全文获取类型
收费全文 | 2338篇 |
免费 | 508篇 |
国内免费 | 359篇 |
专业分类
测绘学 | 559篇 |
大气科学 | 352篇 |
地球物理 | 692篇 |
地质学 | 956篇 |
海洋学 | 256篇 |
天文学 | 21篇 |
综合类 | 224篇 |
自然地理 | 145篇 |
出版年
2024年 | 32篇 |
2023年 | 128篇 |
2022年 | 192篇 |
2021年 | 194篇 |
2020年 | 134篇 |
2019年 | 192篇 |
2018年 | 98篇 |
2017年 | 103篇 |
2016年 | 79篇 |
2015年 | 109篇 |
2014年 | 162篇 |
2013年 | 120篇 |
2012年 | 133篇 |
2011年 | 130篇 |
2010年 | 143篇 |
2009年 | 124篇 |
2008年 | 148篇 |
2007年 | 115篇 |
2006年 | 84篇 |
2005年 | 91篇 |
2004年 | 69篇 |
2003年 | 67篇 |
2002年 | 77篇 |
2001年 | 76篇 |
2000年 | 60篇 |
1999年 | 49篇 |
1998年 | 42篇 |
1997年 | 44篇 |
1996年 | 50篇 |
1995年 | 33篇 |
1994年 | 25篇 |
1993年 | 21篇 |
1992年 | 21篇 |
1991年 | 12篇 |
1990年 | 23篇 |
1989年 | 15篇 |
1988年 | 3篇 |
1987年 | 1篇 |
1986年 | 1篇 |
1985年 | 2篇 |
1982年 | 1篇 |
1979年 | 1篇 |
1954年 | 1篇 |
排序方式: 共有3205条查询结果,搜索用时 218 毫秒
31.
气象观测数据的传输率和可用率是气象预报服务及时准确的基础,是衡量通信系统运行可靠程度及运维保障能力的关键指标。长期以来,各级业务人员通过不间断值守班来保障气象观测数据的传输质量。随着现代化气象业务体系的不断发展,气象业务对资料传输的时效性、完整性要求也越来越高,对气象资料的综合监控能力也提出了更高的要求。在全国地面气象业务体制改革的要求下,广西率先在全国实行了基层台站无人值守业务调整,设计并实现广西地面气象观测无人值守系统。该系统集数据传输监控、数据传输时效统计于一体,通过自动监控告警、主备站资料(要素)智能识别替代、双条传输链路热备等设计,建立一套无人值守传输业务流程,从技术上支撑业务改革调整,大大降低基层业务人员工作强度。业务应用分析表明,无人值守系统运行可靠,业务质量保持高水平稳定,业务效益凸显。 相似文献
32.
以现代沉积为指导,通过岩芯、测井地质、地震沉积学分析研究复杂曲流带边界砂体类型及其内部结构特征,提出了识别地下复杂曲流带的典型标志,即曲流带边界处废弃河道的长度与曲流带边界的长度比值大于65%,尤其在曲流带凹岸一侧此比值超过85%。通过对比分析正演模型、测井地质剖面及分频后地震反射轴的波形及振幅,识别并总结出研究区曲流带内部主要发育点坝主体-初期点坝-初期河道边缘、点坝伊始-废弃河道、点坝伊始-点坝伊始、废弃河道-废弃河道、废弃河道-点坝伊始、末期河道-点坝等点坝间边界叠加类型,并在此基础上建立了研究区曲流带内部结构模式。 相似文献
33.
基于岩石图像深度学习的岩性自动识别与分类方法 总被引:8,自引:3,他引:5
岩石岩性的识别与分类对于地质分析极为重要,采用机器学习的方法建立识别模型进行自动分类是一条新的途径。基于Inception-v3深度卷积神经网络模型,建立了岩石图像集分析的深度学习迁移模型,运用迁移学习方法实现了岩石岩性的自动识别与分类。采用此方法对所采集的173张花岗岩图像、152张千枚岩图像和246张角砾岩图像进行了学习和识别分类研究,通过训练学习建立岩石图像深度学习迁移模型,并分别采用训练集和测试集中的岩石图像对模型进行了检验分析。对于训练集中的岩石图像,每组岩石分别用3张图像测试,三种岩石的岩性分类均正确,且分类概率值均达到90%以上,显示了模型良好的鲁棒性;对于测试集中的岩石图像,每组岩石分别采用9张图像进行识别分析,三种岩石的岩性分类均正确,并且千枚岩组图像分类概率均高于90%,但是花岗岩组2张图像和角砾岩组的1张图像分类概率值不足70%,概率值较其他岩石图像低,推测其原因是训练集中相同模式的岩石图像较少,导致模型的泛化能力减小。为了提高识别精确度,对准确率较低的岩石图像进行截取,分别取其中的3张图像加入训练集进行再训练,增加与测试图像具有相同模式的训练样本;在新的模型中,对3张图像进行二次检验,测试概率值均达到85%以上,说明在数据足够的状况下模型具有良好的学习能力。与传统的机器学习方法相比,所提出的岩石图像深度学习方法具有以下优点:第一,模型通过搜索图像像素点提取物体特征,不需要手动提取待分类物体特征;第二,对于图像像素大小,成像距离及光照要求低;第三,采用适当的训练集可获得较好的识别分类效果,并具有良好鲁棒性和泛化能力。 相似文献
34.
35.
为了准确划分直罗组地层岩性、识别地层及解译矿层,通过综合分析鄂尔多斯盆地4个主要铀矿集区侏罗系直罗组地层的定量伽马、自然电位、三侧向电阻率、密度4条测井曲线参数,采用归类统计和测井曲线形态分析,结果显示不同地区直罗组的伽马照射量率数值差异不大,东南缘地区电阻率值明显高于其他地区,密度值变化呈现"南高北低"特征;垂向上直罗组上段的伽马背景值和电阻率相对直罗组下段偏低,密度值变化不大;区域上直罗组地层中从粗砂岩到泥岩的伽玛背景值逐渐增高;密度值略微增高,电阻率和自然电位异常幅度由大变小。根据不同类型岩石测井参数和相系差异,建立了东北缘地区电阻率与密度交会图版岩性识别模型。煤田钻孔测井岩性解译时具有放射性异常的砂岩段粒度应提高1~2个级别。 相似文献
36.
山区输变电工程崩塌随着国家“一带一路”和“全球能源互联网”战略的构建和实施,山区复杂地质环境条件下的输变电工程建设越来越多。然而,现阶段对于输变电工程崩塌(滚石)灾害识别、预测和评价方法等方面的研究相对较少,难以有效解决山区崩塌(滚石)灾害频发与输变电工程安全建设、运营之间不断增长的矛盾。鉴于此,作者借助航空遥感、无人机航测、岩体结构分析工具、崩塌(滚石)运动数值模拟软件等新技术方法等,对山区输变电工程中崩塌(滚石)灾害识别与预测方法等开展了相关研究。提出:(1)基于区域工程地质分区-区段遥感分析-山体无人机航拍-岩体结构特征分析的思路,实现对长距离、大区域山区输变电工程的崩塌(滚石)危岩体快速识别和分析;(2)利用三维崩塌(运动)模拟方法快速识别崩塌(滚石)在杆塔(变电站)范围的到达情况,然后再利用多种方法对比确定能到达杆塔(变电站)范围内崩塌(滚石)的冲击特征;(3)山区输变电工程崩塌(滚石)灾害风险计算方法。 相似文献
37.
介绍了PNN方法原理及其算法训练学习过程,详细阐述了网络识别岩性参数的选取、岩性识别模型的建立过程.通过对比研究PNN与其他6种岩性识别方法,分析相同条件下预测结果,得到不同识别方法的优劣性.经研究发现,PNN概率神经网络方法在生产应用中效果更佳、训练识别用时最短.利用人工智能神经网络对测井数据进行自动解释分析,可满足随钻测井时效性及快速解释处理的地质导向需求. 相似文献
38.
地图目标的形状在地图制图综合、空间查询等研究中发挥着重要作用。地图建筑物形状的识别与分类作为建筑物轮廓化简与典型化的基础,一直是制图综合研究的热点问题。目前,主要的建筑物形状识别方法主要依赖对建筑物轮廓的描述,对建筑物等地图面状要素的形态特征有较强的依赖性,通常只在应对特定类型的规则轮廓或直角化轮廓时能发挥较好的效果,对于形状不规则或复杂的情况识别不佳。本文提出一种AlexNet支持下的地图建筑物形状分类方法,将矢量地图中建筑物数据的形状分类问题,转化为建筑物栅格图像的分类问题,通过完成卷积神经网络的图形分类实现建筑物的形状识别。该方法首先结合空间认知规律提出一系列典型建筑物形状类型,然后利用矢量-栅格转换的方法从OSM数据采样单体建筑物栅格图像,通过人工标识获得建筑物形状分类训练样本,训练AlexNet卷积神经网络分类模型,最后利用训练好的模型对大比例尺建筑物数据进行智能形状分类与识别。本文利用北京、香港2个城市的OSM建筑物数据作为样本训练建筑物形状分类模型,并在广州部分城区的OSM建筑物数据上进行验证。相较传统形状相似性度量方法,本文提出的方法对实验区建筑物的识别分类总体查全率提高了2.48%,达到92.32%,对于较为复杂的形状(如T形、十字形)识别也具有更高的精度,查准率分别提高了13.83%和24.53%。实验结果表明本文提出的方法对建筑物形状分类的效果有明显提升,能够实现常见建筑物形状的有效分类,为下一步的建筑物化简、典型化等综合操作打下了基础。 相似文献
39.
地貌识别,对于人类建设,地质构造研究,环境治理等相关领域都有着重要意义。传统的基于像素单元或面向对象的地貌识别方法存在局限性。由于流域小单元具有表面形态的完整性,在地貌演化中具有明确的地理意义,基于流域小单元的地貌识别成为了该领域的一个新热点。然而,基于传统地形因子的地貌识别方法使用的因子往往较为单一或者在地学描述上存在重复性,目前尚无针对流域小单元进行空间结构描述和拓扑关系特征量化的地貌识别研究。基于此,本文基于DEM进行水文分析并通过坡谱方法解决了小流域稳定面积难以确定的问题,在黄土高原样区提取了181个稳定小流域。根据复杂网络理论和地貌学原理提出了流域加权复杂网络的概念和相应的8个定量指标用于流域空间结构的模拟和量化描述。最后采用了基于决策树的XGBoost机器学习算法进行地貌识别,实验对于黄土高原主要地貌类型的识别显现出较好的效果,Kappa系数为86.00%,总体精度达到了88.33%。对于地貌形态特征明显的地貌,复杂网络方法其顾及空间结构和拓扑特征的特性导致了其较高的识别性能,精度和召回率都在90%~100%之间。通过与前人的研究进行对比,其识别结果亦呈现出较高的精度,这些都验证了流域加权复杂网络是一种基于流域小单元地貌识别的高精度且有效的方法。 相似文献
40.