全文获取类型
收费全文 | 144篇 |
免费 | 7篇 |
国内免费 | 4篇 |
专业分类
林业 | 25篇 |
农学 | 6篇 |
基础科学 | 4篇 |
14篇 | |
综合类 | 63篇 |
农作物 | 12篇 |
水产渔业 | 2篇 |
畜牧兽医 | 28篇 |
园艺 | 1篇 |
出版年
2023年 | 11篇 |
2022年 | 3篇 |
2021年 | 6篇 |
2020年 | 10篇 |
2019年 | 6篇 |
2018年 | 8篇 |
2017年 | 7篇 |
2016年 | 4篇 |
2015年 | 4篇 |
2014年 | 8篇 |
2013年 | 2篇 |
2012年 | 3篇 |
2011年 | 10篇 |
2010年 | 8篇 |
2009年 | 14篇 |
2008年 | 8篇 |
2007年 | 6篇 |
2006年 | 2篇 |
2005年 | 4篇 |
2004年 | 5篇 |
2003年 | 6篇 |
2002年 | 3篇 |
2001年 | 3篇 |
2000年 | 3篇 |
1999年 | 2篇 |
1997年 | 2篇 |
1996年 | 3篇 |
1992年 | 1篇 |
1990年 | 3篇 |
排序方式: 共有155条查询结果,搜索用时 14 毫秒
151.
利用遥感数据开展森林资源优势树种的分类对森林资源的监测、森林可持续经营及生物多样性研究具有重要意义。研究针对复杂地形区域的破碎化森林,采用高分二号(GF-2)的多光谱影像作为基础数据进行森林优势树种的精细分类。本文以地形复杂、森林破碎化的湖北省竹山县九华山林场为研究对象,采用面向对象分类方法对树种进行精细分类,比较支持向量法、最近邻法(KNN)和随机森林(RF)三种不同分类算法的分类效果。在尺度阈值为30、合并阈值为95时分割的基础上,利用SVM、KNN和RF分类结果和分类精度差异较大。分类精度最高的是SVM分类方法,总体精度为68.52%,Kappa系数为0.62;其次为随机森林分类法,总体精度为60.29%,Kappa系数为0.54;KNN分类方法精度最低,总体精度为59.41%,Kappa系数为0.53。GF-2号数据能满足树种分类基本需求,在复杂地形和景观破碎化地区用支持向量机进行树种的分类精度更高,但仍存在一定的局限性。 相似文献
152.
摘要:森林质量评价服务于森林经营决策、监督管理和验收的全部流程。为克服地面调查林分质量中存在的成本高、时效性差等缺点,基于遥感数据形成一套林分质量评价体系,以提高评价效率,推动森林质量精准提升进程。本研究以新密市2018年生长季哨兵二号数据为基础,辅以数字高程影像,构建了基于遥感影像森林质量评价方法。首先选取样本小班,然后基于哨兵影像提取植被指数、纹理指数和干扰指数三类与森林质量密切相关的指标,借助熵值法计算各指标权重,构建出遥感估算林分质量模型。并以基于当年小班调查数据评价的林分质量结果作为参照,检验模型可信度。最后将模型用于量化全市森林质量并提出后续经营对策。结果发现,遥感评价指标中二阶矩、对比度和方差三个指标的权重相对较大,遥感评价林分质量结果与小班数据所得林分质量线性拟合的决定系数R2可达0.9861。结果表明:基于遥感数据的林分质量评价方法是可行的,该结果为大尺度区域范围森林质量评价提供了参考。 相似文献
153.
154.
川酒在四川省食品轻纺产业发展战略中占据重要地位,对优质酿酒小麦原粮需求巨大。各大酒企对优质酿酒小麦的品质标都有一定的要求。特殊的地理环境使得四川大部分地区冬季多雾,光照不足,适合生产中、弱筋小麦,正契合了酿酒专用小麦的要求。特别是川北丘陵麦区的绵阳市、广元市、以及盆中的遂宁市,南充市辖区,即是弱筋小麦的优势产区,也是酿酒“曲麦”生产的优势产区。但限于品种、栽培技术、施肥、农机等的不匹配,每年四川省内生产的小麦达到酿酒曲麦标准的数量远远满足不了需求,笔者经多年研究,通过种、肥、药、机、技的全方位融入,集成了一套完整的四川优质酿酒专用小麦优质高产技术,以期为农户增产增收提供帮助,同时也为用粮企业提供本地优质原粮,促进本地小麦产业化。 相似文献
155.
为快速准确地获取植株冠层氮素含量及空间分布特征,对大尺度的果园进行精准动态的管理,以宽行窄株小冠模式、宽行窄株篱壁模式和传统栽培模式3种栽培模式的120棵柑橘树为研究对象,通过测定冠层氮素含量并提取无人机遥感影像多光谱数据中的纹理指数和植被指数,运用随机森林算法(RF)建立基于植被指数、纹理指数以及融合植被指数和纹理指数的柑橘冠层氮素反演模型,并比较融合植被指数和纹理指数的支持向量机(SVM)、BP神经网络算法(BP)和RF的模型反演精度。结果显示:在随机森林算法中,融合植被指数和纹理指数比单独的植被指数或纹理指数更能准确预测柑橘冠层氮素含量;植被指数训练集R2为0.710,测试集R2为0.430;纹理指数训练集R2为0.761,测试集R2为0.349;融合植被指数和纹理指数训练集R2为0.775,测试集R2为0.533。融合植被指数和纹理指数在SVM算法训练集R2为0.511,测试集R2为0.371;BP神经网络训练集R2为0.651,测试集R2为0.204。用融合植被指数和纹理指数的RF模型对3种栽培模式的柑橘园进行氮素反演,得到宽行窄株小冠模式的柑橘冠层平均氮素含量最高,其次为宽行窄株篱壁模式,传统栽培模式最低,氮素含量均值分别为31.33、30.20和27.82 mg/g。结合无人机遥感与融合植被指数和纹理指数的随机森林算法能够有效预测柑橘冠层氮素含量,可为大尺度柑橘果园定量施肥提供参考。 相似文献