全文获取类型
收费全文 | 130篇 |
免费 | 4篇 |
国内免费 | 10篇 |
专业分类
林业 | 1篇 |
农学 | 8篇 |
5篇 | |
综合类 | 51篇 |
农作物 | 2篇 |
植物保护 | 77篇 |
出版年
2022年 | 4篇 |
2021年 | 2篇 |
2020年 | 4篇 |
2019年 | 1篇 |
2018年 | 17篇 |
2017年 | 4篇 |
2016年 | 6篇 |
2015年 | 3篇 |
2014年 | 2篇 |
2013年 | 3篇 |
2012年 | 4篇 |
2011年 | 4篇 |
2010年 | 8篇 |
2009年 | 8篇 |
2008年 | 5篇 |
2007年 | 7篇 |
2006年 | 6篇 |
2005年 | 9篇 |
2004年 | 4篇 |
2003年 | 3篇 |
2001年 | 4篇 |
2000年 | 2篇 |
1999年 | 2篇 |
1998年 | 7篇 |
1997年 | 6篇 |
1995年 | 1篇 |
1994年 | 9篇 |
1993年 | 1篇 |
1991年 | 2篇 |
1990年 | 3篇 |
1989年 | 1篇 |
1988年 | 1篇 |
1987年 | 1篇 |
排序方式: 共有144条查询结果,搜索用时 31 毫秒
51.
52.
基于热红外成像技术的小麦病害早期检测 总被引:5,自引:3,他引:2
实现对受到病原侵染的小麦植株进行早期检测,对于小麦病害的监测预警和及早防治具有重要意义。为研究热红外成像技术早期检测小麦病害的可行性,该研究以小麦条锈病为例,以健康小麦植株、条锈病潜育期和发病期小麦植株为试验材料,利用热红外成像技术采集他们的热红外图像和叶片温度,在潜育期内连续检测其热红外图像和叶片温度随接种天数的变化。通过图像对比发现,接种后第5天,肉眼观察热红外图像可将受到侵染但未显症的小麦植株与健康植株区分开来。进一步数据处理,表明接种后第3天处于条锈病潜育期的小麦植株叶片平均温度和不同部位最大温差分别比健康植株叶片的低0.08℃和高0.04℃(P0.05),可将处于条锈病潜育期的小麦植株与健康植株区分开来。随着接种后天数的增加,处于条锈病潜育期的小麦植株叶片的平均温度和最大温差与健康小麦植株叶片的差异逐渐增大。接种后第12天,接种小麦植株叶片平均温度比健康植株叶片低1.22℃,接种小麦植株叶片最大温差比健康植株叶片高1.58℃。可见,利用热红外成像技术可以早期检测到小麦受到病原侵染后的温度变化,热红外成像技术作为一种小麦病害早期检测的方法是可行的。 相似文献
53.
水稻稻瘟病品种-小种组合寄生适合度测定方法的研究 总被引:4,自引:0,他引:4
用分小种接种法在共18个品种-小种组合上进行了水稻稻瘟病菌(MagnaporthegriseaBarr.)寄生适合度测定方法的研究。用综合病指法、流行速率法、抗性组分法三种方法推求了不同品种-小种组合的寄生适合度;并通过相关分析研究了三种寄生适合度估算方法之间的相互关系,建立了以综合病指寄生适合度(PFID)、流行速率寄生适合度(PFr)、综合抗性组分寄生适合度(PFRC)为因变量,以侵染几率FIP、病斑面积(FSS)、产孢面积(FPS)和产孢量(FPD)为自变量的相对寄生适合度预测模型。 相似文献
54.
56.
马铃薯病毒疫情调查及马铃薯S病毒的检测鉴定 总被引:1,自引:0,他引:1
[目的]了解河北省张家口市马铃薯病毒病害发生情况并对马铃薯S病毒(PVS)进行鉴定。[方法]对采自河北省张家口市的46份马铃薯样品进行生物学测定和血清学及分子生物学检测。[结果]46份样品中有35份为马铃薯Y病毒(PVY)侵染,其中有6份是PVY与PVS混合侵染,其余29份为PVY单独侵染。用特异性引物扩增PVS外壳蛋白基因的部分序列,获得685bp的目的产物,该序列与已报道的PVS核苷酸序列同源性在80%以上,编码227个氨基酸,与已报道的PVS外壳蛋白的氨基酸同源性均在90%以上。证明该样品中确实携带PVS。[结论]该研究为今后该地区马铃薯病毒病害的控制及防治提供了依据。 相似文献
57.
口红吊兰菌核病病原鉴定及其生物学特性分析 总被引:2,自引:1,他引:1
为鉴定1株分离自口红吊兰叶部病斑上的疑似核盘菌菌株,利用柯赫氏法则验证其致病性并通过形态观察和ITS序列分析对该病原菌进行分类鉴定,结合温度、酸碱度等生理指标研究其生物学特性,并利用菌丝生长速率法测定了扑海因、多菌灵、苯醚甲环唑、腐霉利4种药剂对该病原菌的抑制作用。结果显示:在PDA平板上该病原菌菌丝为白色,均匀生长;约7 d后开始产生菌核,直径3~5 mm;菌核萌发后可产生1~3个子囊盘,内含8个大小为8.0~12.0μm×4.0~5.5μm的子囊孢子。该菌株ITS序列系统进化分析结果显示,其与核盘菌的同源性高达99%。综上所述,初步确定该菌株为核盘菌Sclerotinia sclerotiorum。该病原菌在PDA培养基上的最适生长温度为20~25℃、最适生长p H为5~7。室内毒力测定发现供试4种药剂中扑海因对该病原菌菌丝生长有较好的抑制效果,且其EC_(50)最小,仅为0.62 mg/L,证明扑海因对核盘菌毒力最强。 相似文献
58.
为了构建不同施氮水平和条锈病发病条件下的小麦估产模型,设置了不同氮素水平及人工接种小麦条锈病,通过采用将多个关键生育期的光谱植被指数、一阶微分参数与小麦条锈病病情指数、叶片含氮量、产量构成因子、产量进行相关分析,植被指数、一阶微分参数与产量进行回归分析的方法,研究与产量相关性高的植被指数、微分参数,结果表明分别利用绿光红光比值植被指数(GR)和绿光波段一阶微分值总和(SDg)、蓝光波段一阶微分值总和(SDb)在灌浆期构建的估产模型预测效果较好,2010年预测准确率分别可以达到99.87%、99.98%,2011年预测准确率分别可以达到97.9%和95%。通过试验研究发现高光谱遥感技术在氮素和小麦条锈病双重胁迫下也可以较好的预测产量,这对研究多重胁迫、多种栽培措施下的小麦估产模型有重要意义。 相似文献
59.
60.
基于深度学习和支持向量机的4种苜蓿叶部病害图像识别 总被引:3,自引:2,他引:1
为实现苜蓿叶部病害的快速准确诊断和鉴别,基于图像处理技术,对常见的4种苜蓿叶部病害(苜蓿褐斑病、锈病、小光壳叶斑病和尾孢菌叶斑病)的识别方法进行探索。对采集获得的899张苜蓿叶部病害图像,利用人工裁剪方法从每张原始图像中获得1张子图像,然后利用结合K中值聚类算法和线性判别分析的分割方法进行病斑图像分割,得到4种病害的典型病斑图像(每张典型病斑图像中仅含有1个病斑)共1 651张。基于卷积神经网络提取病斑图像特征,建立病害识别支持向量机(Support vector machine,SVM)模型。结果表明:当病斑图像尺寸归一化为32×32像素,利用归一化的特征HSV(即特征H、特征S和特征V归一化后的组合特征)构建的病害识别SVM模型最优,其训练集识别正确率为94.91%,测试集识别正确率为87.48%。本研究基于深度学习和SVM所建立的病害识别模型可用于识别上述4种苜蓿叶部病害。 相似文献