全文获取类型
收费全文 | 6644篇 |
免费 | 615篇 |
国内免费 | 609篇 |
专业分类
测绘学 | 1962篇 |
大气科学 | 537篇 |
地球物理 | 1528篇 |
地质学 | 1341篇 |
海洋学 | 516篇 |
天文学 | 52篇 |
综合类 | 665篇 |
自然地理 | 1267篇 |
出版年
2024年 | 23篇 |
2023年 | 93篇 |
2022年 | 314篇 |
2021年 | 363篇 |
2020年 | 331篇 |
2019年 | 358篇 |
2018年 | 189篇 |
2017年 | 261篇 |
2016年 | 258篇 |
2015年 | 261篇 |
2014年 | 307篇 |
2013年 | 397篇 |
2012年 | 386篇 |
2011年 | 369篇 |
2010年 | 283篇 |
2009年 | 324篇 |
2008年 | 357篇 |
2007年 | 431篇 |
2006年 | 369篇 |
2005年 | 304篇 |
2004年 | 287篇 |
2003年 | 267篇 |
2002年 | 218篇 |
2001年 | 215篇 |
2000年 | 154篇 |
1999年 | 132篇 |
1998年 | 146篇 |
1997年 | 97篇 |
1996年 | 71篇 |
1995年 | 74篇 |
1994年 | 72篇 |
1993年 | 46篇 |
1992年 | 29篇 |
1991年 | 14篇 |
1990年 | 18篇 |
1989年 | 14篇 |
1988年 | 17篇 |
1987年 | 7篇 |
1986年 | 4篇 |
1985年 | 2篇 |
1984年 | 4篇 |
1977年 | 2篇 |
排序方式: 共有7868条查询结果,搜索用时 15 毫秒
941.
《地震研究进展(英文)》2021,1(3):100029
We developed an automatic seismic wave and phase detection software based on PhaseNet, an efficient and highly generalized deep learning neural network for P- and S-wave phase picking. The software organically combines multiple modules including application terminal interface, docker container, data visualization, SSH protocol data transmission and other auxiliary modules. Characterized by a series of technologically powerful functions, the software is highly convenient for all users. To obtain the P- and S-wave picks, one only needs to prepare three-component seismic data as input and customize some parameters in the interface. In particular, the software can automatically identify complex waveforms (i.e. continuous or truncated waves) and support multiple types of input data such as SAC, MSEED, NumPy array, etc. A test on the dataset of the Wenchuan aftershocks shows the generalization ability and detection accuracy of the software. The software is expected to increase the efficiency and subjectivity in the manual processing of large amounts of seismic data, thereby providing convenience to regional network monitoring staffs and researchers in the study of Earth's interior. 相似文献
942.
河流网络是地表水循环的重要组成部分,如何实现河流网络动态监测已成为河流遥感研究的热点。近年来,以PlanetScope为代表的CubeSat小卫星已具备了米级空间分辨率、1 d重访周期的优势,这为河流网络高时空分辨率动态监测提供了可能。本文以青藏高原长江源区的通天河流域(227 km2)为研究区,选取2017-05—2017-10 5期3 m空间分辨率CubeSat遥感影像,增强河流横纵剖面特征自动化提取了河流网络,研究了通天河流域河流网络动态变化,对比分析了3 m CubeSat与30 m Landsat 8、10 m Sentinel-2所提取的河流网络,以及5种现有水体数据集(GRWL,GSW,FROM-GLC 2017,OpenStreetMap,HydroSHEDS)。研究结果表明:(1)研究区内河流网络5月水系密度较低(0.38 km-1),7—8月河流网络进入丰水期,水系密度显著增加至0.61 km-1,9月河流网络进入平水期,水系密度趋于平稳(0.53 km-1),随后迅速退化并于10月开始冻结,水系密度迅速降低至0.37 km-1;(2)采用高空间分辨率CubeSat所提取的河流网络能够识别更多细小河流(河宽3—30 m),CubeSat所提取的河流总长分别为Landsat 8、Sentinel-2所提取河流总长的1.6倍和1.3倍;(3)CubeSat所提取的河流网络水系密度高于现有水体数据集(2.9—12.4倍),弥补了现有水体数据集无法反映细小河流的不足。 相似文献
943.
联合卷积神经网络与集成学习的遥感影像场景分类 总被引:1,自引:0,他引:1
针对人工设计的中、低层特征难以实现复杂场景影像的高精度分类以及卷积神经网络依赖大量训练数据等问题,结合迁移学习与集成学习,提出了一种联合卷积神经网络与集成学习的遥感影像场景分类算法。首先基于迁移学习的思想,利用在自然影像数据集上训练好的多个深层卷积神经网络模型作为特征提取器,提取图像多个高度抽象的语义特征;然后构建由Logistic回归和支持向量机组成的Stacking集成模型,对同一图像的多个特征分别训练Logistic模型,将预测概率结果融合构建概率特征;最后利用支持向量机对概率特征训练和预测,得到场景影像的分类结果。利用UCMerced_LandUse和NWPU-RESISC 45两种不同规模的遥感影像数据集进行试验,即使在只有10%的数据作为训练样本情况下,本文方法能够分别达到90.74%和87.21%的分类精度。 相似文献
944.
945.
为提高空间数据增量更新中拓扑冲突的检测效率,针对道路网数据,首先分析了增量要素进行更新时可能产生的拓扑冲突的类型和特点,运用规则格网进行邻近区域的表达;然后使用5元组模型描述增量要素与邻近区域要素间的拓扑关系,与设定的拓扑冲突表达进行比较,判断是否存在拓扑冲突。实验结果表明,本方法对于道路网数据增量更新中的拓扑冲突的类型区分准确全面,检测效率较高,具有很好的实用性和可靠性。 相似文献
946.
947.
948.
949.
基于江苏数字地震台网的宽频带记录,对38次M≥5.0地震的P波谱震级MP进行测定,对地震的辐射能量进行了估算。结果表明:本文测定的MP与中国地震台网中心(CENC)测定的MS、德国地学中心(GFZ)测定的MW具有很好的一致性,与该2种震级之间的平均偏差分别约为0.17和0.10级,基本小于世界主要地震机构之间对同一震级的测定误差(约0.2级);同时,基于MP估算的地震辐射能与基于修正G-R关系由MS震级换算获得的结果十分接近,两者平均能量之比约为1.1,表明MP与P波群(P+pP+sP)能量流是基本等效的。因此,基于宽频带数字记录测定中强地震的P波谱震级以及地震辐射能是可行的,且测定过程简便。 相似文献
950.