全文获取类型
收费全文 | 508篇 |
免费 | 44篇 |
国内免费 | 37篇 |
专业分类
测绘学 | 351篇 |
大气科学 | 15篇 |
地球物理 | 24篇 |
地质学 | 86篇 |
海洋学 | 55篇 |
综合类 | 20篇 |
自然地理 | 38篇 |
出版年
2024年 | 2篇 |
2023年 | 7篇 |
2022年 | 26篇 |
2021年 | 31篇 |
2020年 | 36篇 |
2019年 | 28篇 |
2018年 | 28篇 |
2017年 | 26篇 |
2016年 | 36篇 |
2015年 | 52篇 |
2014年 | 25篇 |
2013年 | 50篇 |
2012年 | 30篇 |
2011年 | 30篇 |
2010年 | 23篇 |
2009年 | 21篇 |
2008年 | 22篇 |
2007年 | 35篇 |
2006年 | 27篇 |
2005年 | 13篇 |
2004年 | 16篇 |
2003年 | 9篇 |
2002年 | 8篇 |
2001年 | 4篇 |
2000年 | 4篇 |
排序方式: 共有589条查询结果,搜索用时 31 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.
高光谱遥感数据具有光谱信息丰富、图谱合一的特点,目前已经广泛地应用在对地观测中。传统的高光谱分类模型大多过分依赖影像光谱信息,没有充分利用空间特征信息,这使得分类精度还有很大的提升空间。条件随机场是一种概率模型,能够较好地融合空间上下文信息,在高光谱影像分类中已经得到越来越多的关注,但大部分条件随机场模型存在超平滑的现象,会导致影像细节丢失。针对该问题,本文提出了一种优化融合影像空-谱信息的高分辨率/高光谱影像分类方法,该方法将影像的纹理信息与原始光谱信息进行融合,利用SVM分类器对其进行预分类,并将各类概率定义为一元势函数,以融合空间特征信息;然后将空间平滑项和局部类别标签成本项加入二元势函数中,以考虑空间背景信息,并保留各类别中的详细信息。最后,通过两组的高分辨率/高光谱影像数据进行试验。结果表明,与SVM算法、传统的条件随机场方法和面向对象的分类方法相比,本文提出的算法在整体分类精度上分别提高了10%、9%和8%以上,同时在保持地物边缘完整性、避免“同谱异物”与“同物异谱”的现象方面有较明显的优势。 相似文献
3.
4.
5.
传统的混合像元分解算法认为每个像元都包含图像中所能提取的全部端元组分,但这并不符合实际情况。实际上图像中大多数混合像元仅由少部分端元混合而成。由于端元提取精度及噪声的影响,采用全部端元对混合像元进行分解,会使得混合像元中实际并不存在的端元的丰度估计值不为零,分解结果存在较大误差。由于混合像元大多存在于不同地物的交界处,基于此,本文提出了一种结合图像的空间信息选取混合像元最优端元子集的方法。利用一个空间结构元素,从混合像元的附近邻域开始搜索,将搜索到的纯净像元光谱与所提取的图像端元光谱进行对比,并确定混合像元的端元子集进行分解。根据RMSE大小和变化情况,逐步扩大结构元素的大小,不断调整搜索范围,直至得到最优端元组合。模拟数据和真实数据的试验结果表明,该方法相比传统的全端元光谱分解方法,在总体上获得了更好的分解效果。 相似文献
6.
波段选择是高光谱遥感图像分类的重要前提,本文提出了一种用于高光谱遥感图像波段选择的改进二进制布谷鸟算法,通过使用混合二进制编码算法更新子代鸟巢和使用遗传算法交叉方式更新被发现鸟巢两个方面对二进制布谷鸟算法进行改进,找出在图像中起主要作用且相关性低的波段,实现对高光谱遥感图像降维。将本文算法运用于PaviaU数据集和AVIRIS数据集,并与二进制布谷鸟算法、二进制粒子群算法、最小冗余最大相关算法、Relief算法等进行对比分析。结果表明,改进二进制布谷鸟算法波段特征选择效率更高,且选取的波段更具代表性,能够较好地提高后续分类精度。 相似文献
7.
高光谱遥感影像混合像元分解研究进展 总被引:6,自引:1,他引:5
受高光谱成像仪低空间分辨率及复杂地物的影响,高光谱遥感图像存在大量混合像元。为提高地表分类精度以及满足亚像元级目标探测的需求,混合像元分解技术一直是高光谱遥感研究热点之一。本文主要对高光谱混合像元分解技术中的核心问题:端元数目估计、端元提取算法、丰度估计算法进行综述,系统地分析了各种典型算法的原理及优缺点,进一步阐述研究过程中建立高精度遥感混合反演模型与遥感产品业务化中的混合像元分解技术难题,同时针对今后混合像元分解技术发展方向,指出在继续引入新型算法理论方法基础上,结合用户应用需求,推进高光谱混合像元分解算法业务化应用,为高光谱遥感工程化应用提供支持。 相似文献
8.
养殖水体水质的优劣直接影响养殖对象的成长, 准确、快速、全面地掌控养殖水环境的水质参数变化情况具有重要意义。传统的水质指标监测方法都通过人工采样的方式, 不仅耗费时间长, 且只能体现局部水体情况。针对这些问题, 提出了一种乌鸦搜索算法(CSA)结合偏最小二乘回归(PLSR)的高光谱特征波段筛选方法, 快速构建回归模型, 实现光谱数据的精准预测反演。以连片的养殖小区为研究对象, 采集养殖水体样本并拍摄同时期的高光谱影像数据。首先对提取的采样点光谱数据利用多种数据变换方法分别预处理; 其次利用这些数据, 对水质指标总氮(TN)、氨氮(NH4+-N)、总磷(TP)和化学需氧量(COD)分别构建全波段的SVR和AdaBoost回归模型, 同时与提出的CSA-PLS自动筛选波段方法和传统的连续投影算法(SPA)筛选波段后构建的模型进行比较分析; 最后根据决定系数(R2)和均方根误差(REMS)选出适合各水质指标的最优模型。从实验结果可以看出, 所提波段筛选方法的AdaBoost模型预测结果优于SVR和传统SPA方法提取特征波段后构建的模型, 与全波段最优模型相比, 在评价指标R2和RMSE上TN提升了18.32%和10.73%; NH4+-N提升了17.42%和11.19%; COD提升了2.15%和2.54%。结果表明, 基于CSA-PLS算法的光谱波段自动筛选方法结合AdaBoost构建的预测反演模型是有效、可行的, 具有较高的精准度, 为实现养殖水环境实时准确的预警调控提供了一种新的数据预测模型。 相似文献
9.
高光谱遥感能够根据光谱指纹特征提取蚀变矿物,在地质领域应用成效十分显著。针对最新的资源一号02D卫星高光谱数据特点,首先进行了高光谱数据预处理,选取蚀变矿物光谱特征显著波段进行数据降维,并应用三次样条插值函数对短波红外数据进行光谱波段增值,将光谱采样间隔提高到了2 nm。在优选出矿物填图端元光谱后,应用改进的SAM填图算法提取头吊泉-南大滩地区的褐铁矿、绿泥石、方解石、白云石、短波云母、中短波云母、中长波云母共7种蚀变矿物,详细分析高光谱蚀变矿物的分布特征并开展蚀变矿物的野外地质验证。研究区蚀变矿物与地质体岩性关系密切,多集中在特定地质体的局部地段。方解石和白云石蚀变矿物的定向展布指示了碳酸盐类沉积/变质地层的走向。根据资源一号02D高光谱数据提取的褐铁矿和中短波云母的分布情况,在南大滩-西红滩地段新发现1条长约15 km的金矿化蚀变带,东部的西红滩地段经综合查证存在地表金矿化异常。资源一号02D高光谱数据可以提取褐铁矿等多种蚀变矿物,从而为矿产资源勘查和基础地质调查提供重要的遥感信息。 相似文献
10.
对于人为因素或自然因素造成的农田土壤重金属元素污染,需要进行大面积的土壤环境质量调查和分类管控,然而传统的采样测试方法存在工作量大、代价高等问题。可见—近红外(Vis-NIR)反射光谱是一种快速低成本获取土壤理化信息的手段。为研究Vis-NIR反射光谱预测模型划分土壤重金属污染风险类别的能力,文章以典型人为污染地区(浙江温岭)和典型地质高背景地区(广西横县)的390份农田土壤为样本,测定8种重金属元素(As、Cd、Cr、Cu、Hg、Ni、Pb和Zn)的含量和pH值,并测定土壤Vis-NIR光谱。使用偏最小二乘(PLS)和支持向量机(SVM)算法建立回归模型,对土壤重金属含量和pH值进行预测,并基于预测值进行土壤重金属污染风险分类。结果显示,温岭土壤主要污染元素Cd和Cu的光谱模型回归预测偏差(RPD)分别为1.23和1.19,预测机制与有机质有关。横县土壤主要污染元素As和Cd的RPD分别为1.98和1.93,预测机制与铁氧化物和粘土矿物有关。地质高背景土壤重金属与铁氧化物的正相关性普遍较强,使得光谱模型对重金属含量预测准确度较高。温岭和横县土壤pH值的光谱模型RPD分别为1.76和1.68。土壤重金属污染风险光谱分类的总体
准确度分别为75.0%~100%(温岭)和80.0%~100%(横县)。将Vis-NIR光谱与遥感技术相结合,对农田土壤重金属污染风险进行快速分类总体是可行的。 相似文献