全文获取类型
收费全文 | 4719篇 |
免费 | 276篇 |
国内免费 | 226篇 |
专业分类
测绘学 | 964篇 |
大气科学 | 242篇 |
地球物理 | 268篇 |
地质学 | 807篇 |
海洋学 | 278篇 |
天文学 | 14篇 |
综合类 | 1067篇 |
自然地理 | 1581篇 |
出版年
2024年 | 91篇 |
2023年 | 274篇 |
2022年 | 291篇 |
2021年 | 313篇 |
2020年 | 121篇 |
2019年 | 170篇 |
2018年 | 56篇 |
2017年 | 54篇 |
2016年 | 43篇 |
2015年 | 88篇 |
2014年 | 370篇 |
2013年 | 282篇 |
2012年 | 419篇 |
2011年 | 370篇 |
2010年 | 294篇 |
2009年 | 318篇 |
2008年 | 347篇 |
2007年 | 284篇 |
2006年 | 218篇 |
2005年 | 185篇 |
2004年 | 97篇 |
2003年 | 102篇 |
2002年 | 87篇 |
2001年 | 79篇 |
2000年 | 42篇 |
1999年 | 37篇 |
1998年 | 26篇 |
1997年 | 29篇 |
1996年 | 30篇 |
1995年 | 33篇 |
1994年 | 43篇 |
1993年 | 5篇 |
1992年 | 8篇 |
1991年 | 4篇 |
1990年 | 6篇 |
1957年 | 5篇 |
排序方式: 共有5221条查询结果,搜索用时 31 毫秒
141.
学会“看”图是培养学生自主学习能力的有效途径。传统的做法是教师教学生阅读地图上的主要信息,要求学生记住一些地图符号,告诉学生该怎样分析这些信息。这一过程是将学生作为一个被动学习的接收体,忽略了对学生自主学习方法和能力的培养,如果离开了教师和课堂,学生就很难独立完成学习。 相似文献
142.
143.
144.
146.
建构主义强调学习是个体在原有经验的基础上通过自主建构或社会建构形成新经验的过程。自主性、互动性、反思性、建构性是建构主义理念下学习活动的特点。本文通过课例分析,提出了一些优化学习活动设计的建议。 相似文献
147.
针对传统的遥感图像道路提取算法存在错漏率较高的问题,提出一种基于时频特征提取和域自适应学习分类器的高分辨率航空遥感图像道路提取新算法。首先利用地统计学抽取道路的时域纹理特征和三维小波变换抽取道路的频域光谱特征,构成高分辨率航空图像中的道路特征。然后使用抽取的道路特征训练由迁移支持向量机模型构建的域自适应分类器,并对高分辨率航空遥感图像进行道路粗提取。最后,结合道路形态特征,用数学形态学方法处理粗分类后的道路,获得提取后的完整道路。仿真实验表明,所提方法能有效降低高分辨率航空遥感图像道路提取中非道路目标的干扰,提高道路提取的精确性。 相似文献
148.
无人机低空遥感是近年来新兴的一种快速获取灾情信息的手段,如何利用无人机高分影像构建滑坡灾害解译模型是实现快速自动解译滑坡的关键。针对该问题,对比了多种影像特征提取方法,将迁移学习(TL)特征和支持向量机(SVM)引入到构建滑坡灾害自动解译模型中,提出了一种TL支持下的高分影像滑坡灾害解译模型。选取5·12汶川地震及4·20芦山地震系列无人机影像构建了滑坡灾害样本库并进行了实验,TL特征方法整体分类准确度ACC为95%,ROC达到0.98,识别准确率达到97%。结果表明,所提方法可用于高分影像滑坡自动解译,同时可用于大面积高分影像中快速山地滑坡灾害定位及检测。 相似文献
149.
青藏高原积雪对全球气候变化十分重要,针对已有积雪遥感判识方法中普遍采用的可见光与红外光谱数据易受复杂地形与高海拔影响,导致青藏高原地区积雪判识精度较低的问题,提出了一种基于多光谱遥感与地理信息数据特征级融合的积雪遥感判识方法:以风云三号卫星可见光与红外多光谱遥感资料与多要素地理信息作为数据源,由地面实测雪深数据与现有积雪产品交叉筛选出样本标签,构建并训练基于层叠去噪自编码器(SDAE)的特征融合与分类网络,从而有效辨识青藏高原遥感图像中的云、积雪以及无雪地表。经地面实测雪深数据验证,该方法分类精度显著高于使用相同数据源的FY-3A/MULSS积雪产品,略高于国际主流积雪产品MOD10A1与MYD10A1,并且年均云覆盖率最低。试验结果表明该方法可有效地减少云层对积雪判识的干扰,提升分类精度。 相似文献
150.
针对低频(采样间隔大于1min)轨迹数据匹配算法精度不高的问题,提出了一种基于强化学习和历史轨迹的匹配算法HMDP-Q,首先通过增量匹配算法提取历史路径作为历史参考经验库;根据历史参考经验库、最短路径和可达性筛选候选路径集;再将地图匹配过程建模成马尔科夫决策过程,利用轨迹点偏离道路距离和历史轨迹构建回报函数;然后借助强化学习算法求解马尔科夫决策过程的最大回报值,即轨迹与道路的最优匹配结果;最后应用某市浮动车轨迹数据进行试验。结果表明:本文算法能有效提高轨迹数据与道路匹配精度;本算法在1min低频采样间隔下轨迹匹配准确率达到了89.2%;采样频率为16min时,该算法匹配精度也能达到61.4%;与IVVM算法相比,HMDP-Q算法匹配精度和求解效率均优于IVVM算法,16min采样频率时本文算法轨迹匹配精度提高了26%。 相似文献