全文获取类型
收费全文 | 75篇 |
免费 | 3篇 |
国内免费 | 4篇 |
专业分类
林业 | 3篇 |
农学 | 6篇 |
基础科学 | 6篇 |
6篇 | |
综合类 | 48篇 |
农作物 | 6篇 |
水产渔业 | 2篇 |
畜牧兽医 | 5篇 |
出版年
2024年 | 4篇 |
2023年 | 3篇 |
2022年 | 3篇 |
2021年 | 3篇 |
2020年 | 2篇 |
2019年 | 7篇 |
2018年 | 3篇 |
2017年 | 2篇 |
2015年 | 3篇 |
2014年 | 2篇 |
2013年 | 1篇 |
2012年 | 1篇 |
2009年 | 8篇 |
2008年 | 1篇 |
2007年 | 2篇 |
2006年 | 1篇 |
2005年 | 3篇 |
2003年 | 3篇 |
2002年 | 2篇 |
2001年 | 6篇 |
2000年 | 4篇 |
1999年 | 1篇 |
1998年 | 3篇 |
1997年 | 2篇 |
1996年 | 3篇 |
1995年 | 4篇 |
1993年 | 2篇 |
1985年 | 2篇 |
1961年 | 1篇 |
排序方式: 共有82条查询结果,搜索用时 15 毫秒
31.
32.
随着现代化科学技术的飞速发展信息技术已经得到普及,并且应用到了人民生活中,在环境监测方面,信息技术也有着非常重要的应用.本文就是从实际情况出发,分析探讨了信息技术在环境监测中的应用情况. 相似文献
33.
松花江地区耕地黑土分布在气候比较湿润、冷凉的黑龙江省中部波状平原地带,即过去所谓的淋溶黑土区。本文就谈耕地黑土的发展、演变与防止黑土侵蚀等问题,错误之处,请批评指正。 相似文献
34.
35.
36.
饲用蒜产品的研究进展 总被引:1,自引:0,他引:1
大蒜为百合科植物 ,以大蒜为原料 ,直接捣碎制取蒜泥、蒜汁 ,或经水蒸汽蒸馏提取的大蒜油 ,回收蒸馏残液获取蒜渣及其干粉 ,或与其他成分混合制成的各种添加剂如蒜硫胺、无臭大蒜素、蒜糖液等 ,均有别于用化学方法人工合成的大蒜素。1 大蒜的药理、营养特点及其毒性大蒜用作人与动物的疾病防治和作为人们食物调味品已有悠久的历史。大蒜味辛 ,性温 ,有行气滞、暖脾胃、解毒和杀虫等功效。大蒜中含有独特的大蒜素为天然抗菌物质 ,其主要成分为丙基二硫化丙烯、二硫化丙烯等十余种硫化合物 ,可抑杀痢疾杆菌、伤寒杆菌、霍乱弧菌、葡萄球菌、… 相似文献
37.
农业村镇废弃物的现状及治理 总被引:1,自引:0,他引:1
通过实地调查,当前农业村镇废弃物主要为秸杆、畜禽粪便和生活垃圾,就其对环境的危害作了深入阐述,分析了原因,探讨了治理对策。 相似文献
38.
水稻施用锌肥的增产效果国内外已有不少报道,但在延边地区的土误用 气候条件下施用锌肥却未见报道,本文通过锌磷肥配施试验证明,在粘壤质草甸型水稻土上,锌磷肥配合施用对水稻的增产效果为3.91-8.01%;锌磷配施的最佳组合是过适500mg/ha、七水硫本锌15kg/ha,p/zn比值为11.39;锌肥的主要增产作用是增加穗长和一、二次枝梗数,从而增加了每穗总粒数和实粒数。 相似文献
39.
40.
基于Sentinel-1A影像和一维CNN的中国南方生长季早期作物种类识别 总被引:4,自引:3,他引:1
作物的早期识别对粮食安全至关重要。在以往的研究中,中国南方作物早期识别面临的主要挑战包括:1)云层覆盖时间长、地块尺寸小且作物类型丰富;2)缺少高时空分辨率合成孔径雷达(synthetic aperture radar,SAR)数据。欧洲航天局Sentinel-1A(S1A)卫星提供的SAR图像具有12 d的重访周期,空间分辨率达10 m,为中国南方作物早期识别提供了新的机遇。为在作物早期识别中充分利用S1A影像的时间特征,本研究提出一维卷积神经网络(one-dimensional convolutional neural network,1D CNN)的增量训练方法:首先利用生长季内全时间序列数据来训练1D CNN的超参数,称为分类器;然后从生长季内第一次S1A影像获取开始,在每个数据获取时间点输入该点之前(包括该点)生长季内所有数据训练分类器在该点的其他参数。以中国湛江地区2017年生长季为研究实例,分别基于VV、VH和VH+VV,评估不同极化数据在该地区的作物分类效果。为验证该方法的有效性,本研究同时应用经典的随机森林(random forest,RF)模型对研究区进行试验。结果表明:1)基于VH+VV、VH和VV极化数据的分类精度依次降低,其中,基于VH+VV后向散射系数时间序列1D CNN和RF测试结果的Kappa系数最大值分别为0.924和0.916,说明S1A时间序列数据在该地区作物分类任务中有效;2)在研究区域内2017年生长季早期,基于1D CNN和RF的5种作物的F-measure均达到0.85及以上,说明本文所构建的1D CNN在该地区主要作物早期分类任务中有效。研究结果证明,针对中国南方作物早期分类,本研究提出的1D CNN训练方案可行。研究结果可为深度学习在作物早期分类任务中的应用提供参考。 相似文献