全文获取类型
收费全文 | 1608篇 |
免费 | 107篇 |
国内免费 | 231篇 |
专业分类
林业 | 171篇 |
农学 | 45篇 |
基础科学 | 662篇 |
277篇 | |
综合类 | 573篇 |
农作物 | 61篇 |
水产渔业 | 1篇 |
畜牧兽医 | 72篇 |
园艺 | 21篇 |
植物保护 | 63篇 |
出版年
2024年 | 84篇 |
2023年 | 270篇 |
2022年 | 279篇 |
2021年 | 278篇 |
2020年 | 292篇 |
2019年 | 287篇 |
2018年 | 106篇 |
2017年 | 137篇 |
2016年 | 79篇 |
2015年 | 32篇 |
2014年 | 42篇 |
2013年 | 21篇 |
2012年 | 17篇 |
2011年 | 7篇 |
2010年 | 5篇 |
2009年 | 3篇 |
2007年 | 2篇 |
2005年 | 3篇 |
2004年 | 1篇 |
1999年 | 1篇 |
排序方式: 共有1946条查询结果,搜索用时 15 毫秒
41.
林业调查规划是林业生产中的一项重要内容,在林业调查规划中,地理信息、气候信息、采集方式都会影响到人工调查结果,采用传统人工方法存在耗时、准确性不高的问题。因此,信息时代下,采用先进数据采集设备,结合ArcGIS地理信息系统软件,能够改善林业调查规划中的不足,提高林业调查规划水平。本研究着重探讨了ArcGIS地理信息系统软件在林业调查规划中的应用,以供参考。 相似文献
42.
43.
44.
高原鼠兔是青藏高原特有的小型啮齿动物,是高寒草地生态系统的关键种。科学合理防控高原鼠兔危害,对其危害程度开展监测和评价十分必要。通过无人机空中遥感平台并结合地面调查,以甘肃省玛曲县高原鼠兔危害草地为研究对象,选择不同危害程度的典型样地,采用自主设计的软件提取无人机影像中高原鼠兔洞口数、地上生物量、草地盖度等指标;构建了由洞口数、地上生物量、盖度和可食牧草比例组成的高原鼠兔危害等级综合指标体系,并对研究区样地进行危害等级划分。最终形成一套适用于高原鼠兔危害的低空遥感监测方法,可为后期高效、准确监测高原鼠兔危害提供有力的技术支持。主要结果如下:1)经实地人工调查结果验证,无人机影像洞口数量和植被盖度解译精度分别达到95%和93%。2)筛选了可见光波段差值植被指数VDVI作为估测地上生物量的最佳植被指数,并构建了估测模型。经实地调查验证平均精度为86.54%。3)构建了综合危害指数DRI,并提出了划分危害级别的各指标量化值。通过聚类分析将研究区鼠害地划分为5个等级,即I-无危害草地,Ⅱ-轻度危害草地,Ⅲ-中度危害草地,Ⅳ-重度危害草地,V-极度危害草地。 相似文献
45.
46.
47.
48.
针对实际稻田环境中水稻与杂草相互遮挡、难以准确区分的问题,提出一种基于改进DeepLabv3+的水稻杂草识别方法。以无人机航拍的复杂背景下稻田杂草图像为研究对象,在DeepLabv3+模型的基础上,选择轻量级网络MobileNetv2作为主干特征提取网络,以减少模型参数量和降低计算复杂度;融合通道和空间双域注意力机制模块,加强模型对重要特征的关注;提出一种基于密集采样的多分支感受野级联融合结构对空洞空间金字塔池化模块(ASPP)进行改进,扩大对全局和局部元素特征的采样范围;对模型解码器部分进行改进。设置消融试验验证改进方法的有效性,并与改进前DeepLabv3+、UNet、PSPNet、HrNet模型进行对比试验。试验结果表明,改进后模型对水稻田间杂草的识别效果最佳,其平均交并比(MIoU)、平均像素准确率(mPA)、F1值分别为90.72%、95.67%、94.29%,较改进前模型分别提高3.22、1.25、2.65个百分点;改进后模型内存占用量为11.15 MB,约为原模型的1/19,网络推算速度为103.91 f/s。结果表明改进后模型能够实现复杂背景下水稻与杂草分割,研究结果可... 相似文献
49.
50.
为了在病害发生条件下进行玉米LAI的遥感估算,针对41个不同抗性的玉米自交系品种,通过人工接种方法,获得了不同病害严重程度(1~9级)的LAI数据,同时采集了地面高光谱和无人机多光谱数据,构建了K近邻算法、支持向量机、梯度提升分类树和决策分类树分类模型对病害进行分类,对玉米种质资源抗病性进行了划分。基于不同玉米病害胁迫程度分类结果,采用随机森林回归、梯度提升回归树、极端梯度增强算法、轻量梯度提升机4种机器学习模型对玉米LAI进行反演,讨论了不同模型在病害胁迫下的鲁棒性。研究结果表明,对不同生育期玉米病害程度进行划分,基于地面高光谱识别精度分别为84.72%(梯度提升分类树)、47.67%(支持向量机)、55.05%(K近邻算法)、83.02%(决策分类树)。基于病害分类结果,本文利用无人机多光谱数据估算了不同病情等级胁迫下的玉米LAI。构建了4种集成学习模型对不同病情等级的LAI进行估算,4个LAI反演模型的总体反演精度(rRMSE)分别为:19.11%(梯度提升回归树)、15.94%(轻量梯度提升机)、14.51%(随机森林回归)和15.45%(极端梯度增强算法)。其中极端梯度增强算... 相似文献