全文获取类型
| 收费全文 | 652篇 |
| 免费 | 100篇 |
| 国内免费 | 98篇 |
专业分类
| 测绘学 | 46篇 |
| 大气科学 | 363篇 |
| 地球物理 | 15篇 |
| 地质学 | 262篇 |
| 海洋学 | 20篇 |
| 综合类 | 26篇 |
| 自然地理 | 118篇 |
出版年
| 2024年 | 5篇 |
| 2023年 | 25篇 |
| 2022年 | 28篇 |
| 2021年 | 39篇 |
| 2020年 | 25篇 |
| 2019年 | 28篇 |
| 2018年 | 28篇 |
| 2017年 | 30篇 |
| 2016年 | 33篇 |
| 2015年 | 18篇 |
| 2014年 | 47篇 |
| 2013年 | 38篇 |
| 2012年 | 45篇 |
| 2011年 | 36篇 |
| 2010年 | 46篇 |
| 2009年 | 41篇 |
| 2008年 | 27篇 |
| 2007年 | 36篇 |
| 2006年 | 20篇 |
| 2005年 | 34篇 |
| 2004年 | 26篇 |
| 2003年 | 15篇 |
| 2002年 | 13篇 |
| 2001年 | 31篇 |
| 2000年 | 18篇 |
| 1999年 | 14篇 |
| 1998年 | 19篇 |
| 1997年 | 11篇 |
| 1996年 | 9篇 |
| 1995年 | 12篇 |
| 1994年 | 3篇 |
| 1993年 | 11篇 |
| 1992年 | 14篇 |
| 1991年 | 11篇 |
| 1990年 | 5篇 |
| 1989年 | 3篇 |
| 1988年 | 5篇 |
| 1936年 | 1篇 |
排序方式： 共有850条查询结果，搜索用时 187 毫秒
101.
102.
中国西部积雪对我国汛期降水的影响 总被引：19，自引：6，他引：19
本文利用台站及卫星资料建立了中国西部积雪３０年逐月时间序列。该序列是目前资料时间最长、最好的序列，为研究该区积雪月际和年际变化及其影响提供了较可靠的依据。中国西部冬春积雪对我国汛期降水的影响平均为负相关趋势，与６月降水的相关分布较有规律，冬春多（少），其它地区６月降水偏多（少）。我国西部多（少）雪对６月从份５００ｈＰａ高度的变化是：高原北边高纬高度降低（升高）及副热地区升高（降低），有（不）利于高 相似文献
103.
104.
105.
106.
108.
本文对189年南极积雪量与黄河径流量进行了相关和交叉谱分析,结果表明:(1)两者存在明显的负相关;(2)两者在10、4.3～4.6、3.3和30年左右的周期变化有较密切的联系;(3)在时间上,后者的变化落后于前者。并且指出,西太平洋副热带高压很可能是两者联系的重要环节。 相似文献
109.
利用1971—2016年辽宁省61个气象站气温、地表温度、积雪日数和积雪深度资料,分析了积雪的保温作用及其对地气温差的影响。结果表明：更换自动站前后地表温度观测方式的差异导致地气温差显著增大,地气温差的增大程度受所在区域积雪日数、积雪深度的影响显著。在积雪期较长、积雪较厚的地区,积雪引起反照率增大,使得雪面温度降低,导致雪气温差减小,而雪的保温作用使得地气温差显著增大。因此,更换自动站前地（雪）气温差与积雪日数呈显著负相关,而更换自动站后地气温差与积雪日数呈显著正相关。各台站之间地气温差随积雪深度的变化系数差异较大,为0.045~0.858 ℃?cm-1,在年平均积雪日数＜40 d、年平均极端积雪深度＜10 cm的区域,积雪的保温作用随积雪深度增大而显著增大;在年平均积雪日数＞40 d、年平均极端积雪深度＞10 cm的区域,10 cm以下的积雪对土壤保温作用随积雪深度增大显著,当积雪深度＞10 cm后,其保温作用随积雪深度增大的幅度明显减小。 相似文献
110.
青藏高原积雪范围和雪深/雪水当量遥感反演研究进展及挑战 总被引：1，自引：0，他引：1
积雪是地表特征的重要参数,对辐射收支、气候和长期天气变化均有重要影响。雪本身又是一个重要的天气现象和水文气象参数,过量的降雪也会带来严重的雪灾,如牧区雪灾、雪崩和融雪洪水灾害等。因此对积雪的监测,尤其是对山区的积雪监测,具有多方面的意义。利用卫星遥感技术监测积雪已有50余年的历史,并已形成了系列业务产品。青藏高原平均海拔超过4 000 m,该地区的积雪具有重要的水文、气候和生态环境意义。由于地形复杂,人迹罕至,地面观测站点稀少,受较强太阳辐射的影响,积雪消融迅速、区域差异消融以及风吹雪等因素导致积雪分布破碎化严重,对使用遥感资料监测该地区的积雪造成的极大的困难和不确定性。随着国内外传感器技术的不断发展,光学和被动微波遥感数据的同步获取技术已经非常成熟,综合利用光学遥感数据高空间分辨率和被动微波数据不受云干扰的特点,结合机器学习、无人机等技术,将环境参数加入反演模型中,有助于提高青藏高原积雪参数反演精度。 相似文献