全文获取类型
收费全文 | 575篇 |
免费 | 29篇 |
国内免费 | 101篇 |
专业分类
林业 | 47篇 |
农学 | 20篇 |
基础科学 | 116篇 |
147篇 | |
综合类 | 257篇 |
农作物 | 11篇 |
水产渔业 | 5篇 |
畜牧兽医 | 42篇 |
园艺 | 6篇 |
植物保护 | 54篇 |
出版年
2024年 | 21篇 |
2023年 | 40篇 |
2022年 | 39篇 |
2021年 | 49篇 |
2020年 | 51篇 |
2019年 | 43篇 |
2018年 | 29篇 |
2017年 | 33篇 |
2016年 | 44篇 |
2015年 | 48篇 |
2014年 | 42篇 |
2013年 | 38篇 |
2012年 | 42篇 |
2011年 | 38篇 |
2010年 | 23篇 |
2009年 | 24篇 |
2008年 | 21篇 |
2007年 | 18篇 |
2006年 | 9篇 |
2005年 | 16篇 |
2004年 | 8篇 |
2003年 | 4篇 |
2002年 | 1篇 |
2001年 | 4篇 |
1999年 | 3篇 |
1998年 | 4篇 |
1997年 | 1篇 |
1995年 | 4篇 |
1994年 | 3篇 |
1993年 | 1篇 |
1991年 | 1篇 |
1990年 | 1篇 |
1989年 | 1篇 |
1987年 | 1篇 |
排序方式: 共有705条查询结果,搜索用时 31 毫秒
51.
基于ASAR的冬小麦不同生育期土壤湿度反演 总被引:4,自引:4,他引:0
基于ASAR高级合成孔径雷达ASAR数据和地面调查数据,结合MIMICS模型分析方法,研究ASAR后向散射数据与土壤湿度及冬小麦结构参数之间的关系,构建冬小麦不同生育期土壤湿度反演模型。研究结果表明:冬小麦冠层散射影响ASAR信号探测土壤湿度的深度,冬小麦生长初期(起身期前)ASAR信号探测土壤湿度的最佳深度为0~20 cm,拔节期后ASAR信号探测土壤湿度的最佳深度为0~5 cm。冬小麦抽穗期前,ASAR IS2 VV模式后向散射系数与土壤湿度线性相关性较高,可以利用经验统计模型方法反演土壤湿度;冬小麦生长旺盛期(抽穗期),经验模型土壤湿度反演精度较差,多角度ASAR数据模型能够提高土壤湿度反演精度。利用该土壤湿度反演模型,起身期、拔节期和抽穗期土壤湿度反演的均方根误差分别为0.0125、0.0247和0.0298 g/g。 相似文献
52.
基于野外VIS-NIR光谱的土壤盐分主要离子预测 总被引:2,自引:1,他引:2
为明确干旱区土壤盐分主要离子的特征光谱,建立精度高和稳定性好的盐渍土预测模型,以新疆阜康市为研究区域,采用网格法采集55个土壤样本,利用实测VIS-NIR光谱,选择多元线性回归(MLR)、支持向量机(SVM)、随机森林(RF)法构建土壤盐分主要离子含量反演模型,而后对反演精度进行检验。结果显示:(1)在0.01显著水平下,土壤盐分与Na~+、Cl~–、Ca~(2+)含量均呈显著相关,相关系数分别为0.978、0.814、0.645;(2)综合光谱响应和相关性分析确定土壤盐分主要离子的特征波段为459、537、1 381、1 386 nm,显著特征波段为459、537 nm;(3)3种模型拟合效果从高到低依次为RFMLRSVM,采用RF所建模型盐分主要离子(Na~+、Cl~–、Ca~(2+))R~2最高,RMSE最小,RPD最大,分别为2.11、2.03、1.80,为最优预测模型。通过选取土壤主要离子显著特征波段,进而采用RF法构建其估测模型,可以有效提取干旱区土壤盐分的主要离子信息。 相似文献
53.
水稻细菌性条斑病产量损失估计 总被引:3,自引:0,他引:3
通过人工接种,造成不同病情小区及病丛,产量损失测定结果表明,水稻细菌性条斑病主要通过降低水稻结实率和千粒重而造成产量损失。病害引起的产量损失与病叶率及其严重度有关,经相关及回归分析发现,产量损失率与病叶率及其严重度乘积成线性相关关系,据此得产量损失模型y=5.0179+0.0831x. 相似文献
54.
棉花叶面积指数冠层反射率光谱响应及其反演 总被引:8,自引:1,他引:8
【目的】研究棉花冠层光谱对不同叶面积指数(LAI)的响应,建立棉花LAI光谱反演模型。【方法】利用2003~2004年采集的棉花光谱与LAI的246组数据,分析LAI与冠层反射率光谱和反射率一阶微分光谱间的定量关系。【结果】当LAI大于2.5后不同LAI棉花群体光谱反射率在可见光波段趋于饱和;LAI与可见光波段和短波红外波段(水分吸收带除外)光谱反射率呈显著负相关,与近红外波段高光谱反射率呈显著正相关;LAI与棉花反射率一阶微分光谱主要在蓝边(523~531 nm)、黄边(570~576 nm)、红边(700~755 nm)形成3个相关系数高台区,均达极显著水平,其中红边区的相关性最高。棉花红边位置固定,分别在718 nm和723 nm,且以 723 nm处对LAI更敏感。在反演棉花LAI的高光谱参数中VI (660、800)、VI (550、800)、VI (500、800)、VI (670、800)、Sdy (570~573 nm)、SDr (714~755 nm)、D723、Dr 估算LAI相对误差低于30%,RSME小于0.6,其中VI (600、800)、VI(550、800)两个参数估算水平最高,相对误差分别为21.7%与21.0%,RMSE分别为0.416与0.419;利用SDr与SDr/SDb分别对LAI大于1.0 与小于1.0 的棉花群体反演,能显著提高LAI的估算水平。【结论】应用高光谱分析方法能够提取棉花冠层特征光谱信息,构建LAI高光谱反演参数,建立估算模型,并且利用包含不同光谱参数的分段模型可以进一步提高LAI反演精度。 相似文献
55.
56.
为了探索玉米苗期叶片叶绿素含量指标的快速、非破坏性估测方法,该文运用多光谱图像技术对大田玉米苗期叶绿素含量指标进行快速无损的诊断研究。大田试验中,采用2-CCD多光谱图像采集系统获取大田玉米苗期的冠层多光谱图像,并同步采集漫反射灰度板的多光谱图像。为消除光照对图像采集质量的影响,准确将不同光照条件下的玉米冠层图像数据转换为其叶面反射率数据,标定试验中采用一块4个不同灰度级的满足朗伯面条件漫反射灰度板,建立了叶片光谱反射率同图像灰度值之间的线性反演公式,并与大田试验中漫反射灰度板的多光谱图像建立了玉米冠层图像灰度值的校正公式。对玉米苗期冠层多光谱图像进行处理,提取出玉米冠层B、G、R、NIR(中心波长分别为470,550,620,800 nm)4个波段归一化平均灰度值。通过灰度值的校正公式得到校正后的归一化平均灰度值,由线性公式反演出R、G、B、NIR 4个波段的平均反射率值,并计算4种常见光谱植被指数(RNDVI、RNDGI、RRVI和RDVI),采用最小二乘-支持向量回归(LS-SVR)建立植被指数同叶绿素含量指标的拟合模型。结果表明:植被指数RNDVI、RRVI和RDVI和玉米冠层叶绿素含量指标拟合验证集决定系数R2为0.56,达到了较为理想的拟合结果。证明通过漫反射灰度板对玉米冠层多光谱图像建立反射率反演校正模型的方法是可行的,这一方法为快速无损检测玉米苗期叶绿素含量指标提供了支持。 相似文献
57.
土壤水溶性盐基离子的高光谱反演模型及验证 总被引:3,自引:2,他引:3
土壤水溶性盐基离子是诊断土壤盐渍化类型与盐渍化程度的重要依据,利用光谱技术快速获取土壤水溶性盐基离子含量数据,可为土壤盐渍化类型与盐渍化程度的诊断提供新的技术和手段。该研究通过采集新疆5个不同地区399个土样的反射率与水溶性盐基离子数据并进行31种光谱预处理方法,分析了不同水溶性盐基离子(HCO3-、Cl-、SO42-、K+、Na+、Ca2+、Mg2+)与高光谱反射率之间的相关性;采用K-S(Kennard-Stone)方法挑选出299个样品,针对每种离子使用偏最小二乘回归(partial least squares regression,PLSR)分别建立32个高光谱定量反演模型,优选最佳反演模型,并单独使用100个样品对估测模型进行检验。结果表明:不同离子的最佳反演模型所使用的预处理方法存在差异,其中仅有Cl-和Ca2+、SO42-和Mg2+所使用的预处理方法相同,其他离子则不同;不同离子的反演精度也不同,HCO3-和Ca2+构建的模型相对分析误差(relative percent deviation,RPD)分别为2.67、2.57,模型具有很好的预测能力。Cl-、SO42-和Mg2+所构建的模型RPD分别为2.05、2.10和2.14,表明这三者建立的模型具有较好的预测能力。K+建立的模型RPD仅为1.11,不能对样品进行预测。Na+构建的模型RPD为1.83,表明该离子所建模型只能对样品进行粗略估测。研究结果为探究水溶性盐基离子的高光谱反演增添了新的内容,为土壤盐渍化监测的深入和推进提供了新的思路和方法。 相似文献
58.
基于多光谱与高光谱遥感数据的冬小麦叶面积指数反演比较 总被引:3,自引:6,他引:3
近年来,高光谱遥感数据广泛应用于农作物叶面积指数(LAI)反演。与常用的多光谱遥感数据相比,高光谱数据能否提高农作物LAI反演的精度和稳定性还存在争议。针对这一问题,该研究利用实测冬小麦冠层高光谱反射率数据,构造了不同光谱分辨率和波段组合的5种光谱数据。基于ACRM(a two-layer canopy reflectance model)模型、2套参数化方案及上述5种光谱数据,对冬小麦LAI进行反演,分析光谱分辨率、高光谱数据波段选择、模型参数不确定性3方面因素对LAI反演精度与稳定性的影响。研究结果表明:当波段选择适宜、模型参数不确定性较小且光谱数据分辨率较高时,LAI反演精度与稳定性更高,提高光谱分辨率对LAI反演精度的改进作用随光谱分辨率的升高而降低;反之,当高光谱数据波段选择不当或者模型参数不确定性较大时,提高光谱数据的分辨率并未提高LAI反演精度。该研究解释了"高光谱遥感数据能否提高植被参数反演精度"问题,为进一步发挥高光谱数据在农作物LAI反演中的潜力提供了科学参考。 相似文献
59.
在中宁县规模化枸杞种植区,通过遥感近地高光谱技术,利用光谱辐射仪,对处于盛果期的健康枸
杞冠层和感染了木虱、瘿螨、负泥虫、白粉病的染病枸杞冠层进行光谱特征测定。根据光谱反射率测定结果,分
析枸杞冠层染病前后的光谱特征及变化规律,筛选枸杞病虫害遥感识别最佳波谱范围及优化组合,得出红边波
段(680~760 nm)为枸杞病虫害识别的最敏感波段。基于高光谱变量特征参数和敏感波段光谱反射率参数的计
算,研究其与病情指数间的关系,构建枸杞病情指数反演模型,得出以参数R760/R700 为变量的模型为枸杞病情指
数反演的最佳模型。 相似文献
60.
南方丘陵稻田土壤全钾和速效钾高光谱特征与反演模型研究 总被引:1,自引:0,他引:1
以兴国县稻田土高光谱反射率为研究对象,对比分析了同一种光谱反射率变换形式下土壤全钾、速效钾与高光谱反射率的相关性,提取了全钾和速效钾的高光谱敏感波段,建立了基于反射光谱特征的南方丘陵稻田土全钾、速效钾高光谱反演模型.经分析可知,在355~620 nm波段,土壤全钾、速效钾含量与光谱反射率相关性同增同减,而在621~2 250 nm波段内,土壤全钾含量与光谱反射率相关性要大于土壤速效钾;通过分析兴国县稻田土全钾、速效钾含量与光谱反射率18种数学变换的相关系数,提取全钾的敏感波段为602、804 nm,速效钾的敏感波段为602、1 058、1 638、2 214 nm;采用偏最小二乘回归,利用高光谱指数构建的反演模型能较好地预测全钾、速效钾含量,模型建模的相关系数和验证系数都较高,基于速效钾含量建立的南方丘陵稻田土高光谱反演模型预测能力较好. 相似文献