全文获取类型
收费全文 | 64篇 |
免费 | 1篇 |
国内免费 | 14篇 |
专业分类
林业 | 6篇 |
农学 | 1篇 |
基础科学 | 30篇 |
13篇 | |
综合类 | 12篇 |
农作物 | 2篇 |
水产渔业 | 6篇 |
畜牧兽医 | 5篇 |
园艺 | 2篇 |
植物保护 | 2篇 |
出版年
2023年 | 5篇 |
2022年 | 3篇 |
2021年 | 5篇 |
2020年 | 7篇 |
2019年 | 8篇 |
2018年 | 5篇 |
2017年 | 3篇 |
2016年 | 3篇 |
2015年 | 2篇 |
2014年 | 3篇 |
2013年 | 1篇 |
2012年 | 1篇 |
2011年 | 2篇 |
2010年 | 2篇 |
2008年 | 1篇 |
2007年 | 2篇 |
2005年 | 3篇 |
2004年 | 1篇 |
2003年 | 3篇 |
2002年 | 1篇 |
2001年 | 1篇 |
1997年 | 7篇 |
1996年 | 4篇 |
1995年 | 2篇 |
1994年 | 1篇 |
1991年 | 2篇 |
1989年 | 1篇 |
排序方式: 共有79条查询结果,搜索用时 296 毫秒
21.
浅议欧洲鳗饲料中三大营养物质的合理配比张宝忠方华生(广东省汕头鳗联集团研究所)许业莉(汕头商检局农检处)近年来,我国大陆地区许多养鳗场引进养殖苗种资源丰富且苗价低廉的欧洲鳗(Anguila),这在一定程度上缓解了因日本鳗(A.japonica)苗种短... 相似文献
22.
基于有效含水量的土壤水分监测点布设的空间分层采样方法 总被引:1,自引:1,他引:0
为了优化灌溉实践,构建准确估计平均土壤水分的监测点布设准则,该研究引入有效含水量(Available Water Capacity, AWC)作为辅助变量,结合经典统计学和地统计学构建了一种基于辅助变量空间自相关的分层采样方法(Stratified Sampling Method Based on Spatial Autocorrelation of Auxiliary Variables,SSAV),克服直接以土壤水分为变量时受其强时空变异影响的弊端,并在田块尺度进行试验。结果表明:0~40和0~80 cm土层的AWC服从正态分布;在90%置信区间,采样误差为10%时研究区内0~40和0~80 cm土层的监测点数目分别为7个和6个;基于SSAV布点法估计土壤水分的相对误差变化范围为–23.23%~35.15%,较简单随机布点(Simple Random Sampling,SRS)法减小了26.48%。标准差的平均值为4.78%,较SRS降低了17.30%。基于SSAV的0~40和0~80 cm两个土层的估计值和观测值之间的平均均方根误差RMSE为0.010 4 cm3/cm3,基于SRS的RMSE为0.012 0 cm3/cm3,显著性检验P<0.001,SSAV显著提高了对土壤水分的估计精度和准度。SSAV为获得区域平均土壤水分提供了省时、省力、低成本的监测点布设方案,为农业水资源管理和提升农业用水效率提供了保障。 相似文献
23.
冠层温度是反映作物蒸散的重要指标,基于2006-2011年冬小麦田间试验资料,分析了小区及冠层尺度K-p模型参数的差异,对比了两种冠层温度表达式的冬小麦蒸散量计算模型的模拟效果,得到了基于冠层温度变化的冬小麦蒸散模型.结果表明:不同尺度(小区和冠层)K-P模型参数存在一定差异,冠层阻抗(rc)与临界阻抗(r*)的比值和临界阻抗(r*)与空气动力学阻抗(ra)的比值呈显著线性关系,且与冠层尺度K-P模型参数的差异小于不同尺度(小区和冠层)K-P模型参数的差异.以冠层温度的表达式(rc/ra、rc/r*)计算的作物蒸散量与采用田间水量平衡计算的作物蒸散量呈显著线性关系,以rc/ra参与计算的作物蒸散量明显高于田间实测值,而以rc/r*参与计算的作物蒸散量与田间实测值更为接近.因此,以rc/r*代替rc/ra参与作物蒸散量的计算更能反映田间冬小麦蒸散变化过程. 相似文献
24.
农田蒸散量(ET)是土壤—作物—大气连续体水分运移的关键参数,与作物生理活动和产量有着极为密切的关系,准确实时估算田间作物蒸散量对研究作物生长发育至关重要。基于无人机热红外传感器反演夏玉米的冠层温度,基于反演的冠层温度构建夏玉米蒸散模型(ET_(d,t))并验证了模型反演作物蒸散量的精度,分析了ET_(d,t)相关影响因子。结果表明:以热红外冠层温度作物蒸散模型计算的ET_(d,t)最低值出现在幼苗期为3.42 mm/d,最高值出现在灌浆期为10.94 mm/d,并与涡度相关实测值ET_(d,e)、FAO Penman-Monteith模型计算值ET_(d,f)进行验证,在P0.01水平上呈显著线性关系(R~2=0.739、0.742,RMSE=0.676、0.109 mm/d),ET_(d,t)估算精度达到80%以上。ET_(d,t)的计算受日净辐射、风速、气温、降雨等气象因子影响,不同气象条件的ET_(d,t)不同。叶面积指数(LAI)为夏玉米农田最主要的生物因子,LAI与ET_(d,t)呈线性正相关关系(R~2=0.700),空气动力学阻抗(r_a)是最主要的环境驱动因子,r_a与ET_(d,t)呈线性负相关关系(R~2=0.696)。随着植被覆盖度(NDVI)的变化,ET_(d,t)呈现相同变化趋势(R~2=0.656)。因此,基于无人机热红外反演的冠层温度计算的(ET_(d,t))能较好的反映田间夏玉米蒸散变化过程,从而为利用无人机热红外遥感估算作物蒸散量提供了科学依据。 相似文献
25.
【目的】快速、精确地获得作物水分状况。【方法】采用高光谱采样数据分析方法,研究了北京大兴冬小麦不同生育期不同水分条件下的冠层光谱变化特点,筛选了水分光谱敏感波段,构建了冬小麦水分状况诊断模型。【结果】(1)在750~1 075 nm近红外反射平台拔节—抽穗期、抽穗—灌浆期冬小麦冠层光谱反射率随植株含水率的增大而上升,在350~750 nm的可见光区域灌浆—成熟期冬小麦冠层光谱反射率随植株含水率的增大而降低;(2)不同生育期冬小麦植株水分状况均与650~775 nm波段密切相关,其中对冬小麦植株含水率变化最为敏感的波段为661nm和771 nm;(3)通过筛选光谱参数模型、构建基于敏感波段回归模型并综合分析2类模型对冬小麦植株含水率的监测效果发现,冬小麦不同生育期植株含水率监测最佳模型均为光谱参数模型。【结论】在利用光谱技术监测冬小麦植株含水率时,包含661 nm及771 nm附近波段的水分监测光谱参数模型效果最佳。 相似文献
26.
27.
28.
29.
【目的】利用2018年5和6月获取的无人机多光谱影像对北京市大兴试验基地的部分农田进行地物类型提取研究。【方法】确定感兴趣地物种类,对影像进行时相与光谱特征分析,然后确定归一化植被指数NDVI、归一化绿蓝差异指数NGBDI、修正型比值植被指数MSR和红边波段反射率可以作为最优分类特征,通过基于光谱变量阈值分割的决策树分类法,实现地物分类,并提取种植面积,选取基于目视解译的地面调查数据进行方法验证。【结果】基于时相与光谱特征的决策树分类方法有较好效果,该方法用于小麦、果树和大棚的提取,误差值分别为10.68%、6.06%和16.48%,面积提取误差在17%以内,对无人机多光谱遥感影像进行地物识别具有一定的适用性。【结论】无人机低成本、高效率的优势为农田信息及时获取提供参考。 相似文献
30.