全文获取类型
收费全文 | 1495篇 |
免费 | 250篇 |
国内免费 | 238篇 |
专业分类
测绘学 | 427篇 |
大气科学 | 133篇 |
地球物理 | 130篇 |
地质学 | 714篇 |
海洋学 | 260篇 |
天文学 | 9篇 |
综合类 | 155篇 |
自然地理 | 155篇 |
出版年
2024年 | 5篇 |
2023年 | 53篇 |
2022年 | 71篇 |
2021年 | 83篇 |
2020年 | 69篇 |
2019年 | 98篇 |
2018年 | 68篇 |
2017年 | 75篇 |
2016年 | 63篇 |
2015年 | 76篇 |
2014年 | 75篇 |
2013年 | 55篇 |
2012年 | 69篇 |
2011年 | 80篇 |
2010年 | 78篇 |
2009年 | 76篇 |
2008年 | 82篇 |
2007年 | 77篇 |
2006年 | 76篇 |
2005年 | 57篇 |
2004年 | 52篇 |
2003年 | 40篇 |
2002年 | 61篇 |
2001年 | 35篇 |
2000年 | 45篇 |
1999年 | 35篇 |
1998年 | 34篇 |
1997年 | 34篇 |
1996年 | 27篇 |
1995年 | 40篇 |
1994年 | 24篇 |
1993年 | 40篇 |
1992年 | 30篇 |
1991年 | 28篇 |
1990年 | 25篇 |
1989年 | 31篇 |
1988年 | 4篇 |
1987年 | 2篇 |
1986年 | 3篇 |
1985年 | 2篇 |
1984年 | 1篇 |
1983年 | 2篇 |
1982年 | 1篇 |
1981年 | 1篇 |
排序方式: 共有1983条查询结果,搜索用时 31 毫秒
1.
2017年8月8日四川九寨沟M7.0地震是继2008年汶川M8.0地震和2013年芦山M7.0地震之后,青藏高原东缘在不到10年的时间内发生的第3个震级M7.0以上的强震,震中位于青藏高原巴颜喀拉块体东缘东昆仑断裂带东端的塔藏断裂、岷江断裂和虎牙断裂交汇部位,四川省地震局的数字强震台网共有37个台站获取了主震的三分量强震加速度记录。由于傅里叶(Fourier)变换仅能提供强震记录的频域信息,故本文在对九寨沟M7.0地震的加速度记录进行时频分析时采用了一种基于聚类经验模态分解(EEMD)的希尔伯特-黄变换(HHT)方法提取信号时频特性,通过对震中附近台站的加速度记录进行EEMD分解和希尔伯特(Hilbert)变换及谱分析,最终有效获得了信号能量的时频分布特征,量化提取了中心频率、Hilbert能量、最大振幅对应的时间等特性,并与Fourier变换进行了对比研究。研究结果表明:对于非线性的强震记录采用EEMD能够有效抑制经验模态分解(EMD)中存在的模态混叠问题,FFT谱与Hilbert边际谱相比,它在低频处会低估地震动的幅值,随着频率的增加,FFT谱又会放大其幅值。 相似文献
2.
提出一种基于凝聚层次法和模糊C均值法的混合聚类法,用于对岩体结构面的优势组划分。该方法将结构面投放到在单位球面上,并使用欧式距离作为极点的相似性度量准则。先剔除结构面数据中的孤值产状,然后用凝聚层次法得到初步聚类结果,并将其作为FCM法的初始聚类中心,最后用FCM法划分优势组。通对人工生成产状样本的分组,验证了该法的正确性。将该方法应用于大藤峡坝址区实测的结构面数据的划分。在实测数据中寻找到两个孤值产状,成功将大藤峡D1y^1-3地层岩体结构面划分为两组,得到了符合实际的分组结果。 相似文献
3.
高分辨率遥感图像处理经常面临程序执行时间过长和内存空间不足的问题,虽然并行计算技术可以提高遥感图像的处理速度,但是无法降低算法占用的巨大内存空间。为了解决这一问题,本文提出了一种利用CUDA和内存映射文件的高分辨率遥感图像快速处理方法,并以K-Means算法为例进行了实现。其中,CUDA技术可以有效利用GPU强大的并行计算能力,而内存映射文件技术降低了磁盘I/O速度较慢对算法性能的影响。实验结果表明,本文方法比传统K-Means聚类算法计算速度提高了30倍左右,内存使用量降低了90%以上。 相似文献
4.
低孔渗砂岩储层孔隙结构复杂,在二维与三维空间中具有较强非均质性,对储集空间的测井响应有极大影响。而压汞曲线、核磁T2谱、铸体薄片3种资料在一定程度上各自反映了孔隙结构的不同特征,本文分别提取3种资料的微观孔隙结构参数进行相关性分析,最终分别利用主成分分析-模糊均值聚类方法实现孔隙结构分类,其分类结果压汞曲线分形法所得一致。 相似文献
5.
针对传统的最小生成树聚类算法存在使用全局不变阈值确定噪声边,聚类需要用户根据经验确定初始化聚类参数,如“边权值倍数容差”,“边长变化因子”等,聚类不能发现局部噪声的问题,本文提出了一种改进的最小生成树自适应空间点聚类算法。该算法在无需用户输入参数的前提下,克服主观因素的影响,根据最小生成树边长的数理统计特征定义裁剪因子。算法首先从宏观层面对最小生成树进行首轮删枝操作,消除全局环境下的噪声边,进而根据各子树的边长统计情况,自适应设定局部裁剪因子,进行第二轮删枝操作,消除局部环境下的噪声边。最后,采用1个模拟数据和1个实际应用验证算法的有效性,结果表明本文提出的改进算法在无需人为提供经验参数的环境下能够发现任意形状、不同密度的簇,能够准确的识别出空间点中的噪声数据,从而能够实现空间点数据背后隐藏信息的自动挖掘。 相似文献
6.
利用鄂西地区长时间段宽频地震台站的三分量背景噪声记录,采用波形互相关方法得到台站对间的互相关函数,并通过聚束分析获得瑞雷波和勒夫波的慢度谱,研究鄂西地区背景噪声源的时空分布特征。结果表明,5~10 s周期范围,背景噪声来源于南太平洋且没有季节变化;10~20 s周期范围,慢度谱上显示明显的能量环,表明噪声源来源于多个方向,且表现出强烈和急剧的季节变化;20~40 s周期范围,慢度谱上也存在明显的能量环,其产生机制可能与此周期下提出的次重力波机制相似。在不同的周期范围内,噪声源分布方位有所不同,但在周期10~40 s范围噪声源在各方向均有分布。因此,利用长时间段连续噪声数据计算的互相关函数在周期10~40 s范围内满足背景噪声面波层析成像的理论前提。 相似文献
7.
8.
基于人文地理视角下的城市创意产业图像可视化分析对城市深层次空间综合和区域创新发展具有重大意义。但Swarm群智能动态时空建模难以满足创意产业空间集聚的可视化发展。本文研究目标是,从城市区域创意产业空间聚类影响因素指标出发,创新性地提出区域空间动态集聚轨迹算法(Density-Based Interest Spatial Clustering of Path,DBICP),并与计算机浏览器共建聚类可视化图像,为城市管理提供决策依据。首先,根据影响因素指标体系,利用2014—2018年空间卡口流量数据和产业指标数据进行预处理,构建空间标准聚类算法DBSCAN。然后,对其进行聚类密度分级优化形成全新DBICP算法并得出初步轨迹图像。最后,通过源码转译实现了浏览器界面下空间动态集聚轨迹图像的输出。结果表明:以上海市为例,普陀区、浦东新区、徐汇地区的创意产业空间分布形成了3种不同的聚类模式,并相应提出了分摊、均布、虹吸的管控策略。此方法克服了传统图像的聚类分级和轨迹测量的缺失,可以有效地从指标数据中发现图像轨迹聚类信息,体现了地理信息科学和人文社会学科的交叉融合。也为大数据动态图像的集聚方法提供了全新视角和借鉴价值。 相似文献
9.
对于庞大的点云数据来说,从中直接提取多种数据特征是相当困难的。考虑到基于数字化等高线数据和数字地面模型提取地形特征受内插误差影响,提出一种基于极大曲率的地形特征提取方法。对初始地面点云进行极大曲率估计;结合欧氏聚类方法进行地形特征点粗提取;对粗提取特征点进行粗糙度分析,得到精确特征点。顾及离散曲率的特征,即曲率越大越接近特征线,得到可靠的地形特征分割结果。该方法不需要人工干预,直接基于机载LiDAR点云数据进行处理。试验表明采用基于极大曲率分割的方法能从点云中自动提取比较完整并且准确的地形特征点。 相似文献
10.
本文研究了0.25~3 mmol/L浓度的NaHSO3对紫球藻(Porphyridium violaceum)和0.06~0.96 mmol/L浓度的NaHSO3对蓝隐藻(Chroomonas placoidea)的叶绿素荧光参数(PSII最大光能转化效率Fv/Fm、相对电子传递速率rETR、光化学淬灭qP、非光化学淬灭NPQ)、细胞密度、干重、胞外多糖和藻胆蛋白含量的影响。研究表明,较低浓度的NaHSO3对紫球藻和蓝隐藻的生长及活性物质积累有促进作用,2种微藻进行生长和活性物质积累的最适NaHSO3浓度分别为0.5和0.12 mmol/L,此条件下,实验结束时,2种微藻的Fv/Fm、rETR、qP、细胞密度、干重、胞外多糖和藻胆蛋白含量均达到最大值,显著高于对照组。其中,紫球藻的最终细胞密度、干重、胞外多糖和藻胆蛋白含量分别比对照组增加了36.0%、19.1%、71.8%和69.0%。蓝隐藻的上述参数在NaHSO3浓度为0.12 mmol/L时则比对照组增加了60.8%、45.4%、60.0%和53.1%。另一方面,NaHSO3浓度为2~3 mmol/L时显著抑制紫球藻生长及活性物质积累,NaHSO3浓度为0.48~0.96 mmol/L则不利于蓝隐藻生长及活性物质积累。研究结果表明,适合紫球藻和蓝隐藻生长及胞外多糖和藻胆蛋白积累的最佳NaHSO3浓度分别为0.5和0.12 mmol/L,该研究为2种微藻的开发利用提供了理论依据。 相似文献