全文获取类型
收费全文 | 1432篇 |
免费 | 227篇 |
国内免费 | 145篇 |
专业分类
测绘学 | 691篇 |
大气科学 | 147篇 |
地球物理 | 157篇 |
地质学 | 464篇 |
海洋学 | 136篇 |
天文学 | 28篇 |
综合类 | 114篇 |
自然地理 | 67篇 |
出版年
2024年 | 10篇 |
2023年 | 42篇 |
2022年 | 64篇 |
2021年 | 83篇 |
2020年 | 47篇 |
2019年 | 91篇 |
2018年 | 64篇 |
2017年 | 78篇 |
2016年 | 79篇 |
2015年 | 86篇 |
2014年 | 119篇 |
2013年 | 83篇 |
2012年 | 92篇 |
2011年 | 70篇 |
2010年 | 67篇 |
2009年 | 108篇 |
2008年 | 97篇 |
2007年 | 74篇 |
2006年 | 77篇 |
2005年 | 60篇 |
2004年 | 32篇 |
2003年 | 35篇 |
2002年 | 27篇 |
2001年 | 21篇 |
2000年 | 32篇 |
1999年 | 35篇 |
1998年 | 25篇 |
1997年 | 27篇 |
1996年 | 24篇 |
1995年 | 14篇 |
1994年 | 6篇 |
1993年 | 11篇 |
1992年 | 8篇 |
1991年 | 5篇 |
1990年 | 7篇 |
1989年 | 2篇 |
1988年 | 1篇 |
1984年 | 1篇 |
排序方式: 共有1804条查询结果,搜索用时 31 毫秒
1.
2.
随着村镇经济建设发展,生活垃圾和工业固体废弃物造成的污染问题日益突出,已经成为制约新农村建设发展和生态文明建设的关键问题,而目前针对乡镇非正规固体废弃物的调查与统计主要依赖全国各乡镇相关部门逐级调查上报,工作量较大。本文基于高分辨率遥感影像,将深度学习模型和条件随机场模型相结合引入到乡镇固体废弃物的提取研究中,探索一种基于深度卷积神经网络的乡镇固体废弃物提取模型。由于固体废弃物在影像上表现为面积小,分布破碎等特点,为了提高工作效率,将模型特分为识别和提取2个部分:① 通过全连接卷积网络(CNN)对固体废弃物进行快速识别判断,筛选感兴趣区域影像块;② 在传统的全卷积神经网络(FCN)的基础上加入条件随机场模型(CRF)提取固体废弃物边界,提高整体分割精度。根据安徽、山西等地区相关部门上报固体废弃物堆放点以及住房与城乡建设部城乡规划管理中心进行野外检查的结果,实验最终识别精度达到86.87%以上;形状提取精度为89.84%,Kappa系数为0.7851,识别与提取精度均优于传统分类方法。同时,该方法已经逐步应用于住房和城乡建设部有关成都、兰州、河北等部分乡镇非正规固体废弃物的核查工作,取得了较为满意的结果。 相似文献
3.
4.
基于多源卫星数据的小型水体蓝藻水华联合监测——以天津于桥水库为例 总被引:3,自引:0,他引:3
近年来水体富营养化呈扩张趋势,蓝藻水华不仅在太湖等大型湖泊频发,水面面积较小的天津于桥水库等也形势严峻,亟需加强卫星遥感监测.但是,以往在太湖等业务化使用非常成功的MODIS等卫星数据(约500 m),由于空间分辨率较低,难以满足小型水体的监测要求;而Landsat-8等空间分辨率较高的卫星数据(30 m),通常重返周期较长,无法满足水华高频监测需求.本文以天津市于桥水库(面积约80 km2)为研究区,针对常用的卫星数据,从空间、时间、光谱范围和数据可获取性共4个方面,评价不同卫星数据蓝藻水华监测能力和算法,同时对不同卫星监测结果一致性进行评估.结果表明:(1)筛选出国产HJ-1A\B CCD、GF-1 WFV和美国Landsat-8 OLI这3种卫星波段合适,空间分辨率较高,适用于桥水库蓝藻水华监测,但考虑到其重返周期较长,建议多星联合观测;(2)各个卫星监测结果与卫星影像目视解译结果基本一致,均方根误差和相对误差均分别控制在0.78 km2和4.9%以内;(3)不同卫星监测结果一致性良好,一致性精度达到99.5%;(4)根据历史影像结果,发现于桥水库2016年水质开始呈富营养化,藻华现象在夏、秋两季最为严重.研究表明,针对小型水面水体蓝藻水华监测,利用较高分辨率数据联合监测,是一种有效的替代策略,今后可在更多小型水域推广. 相似文献
5.
基于森林模型参数先验知识估算高分辨率叶面积指数 总被引:1,自引:0,他引:1
目前,估算高分辨率叶面积指数LAI(Leaf Area Index)的常用方法是采用大量地面测量数据和遥感数据建立统计模型,再用统计模型估算LAI。然而,与农田地面测量实验相比,森林地面测量实验获取的观测数据更加有限,这使得基于统计模型的森林高分辨率LAI的估算精度低,难以满足应用需求。为此,本文提出一种基于森林模型参数先验知识、使用森林研究区少量的LAI地面测量数据和归一化植被指数NDVI数据估算森林高分辨率LAI的方法。首先,获取全球20个森林实验区的LAI地面测量数据和NDVI数据,建立LAI-NDVI统计模型并提取森林模型参数的先验知识。然后,以一个新的森林站点Concepción作为研究区,将该研究区的数据分为建模数据和验证数据两个部分。使用研究区有限的建模数据对森林模型参数先验知识进行本地化校正得到优化模型,优化模型用于估算森林高分辨率LAI,使用验证数据评价LAI的估算精度。同时,选取了Camerons站点、Gnangara站点、Hirsikangas站点评价本文方法的LAI估算精度。使用地面测量LAI验证基于森林模型参数先验知识估算高分辨率LAI的结果精度,经验证4个森林站点的均方根误差分别为0.6680,0.4449,0.2863,0.5755。研究结果表明:在仅有少量观测数据时,采用本方法能有效地提高森林高分辨率LAI的估算精度。因此,本方法可为森林高分辨率LAI的遥感估算提供参考。 相似文献
6.
高分辨率遥感图像精确分割是遥感图像处理的研究热点和难点。高分辨率遥感图像中同质区域间的差异性不仅表现在光谱特征上,同样存在于边缘、纹理等结构特征上。为了更好分割高分辨率遥感图像,需在分割算法中考虑结构特征。因此,如何提取更多有助于精准分割的结构特征,并探究这些特征在分割过程中的作用规律成为设计高分辨率遥感图像分割算法的关键问题。为此,论文提出在曲波变换理论基础上构建不同结构特征提取模型,并以加权的方式将提取的结构特征纳入贝叶斯和能量分割模型中。 相似文献
7.
提出一种基于卷积神经网络和图割法的自动提取高分影像建筑物的方法。首先,通过卷积神经网络定位与检测建筑物的位置,逐一提取单个建筑物轮廓,利用检测结果分别建立建筑物和非建筑物的高斯混合模型(GMM),然后结合最大流最小割的图像分割方式实现全局优化,完成建筑物初步提取,最后用形态学进行优化。通过试验证明了该方法的可行性。 相似文献
8.
多源高分辨率DOM批量快速制作方法研究 总被引:1,自引:0,他引:1
随着遥感数据在自然资源调查中的广泛应用,对多源高分辨率遥感影像“一张图”批量快速制作有了更高的需求。本文以广西壮族自治区北海市银海区作为试验区,利用Pixel Engine软件的“RS+GIS+Photoshop”算法,首先,针对多源高分辨率遥感卫星数据特点,制定相应的数据处理流程,自动化制作单景DOM;然后,以县级辖区为单位,批量快速制作县级辖区DOM;最后,从制作精度和速度两个方面,将该方法制作得到的DOM成果与人工处理成果进行对比,分析该方法的可行性,提出了一种快速、有效的多源高分辨率DOM制作方法。 相似文献
9.
针对现有利用阴影长度法提取建筑物高度时存在的阴影间相互遮挡问题,提出了一种基于建筑物侧面轮廓线进行建筑物高度估算的新方法。首先,利用RPC模型计算建筑物像点位移的方向与卫星成像角度,再将遥感影像进行旋转,使建筑物像点位移沿水平方向;然后,利用Canny算法进行轮廓检测,并构建一定长度的矩形形态学结构元素,对轮廓图像进行形态学开运算,以提取侧面轮廓线,再利用Hough变换与建筑物角点约束,对所提取的轮廓线进一步筛选;最后,根据卫星侧视成像时建筑物高度与像点位移的几何关系进行建筑物的高度估算。利用实际的高分辨率卫星影像对本文方法进行了验证,并与阴影法估算建筑物高度进行了对比。试验结果证明,利用建筑物侧面轮廓线进行建筑物高度估算平均误差可以达到0.7 m,且实际精度优于使用阴影法进行建筑物高度估算。 相似文献
10.