全文获取类型
收费全文 | 66487篇 |
免费 | 2092篇 |
国内免费 | 6440篇 |
专业分类
林业 | 1084篇 |
农学 | 9988篇 |
基础科学 | 3714篇 |
3280篇 | |
综合类 | 42007篇 |
农作物 | 6825篇 |
水产渔业 | 316篇 |
畜牧兽医 | 3784篇 |
园艺 | 957篇 |
植物保护 | 3064篇 |
出版年
2024年 | 399篇 |
2023年 | 1200篇 |
2022年 | 1504篇 |
2021年 | 1471篇 |
2020年 | 1710篇 |
2019年 | 1608篇 |
2018年 | 1162篇 |
2017年 | 1608篇 |
2016年 | 1961篇 |
2015年 | 2100篇 |
2014年 | 3467篇 |
2013年 | 3598篇 |
2012年 | 4178篇 |
2011年 | 4412篇 |
2010年 | 3957篇 |
2009年 | 4034篇 |
2008年 | 3804篇 |
2007年 | 3408篇 |
2006年 | 2916篇 |
2005年 | 2791篇 |
2004年 | 2173篇 |
2003年 | 1930篇 |
2002年 | 1835篇 |
2001年 | 1834篇 |
2000年 | 1582篇 |
1999年 | 1562篇 |
1998年 | 1437篇 |
1997年 | 1534篇 |
1996年 | 1348篇 |
1995年 | 1244篇 |
1994年 | 1233篇 |
1993年 | 1237篇 |
1992年 | 1198篇 |
1991年 | 1090篇 |
1990年 | 900篇 |
1989年 | 933篇 |
1988年 | 148篇 |
1987年 | 106篇 |
1986年 | 84篇 |
1985年 | 80篇 |
1984年 | 8篇 |
1983年 | 11篇 |
1981年 | 12篇 |
1966年 | 20篇 |
1965年 | 30篇 |
1963年 | 9篇 |
1958年 | 12篇 |
1957年 | 72篇 |
1955年 | 8篇 |
1953年 | 37篇 |
排序方式: 共有10000条查询结果,搜索用时 218 毫秒
11.
芒是小麦穗部重要的光合器官之一,是小麦长期进化和适应环境的产物,对小麦产量和逆境适应具有重要影响。为了探究芒的发育及芒长的遗传机制,本研究利用小麦无芒品种中国春(Chinese Spring,CS)和有芒品系MK147构建的F2分离群体与F5代重组自交系(RIL)群体为材料,对无芒位点进行了标记和定位。遗传分析表明,群体中的无芒性状受半显性单基因控制;采用Wheat660K SNP芯片结合集群分离分析法(bulked segregate analysis,BSA)在F2群体构建的无芒、有芒混池中检测到一个多态性SNP标记的富集区,初步将QTL定位于4A染色体上。在该QTL区间开发了58个KASP标记,并将定位区间缩小至KASP标记SNP-1537与SNP-4195之间,遗传距离为0.81 cM,对应中国春参考基因组(IWGSC.Ref.V1.0)4A染色体上9.23 Mb (100.56~109.79 Mb)的区间,将该位点命名为 Awn-4A.1。 相似文献
12.
13.
为探明长江中游玉米籽粒机械直收适宜品种与配套农艺措施,2018—2019年选用不同玉米品种,测定不同机收时间下玉米关键农艺性状、产量及机收质量指标。结果表明,收获时间对春玉米机收产量与机收质量均有显著影响。延迟1周收获后籽粒容重显著增加,机收产量显著提高,2年平均提高9.72%;而延迟2周收获则有降低机收产量的趋势。2年收获时杂质率总体≤3%,而机收籽粒破碎率与损失率均>5%,是该区域春玉米籽粒机收面临的主要问题。籽粒厚度、籽粒含水率和百粒重是影响机收籽粒破碎率的关键性状,三者与机收籽粒破碎率均呈显著的倒二次曲线关系;玉米的倒伏率、穗位高和重心高度是影响机收损失率的关键性状,倒伏率与机收损失率呈显著正相关,而穗位高和重心高度与机收损失率均呈显著的二次曲线关系。延迟收获能显著降低籽粒含水量,从而降低籽粒破碎率,但继续延迟收获有增加倒伏的风险。综上,长江中游春玉米成熟后适时延迟7~10 d收获,可有效降低籽粒含水量与机收籽粒破碎率,提高玉米籽粒机收产量。 相似文献
14.
为明确草地贪夜蛾对小麦的产卵选择性及其是否对小麦安全生产构成威胁,本研究以玉米和小麦作为测试寄主,比较分析了草地贪夜蛾对两种作物不同部位的产卵选择性,并利用两性生命表方法研究了取食小麦、玉米对其生命参数的影响。结果表明:草地贪夜蛾更喜欢在玉米上产卵,其在玉米、小麦叶片、玉米和小麦茎秆上的产卵量存在显著差异(df=102,F=15.593,P<0.05),以玉米叶片背面卵块数量(7.11±1.55)块/笼最高;草地贪夜蛾取食小麦可以完成生活史,但幼虫存活率、化蛹率、羽化率和世代存活率低于取食玉米。取食玉米的幼虫发育历期为(16.31±0.15)d,显著高于取食小麦的(14.66±0.12)d,蛹期、蛹重、产卵前期、成虫寿命和世代周期无显著差异。取食小麦羽化出的雌虫寿命、平均单雌产卵量显著高于取食玉米,分别为(16.39±0.40)d、(976.31±57.21)粒和(14.64±0.32)d、(831.57±30.55)粒。生命表参数显示取食玉米的净增殖率为363.14,显著高于小麦的258.63,但内禀增长率、周限增长率和平均世代周期无显著差异。研究结果为草地贪夜蛾在小麦上的预测预报和有效防控提供了基础数据。 相似文献
15.
16.
针对柑橘黄龙病现有热处理方法存在加热时间长、温度不均匀等缺点,提出以微波加热方式处理柑橘树。搭建柑橘黄龙病微波加热平台,采用不同微波功率和加热时间组合对活体柑橘叶片进行加热,探究不同微波功率下叶片温度达到48~60℃所需要的时间,以确定最佳微波加热功率和加热时间组合。结果表明,柑橘叶片经微波处理后,升温速度与微波功率和加热时间成正相关;不同微波功率处理下,使叶片表面温度达到48~60℃的处理时间存在明显差异;为使柑橘叶片表面温度升至48~60℃范围内,可以在80 W功率下加热36~46 s,在160 W微波功率下加热16~37 s,在240 W微波功率下加热15~29 s,在320 W微波功率下加热13~15 s,在400 W微波功率下加热10~14 s,在480 W微波功率下加热8~10 s,在640 W微波功率下加热7~8 s,在800 W微波功率下加热6 s;根据微波热处理后叶片灼伤程度以及植物的生长情况,确定较优的加热功率和时间组合为(80 W,40 s),进一步优化后的组合为(80 W,37 s)和(80 W,38 s)。 相似文献
17.
作为茶叶智能化生产的关键难题之一,基于图像处理的茶叶智能识别与检测技术受到广泛关注。通过综述图像处理技术在茶叶嫩芽识别定位、茶叶病虫害检测、茶叶品种识别与品质检测等方面的研究应用,分析比较各方法的优缺点,总结现有研究存在的主要问题有嫩芽分割受光照影响较大、难以分割含与嫩芽颜色相近背景的图像、枝叶遮挡情况识别效果不理想、缺乏真实背景下茶叶病斑识别算法等。指出基于图像处理的茶叶智能识别与检测技术未来的研究重点:增加不同地域茶叶及品种的样本数据以提高算法普适性;采取多信息融合的方法以求获得更全面的茶叶嫩芽信息;枝叶遮挡严重情况下的识别策略可考虑借助机械装置或风机拨开枝叶,从而避免因枝叶遮挡而导致识别率低的现象发生。 相似文献
18.
19.
为明确水地强筋冬小麦高产、优质、高效的灌溉技术,试验设3个灌水时期8个灌溉处理[越冬期灌1水(W1),拔节期灌1水(W2),孕穗期灌1水(W3),越冬期和拔节期灌2水(W12),越冬期和孕穗期灌2水(W13),拔节期和孕穗期灌2水(W23),越冬期、拔节期和孕穗期灌3水(W123),全生育期不灌水处理(CK)],于小麦成熟期测定籽粒产量、总蛋白及其组分含量和淀粉含量。结果表明,与不灌水的CK比较,所有灌水处理的籽粒产量、有效穗数、穗粒数、千粒重、蛋白质产量以及籽粒淀粉含量均显著增加,但籽粒的总蛋白及其组分含量均呈不同程度降低(W1处理除外)。越冬期灌水对有效穗数、籽粒产量、总蛋白及其组分含量、淀粉含量的提升作用较大;拔节期灌水对穗粒数的提升作用较大,但对淀粉含量的提升作用较小,对总蛋白及其组分含量的降低作用较大;孕穗期灌水对千粒重的提升作用较大,对蛋白质产量的提升作用较小。随着灌水次数增加,小麦籽粒产量显著提高,淀粉含量先显著提高后基本不变,而籽粒总蛋白及其组分含量降低。W123处理籽粒产量最高,其次是W13处理;W1处理籽粒蛋白质及其组分含量最高,其次是W12及W13处理;W23处理淀粉含量最高,其次是W12或W13处理。综合各项指标,最好的灌水组合是越冬期和孕穗期灌2水(W13)。 相似文献
20.
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