全文获取类型
收费全文 | 2278篇 |
免费 | 194篇 |
国内免费 | 184篇 |
专业分类
测绘学 | 1303篇 |
大气科学 | 39篇 |
地球物理 | 160篇 |
地质学 | 490篇 |
海洋学 | 273篇 |
天文学 | 7篇 |
综合类 | 236篇 |
自然地理 | 148篇 |
出版年
2024年 | 30篇 |
2023年 | 116篇 |
2022年 | 130篇 |
2021年 | 145篇 |
2020年 | 77篇 |
2019年 | 144篇 |
2018年 | 128篇 |
2017年 | 123篇 |
2016年 | 120篇 |
2015年 | 145篇 |
2014年 | 148篇 |
2013年 | 114篇 |
2012年 | 123篇 |
2011年 | 133篇 |
2010年 | 98篇 |
2009年 | 98篇 |
2008年 | 120篇 |
2007年 | 89篇 |
2006年 | 85篇 |
2005年 | 71篇 |
2004年 | 60篇 |
2003年 | 65篇 |
2002年 | 38篇 |
2001年 | 37篇 |
2000年 | 37篇 |
1999年 | 23篇 |
1998年 | 27篇 |
1997年 | 25篇 |
1996年 | 20篇 |
1995年 | 13篇 |
1994年 | 16篇 |
1993年 | 11篇 |
1992年 | 10篇 |
1991年 | 10篇 |
1990年 | 8篇 |
1989年 | 11篇 |
1988年 | 1篇 |
1986年 | 2篇 |
1957年 | 5篇 |
排序方式: 共有2656条查询结果,搜索用时 109 毫秒
71.
电气化铁道接触网的非接触式检测研究对保障铁道的安全运营具有重要意义,检测工作需要大量的精确接触网点云数据支持,目前存在接触网部件间不易分割导致难以提供精确接触网点云数据支持的问题。针对该问题,本文提出了多级索引及移动向量联合的接触网提取方法。首先利用多级索引框简化铁道场景数据;然后通过轨迹线构建提取通道获取支柱底部中心点集,以计算沿轨移动向量;最后进行二级索引框的姿态调整,实现接触网的准确提取。本文设计了参数分析与对比试验,在10 km铁道场景中进行试验分析。结果表明,本文算法对接触网提取的查准率、查全率、F1均在约99%,均优于参照算法,表明本文算法能够适应复杂场景。 相似文献
72.
利用测绘卫星立体像对提取DEM效率高、精度高。本实验的主要目的是进行资源三号测绘卫星立体像对高海拔地区DEM提取实验,比较正视、前视及后视3种视角全色影像不同组合情况的立体像对所提取DEM的效果,以拉萨市城关区为实验区,并将实验结果与SRTMDEM进行比较。实验结果显示,正视与前、后视组成的立体像对提取的DEM效果相当,均好于前视、后视全色影像组成的立体像对提取得到的DEM,拉萨市城关区空间分辨率可达10 m,效果良好,可为城市地质灾害评价等提供基础数据。 相似文献
73.
谢佩瑶韩超欧阳志棋王晓艳 《冰川冻土》2023,(3):1168-1179
MODIS V006版本数据仅提供了归一化积雪指数(NDSI),而用户往往关心的是直观的积雪分类,包括积雪范围或积雪覆盖率。美国国家冰雪数据中心推荐全球积雪范围最佳的NDSI阈值为0.4,但是青藏高原地形复杂多样,积雪斑块化特征明显,单一阈值并不能精确地判识不同下垫面上的积雪。青藏高原被称为地球的第三极,是中国三大稳定积雪区之一,蕴藏了大量的淡水资源。随着全球气候变暖,青藏高原地区积雪融化时间提前,冰川融水增加,影响河流水量,造成洪涝灾害,进而影响人类正常生产生活,因此通过确定不同下垫面阈值,改善传统阈值的积雪高估低估现象,提高积雪识别精度,进而更准确地探究青藏高原积雪状况,显得尤为迫切。本文以青藏高原为研究对象,首先生成MODIS逐日无云NDSI序列并进行验证;其次对应站点雪深数据与NDSI序列,证实在下垫面为林地和非林地的区域,去云NDSI序列与站点雪深均有良好的对应关系,确定不同下垫面最优阈值范围;最后在最优阈值范围内通过混淆矩阵确定最优阈值。计算得出,林地NDSI=0.03时,总体精度最高为94.02%,在该NDSI之下,高估误差OE和低估误差UE分别为1.21%和4.60%;非林地NDSI=0.26时,总体精度OA最高为94.27%,在该NDSI之下,高估误差OE和低估误差UE分别为0.51%和5.03%。因此选取优化后林地阈值为NDSI=0.03,非林地阈值为NDSI=0.26。为避免地面常规观测资料尺度上的局限性,本文采用高精度的Landsat 8 OLI卫星数据识别结果,作为“真值”对优化后阈值的判别结果进行“像元—像元”级别的验证。在定量验证中,优化后NDSI阈值对MOD10A1 V006积雪判别结果的总体精度OA为84.21%,高估误差OE为5.33%,低估误差UE为10.46%;传统阈值对MOD10A1 V006积雪判别结果的总体精度OA为82.86%,高估误差OE为1.48%,低估误差UE为15.66%。可以看出在定量验证中,优化后阈值的积雪判别精度更高。同时在定性验证中,积雪大面积集中的区域,新的阈值与传统阈值提取效果均相对较好;积雪相对分散破碎的区域,优化后阈值能提取出大量积雪,传统阈值则不能。这表明考虑不同土地覆盖类型下的NDSI阈值优化可以有效地提高青藏高原积雪判别精度,为NDSI在积雪识别中的应用提供有力的支撑,有助于更准确地了解该地区积雪分布状况。 相似文献
74.
针对建筑物结构复杂、形式多样,产生的交叉极化散射现象使得其在极化SAR图像上易与植被混淆,提取困难的问题,该文结合极化散射信息和空间信息进行建筑物的提取研究,主要以AIRSAR全极化数据进行实验。①进行基于极化补偿的Yamaguchi四分量分解,根据偶次散射能量提取出建筑物;②提取总功率Span图像的纹理特征利用支持向量机进行分类;③融合前两步的提取结果得到最终结果。结果表明:方法优于基于极化补偿的Yamaguchi四分量分解的提取方法和SVM方法,对于平行建筑物、小方位角建筑物、大方位角建筑物的提取精度分别达到了99%、94%和56%,有效区分了建筑物与植被。 相似文献
75.
准确提取湖泊围网区域的时空分布信息对湖泊的保护和可持续发展具有重要意义。本文以阳澄湖为研究区域,收集该地区1984年—2017年所有的Landsat 5和Landsat 8影像(共计396景),提出了结合光谱和纹理特征的围网提取新算法,同时利用时间序列滤波消除年际间因数据不一致造成的偏差。以高清影像人工解译作为参考,阳澄湖围网提取结果的生产者精度在72.57%—88.53%,用户者精度在79.79%—98.10%,围网面积变化与文献记录吻合。结果表明,阳澄湖围网经历了"无围网期"(1984年—1994年)、"快速增长期"(1994年—1998年)、"巅峰期"(1999年—2002年)、"快速下降期"(2003年—2006年)和"稳定期"(2007年—2017年)5个阶段,最高达到100 km2,目前稳定在30 km2;通过研究围网区植被指数发现,2002年之后围网区浮水植物的种植面积增大;通过对比水质数据发现,2002年至今持续15年的围网拆除并未使阳澄湖恢复到80年代无围网养殖时期的II类水,其水质依然处于Ⅲ—Ⅳ类。因此在湖泊养殖开发过程中,政府应该坚持可持续发展道路,在不破坏湖泊水质的基础上发展湖泊经济。 相似文献
76.
本文基于2014年、2017年、2018年三期GF1遥感影像,针对北京市石景山永定河河道变化特征,开展基于深度学习算法的河道自动提取与变化图斑自动发现。选择GEOWAY GFLP作为地理要素智能训练平台,采用基于疑似变化区域自动发现与人工交互确认相结合的遥感监测技术路线,选取典型水体样本进行分析、训练,构建深度学习卷积神经网络水体提取模型。通过分析与验证发现,基于深度学习水体提取模型自动提取的河道准确率高于90%,精度高于最小距离、最大似然及SVM分类方法,可用于城市河道的自动提取和变化发现。 相似文献
77.
78.
针对传统的遥感图像道路提取算法存在错漏率较高的问题,提出一种基于时频特征提取和域自适应学习分类器的高分辨率航空遥感图像道路提取新算法。首先利用地统计学抽取道路的时域纹理特征和三维小波变换抽取道路的频域光谱特征,构成高分辨率航空图像中的道路特征。然后使用抽取的道路特征训练由迁移支持向量机模型构建的域自适应分类器,并对高分辨率航空遥感图像进行道路粗提取。最后,结合道路形态特征,用数学形态学方法处理粗分类后的道路,获得提取后的完整道路。仿真实验表明,所提方法能有效降低高分辨率航空遥感图像道路提取中非道路目标的干扰,提高道路提取的精确性。 相似文献
79.
根据地名信息的特点,提出一种基于地名首字母的模糊查询方法。采用Access数据库,结合微软自带的字库实现了地名首字母的提取与入库,特别是解决了多音字在首字母提取及入库时的处理,并提供了一种文件批量输入的方法,实现了基于地名首字母的模糊查询。设计开发的地名查询系统,使用简单,效率也得到了极大的提高,可以获取对应的地理位置,为后继GIS系统开发提供方便。 相似文献
80.
运用ENVI软件处理长沙地区的SPOT-5影像,将全色影像和多波段影像进行融合,分析融合后的影像,再选择感兴趣区域进行影像裁剪;采用ENVI的波段运算(Band3/Band2)提取该地区比值植被指数并进行分析。结果表明:比值植被指数对植被覆盖率较高的区域有非常高的敏感度;在植被覆盖率小于50%的时候,其敏感度明显降低,在绿色植被覆盖区域的比值植被指数远大于1,在裸露地表、建筑物、水体等没有植被覆盖区域的比值植被指数则在1附近,而比值植被指数大于2的则出现在高覆盖健康绿色植被上。 相似文献