全文获取类型
收费全文 | 4686篇 |
免费 | 228篇 |
国内免费 | 925篇 |
专业分类
林业 | 304篇 |
农学 | 296篇 |
基础科学 | 860篇 |
1085篇 | |
综合类 | 2319篇 |
农作物 | 296篇 |
水产渔业 | 39篇 |
畜牧兽医 | 442篇 |
园艺 | 64篇 |
植物保护 | 134篇 |
出版年
2024年 | 101篇 |
2023年 | 296篇 |
2022年 | 338篇 |
2021年 | 347篇 |
2020年 | 330篇 |
2019年 | 297篇 |
2018年 | 230篇 |
2017年 | 254篇 |
2016年 | 309篇 |
2015年 | 294篇 |
2014年 | 346篇 |
2013年 | 287篇 |
2012年 | 317篇 |
2011年 | 304篇 |
2010年 | 275篇 |
2009年 | 266篇 |
2008年 | 231篇 |
2007年 | 186篇 |
2006年 | 141篇 |
2005年 | 105篇 |
2004年 | 108篇 |
2003年 | 89篇 |
2002年 | 45篇 |
2001年 | 41篇 |
2000年 | 24篇 |
1999年 | 27篇 |
1998年 | 23篇 |
1997年 | 12篇 |
1996年 | 24篇 |
1995年 | 18篇 |
1994年 | 24篇 |
1993年 | 28篇 |
1992年 | 20篇 |
1991年 | 24篇 |
1990年 | 41篇 |
1989年 | 15篇 |
1988年 | 9篇 |
1987年 | 5篇 |
1986年 | 1篇 |
1984年 | 1篇 |
1983年 | 3篇 |
1982年 | 1篇 |
1981年 | 1篇 |
1980年 | 1篇 |
排序方式: 共有5839条查询结果,搜索用时 15 毫秒
71.
72.
不同波长选择方法在土壤有机质含量检测中对比研究 总被引:1,自引:1,他引:0
由于近红外光谱数据的多重共线性,特征波长选择一直是近红外光谱分析技术的重要研究内容。以108个土壤样本光谱数据和土壤有机质(SOM)含量为研究对象,以连续投影算法(SPA)、间隔偏最小二乘法(IPLS)、竞争自适应重加权采样法(CARS)三种典型的特征波长选择算法进行近红外光谱波长选择和土壤有机质含量建模。研究结果表明,基于上述三种方法提取的特征波长所建立的模型预测能力均优于全谱模型。其中,基于SPA算法的MLR预测模型精度最优,预测集相关系数(Rp)和均方根误差(RMSEP)分别为0970 2和1.214 4,模型参数只有6个。因此,SPA-MLR可以有效地应用近红外光谱的建模,并且简化模型的复杂度,提高模型的计算效率。 相似文献
74.
玉米抽丝期是玉米由营养生长进入生殖生长的转折点,是决定玉米产量的关键时期。为此,基于激光诱导荧光光谱(LIF)技术,以抽丝期玉米叶片为研究对象,快速无损地获取植物生理信息的日变化,重点分析玉米叶片蒸腾效应与叶绿素荧光光谱的相关性,并选择706~748nm波段作为敏感光谱波段,建立了基于光谱特征参数的植物叶片蒸腾速率的预测模型。结果表明:采用荧光强度F730研究玉米叶片蒸腾效应最合适;由于气孔导度反映蒸腾效应,且影响CO_2的同化过程,故以气孔导度的信号之一的叶片温度作为模型输入修正;通过对蒸腾速率与叶片温度、叶绿素荧光强度进行回归诊断与全回归分析,建立了基于荧光强度F730和叶片温度的蒸腾速率预测模型,分析了蒸腾速率与二者的相关性,模型复相关系数为R=0.833 4,模型校验结果的相关系数R~2=0.879 8,认为模型的预测能力较好。通过激光诱导叶绿素荧光光谱技术实现了对植物生理信息的无损检测与分析,建立的玉米抽丝期蒸腾速率预测模型可为玉米优质高产的水肥精准化、智能化控制技术提供数据支持。 相似文献
75.
水稻的光合性能与水稻的产量和品质密切相关,传统的水稻光合性能监测由人工完成,具有任务量大和效率低等缺点,高效、无损的监测作物长势,是现代化精准农业的要求。为此,以无人机搭载高光谱仪作为遥感技术平台,对水稻的光合性能进行研究分析,建立了估算水稻叶片类胡萝卜素(Car)含量的监测模型。测试结果表明:5组光谱参数与水稻样本叶片Car含量实测值的回归分析均达到显著相关水平,以SR(723,770)精度最高;进一步检验发现,水稻叶片类胡萝卜素含量实测值与SR(723,770)模型建立的估测值相关性更高,R~2达0.891 5,斜率更接近于1,具有更佳预测效果,可为水稻光合性能遥感监测提供技术支撑。 相似文献
76.
77.
为验证无人驾驶、辅助驾驶和人工驾驶对玉米播种出苗率的影响,以鲜食玉米为试验作物,划分区域进行无人驾驶、辅助驾驶、人工驾驶播种,在保障土壤条件和管理方式基本一致的情况下,使用无人机采集出苗期多光谱影像,利用超绿值(ExG)和最大类间差法相结合的方法提取农田背景中玉米苗特征图像,计算归一化植被指数(NDVI)。基于实测计算的出苗率与区域NDVI,建立对应关系,利用空间分析技术计算无人驾驶、辅助驾驶、人工驾驶方式下出苗率情况。结果表明:基于无人机多光谱影像测算方法的无人驾驶、辅助驾驶、人工驾驶播种出苗率分别为67.47%、66.30%、52.83%,实测出苗率分别为72.19%、66.23%、55.49%,差异度分别为-4.72%、0.07%、-2.66%。出苗率为无人驾驶区>辅助驾驶区>人工驾驶区,无人驾驶区出苗率最高,且出苗率较为均匀,基于无人机多光谱影像的测算方法较为准确。该方法为实时估算玉米出苗率提供理论依据。 相似文献
78.
基于SD-SVD-Burg的玉米叶片铜铅污染甄别与程度诊断 总被引:1,自引:1,他引:0
为研究一种快速甄别作物受重金属污染的元素类别和所受污染程度的方法,于2017年设置不同梯度铜(Cu)、铅(Pb)胁迫下的玉米盆栽实验,对玉米的紫谷、绿峰和红边3个光谱特征区间的高光谱数据进行光谱一阶微分和奇异值分解处理,并结合Burg算法绘制功率谱密度曲线,同时利用2014年采集的光谱数据作为验证组检验该模型的稳定性。结果表明:健康玉米叶片与不同浓度Cu、Pb胁迫下玉米叶片光谱信号的功率谱密度曲线的波峰数及波峰坡度均不相同。功率谱曲线平均功率和玉米叶片中Cu、Pb含量的相关系数最高可达0.9958,证明该方法在对玉米进行污染元素种类辨别和污染程度诊断方面具有可行性,不同年份Cu与Pb胁迫下绿峰功率谱曲线平均功率与玉米叶片中Cu、Pb含量的相关系数分别为0.9213和0.9915,进一步验证该算法在玉米Cu、Pb污染诊断方面具有稳定性与普适性。 相似文献
79.
为建立一种能快速预测发酵麦麸还原性糖和可溶性蛋白含量的定量分析模型,本研究以发酵麦麸为样本,采用3,5-二硝基水杨酸比色法(3,5-dinitrosalicylic acid, DNS)和BCA蛋白浓度测定法分别测定样品的还原性糖和可溶性蛋白含量;利用近红外光谱技术(Near infrared spectrum instrument, NIR)结合偏最小二乘法(Partial least squares regression, PLS),比较预处理方法、最佳波长及主成分因子的决定系数R2,建立发酵麦麸还原性糖和可溶性蛋白含量的NIR快速检测定量模型。结果表明:1)发酵麦麸还原性糖定量模型的预处理方法使用一阶导数 (First derivative, FD)+二阶导数 (Second derivative, SD)+标准正态变换 (Standard normal variate, SNV),光谱范围为908~1 670 nm ,主因子数为7时,模型效果最优,其决定系数Rc2为0.904 8,校正均方根误差(Square error corrected, SEC)为1.576 1,相对分析误差(Relative percentage difference, RPD)为3.240 8;外部验证集决定系数Rp2为0.954 9且还原糖活性成分的验证集样本的测定值与NIR光谱预测值的P值为0.959 5>0.05。2)发酵麦麸可溶性蛋白定量模型的预处理方法使用一阶导数 (First derivative, FD)+二阶导数 (Second derivative, SD)+标准正态变换 (Standard normal variate, SNV),光谱范围为908~1 670 nm ,主因子数为10时,模型效果最优,其决定系数Rc2为0.938 2,校正均方根误差(Square error corrected, SEC)为2.003,相对分析误差(Relative percentage difference, RPD)为4.021 9;外部验证集决定系数Rp2为0.994 4,且可溶性蛋白活性成分的验证集样本测定值与NIR光谱预测值的P值为0.901 9>0.05。综上,建立的NIR光谱定量模型稳定性和准确性较好,且预测准确度良好,可用于快速预测发酵麦麸样品的还原性糖和可溶性蛋白含量。 相似文献
80.
基于无人机多光谱遥感的夏玉米冠层叶绿素含量估计 总被引:1,自引:0,他引:1
为探讨利用无人机多光谱遥感影像监测夏玉米冠层叶绿素含量的可行性,基于2019年不同施氮水平下(0,105,210,315 kg·N/hm2)夏玉米多光谱遥感影像和田间实测冠层叶绿素含量数据,分析了不同施氮水平下夏玉米冠层叶绿素含量的变化规律,同时选取10种常用光谱植被指数与实测冠层叶绿素含量进行相关性分析,采用与实测叶绿素含量极显著相关的9种植被指数,构建了基于遥感光谱指数的夏玉米冠层叶绿素含量遥感监测模型,并通过精度检验确定最优估测模型.结果表明,施用氮肥能够提高夏玉米冠层叶绿素含量,过量氮肥不能持续提高叶绿素含量,同一施氮水平下不同追肥处理之间叶绿素含量没有明显差异.绿色归一化植被指数与叶绿素含量的相关性系数最高,达到了0.892.采用逐步回归分析方法建立的模型表现最优,决定系数为0.87,均方根误差及相对误差分别为0.15和2.68%.因此,无人机多光谱遥感结合逐步回归模型可以实现田间尺度的夏玉米冠层叶绿素含量的实时监测. 相似文献