全文获取类型
收费全文 | 46700篇 |
免费 | 1760篇 |
国内免费 | 1437篇 |
专业分类
林业 | 1679篇 |
农学 | 2629篇 |
基础科学 | 974篇 |
3794篇 | |
综合类 | 19635篇 |
农作物 | 3644篇 |
水产渔业 | 1268篇 |
畜牧兽医 | 13243篇 |
园艺 | 2018篇 |
植物保护 | 1013篇 |
出版年
2024年 | 424篇 |
2023年 | 1465篇 |
2022年 | 1580篇 |
2021年 | 1547篇 |
2020年 | 1503篇 |
2019年 | 1656篇 |
2018年 | 913篇 |
2017年 | 1250篇 |
2016年 | 1535篇 |
2015年 | 1630篇 |
2014年 | 2731篇 |
2013年 | 2660篇 |
2012年 | 3391篇 |
2011年 | 3313篇 |
2010年 | 2907篇 |
2009年 | 2904篇 |
2008年 | 2953篇 |
2007年 | 2368篇 |
2006年 | 2237篇 |
2005年 | 1777篇 |
2004年 | 1267篇 |
2003年 | 1139篇 |
2002年 | 877篇 |
2001年 | 852篇 |
2000年 | 686篇 |
1999年 | 565篇 |
1998年 | 460篇 |
1997年 | 408篇 |
1996年 | 399篇 |
1995年 | 377篇 |
1994年 | 375篇 |
1993年 | 336篇 |
1992年 | 337篇 |
1991年 | 302篇 |
1990年 | 245篇 |
1989年 | 281篇 |
1988年 | 46篇 |
1987年 | 46篇 |
1986年 | 37篇 |
1985年 | 10篇 |
1984年 | 8篇 |
1983年 | 6篇 |
1981年 | 9篇 |
1980年 | 5篇 |
1974年 | 3篇 |
1966年 | 24篇 |
1957年 | 23篇 |
1955年 | 6篇 |
1954年 | 2篇 |
1953年 | 8篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
12.
以不同栽培代数的木麻黄(第1代FCP、第2代SCP、第3代TCP)根际土壤为试验材料,运用BIOLOG微平板和磷脂脂肪酸(PLFA)技术分析根际土壤微生物群落结构和功能多样性对多代连栽响应。结果表明,不同代数的土壤微生物对各类碳源的利用程度存在显著差异,连栽后木麻黄根际土壤微生物对碳源利用率显著下降。在6类碳源中,除胺类外,其他5种碳源均呈现FCP>SCP>TCP。PLFA分析共检测到11种PLFA生物标记,FCP土壤微生物PLFA生物标记总量明显高于SCP和TCP,3个代数土壤中含量最高的PLFA生物标记是i16:0、a15:0和18:1ω9c。土壤中特征微生物含量差异明显,细菌分布量最大,其次是真菌和放线菌。随栽植代数增加,细菌含量减少,真菌含量增加。土壤微生物群落多样性指数均呈现FCP>TCP>SCP,与土壤理化性质变化密切相关。可见木麻黄连栽显著影响其根际土壤微生物群落结构与功能,因此根际土壤微生态失衡可能是导致木麻黄连栽障碍的重要因素。 相似文献
13.
14.
浙东地区‘红美人’杂柑果实品质与土壤和叶片养分的关系 总被引:3,自引:0,他引:3
《果树学报》2020,(1)
【目的】揭示浙江东部地区‘红美人’杂柑果实品质与土壤肥力、叶片养分的关系,明确‘红美人’杂柑产量、品质的关键影响因子。【方法】在浙江东部‘红美人’杂柑种植区域采集柑橘果实、柑橘叶片和园地土壤样本各33份,统计了柑橘产量,测定了果实品质性状、果实矿质元素含量、叶片营养元素含量和园地土壤理化性状,深入分析了果实品质与土壤理化状况、叶片矿质元素含量的关系。【结果】浙江东部‘红美人’种植区域土壤中水溶性氮、有效磷和速效钾三个大量元素含量基本上在适量和高量范围,而叶片中钾含量偏低。果实的可溶性固形物含量与土壤pH值和交换性钙含量呈显著负相关,说明适度降低土壤pH值有利于增加果实可溶性固形物含量,而土壤交换性钙含量过高会显著不利于增加果实可溶性固形物含量;果实总酸含量与叶片锰含量呈显著正相关,叶片锰含量与土壤有效态铁、锰含量呈显著正相关而与土壤交换性钙含量呈显著负相关,说明土壤和叶片中锰过量会增加果实酸度,而土壤中有效钙过量有降低果实酸度的作用。【结论】‘红美人’橘园应当考虑肥料的平衡使用,防止元素间的拮抗。部分地区因土壤酸碱度不合理而造成钙、镁、硼等中微量元素的缺乏是限制‘红美人’果实产量和品质的重要原因,需要及时叶面补充‘。红美人’果实品质中的单果质量和可溶性固形物含量与土壤的pH值和交换性钙含量密切相关,需要根据橘园土壤条件调节适宜的pH值和适当补充一些中、微量元素。 相似文献
15.
近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首先由CNN进行卷积和池化操作提取特征,然后由RPN选取候选区域,通过网络全连接层参数共享,由目标识别分类器和边界框预测回归器得到多个可能包含目标的预测框,最后通过非极大值抑制挑选出精度最高的预测框完成目标检测。分别对桃子、苹果和橙子的三种果实进行检测,采用迁移学习方法,使用已经预训练好的两种深度神经网络模型ZFnet和VGG16,通过数据集的训练对Dropout及候选区域数量进行参数调整完成网络调优。检测并分析果实不同布局形态下模型的检测效果。试验结果表明,当Dropout取值为0.5或0.6,候选区域数量为300时网络模型最佳,ZFnet网络中,苹果平均精确度为92.70%,桃子为90.00%,而橙子为89.72%。VGG16网络中,苹果平均精度为94.17%,桃子为91.46%,橙子为90.22%。且ZFnet和VGG16的图像处理速度分别达到17 fps和7 fps,能够达到果实实时检测的目的。 相似文献
16.
针对农用电动运输车直流电源电压降落而导致的动力降低,以及车辆行驶工况复杂多变等问题,设计一种基于双向准Z源逆变器的无刷直流电机驱动系统。以STM32F103C8T6为控制器,完成驱动系统的硬件电路设计。通过直流母线方波升压和SVPWM控制策略,使无刷直流电机驱动系统具有ON-PWM斩波、准Z源方波升压、准Z源SVPWM三种驱动模式。最后搭建驱动系统的试验平台,取直流电源电压U_(dc)=24 V,直通占空比D_0=0.2,准Z源方波升压和准Z源SVPWM都将逆变桥的直流母线电压提升至40 V以上,有效解决直流电源电压降落的问题。驱动系统根据加速、爬坡、重载等具体工况快速、准确地切换工作模式,满足车辆的动力需求,提高车辆行驶的安全性和可靠性。 相似文献
17.
随着养殖经济的不断发展,动物微生物检验技术是推动畜牧业积极发展的重要因素之一,畜牧业也特别需要高素质的动物微生物检验技术的专业人才。要培养高素质的社会需要的动物微生物检验专业人才,在现在中职院校的《动物微生物及检验》课程的教学中,教师要采用新的教学模式进行课程教学,通过项目化教学技术和创新型的项目化教学模式,来提高课程的教学效率。因此,对动物微生物课程教学模式进行改革和探索势在必行,本文阐述了对中职《动物微生物及检验》课程项目化教学模式的构建与实践的过程。 相似文献
18.
耕作方式及秸秆还田对土壤性质、微生物碳源代谢及小麦产量的影响 总被引:1,自引:0,他引:1
以小麦品种济麦22为试验材料,采用裂区试验设计,耕作方式为主区,分别设常规翻耕(C)、深松(S)、旋耕(R)处理,副区为秸秆还田量,分别设秸秆全还田(P)和秸秆不还田(A)处理,采用Biolog Eco技术测定土壤微生物碳源代谢功能,并分析土壤基本理化性质和作物产量。结果显示:深松与秸秆还田均有利于土壤含水量和有机碳含量的提高,0~15 cm土层分别提高了9.78%和24.00%,15~30 cm土层分别提高了7.08%和15.81%;深松提高了15~30 cm土层的pH值6.67%,秸秆还田提高了0~15 cm土层的pH值4.32%。深松和秸秆还田均有利于代谢多样性(丰富度指数、香浓多样性指数)、碳源代谢强度的提高,0~15 cm土层分别提高了26.84%、3.84%和38.02%,15~30 cm土层分别提高了11.87%、 3.63%和14.74%。主成分分析表明常规翻耕秸秆不还田和旋耕耕作秸秆不还田碳源代谢功能相近,15~30 cm层次内常规翻耕秸秆全还田碳源代谢功能和深松耕作秸秆全还田处理相近。深松和秸秆还田平均提高了小麦产量5.82%,微生物碳源代谢功能与小麦产量具有极显著的相关性。 相似文献
19.
土壤作为农作物生长的主要营养来源,氮是植物生长的重要元素,有效评价土壤氮素含量可以促进配方施肥的发展。提出主成分分析、注意力机制和长短时记忆神经网络相结合的模型(PCA-Attention-LSTM)来监测土壤的氮素含量。采用PCA(主成分分析)对数据进行处理,提取影响土壤氮含量的关键影响因子,降低模型向量输入的维数,利用注意机制突出预测中的关键输入特征。在Keras深度学习框架的基础上搭建PCA-Attention-LSTM的网络模型,实现对未来2 h土壤氮含量的精监测。最后,以黑龙江省依安甜菜养植基地的数据对土壤氮含量进行训练和验证。结果表明,与RNN等其它网络模型相比,该模型的效果更好,基于PCA-Attenlion-LSTM网络模型的平均绝对误差,均方根误差和平均绝对百分误差分别为0.119、0.020、0.156。该模型预测精度高,泛化能力强,可以应用于土壤氮含量的监测。 相似文献
20.