全文获取类型
收费全文 | 554篇 |
免费 | 127篇 |
国内免费 | 7篇 |
专业分类
财政金融 | 57篇 |
工业经济 | 23篇 |
计划管理 | 138篇 |
经济学 | 71篇 |
综合类 | 52篇 |
运输经济 | 1篇 |
旅游经济 | 6篇 |
贸易经济 | 272篇 |
农业经济 | 26篇 |
经济概况 | 42篇 |
出版年
2024年 | 1篇 |
2023年 | 7篇 |
2022年 | 6篇 |
2021年 | 22篇 |
2020年 | 28篇 |
2019年 | 18篇 |
2018年 | 21篇 |
2017年 | 27篇 |
2016年 | 22篇 |
2015年 | 31篇 |
2014年 | 50篇 |
2013年 | 48篇 |
2012年 | 64篇 |
2011年 | 60篇 |
2010年 | 38篇 |
2009年 | 29篇 |
2008年 | 31篇 |
2007年 | 40篇 |
2006年 | 39篇 |
2005年 | 25篇 |
2004年 | 16篇 |
2003年 | 13篇 |
2002年 | 13篇 |
2001年 | 8篇 |
2000年 | 3篇 |
1999年 | 4篇 |
1998年 | 4篇 |
1997年 | 4篇 |
1996年 | 3篇 |
1995年 | 2篇 |
1994年 | 2篇 |
1992年 | 3篇 |
1990年 | 1篇 |
1985年 | 3篇 |
1983年 | 2篇 |
排序方式: 共有688条查询结果,搜索用时 46 毫秒
141.
142.
Aleix Altimiras-Martin 《Economic Systems Research》2014,26(4):463-485
Analyses using physical input–output tables (PIOTs) are key to understanding the physical metabolism of economies, since they relate production to the generation of emissions and use of resources. Two methods have been developed to calculate the primary resources and emissions associated with a given final demand. However, one of these alters the PIOT, revealing different technical coefficients and Leontief inverse matrices. Which method should be used for structural analysis? In this paper, I compare both methods, explain the structural differences between them and illustrate the latter through a backward linkage analysis. I find that only one method is suited to the analysis of the physical structure of the economy, since it comprehends both the production of goods and associated emissions. The method is identified as a new model capable of tracing by-products as final outputs. Finally, I generalise both methods to analyse PIOTs including several emission types. 相似文献
143.
Francisco Gomes Alexander Michaelides Valery Polkovnichenko 《Review of Economic Dynamics》2009,12(4):718-735
We solve and estimate a life-cycle model with earnings risk and liquidity constraints in the presence of tax-deferred retirement accounts (TDAs). We explicitly consider two very different types of households (with TDAs): direct and indirect stockholders. The latter hold stocks only through TDAs and, consistent with the data, save considerably less than the former, who hold stocks both inside and outside these accounts. We find that TDAs promote higher wealth accumulation but only marginally higher net savings. Consumption increases mostly during retirement, as desired, but the effect is largest for those households with higher savings rates already. 相似文献
144.
145.
在未来信息化战争中,卫星通信将发挥越来越重要的作用,已成为各国竞相争夺的信息制高点。印度从本国实际需求出发,统筹规划,以研发满足国民经济需求的多用途通信卫星为突破口,迅速建成了亚太地区最大的国内通信系统之一。在简要分析印度各军种卫星通信需求和发展现状的基础上,介绍了印度的几个重点卫星通信工程项目,重点论述了 “印度国家卫星”(INSAT)系列和“静地星”(GSAT)系列中在役和在研通信卫星的性能和作用,最后总结了印度研发通信卫星系统的经验,期望为相关人员提供参考与借鉴。 相似文献
146.
远程教育扶贫网的系统运行 总被引:2,自引:2,他引:0
着重介绍了利用计算机、国际互联网和卫星技术,并配以辅助设备,实施远程教学,通过该系统使贫困地区的学生享受与发达地区学生同样的教育,实现科教扶贫之目的。 相似文献
147.
李秀莲 《石家庄经济学院学报》1998,21(1):67-69,80
随着会计信息使用者对会计信息的准确性要求不断提高,会计工作对会计帐户的应用也提出了更新、更高要求。在当前的会计工作中,“双重性质”帐户的运用存在一些不可忽视的问题。本文试图从“双重性质”帐户的性质、结构及报表揭示等几个方面来阐述“双重性质”帐户在运用中存在的问题。 相似文献
148.
基于多时相遥感数据提取水稻种植面积的研究 总被引:2,自引:0,他引:2
该文以江苏省为例,探讨MODIS时间序列数据在水稻种植信息获取中的应用,并进行精度评价.首先利用MODIS数据构建了归一化差值植被指数(NDVI)、增强型植被指数(EVI)和陆表水指数(LSWI).根据植被指数的时间序列变化特征,结合水稻的生长发育规律,确定江苏省水稻种植面积.对比统计数据,该方法提取水稻种植面积的误差为16%.同时,对环境卫星遥感影像进行监督分类,提取水稻种植区域.对比二者提取结果,面积相对误差为5%,空间一致性达到60%以上.研究表明,在平原区域利用MODIS数据监测大尺度水稻种植面积是可行的. 相似文献
149.
基于HJ-1卫星的冬小麦叶片SPAD遥感监测研究 总被引:2,自引:0,他引:2
SPAD能够反映植株叶绿素含量,而植株叶绿素的含量及动态变化,对评价作物生产能力、预测产量和品质均有重要意义。该研究以湖北省潜江市后湖管理区冬小麦为研究对象,通过田间观测不同生育期冬小麦叶片SPAD变化情况,结合我国自主研发的HJ-1卫星对研究区域进行同步监测,选取并计算RVI、DVI、NDVI、GRVI四种植被指数,通过对4种植被指数与冬小麦叶片SPAD进行相关性分析,并构建植被指数与冬小麦叶片SPAD回归反演模型,结果显示相关性均较高。通过对比四种植被指数模型反演精度,NDVI-SPAD对数模型预测精度较高,精度检验表明平均相对误差为-2.34,均方根误差(RMSE)为5.65,能够较好的反演研究区域内的冬小麦SPAD。利用HJ-1卫星结合NDVI-SPAD对数模型能够有效对研究区域冬小麦叶片SPAD进行遥感监测。 相似文献
150.
目的 卫星遥感技术具有覆盖范围广、探测周期短、调查成本低等优势而广泛应用于大区域农作物分类。然而在种植结构复杂区(如城乡结合部),因其地块破碎、同期生长的作物种类多且分布分散,利用传统的统计分类或机器学习方法进行农作物分类时仍存在精度不高的问题。为提高种植结构复杂区农作物分类精度。方法 文章选取河北省廊坊市广阳区为研究区,以GF-1 PMS全色多光谱融合影像为数据源,采用U-Net、PSPNet及DeepLabv3+,3种深度学习模型进行农作物分类研究。分析模型参数对农作物分类精度的影响,评价3种深度学习模型的农作物分类精度,优选农作物精细分类方法。结果 (1)学习率与3种深度学习模型的分类精度呈正相关关系,较大的学习率(0.01,0.001)下,3种模型收敛速度快,分类精度高。批样本量与模型分类稳定性相关,批样本量设为100时,3种模型的分类稳定性最好。(2)相比PSPNet、DeepLabv3+模型,U-Net模型分类效果最好,总体分类精度为89.32%。(3)GF-1 PMS影像结合U-Net模型可有效提升种植结构复杂区农作物分类精度,大宗作物春玉米、夏玉米的分类精度在80%以上,花生、红薯、蔬菜小宗作物分类精度在60%以上。结论 该研究可为准确获取种植结构复杂区的农作物类型、面积及空间分布信息提供参考依据。 相似文献