全文获取类型
收费全文 | 942篇 |
免费 | 71篇 |
国内免费 | 87篇 |
专业分类
测绘学 | 571篇 |
大气科学 | 36篇 |
地球物理 | 54篇 |
地质学 | 145篇 |
海洋学 | 136篇 |
天文学 | 5篇 |
综合类 | 80篇 |
自然地理 | 73篇 |
出版年
2024年 | 3篇 |
2023年 | 8篇 |
2022年 | 34篇 |
2021年 | 45篇 |
2020年 | 51篇 |
2019年 | 39篇 |
2018年 | 36篇 |
2017年 | 63篇 |
2016年 | 69篇 |
2015年 | 80篇 |
2014年 | 58篇 |
2013年 | 80篇 |
2012年 | 66篇 |
2011年 | 54篇 |
2010年 | 46篇 |
2009年 | 40篇 |
2008年 | 50篇 |
2007年 | 56篇 |
2006年 | 63篇 |
2005年 | 33篇 |
2004年 | 32篇 |
2003年 | 23篇 |
2002年 | 21篇 |
2001年 | 19篇 |
2000年 | 8篇 |
1999年 | 2篇 |
1998年 | 8篇 |
1997年 | 2篇 |
1996年 | 3篇 |
1995年 | 1篇 |
1994年 | 2篇 |
1993年 | 3篇 |
1991年 | 1篇 |
1988年 | 1篇 |
排序方式: 共有1100条查询结果,搜索用时 93 毫秒
1.
高光谱遥感影像具有光谱分辨率极高的特点,承载了大量可区分不同类型地物的诊断性光谱信息以及区分亚类相似地物之间细微差别的光谱信息,在目标探测领域具有独特的优势。与此同时,高光谱遥感影像也带来了数据维数高、邻近波段之间存在大量冗余信息的问题,高维度的数据结构往往使得高光谱影像异常目标类和背景类之间的可分性降低。为了缓解上述问题,本文提出了一种基于波段选择的协同表达高光谱异常探测算法。首先,使用最优聚类框架对高光谱波段进行选择,获得一组波段子集来表示原有的全部波段,使得高光谱影像异常目标类与背景类之间的可分性增强。然后使用协同表达对影像上的像元进行重建,由于异常目标类和背景类之间的可分性增强,对异常目标像元进行协同表达时将会得到更大的残差,异常目标像元的输出值增大,可以更好地实现异常目标和背景类的分离。本文使用了3组高光谱影像数据进行异常目标探测实验,实验结果表明,该方法与其他现有高光谱异常目标探测算法对比,曲线下面积AUC(Area Under Curve)值更高,可以更好地实现异常目标与背景分离,能够更有效地对高光谱影像进行异常目标探测。 相似文献
2.
赤潮生物种类特征光谱获取技术 总被引:1,自引:0,他引:1
较为系统地研究了赤潮生物水体反射率曲线获取方法。通过对 2类反射率反演方法得出的反射率曲线与实际反射率曲线进行比较 ,得出在不具备大气环境参数的情况下 ,经验线性法的反演结果与实际反射率曲线最接近的结论 ,并进一步对正常海水和赤潮生物水体的光谱特性进行分析 ,提取出赤潮生物水体的特征光谱。这是进行赤潮监测和识别的重要前提 相似文献
3.
东海原甲藻cDNA文库构建及尝试性EST分析 总被引:2,自引:0,他引:2
东海原甲藻(Prorocentrumdonghaiense)是中国沿海频繁发生的大规模赤潮的原因种之一,大规模分离鉴定东海原甲藻功能基因是理解东海原甲藻赤潮形成过程和机理的重要基础。取对数生长期藻体,经微量总RNA抽提、cDNA合成、cDNA扩增和克隆等步骤,构建了东海原甲藻cDNA文库并进行了尝试性表达序列标签分析。从含有约5000个转化子的文库中随机取150个测序,获得126条EST序列。经网上BlastN及BlastX分析,共发现11个是已知功能的基因的标签。这些基因与东海原甲藻生长发育、物质转换和能量代谢相关。 相似文献
4.
徐斯 《中国海洋大学学报(自然科学版)》1991,(4)
提出由公用计算机系统支撑的大学图书馆自动化系统模型。以一个假想系统LASO(青岛海洋大学未来的图书馆自动化系统 为例。阐述该模型的可行性。 相似文献
5.
6.
本文针对第二次全国土地调查任务与特点,阐述了土地详查与第二次土地调查在调查技术手段,土地分类标准,面积量算与检查方式等方面存在的主要差异,以利于更好的理解与掌握第二次土地调查中的相关技术要点,提高土地调查的效率与成果质量。 相似文献
7.
8.
基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较 总被引:1,自引:1,他引:0
混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。 相似文献
9.
10.