首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   31篇
  免费   13篇
  国内免费   1篇
测绘学   11篇
大气科学   6篇
地球物理   1篇
地质学   16篇
海洋学   3篇
综合类   7篇
自然地理   1篇
  2023年   4篇
  2022年   1篇
  2021年   1篇
  2020年   2篇
  2019年   7篇
  2018年   5篇
  2017年   1篇
  2016年   6篇
  2015年   1篇
  2014年   2篇
  2013年   2篇
  2012年   1篇
  2011年   1篇
  2010年   2篇
  2009年   3篇
  2008年   1篇
  2006年   1篇
  1999年   2篇
  1996年   2篇
排序方式: 共有45条查询结果,搜索用时 140 毫秒
41.
以城乡结合部农村宅基地流转的驱动力为着力点,分析了限制城乡结合部农村宅基地流转的弊端及流转的公平性.采用文献资料法和对比分析法,提出构建城乡结合部农村宅基地流转市场的思路.  相似文献   
42.
选取北部湾340尾野生日本囊对虾,对其体长、头胸甲长、胸高、胸宽、第一腹节宽、第一腹节高、第三腹节高、额剑上刺数、额剑下刺数和体重等10个性状进行测量.采用逐步回归法分 析体重和形态形状的关系.结果表明,日本囊对虾的体长、头胸甲长、胸宽、胸高、第一腹节宽、第三腹节高和额剑上刺数7个性状与体重的相关系数达到了极显著水平(P<0.01),在上述7个性状中,胸宽对体重的直接影响(0.352)最大,其次为头胸甲长、体长、第一腹节宽、第三腹节高和胸高,额剑上刺数影响较小.单独的决定系数:胸宽对体重的决定系数(12.39%)最大,其次是头胸甲长,额剑上刺数最小.共同决定系数:胸宽与头胸甲长最大为11.54%.通过分析,建立上述7个性状对体重的最优多元回归方程.为日本囊对虾在选育种提供理想的测度指标.  相似文献   
43.
利用常规气象观测资料、天气雷达资料、FY-2E卫星TBB资料和NCEP1°×1°再分析等资料,对2015年4月2日发生在江西省北部地区的冰雹强对流天气环境条件和特征进行了分析。结果表明:1)高空槽、低层切变线和地面锋面共同影响,导致此次冰雹强对流天气过程,冷锋及其附近的中尺度地面辐合线是主要触发系统。2)降雹前6—12 h,江西省北部地区对流层中低层西南风速跃增,并且500 hPa高度层存在干急流轴,干空气卷入能使雨滴脱离上升气流,减弱雨滴的拖曳作用,形成"上干冷、下暖湿"对流不稳定温湿层结。3)江西省北部地区边界层有假相当位温能量锋区维持;且处于水汽通量辐合区中心,低层维持较强水汽辐合和输送,为冰雹云内雹胚的形成和生长提供了充足的水汽条件。4)风暴单体具有有界弱回波区、高悬的强反射率因子、强回波伸展至-20℃层高度之上、高VIL密度、强中气旋等大冰雹回波特征。TBB分布反映了一个MCS的演变,降雹地点与TBB小于-52℃的冷云区及其北侧TBB大梯度区对应较好。  相似文献   
44.
采用3种多元分析方法,对来源于美国的4个凡纳滨对虾种群的13个形态比例参数进行比较研究.聚类分析结果表明,Kona Bay种群与Molokai种群形态差异很小,而SIS种群、OI种群趋异程度逐渐增加.判别分析结果显示,4种群的13个形态比例参数有着极显著的差异(P>0.01);4个种群雌虾的判别准确率P1为61.76%-97.14%,判别准确率P2为62.03%-96.43%,综合判别率为80.25%;4个种群雄虾的判别准确率P1为75.76%-97.06%,判别准确率P2分别为67.57%-97.06%,综合判别率为80.71%,各种群的判别函数判别准确率均较高;主成分分析,构建的雌体的5个主成分方差贡献率分别为,主成分1:23.594%,主成分2:19.534%,主成分3:15.748%,主成分4:13.653%,主成分5:8.653%.累积贡献率为81.182%.而在构建的雄体的5个主成分中,方差贡献率分别为主成分1:22.095%,主成分2:19.270%,主成分3:15.430%,主成分4:15.245%,主成分5:7.885%.累积贡献率为79.925%.综上所述,Kona Bay种群与Molokai种群应是同一种群,与SIS种群亲缘关系较为接近,SIS种群和OI种群为独立的种群.  相似文献   
45.
环境变化影响下流域径流的精确模拟对洪涝灾害防治与区域水资源管理都具有重要意义。在径流模拟研究中,现有机器学习模型未能充分考虑水文中间状态变量对降雨-径流过程的影响,本研究基于集合卡尔曼滤波(EnKF)更新水文状态变量,结合主成分分析(PCA)提取预报因子的主要特征,采用长短时记忆神经网络(LSTM)构建考虑水文中间变量的机器学习水文模型EnKF-PCA-LSTM。以赣江流域为例,评估EnKF-PCA-LSTM模型的径流模拟效果,同时将模拟结果与LSTM模型、物理水文模型HYMOD做对比分析。结果表明,EnKF-PCA-LSTM模型模拟径流的纳什效率系数、Kling-Gupta效率系数和对数纳什效率系数分别为0.954、0.971和0.972,比LSTM模型和HYMOD模型具有更好的模拟性能,说明考虑水文状态变量可有效提高机器学习模型的径流模拟精度及稳定性。研究成果可为流域径流模拟提供技术参考。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号