全文获取类型
收费全文 | 10308篇 |
免费 | 2124篇 |
国内免费 | 2074篇 |
专业分类
测绘学 | 487篇 |
大气科学 | 8772篇 |
地球物理 | 1605篇 |
地质学 | 1880篇 |
海洋学 | 981篇 |
天文学 | 102篇 |
综合类 | 281篇 |
自然地理 | 398篇 |
出版年
2024年 | 34篇 |
2023年 | 178篇 |
2022年 | 250篇 |
2021年 | 278篇 |
2020年 | 277篇 |
2019年 | 316篇 |
2018年 | 225篇 |
2017年 | 193篇 |
2016年 | 203篇 |
2015年 | 285篇 |
2014年 | 432篇 |
2013年 | 320篇 |
2012年 | 414篇 |
2011年 | 395篇 |
2010年 | 447篇 |
2009年 | 506篇 |
2008年 | 463篇 |
2007年 | 550篇 |
2006年 | 585篇 |
2005年 | 651篇 |
2004年 | 574篇 |
2003年 | 625篇 |
2002年 | 554篇 |
2001年 | 551篇 |
2000年 | 614篇 |
1999年 | 548篇 |
1998年 | 519篇 |
1997年 | 581篇 |
1996年 | 559篇 |
1995年 | 497篇 |
1994年 | 411篇 |
1993年 | 295篇 |
1992年 | 347篇 |
1991年 | 259篇 |
1990年 | 326篇 |
1989年 | 182篇 |
1988年 | 8篇 |
1987年 | 5篇 |
1985年 | 3篇 |
1984年 | 6篇 |
1983年 | 4篇 |
1982年 | 2篇 |
1981年 | 4篇 |
1980年 | 2篇 |
1979年 | 4篇 |
1977年 | 3篇 |
1976年 | 2篇 |
1974年 | 5篇 |
1935年 | 2篇 |
1934年 | 2篇 |
排序方式: 共有10000条查询结果,搜索用时 31 毫秒
51.
利用CMA-SH9模式逐小时降水预报数据和地面自动站-CMORPH卫星融合降水数据,开展该模式对2020年暖季(5~9月)川渝地区降水日变化的预报效果评估。结果表明:CMA-SH9模式可以再现小时平均降水量在四川盆地偏小、盆地周边陡峭地形处偏大的空间分布特征;显著的预报正偏差分布于青藏高原东坡至四川盆地西南部一带和四川盆地以东地区,偏差来自降水频率和降水强度的共同贡献;预报负偏差分布于四川盆地,主要来自模式对降水强度的低估;降水日变化峰值时间自西向东呈午夜到上午的滞后,模式预报的降水日变化峰值时间超前于观测;模式能够较好地把握青藏高原东坡至四川盆地西南部一带和四川盆地的单峰型日变化位相,以及盆地以东地区的双峰型日变化位相,但预报的降水量值和观测存在一定偏差。 相似文献
52.
应用2017—2018年5—9月福建省观测资料对华南区域中尺度模式(GTRAMS-3 km-RUC)预报进行站点检验,建立和训练基于卷积神经网络的逐时降水分级订正模型,并与频率匹配法进行2017—2018年测试集的对比试验和2019年数据集的模拟业务检验,探讨了试验过程中遇到的样本不均衡、特征变量选取以及模型过拟合问题。结果表明:模式对于15 mm·h-1以上降水的预报能力弱,各订正方法对原始预报均有不同程度的改进作用。从评估指标来看,基于卷积神经网络的订正方法比频率匹配法表现出优势,其中相关系数判别方案下的网络模型对强降水预报的订正效果显著优于其他方法;在输入特征变量选取方面,应用主成分分析方案的模型训练收敛速度比相关系数判别方案更快,最佳训练期有所提前,但也更早进入严重的过拟合状态,而相关系数判别方案能够使网络模型的训练拥有更长的提升期以达到更具“潜力”的状态;基于卷积神经网络的订正方法对减少分类降水预报的漏报率、晴雨和弱降水预报的空报率具有显著作用,其优化程度明显超过频率匹配法。 相似文献
53.
基于2016-2018年ECMWF模式温度预报和浙江省72个国家基本站观测资料,根据温度日变化特征,采用K-近邻(KNN)回归算法进行误差订正,改进浙江省172 h精细化温度预报。在KNN回归算法中,将模式起报时刻的温度视作“背景”,由模式预报减去起报时刻温度消除“背景”影响,得到温度日变化曲线,通过温度日变化曲线构建差异指标,选取历史相似个例。根据历史相似个例的误差特征,对温度预报进行订正,得到改进的温度预报。检验结果表明,KNN方案的温度预报平均绝对误差较ECMWF和30 d滑动平均误差订正方案(OCF)的分别减小26.2%和5.2%;日最高和最低温度预报误差绝对值小于2℃,准确率较ECMWF的分别提高14.8%和4.3%,较OCF的分别提高3.0%和1.3%。KNN方案对地形复杂地区的温度预报改进效果更为明显,对冷空气活动和夏季高温等天气过程预报改善效果也较稳定。 相似文献
54.
利用浙江省义乌市2015—2019年逐小时气象观测数据(相对湿度、风速、地气温差、能见度)和空气质量指数(Air Quality Index, AQI)数据, 分析了义乌地区低能见度天气(观测能见度lt; 10 km)的分布特征和气象要素条件。利用长短期记忆神经网络(Long Short Term Memory Neural Network, LSTM)模型对逐小时能见度进行模拟, 分别对比了观测能见度作为输入变量与否的模拟效果; 根据义乌地区低能见度天气条件的特征, 将模拟时段分为三个时期(11月至翌年2月, 3—6月, 7—10月), 对比了分时期模拟的效果; 以及评估了模型的预报步长。结果表明: 高湿、高污染、气温高于地温和低风速是义乌地区低能见度天气的主要特征。LSTM模型对单站能见度有较好的模拟效果, 当输入参数中加入历史观测能见度时, 能大幅提高模拟准确度, 日均能见度模拟结果均方根误差RMSE=0.63 km, 平均绝对误差MAE=0.51 km, 拟合优度R2=0.99;分时期进行模拟能得到更精准的模拟结果。本研究中选用的输入要素在冬季(11月至翌年2月)模拟效果最好, RMSE=2.35 km, MAE=1.46 km, 低能见度均方根误差RMSE_10 km=1.81 km, 低能见度平均绝对误差MAE_10 km=1.13 km, R2=0.83; 3—6月的模拟中, 输入变量中不加AQI模拟效果更好, 这意味着3—6月义乌地区的低能见度天气以雾天气为主导, 加入过多变量并不一定能提高模型准确度; 随着预报步长增大, 模型预报效果变差, 预测步长等于3 h, R2=0.71, 预测结果已不具备实际应用意义。 相似文献
57.
研究的第一部分讨论了如何有效应用集合预报误差的科学方案,确定了集合预报误差在GRAPES(Global Regional Assimilation and PrEdiction System)全球4DVar(four dimensional variational data assimilation)中应用的分析框架。在此基础上研究了针对集合预报误差实际应用于GRAPES全球4DVar,解决接近或超过100个集合样本数时高效生成的计算效率问题,以及与GRAPES全球4DVar匹配的同化关键参数确定问题。选择基于4DVar的集合资料同化方法生成集合样本,通过将第1个样本极小化迭代过程中产生的预调节信息用于其他样本极小化做预调节,将计算效率提高了2倍。通过时间错位扰动方法增加集合样本数,实现集合样本增加到3倍。对集合方差进行膨胀,并选择水平局地化相关尺度为流函数背景误差水平相关的1.4倍。通过批量数值试验方法确定背景误差与集合预报误差的权重系数,对60个集合样本当集合预报误差权重为0.7时预报效果最好。对北半球夏、冬两季各52 d的批量试验表明,对于南、北半球En4DVar (ensemble 4DVar)较4DVar的改进在冬季主要集中在700—30 hPa,而在夏季主要集中在400—150 hPa。赤道地区受季节影响较小,En4DVar对位势高度、风场与温度的改进都较为明显,且经向风场的改进最为显著。文中研发的集合预报误差在GRAPES全球4DVar中应用的方法合理可行。 相似文献
58.
强对流短时预报(2—6 h)具有较大难度。一方面,基于观测数据的外推已基本不可用;另一方面,高分辨率数值模式(High-resolution Numerical Weather Prediction,HNWP)的预报性能有待提升。利用深度学习方法,将卫星、雷达、云-地闪电(简称闪电)等观测数据和高分辨率数值模式预测数据进行融合,得到更有效的闪电落区短时预报结果。基于多源观测数据和高分辨率数值天气预报数据的特性,构建了一个双输入单输出的深度学习语义分割模型(LightningNet-NWP),使用了包括闪电密度、雷达组合反射率拼图、卫星成像仪6个红外通道,以及GRAPES_3km模式预报的雷达组合反射率等共9个预报因子。深度学习模型使用了编码-解码的经典全卷卷积结构,并使用池化索引共享的方式,尽可能保留不同尺度特征图上的细节特征信息;利用三维卷积层提取观测数据时间和空间上的变化特征。结果表明,LightningNet-NWP能够较好地实现0—6 h的闪电落区预报,具备比单纯使用多源观测数据、高分辨率数值模式预报数据更好的预报结果。深度学习能够有效实现多源观测数据和数值天气预报数据的融合,在2—6 h时效预报效果优于单独使用观测数据或数值天气预报数据;预报时效越长,融合的优势体现得越明显。 相似文献
59.
GRAPES_GFS模式全球降水预报的主要偏差特征 总被引:1,自引:0,他引:1
利用2017年1、4、7、10月“全球降水观测(global precipitation measurement,GPM)计划”每日08时(北京时)的24 h累计降水量和逐30 min降水量观测产品,从降水量和频率等角度,对同期GRAPES全球模式(GRAPES_GFS)第1(D1)、3(D3)、5天(D5)的全球降水预报性能和偏差特征进行细致评估与分析,且对低纬度暖池和北半球中纬度风暴路径区进行了重点观察,初步探讨了降水预报偏差特征在低纬度和中纬度明显不同的可能原因。结果显示:(1)GRAPES_GFS的D1—D5预报对全球日降水(量和频率)分布描述合理,能准确再现纬向平均降水(量和频率)的典型特征—降水“双峰”极大位于南北纬20°之间,次极大位于南北纬40°—50°地区的特征,以及关键区日降水时、空演变和降水日循环逐日演变的主要趋势特征。(2)低纬度的纬向平均湿日(≥0.1 mm/d)频率预报正偏差很小,但日降水量和强降水日(>25 mm/d)频率预报的正偏差明显、偏差极大值“双峰”位置恰是相应观测极大值所在处(南北纬5°—10°);中纬度的纬向平均日降水量预报基本无偏,但明显的湿日降水频率预报正偏差(20%—30%)和强降水日频率负偏差出现在南北纬40°—60°。降水偏差正、负分布特征随季节和预报时效基本保持不变,预报均方根误差数倍于平均误差,暗示模式降水预报偏差有系统性且性能表现波动较大。(3)日循环中,模式在暖池的降水量预报正偏差缘于降水强度预报偏强,降水频率预报的弱负偏差主要与降水落区预报偏小有关;而模式在北半球风暴路径区降水频率预报的正偏差则是降水落区预报偏大和空报弱降水事件两方面因素造成。(4)模式降水(量和频率)预报偏差特征在低纬度和中纬度的明显差异与模式次网格尺度和网格尺度降水比例失调有关,改进线索指向模式对流参数化方案中深对流的启动和深对流降水量的处理以及对流参数化方案与云微物理方案的协同问题。 相似文献
60.
将TOPMODEL应用于饮马河流域,选取2013-2019年共6次暴雨洪水过程进行模拟和评估,将饮马河模拟流量与实测流量对比分析,探讨该模型在该流域洪水模拟的可用性.结果表明:TOPMODEL实现了空间产流面积分布的可视化;TOPMODEL在饮马河流域模拟效果较好,可用于该流域流量预报;不同等级降雨量、不同的降雨落区以及前期降雨多寡对饮马河的流量影响较大,即累计雨量越大、雨强越强、强降雨越靠近上游、前期降雨越多,洪峰流量也越大.因此,TOPMODEL可为饮马河流域的防洪调度和防灾减灾提供技术支持. 相似文献