全文获取类型
收费全文 | 43篇 |
免费 | 3篇 |
国内免费 | 10篇 |
专业分类
林业 | 1篇 |
农学 | 2篇 |
基础科学 | 4篇 |
14篇 | |
综合类 | 27篇 |
农作物 | 1篇 |
畜牧兽医 | 2篇 |
园艺 | 4篇 |
植物保护 | 1篇 |
出版年
2023年 | 1篇 |
2022年 | 3篇 |
2021年 | 2篇 |
2020年 | 5篇 |
2019年 | 3篇 |
2018年 | 1篇 |
2017年 | 2篇 |
2016年 | 2篇 |
2015年 | 1篇 |
2014年 | 3篇 |
2013年 | 2篇 |
2012年 | 1篇 |
2009年 | 1篇 |
2008年 | 1篇 |
2007年 | 3篇 |
2006年 | 4篇 |
2005年 | 2篇 |
2004年 | 3篇 |
2003年 | 3篇 |
2002年 | 2篇 |
2001年 | 3篇 |
2000年 | 1篇 |
1999年 | 1篇 |
1998年 | 1篇 |
1997年 | 1篇 |
1993年 | 1篇 |
1991年 | 1篇 |
1984年 | 1篇 |
1983年 | 1篇 |
排序方式: 共有56条查询结果,搜索用时 32 毫秒
51.
52.
传统农业统计野外调查方式的调查效率、数据质量已经不能满足我国社会经济发展对农业统计调查数据及时精准的要求,基于空间信息技术发展新的农业统计调查方法对提升我国农业统计调查能力具有重要意义。本研究在充分了解基于遥感抽样的农作物种植面积测量业务流程的基础上,设计开发了基于遥感抽样的农作物种植面积测量野外调查系统,将农作物面积测量野外调查的数据组织与管理、数据采集、任务分配、调查进展实时监测等整个业务流程集成为一个数字化系统平台,并基于可移动终端设备实现了野外调查数据采集的核心系统功能。2016年基于遥感抽样的农作物种植面积测量野外调查系统已广泛应用到31个省区和1 100个粮食大县及第三次全国农业普查农作物种植面积遥感测量工作中,实践应用表明该系统可满足农作物面积遥感抽样调查的业务要求,能够显著提升野外调查工作的效率。 相似文献
53.
为更好地做好昆山市蔬菜病虫害的绿色防控工作,通过研究性诱监测结果,分析了降雨日平均雨量与斜纹夜蛾和甜菜夜蛾成虫发生的相关性。结果表明,通过对近几年的性诱数据进行分析,8、9月的降雨日平均雨量与斜纹夜蛾和甜菜夜蛾月平均单盆累计诱蛾量负相关性大;依据7、8月的降雨日平均雨量和夜蛾累计发生量可预测同年8、9月夜蛾的发生量,且符合率较高,尤其是两月之间的降雨日平均雨量相差100mm/d的情况下,符合率更高。因此,降雨日平均雨量可作为8、9月的斜纹夜蛾和甜菜夜蛾成虫发生中期预测预报的一个新参考因子。 相似文献
54.
基于趋势单产和干旱指数的河南省冬小麦单产估算 总被引:2,自引:0,他引:2
为了探究相关气象因子对小麦生产的影响,获取极端气候条件下满足精度需求的作物估产模型,以河南省为研究区,对研究区的历史小麦单产数据进行时间序列分解,得到趋势单产,再结合不同时间尺度干旱指数作为输入变量,以实际单产作为输出变量,建立随机森林回归单产估计模型。选择典型干旱年份(2011年)与非干旱年份(2015年)进行小麦单产模型的精度验证,并对输入变量的重要性进行了分析。结果显示,随机森林回归单产估计模型拟合精度整体较高,各市模型的决定系数平均为0.87,平均绝对值误差的均值为17.69 kg·hm~(-2),平均绝对相对误差的均值为0.07。面积加权和简单平均估计得到的各市小麦估产的精度平均值在2011年分别为96.16%和95.12%,在2015年分别为92.99%和92.26%。干旱年份估产精度整体上高于非干旱年份估产精度,面积加权后的小麦单产估计精度略高于简单平均的小麦单产估计精度。对建模贡献最大的输入变量是趋势单产。就干旱指数来说,1个月时间尺度的干旱指数重要性整体高于2和3个月时间尺度的干旱指数;4月份的干旱指数重要性整体高于生长季其他月份的干旱指数。该模型能够准确及时地获取极端气候下小麦产量信息以及变量对小麦产量的影响,可以为研究气候变化对小麦产量的影响和提高极端气候条件下的估产精度提供方法参考。 相似文献
55.
针对传统基于归一化植被指数(normalized difference vegetation index,NDVI)的作物长势监测方法对于同一时期处于不同生育阶段的作物缺乏可比性,以及NDVI的高低不能直接代表产量的高低的问题,该研究设计了一种可以动态反映作物长势和产量变化的具有时空可比性的统计指数(作物产量指数)。以黑龙江为例,基于单产数据、气象数据、遥感数据、作物分布数据,对3种作物分别进行估产分区,综合使用随机森林重要性评价方法和留一法为各估产分区筛选最优估产建模变量,构建动态估产模型和产量指数计算模型,并在2022年作物生长季(6—9月)进行了大豆、玉米、水稻的动态估产和产量指数预报和分析。结果显示:1)建模指标的重要性从高到低依次为趋势单产、遥感植被指数、气候类指标。2)3种作物整体单产预测精度最高的为水稻,其平均绝对相对精度(mean absolute relative precision,MARP)为95.20%,其次是玉米(MARP为93.81%),最后是大豆(MARP为92.73%)。3)以历史5 a为基期计算的3种作物的6—9月的产量指数的对比结果显示,大部分区县3种作物各月的产量指数差异处于“平”状态。4)生长季产量指数的月环比结果显示大部分区县产量指数的月环比值处于-0.01~0.01之间。该研究设计的作物产量指数可用于比较某一统计单元(如县、市或省)在特定评估时间点相对于其历史平均单产的增减状况,也可以环比相邻两个评估时间点的产量变化情况;在空间维上可以比较同处于某个特定评估时间点的不同统计单元的单产指数的高低情况,在长势监测、产量预报等中具有很好的应用前景。 相似文献
56.