据进行多次反演的误差分析,表明了所建立的目标函数及选用的反演方法是有效可行的,而且相对稳定. 相似文献
993.
994.
995.
南海北部早渐新世发生明显的营养供给和二氧化碳浓度的变化,相关地质记录为研究颗石藻的生理机制提供了理想的自然实验室。在本研究中,我们建立了一个新的颗石藻群落演化的指标,定义为E*比值。该比值由富营养属种和中等-贫营养属种的相对丰度计算而得(E*=e/(e+c)×100,e代表富营养属种,c代表中等-贫营养属种)。其中富营养属种包括小Reticulofenestra, Reticulofenestra lockeri组,Reticulofenestra bisecta组和Coccolithus pelagicus组,而中等-贫营养属种包括Cyclicargolithus spp.。E*指标与早渐新世营养盐指标具有较强的相关性,但在不同二氧化碳浓度的条件下表现不同的公变趋势。将群落组合与已发表的二氧化碳浓度数据对比,我们提出颗石藻可能在二氧化碳持续降低的环境下改变其对碳源和营养盐的利用方式,指示颗石藻的碳浓缩机制可能开始于早渐新世。 相似文献
996.
现有服役海洋平台正逐步走向老龄化,海洋平台拆除成为海洋工程新的经济增长点。针对达到服役年限的导管架平台,基于数值分析方法模拟拆除过程,开展平台在不同拆除阶段和环境载荷等参数下的稳定性及影响规律研究。基于钢结构整体稳定性理论,以导管架平台拆除过程中顶点位移为参考,定义导管架平台拆除作业稳定性指标,提出拆除作业阶段划分方法,通过分析导管架平台在不同影响因素作用下拆除过程稳定性响应,给出拆除作业建议。选取我国南海某4裙12腿进行实例分析,结果表明:主桩腿对导管架平台起决定性承载作用,拆除部分主桩腿后需要引入外部支撑力,以保证拆除作业安全进行;拆除构件越多,来浪方向和环境载荷大小对平台影响越加显著。研究结果可为导管架平台拆除作业提供参考。 相似文献
997.
机器学习在当今诸多领域已经取得了巨大的成功,但是机器学习的预测效果往往依赖于具体问题.集成学习通过综合多个基分类器来预测结果,因此,其适应各种场景的能力较强,分类准确率较高.基于斯隆数字巡天(Sloan Digital Sky Survey,SDSS)计划恒星/星系中最暗源星等集分类正确率低的问题,提出一种基于Stacking集成学习的恒星/星系分类算法.从SDSS-DR7(SDSS Data Release 7)中获取完整的测光数据集,并根据星等值划分为亮源星等集、暗源星等集和最暗源星等集.仅针对分类较为复杂且困难的最暗源星等集展开分类研究.首先,对最暗源星等集使用10折嵌套交叉验证,然后使用支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)、XGBoost(eXtreme Gradient Boosting)等算法建立基分类器模型;使用梯度提升树(Gradient Boosting Decision Tree,GBDT)作为元分类器模型.最后,使用基于星系的分类正确率等指标,与功能树(Function Tree,FT)、SVM、RF、GBDT、XGBoost、堆叠降噪自编码(Stacked Denoising AutoEncoders,SDAE)、深度置信网络(Deep Belief Network,DBN)、深度感知决策树(Deep Perception Decision Tree,DPDT)等模型进行分类结果对比分析.实验结果表明,Stacking集成学习模型在最暗源星等集分类中要比FT算法的星系分类正确率提高了将近10%.同其他传统的机器学习算法、较强的提升算法、深度学习算法相比,Stacking集成学习模型也有较大的提升. 相似文献
998.
Jean-Louis Grimaud Celine Grall Steven Goodbred Michael S. Steckler Ryan Sincavage Jennifer L. Pickering Chris Paola Leonardo Seeber Md. Saddam Hossain 《Basin Research》2020,32(5):1242-1260
Subsurface deformation is a driver for river path selection when deformation rates become comparable to the autogenic mobility rate of rivers. Here we combine geomorphology, soil and sediment facies analyses, and geophysical data of the Late Quaternary sediments of the central Garo-Rajmahal Gap in Northwest Bengal to link subsurface deformation with surface processes. We show variable sedimentation characteristics, from slow rates (<0.8 mm/year) in the Tista megafan at the foot of the Himalaya to nondeposition at the exposed surface of the Barind Tract to the south, enabling the development of mature soils. Combined subsidence in the Tista fan and uplift of the Barind Tract are consistent with a N-S flexural response of the Indian plate to loading of the Himalaya Mountains given a low value of elastic thickness (15–25 km). Provenance analysis based on bulk strontium concentration suggests a dispersal of sediment consistent with this flexural deformation—in particular the abandonment of the Barind Tract by a Pleistocene Brahmaputra River and the current extents of the Tista megafan lobes. Overall, these results highlight the control by deeply rooted deformation patterns on the routing of sediment by large rivers in foreland settings. 相似文献
999.
基于森林模型参数先验知识估算高分辨率叶面积指数 总被引:1,自引:0,他引:1
目前,估算高分辨率叶面积指数LAI(Leaf Area Index)的常用方法是采用大量地面测量数据和遥感数据建立统计模型,再用统计模型估算LAI。然而,与农田地面测量实验相比,森林地面测量实验获取的观测数据更加有限,这使得基于统计模型的森林高分辨率LAI的估算精度低,难以满足应用需求。为此,本文提出一种基于森林模型参数先验知识、使用森林研究区少量的LAI地面测量数据和归一化植被指数NDVI数据估算森林高分辨率LAI的方法。首先,获取全球20个森林实验区的LAI地面测量数据和NDVI数据,建立LAI-NDVI统计模型并提取森林模型参数的先验知识。然后,以一个新的森林站点Concepción作为研究区,将该研究区的数据分为建模数据和验证数据两个部分。使用研究区有限的建模数据对森林模型参数先验知识进行本地化校正得到优化模型,优化模型用于估算森林高分辨率LAI,使用验证数据评价LAI的估算精度。同时,选取了Camerons站点、Gnangara站点、Hirsikangas站点评价本文方法的LAI估算精度。使用地面测量LAI验证基于森林模型参数先验知识估算高分辨率LAI的结果精度,经验证4个森林站点的均方根误差分别为0.6680,0.4449,0.2863,0.5755。研究结果表明:在仅有少量观测数据时,采用本方法能有效地提高森林高分辨率LAI的估算精度。因此,本方法可为森林高分辨率LAI的遥感估算提供参考。 相似文献
1000.
Sentinel-2卫星落叶松林龄信息反演 总被引:1,自引:0,他引:1
林龄结构信息能够有效反映区域森林群落不同生长阶段的固碳能力,对于评估森林生态系统的健康状况具有重要意义。本研究以中国温带典型优势树种落叶松林为研究对象,分别选择其芽萌动期、展叶期和落叶期时段的Sentinel-2影像,采用多元线性回归(MLR)、随机森林(RF)、支持向量机回归(SVR)、前馈反向传播神经网络(BP)以及多元自适应回归样条(MARS)等5种方法依次构建落叶松林龄反演模型。通过相关性分析首先确定最佳遥感反演物候期,并在此基础上根据相关性差异筛选出5个最优特征变量用于模型反演,分别为冠层含水量(CWC),归一化水体指数(NDWI),叶面积指数(LAI),光合有效辐射吸收率(FAPAR)和植被覆盖度(FVC)。研究结果表明,展叶期为落叶松林最佳遥感反演物候期。除植被衰减指数(PSRI)以及落叶期的NDVI、RVI外,落叶松林龄与各指标之间均呈负相关关系,其中与冠层含水量(CWC)的相关性最高,pearson相关系数达到-0.74(p<0.01)。此外,不同模型反演结果表明,随机森林模型(RF)为最佳落叶松林龄估测模型,其平均决定系数R2和平均均方根误差RMSE分别为0.89和2.91 a;多元线性回归模型(MLR)的林龄估测结果最差,其平均决定系数R2和平均均方根误差RMSE仅为0.57和5.69 a,非线性模型能更好的解释林龄与建模变量之间的关系。 相似文献