全文获取类型
收费全文 | 10718篇 |
免费 | 625篇 |
国内免费 | 1000篇 |
专业分类
林业 | 1130篇 |
农学 | 1263篇 |
基础科学 | 380篇 |
1134篇 | |
综合类 | 4751篇 |
农作物 | 1029篇 |
水产渔业 | 263篇 |
畜牧兽医 | 825篇 |
园艺 | 462篇 |
植物保护 | 1106篇 |
出版年
2024年 | 49篇 |
2023年 | 191篇 |
2022年 | 341篇 |
2021年 | 375篇 |
2020年 | 382篇 |
2019年 | 415篇 |
2018年 | 335篇 |
2017年 | 558篇 |
2016年 | 610篇 |
2015年 | 449篇 |
2014年 | 588篇 |
2013年 | 691篇 |
2012年 | 859篇 |
2011年 | 695篇 |
2010年 | 625篇 |
2009年 | 639篇 |
2008年 | 497篇 |
2007年 | 532篇 |
2006年 | 454篇 |
2005年 | 361篇 |
2004年 | 279篇 |
2003年 | 226篇 |
2002年 | 200篇 |
2001年 | 227篇 |
2000年 | 208篇 |
1999年 | 197篇 |
1998年 | 146篇 |
1997年 | 150篇 |
1996年 | 122篇 |
1995年 | 133篇 |
1994年 | 99篇 |
1993年 | 102篇 |
1992年 | 113篇 |
1991年 | 101篇 |
1990年 | 97篇 |
1989年 | 71篇 |
1988年 | 45篇 |
1987年 | 50篇 |
1986年 | 31篇 |
1985年 | 17篇 |
1984年 | 16篇 |
1982年 | 10篇 |
1981年 | 7篇 |
1980年 | 11篇 |
1979年 | 3篇 |
1978年 | 11篇 |
1977年 | 6篇 |
1976年 | 7篇 |
1962年 | 2篇 |
1955年 | 5篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
101.
从施肥技术和栽培措施两者相结合角度,通过大田试验对不同移栽深度结合一次性双层施肥对烤烟生长及产量品质的影响进行了研究.结果表明:壮苗一次性双层施肥9叶移栽能够促进烤烟生长发育,提高前期根系活力,增加根系一级侧根数目、根系干物质、烟株株高、茎围、有效叶片效、单株有效叶面积、地上部烟株干重和地上部干物质积累速率.与对照相比,壮苗一次性双层施肥9叶移栽烟叶产量增加145.5 kg/hm2,产值增加2 130元/hm2,烟叶均价增加0.46元/kg;同时,烟碱和总氮含量比对照下降了0.41%,总糖含量提高了1.57%,总糖/蛋白质和氮/碱比更趋协调. 相似文献
102.
基于迁移学习的葡萄叶片病害识别及移动端应用 总被引:7,自引:6,他引:1
为解决已有的卷积神经网络在小样本葡萄病害叶片识别的问题中出现的收敛速度慢,易产生过拟合现象等问题,提出了一种葡萄叶片病害识别模型(Grape-VGG-16,GV),并针对该模型提出基于迁移学习的模型训练方式。将VGG-16网络在ImageNet图像数据集上学习的知识迁移到本模型中,并设计全新的全连接层。对收集到的葡萄叶片图像使用数据增强技术扩充数据集。基于扩充前后的数据集,对全新学习、训练全连接层的迁移学习、训练最后一个卷积层和全连接层的迁移学习3种学习方式进行了试验。试验结果表明,1)迁移学习的2种训练方式相比于全新学习准确率增加了10~13个百分点,并在仅训练25轮达到收敛,该方法有效提升了模型分类性能,缩短模型的收敛时间;2)数据扩充有助于增加数据的多样性,并随着训练次数的增加,训练与测试准确率同步上升,有效缓解了过拟合现象。在迁移学习结合数据扩充的方式下,所构建的葡萄叶片病害识别模型(GV)对葡萄叶片病害的识别准确率能达到96.48%,对健康叶、褐斑病、轮斑病和黑腐病的识别准确率分别达到98.04%、98.04%、95.83%和94.00%。最后,将最终的研究模型部署到移动端,实现了田间葡萄叶片病害的智能检测,为葡萄病害的智能诊断提供参考。 相似文献
103.
基于机器学习的棉花叶面积指数监测 总被引:2,自引:1,他引:1
为实现基于机器学习和无人机高光谱影像进行棉花全生育期叶面积指数(Leaf Area Index, LAI)监测,该研究基于大田种植滴灌棉花,在不同品种及不同施氮处理的小区试验基础上,对无人机获取的高光谱数据分别采用一阶导(First Derivative, FDR)、二阶导(Second Derivative, SDR)、SG(Savitzky-Golay)平滑和多元散射校正(Multiplicative Scatter Correction, MSC)进行预处理,并结合Pearson相关系数法、连续投影(Successive Projections Algorithm, SPA)、随机蛙跳(Shuffled Frog Leaping Algorithm, SFLA)和竞争性自适应重加权(Competitive Adaptive Reweighting, CARS)筛选敏感波段,将筛选出的波段,使用偏最小二乘回归(Partial Least Squares Regression, PLSR)、支持向量回归(Support Vector Regression, SVR)和随机森林回归(Random Forest Regression, RFR)3种机器学习算法构建棉花LAI监测模型。结果表明:棉花冠层LAI敏感响应波段集中在可见光(400~780 nm)和近红外(900 nm之后)波段;对比3种机器学习算法,各预处理下RFR建立的LAI监测模型精度最高,稳定性最好,其中以FDR-SFLA-RFR模型最佳,在建模集的决定系数为0.74,均方根误差为1.648 3,相对均方根误差为26.39%;验证集的决定系数、均方根误差分别为0.67和1.622 0,相对均方根误差为25.97%。该研究基于无人机获取的棉花冠层光谱反射率,从不同光谱预处理、波段筛选及建模方法建立的模型中筛选出最佳估算模型用于棉花全生育期LAI监测,研究结果可为棉花大田精准管理及变量施肥提供依据。 相似文献
104.
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
105.
在自然干旱条件下对桑树品种云桑1号、湘7920、湖桑32、育7-11、农桑8号、农桑9号夏伐后的夏秋季生长性能、产叶量等的测定分析表明:干旱会影响夏伐桑树的发芽数量、枝条长度、桑叶产量、叶质性状及产叶量,而且因品种不同,影响的程度有差异。品种受干旱影响的程度为:农桑8号>湘7920>云桑1号>农桑9号>育7-11>湖桑32。不同性状受干旱影响的程度是:枝条总长度>kg叶片数(叶片厚度)>枝条平均长度>单位条长产叶量>叶面积。综合比较,湖桑32号、育7-11在参试品种中较抗旱,湘7920虽然在干旱条件下的产量最高,但其重要性状指标的减少率也偏大,不宜作为抗旱品种。 相似文献
106.
107.
108.
小麦幼苗叶片活性氧清除能力对干旱胁迫的响应 总被引:6,自引:0,他引:6
研究了不同干旱胁迫方式,即间断干旱胁迫和持续干旱胁迫对小麦幼苗叶片活性氧清除能力的影响,测定了3种活性氧[羟自由基(.OH),过氧化氢(H2O2)和超氧阴离子自由基(O2.-)]清除能力的变化。结果表明,正常生长小麦的叶片具有一定的清除活性氧(.OH,H2O2,O2.-)的能力;2种干旱方式均导致小麦.OH和O2.-清除能力上升,复水后仍维持在较高水平,2种干旱方式均导致小麦H2O2清除能力下降,复水后仍低于正常水平;根和叶对相同处理表现出不同的反应;与间断干旱比较,持续干旱处理使小麦表现出更强的活性氧清除能力,对小麦活性氧清除能力的影响较大且延续时间长,具有胁迫后效应。 相似文献
109.
甘蔗黄叶病毒是2000年国际病毒分类命名委员会第七次报告才确认的黄症病毒科未归属成员。其分布几乎遍及世界所有甘蔗产区,并已于近年传入我国南方蔗区。该病毒引起甘蔗病毒性黄叶病,经高粱蚜及玉米蚜以持久性方式传播,可能起源于黄症病毒科属间基因重组。本文简述该病毒研究概况及其在我国的发生特点。 相似文献
110.
利用无人机多光谱估算小麦叶面积指数和叶绿素含量 总被引:2,自引:4,他引:2
利用无人机遥感的方式进行农作物长势监测是目前精准农业、智慧农业发展的重要方向,为了探究无人机多光谱反演小麦叶面积指数(Leaf Area Index,LAI)和叶绿素含量的模型估算潜力,该研究在3个飞行高度(30、60、120 m)采集多光谱影像,通过使用全波段差值光谱指数(Difference Spectral Index,DSI)、比值光谱指数(Ratio Spectral Index,RSI)、归一化光谱指数(Normalized Spectral Index,NDSI)和经验植被指数与地面实测数据进行相关性分析,获得不同高度下的光谱指数与LAI和叶绿素含量的关系模型及其决定系数,以决定系数为依据分别构建多元逐步回归、偏最小二乘回归和人工神经网络模型,分析不同飞行高度无人机多光谱反演小麦冠层LAI和叶绿素含量SPAD(Soil and Plant Analyzer Development)值的精度。结果表明:1)30 m高度下,绿-红比值光谱指数与小麦LAI的相关性最高,相关系数为0.84;60 m高度下,红-蓝比值光谱指数与小麦叶绿素含量的相关性最高,相关系数为0.68;2)在60 m高度下,经验植被指数与小麦LAI和叶绿素含量的相关性较好,最大相关系数分别为0.77和0.50;3)利用偏最小二乘回归反演小麦LAI的精度最高,决定系数为0.732,均方根误差为0.055;利用人工神经网络模型反演小麦叶绿素含量的精度最高,决定系数为0.804,均方根误差0.135。该研究成果可为基于无人机平台的高通量作物监测提供理论依据,并为筛选无人机多光谱波段实现作物长势参数快速估测提供应用参考。 相似文献