全文获取类型
收费全文 | 5419篇 |
免费 | 135篇 |
国内免费 | 268篇 |
专业分类
林业 | 469篇 |
农学 | 317篇 |
基础科学 | 317篇 |
379篇 | |
综合类 | 2048篇 |
农作物 | 263篇 |
水产渔业 | 189篇 |
畜牧兽医 | 1295篇 |
园艺 | 372篇 |
植物保护 | 173篇 |
出版年
2024年 | 47篇 |
2023年 | 183篇 |
2022年 | 175篇 |
2021年 | 168篇 |
2020年 | 181篇 |
2019年 | 257篇 |
2018年 | 238篇 |
2017年 | 117篇 |
2016年 | 196篇 |
2015年 | 175篇 |
2014年 | 289篇 |
2013年 | 277篇 |
2012年 | 324篇 |
2011年 | 294篇 |
2010年 | 279篇 |
2009年 | 341篇 |
2008年 | 265篇 |
2007年 | 227篇 |
2006年 | 224篇 |
2005年 | 214篇 |
2004年 | 171篇 |
2003年 | 152篇 |
2002年 | 132篇 |
2001年 | 115篇 |
2000年 | 99篇 |
1999年 | 66篇 |
1998年 | 59篇 |
1997年 | 65篇 |
1996年 | 50篇 |
1995年 | 48篇 |
1994年 | 53篇 |
1993年 | 41篇 |
1992年 | 47篇 |
1991年 | 45篇 |
1990年 | 45篇 |
1989年 | 26篇 |
1988年 | 20篇 |
1987年 | 25篇 |
1986年 | 20篇 |
1985年 | 19篇 |
1984年 | 8篇 |
1983年 | 8篇 |
1982年 | 7篇 |
1981年 | 16篇 |
1979年 | 3篇 |
1962年 | 2篇 |
1959年 | 1篇 |
1958年 | 1篇 |
1957年 | 2篇 |
1956年 | 1篇 |
排序方式: 共有5822条查询结果,搜索用时 15 毫秒
71.
大中小型拖拉机压实对土壤坚实度和大豆产量的影响 总被引:4,自引:3,他引:1
探讨农业机械压实对土壤坚实度和产量的影响规律,对改善作物生产环境、促进农业机械化向质量型转变具有重要意义。以东北典型黑土区耕地土壤为研究对象,依照随机区组试验原理,选择大、中、小3种型号拖拉机进行6种压实处理,同型拖拉机相同压实次数试验重复3次,采用PV6.08型贯穿阻力仪测量压实轮辙截面土壤坚实度。试验结果表明:土壤坚实度随压实次数增加而逐渐递增,3种拖拉机压实测试截面浅层均出现明显压实核,且压实核内土壤坚实度随压实次数增加而逐渐增大,CASE-210型拖拉机压实对表层土壤坚实度影响程度和范围最大,压实12次时压实核处土壤坚实度达4.0 MPa,JD-280型拖拉机对深层土壤压实影响程度和范围最大,在65~80 cm的土壤深层坚实度的峰值达3.2 MPa;拖拉机压实均导致大豆产量降低,CASE-210、JD-904和JD-280拖拉机压实12次时大豆产量分别降低了21.24%、18.15%和12.38%。 相似文献
72.
采用品种和盐碱程度二因素完全随机试验设计,利用AMMI模型分析了5份耐盐碱水稻品种(龙稻16、13G028、13G030、13G040、长白9)垩白粒率和垩白度的稳定性,以期为苏打盐碱地水稻外观品质改良提供科学依据。结果表明,品种间垩白粒率和垩白度的稳定性不同,环境对垩白性状的影响也不同;垩白性状的总变异呈基因型(G)环境(E)基因型×环境(G×E),垩白粒率和垩白度PCA1、PCA2和PCA3平方和分别累计解释基因型×盐碱互作平方和的99.65%和99.80%;参试材料在不同盐碱梯度下垩白粒率和垩白度的稳定性以龙稻16最强,其次为13G030,再次为13G028和长白9,13G040的稳定性最差。 相似文献
73.
74.
78.
采用微波消解处理样品,氢化物原子荧光光谱法(HG-AFS)、电感耦合等离子体质谱法(ICP-MS)进行硒的测定,两种方法测得枣园乡魏家寨村红薯中硒含量分别为0.023 5±0.006 09μg/g,0.01μg/g,对比京津冀区域及市售富硒红薯中硒含量,河北邢台威县枣园乡魏家寨村红薯硒含量不低于海南澄迈县桥头镇。 相似文献
79.
80.
基于FCN的无人机玉米遥感图像垄中心线提取 总被引:1,自引:1,他引:0
为解决农业机器人在玉米田行间行走的全局路径规划问题,该研究提出一种基于全卷积神经网络(Fully ConvolutionalNetworks,FCN)的无人机玉米遥感图像垄中心线提取方法。基于无人机获取的高精度可见光遥感图像,设计了针对农田垄中心线提取的数据集标注方法,采用滑动窗口法进行图像分块,利用深度学习语义分割网络FCN对垄中心线附近7~17像素宽度范围的垄线区域进行提取,模型在测试田块上精确率达66.1%~83.4%,召回率达51.1%~73.9%,调和平均值为57.6%~78.4%;对拼接后的图像使用影像分割投影法提取中心线,探究了垄线区域宽度对垄中心线提取精度的影响,训练采用9像素的垄区域宽度,可得到垄中心线在77 mm左右偏差范围准确率为91.2%,在31.5 mm左右偏差范围内为61.5%。结果表明,基于FCN对无人机玉米遥感图像进行处理,可得到整片田地的垄中心线栅格地图,方便农业机器人进行全局路径规划。 相似文献