首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   4169篇
  免费   240篇
  国内免费   874篇
林业   277篇
农学   255篇
基础科学   787篇
  1037篇
综合类   2095篇
农作物   248篇
水产渔业   34篇
畜牧兽医   362篇
园艺   59篇
植物保护   129篇
  2024年   87篇
  2023年   273篇
  2022年   277篇
  2021年   297篇
  2020年   322篇
  2019年   277篇
  2018年   222篇
  2017年   239篇
  2016年   294篇
  2015年   275篇
  2014年   328篇
  2013年   261篇
  2012年   289篇
  2011年   277篇
  2010年   261篇
  2009年   248篇
  2008年   210篇
  2007年   170篇
  2006年   118篇
  2005年   91篇
  2004年   85篇
  2003年   71篇
  2002年   33篇
  2001年   34篇
  2000年   20篇
  1999年   24篇
  1998年   20篇
  1997年   11篇
  1996年   18篇
  1995年   18篇
  1994年   23篇
  1993年   23篇
  1992年   15篇
  1991年   16篇
  1990年   25篇
  1989年   10篇
  1988年   8篇
  1987年   5篇
  1986年   1篇
  1984年   1篇
  1983年   3篇
  1982年   1篇
  1981年   1篇
  1980年   1篇
排序方式: 共有5283条查询结果,搜索用时 31 毫秒
181.
基于SVM的加工番茄早疫病叶氮素含量光谱反演   总被引:1,自引:0,他引:1  
采用支持向量机(SVM)模型,对新疆加工番茄早疫病病害植株的叶片氮素含量进行光谱反演。分析不同病害严重度的病叶氮素含量的光谱特征,发现在218~357 nm、384~587 nm、1 033~1 141 nm、1 499~2 500 nm,氮素含量与光谱反射率的相关系数的绝对值大于0.7,在227~353 nm的相关系数大于0.8,表明不同病害严重度的病叶氮素含量与光谱反射率呈强相关。利用K层交叉检验(K-CV)方法验证、优选出SR705、ND705、GMI-2、RI-half、PTEBc等5种光谱指数,作为SVM模型的输入变量;同时,分别建立线性核、多项式核、径向基核和Sigmoid核的SVM模型,通过模型拟合比较,得出最佳模型为径向基核的SVM模型。采用径向基核的SVM模型对病叶氮素含量进行光谱反演,结果表明:径向基核的SVM模型氮素含量反演的真实值与预测值的MSE为0.012 4,相关系数R为85.916%,平均相对误差为0.175,结合多光谱指数的SVM模型提高了加工番茄早疫病病害叶片氮素含量的反演精度。  相似文献   
182.
反射光谱法估计小麦叶片表皮蜡质含量的初步研究   总被引:1,自引:0,他引:1  
为了探讨利用冠层反射光谱技术估计小麦叶片表皮蜡质含量的可行性,以小麦高叶片表皮蜡质含量材料2912与低叶片表皮蜡质含量品种普冰201和晋麦47及其杂交构建的F2:3株系为材料,通过氯仿提取称重法测定了小麦抽穗期的旗叶表皮蜡质含量,并采用FieldSpec 3测定了冠层反射光谱,分析小麦冠层反射光谱与叶片表皮蜡质含量之间的关系。结果表明,三个亲本以及株系间蜡质含量差异显著。高蜡质材料的可见光波段反射率整体高于低蜡质材料,短波长波段光谱反射率与叶片表皮蜡质含量相关性较高。以550和675nm波长的反射光谱为基础的单波/差值指数[R550/(R550-R675)]能较好地反映小麦叶片蜡质含量,两F2:3群体拟合模型的r2值分别为0.761和0.679,回归方程分别为y=0.07x-0.575和y=0.088x-1.481。  相似文献   
183.
Multi-Temporal Detection of Rice Phenological Stages Using Canopy Spectrum   总被引:2,自引:0,他引:2  
Information on rice phenology is essential for yield estimation and crop management. To test the ability of remote sensing in detecting multiple phenological stages, paddy rice canopy spectrum was measured by a hand-held radiometer. Normalized difference vegetation index(NDVI) was calculated from spectrum, and the slope of NDVI was obtained as its difference. We evaluated the response of NDVI and its slope to rice growth with a comparison of two late-season rice cultivars. The results showed that NDVI and its slope curves had distinct variation corresponding to rice development and they could be used as cultivar-independent phenological indicators. The dates of flooding and transplanting, tillering, panicle development, heading and flowering, maturity, harvest stages, and even field management practices, could be deduced from these indicators. ‘NDVI ≤ 0' could be used as a single threshold for the detection of flooding and transplanting. The largest spike in the curve of the NDVI slope indicated the duration of tillering stage. The next spike corresponded to panicle development. The heading and flowering stage was characterized by the maximum NDVI and the change of NDVI slope from positive to negative. At the maturity stage, NDVI decreased continuously, and its slope fluctuated just below zero. When rice grains were completely mature and ready for harvest, NDVI decline was accelerated. At harvest, NDVI slope reached its minimum value. The distinction between heading and maturity stages was obscure, most likely due to NDVI saturation at high biomass. The study might provide references for paddy rice phenology determination through remote sensing images.  相似文献   
184.
孟鑫鑫  于雷  周勇  李硕 《土壤通报》2022,53(2):301-307
  目的  以传统的实验室分析方法进行大规模土壤有机碳(SOC)含量调查耗时、费力、成本高昂,以土壤可见近红外(VNIR)、中红外(MIR)光谱或两光谱数据融合手段能够快速预测SOC含量,但预测精度不一、特别是光谱数据融合技术应用于土柱样本的效果尚待考察。  方法  从全球土壤光谱库筛选出同时具有VNIR光谱、MIR光谱和SOC含量的677个土柱共计3755个土样。光谱数据经Savitzky–Golay平滑和一阶微分预处理后,用Kennard–Stone算法进行建模和验证的集合划分,使用偏最小二乘回归与随机森林方法分别建立以VNIR、MIR以及两者融合的VNMIR光谱为自变量的SOC含量预测模型,并对模型精度进行评估。  结果  MIR光谱模型的SOC预测精度优于VNIR光谱模型,VNMIR光谱模型预测精度低于MIR光谱模型但优于VNIR光谱模型。  结论  使用光谱数据融合技术预测SOC含量并非一定比使用单一光谱数据的精度高,就本例而言使用MIR光谱数据构建预测模型的方法是快速、准确预测大尺度时空范围SOC含量的最 佳手段。  相似文献   
185.
马菲  周健民  杜昌文 《土壤学报》2022,59(3):642-653
土壤分析是土壤学研究及应用的前提和基础,传统化学土壤分析方法逐渐不能适应现代土壤学海量信息数据快速获取的需求。激光诱导击穿光谱作为一种全新的、反映土壤组成元素原子信息的光谱技术,其无需对样品进行复杂前处理,可实现原位、快速、多元素连续在线检测,每条光谱记录土壤样本独一无二的特征,可以视为土壤“指纹”,成为现代土壤分析的有效技术之一。首先介绍和分析了激光诱导击穿原子光谱的原理、光谱获取的主要影响因素、光谱数据处理的化学计量学方法等;然后阐述和梳理了基于激光诱导击穿光谱技术在土壤分析方面的应用成果和进展,包括土壤鉴定、土壤养分评估、土壤重金属测定、微观/介观尺度土壤原位表征等;最后讨论和总结了激光诱导击穿光谱技术在土壤分析中所面临的挑战及其应用展望。  相似文献   
186.
  目的  探究不同来源风化煤所含腐植酸的生物活性差异及其与风化煤性质特征的关系,为寻找高活性腐植酸风化煤提供依据。  方法  选用山西左权、五台、静乐三地的风化煤,以不同方法处理、进行植物培养试验,采用紫外光谱、红外光谱、根系扫描的方法,比较分析不同风化煤的加工化学特征、产出腐植酸的生物活性。  结果  左权、五台、静乐三地风化煤总腐植酸含量在37.1% ~ 40.9%,但游离腐植酸含量差异较大,分别为1.92%、10.09%和30.62%;总酸性官能团酚羟基含量差异明显,其含量比为1.00∶1.22∶1.83,静乐风化煤的羟基含量和羧基含量最高;钙镁含量比为2.65∶1.25∶1.00;不同风化煤的E4/E6差异较小,但提取出的腐植酸E4/E6差异较大,分别为7.5、6.2和4.39。生物活性研究表明,3地风化煤腐植酸对绿豆再生根均有促进作用,呈现与IAA具有的相同功效的典型激素反应;其腐植酸促生活性依次为静乐>五台>左权,左权和五台腐植酸浓度在0.01%、静乐腐植酸浓度在0.05%时最高。  结论  左权、五台、静乐三地风化煤提出的腐植酸以静乐生物活性最高,五台次之,左权最低;风化煤中的钙镁含量越低、游离腐植酸含量越高,羟基红外光谱吸收峰越宽、总酸性基团含量越高腐植酸的生物活性就高。可为腐植酸加工选用优质的风化煤原料,为腐植酸应用选择适宜浓度范围提供参考。  相似文献   
187.
柑橘黄龙病(Huanglongbing, HLB)是柑橘生产中的毁灭性病害,柑橘植株遭到黄龙病菌侵染后光合能力发生变化而后表现出相应的黄化症状。及早实现HLB的原位快速诊断是防控HLB的重要手段。为探究黄龙病菌侵染柑橘叶片的光合响应机制并实现HLB的原位诊断,该研究分析了健康(Healthy)、未显症HLB(asymptomatic HLB, aHLB)、显症HLB(symptomatic HLB, sHLB)以及黄斑病(Macular,症状与黄龙病相似)柑橘叶片的光合参数与光合色素含量差异。利用光谱技术与日光诱导叶绿素荧光(Sun-induced Chlorophyll Fluorescence, SIF)技术分析了4种类型柑橘叶片的反射率光谱与SIF光谱差异。采用竞争自适应重加权采样(Competitive Adaptive Reweighted Sampling, CARS)算法结合反射率光谱筛选出特征波段,采用SIF光谱的峰值位置(687和741 nm)构建了上行(Upward, Up)和下行(Downward, Dw)SIF产量指数(Up687, Up741, Dw687, Dw741, Up687/741, Dw687/741)。进一步分别利用特征波段的反射率和SIF产量指数,结合K最邻近(K-nearest Neighbor, KNN)分类算法构建了柑橘黄龙病的诊断模型。结果表明,黄龙病菌的侵染使柑橘叶片的光合作用明显减弱,在未显症时期已经表现出来,证明了SIF技术在诊断早期HLB的优势。基于特征波段反射率的KNN模型对未显症HLB和显症HLB的诊断精度为72.7%和75.6%,健康叶片和黄斑病叶片分别为82.2%和64.1%,而基于687和741 nm波长处的上行比值SIF产量指数Up687/741构建的KNN模型对未显症HLB和显症HLB的诊断精度为84.8%和91.1%,健康和黄斑病叶片分别为88.9%和82.1%,均优于反射率光谱模型。结果证明了SIF技术用于诊断柑橘HLB的潜力,为实现柑橘HLB的田间原位、快速、早期诊断提供了可能。  相似文献   
188.
同时反演氮、磷元素含量相对于单一元素反演可以更加全面地表达水稻的营养状况,为快速、准确获取水稻叶片氮、磷含量和精准变量施肥提供依据。该研究基于不同氮肥处理的田间小区试验,获取水稻叶片氮、磷含量数据,采用竞争性自适应重加权采样法(Competitive Adapative Reweighted Sampling,CARS)筛选氮素与磷素共同特征波长,以特征波长反射率为输入,以化学方法测得叶片氮、磷元素含量为输出,分别使用反向传播神经网络、极限学习机(Extreme Learning Machine,ELM)、龙格-库塔算法优化极限学习机(RUNge Kutta optimizer-Extreme Learning Machine,RUN-ELM)构建水稻叶片氮、磷含量反演模型并分析。结果表明:采用CARS方法有效去除了高光谱中大量无用、冗余信息,得到5个氮、磷元素共同特征波长,去除具有共线性的特征波长,最后筛选出的特征波长分别是451、488、780、813 nm。使用筛选后的特征波长反射率构建RUN-ELM水稻叶片氮、磷含量反演模型效果最好,氮素训练集的决定系数R2为0.690,均方根误差为0.669 mg/g,磷素训练集的决定系数R2为0.620,均方根误差为0.027 mg/g。通过对比,RUN-ELM在预测能力、模型稳定性上优于反向传播神经网络以及ELM模型。综上研究,基于CARS-RUN-ELM的水稻叶片氮、磷含量反演模型可以快速、准确获取水稻叶片氮、磷含量,可为水稻精准施肥提供参考。  相似文献   
189.
  【目的】  研究不同来源有机肥释放的溶解有机质 (DOM) 的粒径分布与光谱特征,为有机肥在农业生产中的应用及DOM后续环境行为的研究提供理论指导。  【方法】  本研究选择海藻、羊粪、虾肽以及小麦秸秆生物炭4种有机肥,提取有机肥中的DOM (<0.7 μm)。利用超滤分级技术对提取的DOM进一步区分为 <1 kDa、1~100 kDa、100 kDa~0.2 μm和0.2~0.7 μm 4个粒级,使用总有机碳 (TOC) 分析仪测定各粒径DOM的含量并使用傅里叶变换红外光谱 (FTIR)、紫外?可见吸收光谱 (UV-Vis) 和三维荧光光谱 (3D-EEM) 进行光谱表征。  【结果】  从全量 (粒径<0.7 μm) 溶解有机碳(DOC)来看,小麦秸秆生物炭 (308 mg/kg)<虾肽 (1060 mg/kg)<海藻 (1266 mg/kg)<羊粪 (2989 mg/kg)。供试有机肥中不同粒径的DOC所占比例和含量差异明显,均以最小粒径 (<1 kDa) 所占比例最高,除海藻为47%外,其余有机肥处理皆达到50%及以上。4种不同来源有机肥DOM的紫外和荧光特征值表明,4种有机肥的荧光指数 (FI) 和自生源指数(BIX)随着DOM粒径的减小而增大,而SUVA254、SUVA260和腐殖化指数 (HIX)随着DOM粒径的减小而减小。虾肽DOM各粒径的类蛋白组分含量高且主要为内源DOM,自生来源有机质丰富,生物可利用性高;羊粪DOM各粒径受人类活动影响较大;而小麦秸秆生物炭的DOM大粒径(>100 kDa)组分的FI<1.4,表明其大粒径DOM主要为外源性的,自身生产和微生物活动贡献相对较低。此外,尽管海藻、羊粪和虾肽各粒径的DOM的HIX值随着粒径的减小而逐渐减小,除虾肽DOM的<1 kDa组分外,其腐殖化程度依旧较高 (HIX>10),而小麦秸秆生物炭小粒径DOM的HIX<4,表明小麦秸秆生物炭的小粒径DOM疏水组分含量高,腐殖化程度相对较低。荧光组分和红外光谱表明了4种不同来源有机肥DOM以类腐殖质物质为主,且含有大量氨基酸N—H键、O—H键和C—O键等官能团。  【结论】  依据有机肥释放的DOM的粒径分布和光谱特征,海藻、羊粪、虾肽有机肥中的DOM主要以小粒径为主,其腐殖化程度高,蛋白组分含量较低。小麦秸秆生物炭DOM的生物稳定性要高于其他有机肥,生物可利用性较低,因此,施加过量的生物炭不利于微生物对土壤DOM的降解利用;而虾肽来源有机肥的DOM类蛋白组分贡献最大,生物可利用性高,施用虾肽有机肥可能有利于微生物对土壤DOM的降解利用。  相似文献   
190.
以博斯腾湖湖滨绿洲为研究区,对土壤高光谱反射率R进行数学光谱变换,并计算其差值型、比值型、归一化型3种盐分指数,通过显著性检验优选特征波段,结合土壤表层盐分实验数据,构建基于地理加权回归模型的土壤表层盐分含量估算模型。研究结果表明:1)土壤表层盐分含量平均值为7.535 g·kg-1,其光谱变换建模选取的特征波段集中在466~482、1669~1728、1979~2371 nm,其中对数倒数的一阶微分(1/lg R)′相关性较好,相关系数绝对值为0.672;2)构建3种盐分指数优选的特征波段集中在1700~1728、1992~2014、2375~2405 nm,建立的模型决定系数均大于0.870,光谱反射率R的决定系数仅为0.621;3)差值型盐分指数优选特征波段建立的地理加权回归模型为最优模型,建模集与检验集的决定系数R2分别为0.934和0.915,RMSE分别为1.186和0.917。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号