全文获取类型
收费全文 | 43225篇 |
免费 | 24219篇 |
国内免费 | 41486篇 |
专业分类
测绘学 | 4708篇 |
大气科学 | 22507篇 |
地球物理 | 14246篇 |
地质学 | 39782篇 |
海洋学 | 17318篇 |
天文学 | 1048篇 |
综合类 | 5321篇 |
自然地理 | 4000篇 |
出版年
2024年 | 130篇 |
2023年 | 525篇 |
2022年 | 1208篇 |
2021年 | 1575篇 |
2020年 | 2523篇 |
2019年 | 5823篇 |
2018年 | 5978篇 |
2017年 | 5741篇 |
2016年 | 5812篇 |
2015年 | 5307篇 |
2014年 | 4772篇 |
2013年 | 5517篇 |
2012年 | 5397篇 |
2011年 | 5244篇 |
2010年 | 5187篇 |
2009年 | 4438篇 |
2008年 | 3778篇 |
2007年 | 3802篇 |
2006年 | 3352篇 |
2005年 | 3092篇 |
2004年 | 3182篇 |
2003年 | 2801篇 |
2002年 | 2582篇 |
2001年 | 2314篇 |
2000年 | 1887篇 |
1999年 | 1862篇 |
1998年 | 1827篇 |
1997年 | 1863篇 |
1996年 | 1462篇 |
1995年 | 1410篇 |
1994年 | 1236篇 |
1993年 | 1205篇 |
1992年 | 1013篇 |
1991年 | 750篇 |
1990年 | 719篇 |
1989年 | 596篇 |
1988年 | 501篇 |
1987年 | 391篇 |
1986年 | 315篇 |
1985年 | 253篇 |
1984年 | 280篇 |
1983年 | 166篇 |
1982年 | 202篇 |
1981年 | 144篇 |
1980年 | 110篇 |
1979年 | 115篇 |
1978年 | 50篇 |
1977年 | 44篇 |
1971年 | 53篇 |
1970年 | 44篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
1.
利用地理信息技术及遥感监测方法,监测香坊老工业区搬迁改造试点进展情况,主要针对搬迁改造过程中地表覆盖、用地性质、空气质量变化情况,开展综合统计分析,客观评价香坊老工业搬迁改造实施成效。 相似文献
2.
基于2012年6~8月的实测水汽同位素数据及相关气象数据,对黑河中游夏季昼夜的同位素基本特征、水汽来源方向及潜在蒸发源地进行了研究。结果表明:空气水汽线斜率白天大于夜晚和水汽过量氘值白天大于夜晚,综合说明白天局地蒸发较夜晚强烈;夏季受西风水汽影响显著。其中,6月主要受西风水汽和北冰洋水汽影响,7、8月主要受西风水汽和东南方向水汽影响,且8月受东南方向水汽影响最为明显;水汽运移路径上下垫面地形和气压带移动会影响水汽后向轨迹高度,西北方向上水汽输送通道较顺畅,风速较大,有利于水汽的输送;水汽蒸发源地主要集中在研究区周围及以东、以北部,其次是西北部。绿洲是主要的水汽蒸发源地,其次是城市和河流,白天较夜晚局地蒸发强烈且面积大。 相似文献
3.
以2014年广州市中产阶层聚居区24个街道、50个社区进行的问卷调查和深度访谈资料为数据源,从住房需求意愿与区位选择方面分析了广州中产阶层住房选择,并运用多元Logistic回归分析法对其影响因素进行研究。研究发现:1)广州市中产阶层住房区位选择表现出明显的“向中心城区”性;2)现居住现状(人均住房面积、现小区区位、现小区建成年代、现居住时间)、家庭生命周期(年龄、家庭规模、子女数量)和经济水平(家庭年总收入、个人年总收入、私家车拥有量)等因素对中产阶层住房需求意愿具有显著影响;3)家庭生命周期(年龄、家庭规模)、个体因素(教育程度、户籍地)等要素对中产阶层住房区位选择具有显著影响。4)制度因素、区位因素和个体因素共同影响着广州市中产阶层住房区位选择。 相似文献
4.
创新型企业作为塑造创新地理格局的重要力量,其区位选择的外部特征及内在机理亟须予以系统化研究。基于对安徽省创新型企业的细分行业与空间建库,采用核密度估计和地理探测器等方法,对细分行业下的创新型企业空间集聚特征及影响因素进行研究。结果表明:(1)安徽省创新型企业类型以先进制造和自动化为主,并以生物与新医药、新材料、电子信息为辅;(2)创新型企业空间集聚的不均衡特征显著,呈现出“一核一带多节点”的集聚分布特征,且合肥、芜湖是两个重要集聚区;不同细分行业视角下创新型企业的空间分布形态各异,可归纳为点-轴式、极核式、双核式及多核分散式等4种空间组织形态。(3)创新型因子对于创新型企业的空间集聚最为重要,但传统型和政策型因子的重要性仍不容忽视。其中,产业基础、人力资本、创新投入是最核心的因素,但各行业创新型企业的影响因素作用力则表现出一定的异质性。 相似文献
5.
以FeCl3?6H2O、NiCl2?6H2O、MgCl2?6H2O为原料,以NaOH为沉淀剂采用水热法合成了镁镍铁水滑石 (MgNiFe-LDH),通过X射线衍射 (XRD)、傅里叶变换红外光谱 (FTIR) 和扫描电镜 (SEM) 分析了MgNiFe-LDH结构及形貌,探讨了不同陈化时间和水热温度对MgNiFe-LDH合成的影响。将制得的MgNiFe-LDH添加至聚丙烯 (PP) 中,制备MgNiFe-LDH/PP复合材料,通过对材料的加速老化测其力学性能,研究了添加MgNiFe-LDH前后材料力学性能的差异。研究结果表明,当Mg2+:Ni2+:Fe3+=2:1:1,反应温度为140℃、陈化时间为24 h时,合成的MgNiFe-LDH为片状,形貌较为规整,颗粒粒径约为2μm;经加速老化后,填充MgNiFe-LDH 复合材料的抗老化性能优于纯PP,当MgNiFe-LDH的填充量为6 wt% 复合材料拉伸强度不变,可明显提高PP的抗老化性能。 相似文献
6.
摘要:目的 探讨菌株Salinivibrio sp.YH4分泌的丝氨酸蛋白酶EYHS的耐盐性及结构特征。方法 明胶底物酶谱法分析EYHS的耐盐性。应用生物信息学手段对EYHS及6种耐盐的S8家族丝氨酸蛋白酶结构特征进行分析。结果 EYHS在4 mol/L的NaCl溶液中仍具有活性,属于耐盐蛋白酶。EYHS及6种S8家族丝氨酸蛋白酶分子表面的loop区等无规则卷曲所占比例较高,α-螺旋与β-片层则主要位于酶分子内部。EYHS分子表面酸性氨基酸含量较高,且具有弱疏水内核。多序列比对发现蛋白酶的催化三联体两侧存在高度保守的基序和保守的极性氨基酸及芳香族氨基酸,并存在多个保守的Gly与Ala。同源模建和表面电荷分布显示,α螺旋和β片层围成了蛋白酶的催化腔,EYHS活性中心包含由Asp32、His65与Ser215组成的催化三联体,且催化位点区域表面静电势为负。结论 上述结构特征可能有助于耐盐丝氨酸蛋白酶EYHS在高盐环境下维持其稳定性和适度柔性,并有助于其催化功能的发挥,为深入研究耐盐丝氨酸蛋白酶的高盐环境适应性提供了一定的理论依据。 相似文献
7.
深入探讨了柴达木盆地盐湖区土壤黑碳分布及土气交换特征。研究结果显示,研究区土壤总黑碳含量范围为0.50~6.79 g/kg,平均值达到1.64 g/kg;土壤烟炱组分黑碳含量范围为0.50~4.75 g/kg,平均值达到1.144 g/kg;气溶胶黑碳含量范围为0.34~4.92μg/m~3,平均值达到0.98μg/m~3。柴达木盆地盐湖区盐湖资源的大量开采和工业化生产等可能造成该地区黑碳大量排放。盐湖区土壤黑碳稳定碳同位素值(δ~(13)C_(BC))在-25.33‰~-23.46‰之间变化,平均值为-24.21‰,表明该地区土壤黑碳来源可能受C_3植物和化石燃料来源的共同影响。首次运用逃逸系数探讨了柴达木盆地盐湖区黑碳土气交换行为,结果表明研究区黑碳土气交换行为确实存在,但存在一定程度的模拟不确定性。 相似文献
8.
沉积物硼(B)同位素组成可以反映其地质成因及经历的地质过程,因此在许多领域的研究中都有较为广泛的应用。通过对位于柴达木盆地碱山背斜顶部的SG-1b钻孔沉积物(7.3~1.6 Ma)水溶组分的B同位素研究,发现钻孔沉积物B含量在38.55~172.3μg/g之间,平均含量为87.6μg/g;δ~(11)B值的变化范围在3.61‰~16.26‰之间,平均值为10.65‰,B含量与δ~(11)B值具有一定的正相关关系。进一步分析表明,受到碱山背斜构造隆升以及晚新生代以来气候干旱化的影响,柴西古湖逐渐咸化萎缩,沉积环境以及碳酸盐含量、粘土矿物含量及其矿物组合等也在发生变化,B含量和δ~(11)B值自钻孔底部向上的逐步增加以及后期的急剧增加,与水溶离子含量以及矿物和粒度等的变化一致,这说明柴达木盆地晚中新世以来湖泊沉积物的B含量和δ~(11)B值可以很好地反映研究区气候和湖水的演化过程,共同指示了研究区自7.3 Ma以来气候的持续干旱化和湖水盐度的逐步增加,以及3.3Ma以来干旱化和湖水浓缩过程的加剧。 相似文献
9.
Peng Yue Fan Gao Boyi Shangguan Zheren Yan 《International journal of geographical information science》2020,34(11):2243-2274
ABSTRACT High performance computing is required for fast geoprocessing of geospatial big data. Using spatial domains to represent computational intensity (CIT) and domain decomposition for parallelism are prominent strategies when designing parallel geoprocessing applications. Traditional domain decomposition is limited in evaluating the computational intensity, which often results in load imbalance and poor parallel performance. From the data science perspective, machine learning from Artificial Intelligence (AI) shows promise for better CIT evaluation. This paper proposes a machine learning approach for predicting computational intensity, followed by an optimized domain decomposition, which divides the spatial domain into balanced subdivisions based on the predicted CIT to achieve better parallel performance. The approach provides a reference framework on how various machine learning methods including feature selection and model training can be used in predicting computational intensity and optimizing parallel geoprocessing against different cases. Some comparative experiments between the approach and traditional methods were performed using the two cases, DEM generation from point clouds and spatial intersection on vector data. The results not only demonstrate the advantage of the approach, but also provide hints on how traditional GIS computation can be improved by the AI machine learning. 相似文献
10.