全文获取类型
收费全文 | 100篇 |
免费 | 1篇 |
国内免费 | 6篇 |
专业分类
林业 | 7篇 |
农学 | 8篇 |
基础科学 | 7篇 |
4篇 | |
综合类 | 69篇 |
农作物 | 4篇 |
水产渔业 | 1篇 |
畜牧兽医 | 5篇 |
园艺 | 2篇 |
出版年
2023年 | 1篇 |
2022年 | 5篇 |
2021年 | 6篇 |
2020年 | 5篇 |
2019年 | 5篇 |
2018年 | 6篇 |
2017年 | 2篇 |
2016年 | 3篇 |
2015年 | 2篇 |
2014年 | 7篇 |
2013年 | 7篇 |
2012年 | 9篇 |
2011年 | 4篇 |
2010年 | 4篇 |
2009年 | 7篇 |
2008年 | 4篇 |
2007年 | 4篇 |
2006年 | 8篇 |
2005年 | 6篇 |
2004年 | 2篇 |
2003年 | 2篇 |
2002年 | 3篇 |
2000年 | 3篇 |
1999年 | 1篇 |
1993年 | 1篇 |
排序方式: 共有107条查询结果,搜索用时 31 毫秒
11.
基于高光谱的稻米品质估测模型的构建 总被引:2,自引:0,他引:2
通过测试不同试验条件下稻米品质及其高光谱数据,研究稻米中淀粉、蛋白质和胶稠度与高光谱数据特征之间的相关关系。结果表明:在不同施肥条件下,通过构建归一化指数(NDI,x)与稻米品质指标(y)的多种关系模型,比较模型预测的显著性,得出的多项式模型对稻米品质指标具有较高预测性,通用模型y=ax2+bx+c中的构成系数a、b、c因肥料水平差异取值不同;在不同品种条件下,通过比较波段比值指数(RI,x)与稻米品质指标(y)的相关系数,得出的最佳波段组合分别为x直链淀粉=R783nm/R634nm、x蛋白质=R829nm/R646nm和x胶稠度=R900nm/R670nm,推算出预测稻米品质指标的线性回归方程通用模型y=ax+b中的构成系数a、b因品种差异取值不同。这表明,运用高光谱方法估算稻米中的直链淀粉、蛋白质含量和胶稠度切实可行,可为稻米品质遥感监测提供依据。 相似文献
12.
13.
14.
15.
[目的]研究水稻生育前中期主要株型指标的动态变化,为水稻高产株型栽培提供理论依据。[方法]以杂交籼稻汕优63和粳稻武香粳14为材料,通过栽插密度及肥水调控等措施,培育不同产量水平的群体,分析水稻生育前中期几个株型指标的动态关系及其时产量的影响。[结果]水稻有效分蘖临界叶龄期(N-n)的叶片松散度和叶鞘载叶量对单茎蘖干重的影响要高于拔节期,并通过调节拔节期株型而间接影响单茎蘖干重。同时抽穗期叶片的光合作用对产量的影响要高于拔节期,而拔节期叶片光合量通过抽穗期的光合速率对产量有较大的间接影响.其影响程度已接近抽穗期的直接影响。[结论]水稻有效分蘖·陆界叶龄期(N-n)控制叶面积发展、促进叶鞘干物质积累与拔节期同等重要,同时提高拔节期及抽穗后叶片的光合能力对进一步提高产量都有积极的作用。 相似文献
16.
17.
通过日本落叶松树种在重庆市南川区乐村林场12余年的育苗、造林实践.日本落叶松是最适合我场及我区山区发展的一个优良树种。同时通过观察、分析.总结出了日本落叶松树种在该地区适宜的育苗及造林技术。 相似文献
18.
19.
为了明确开放式空气CO2浓度增高(FACE)对水稻磷素动态的影响,借助目前国内惟一的FACE技术平台,以武香粳14为供试品种,设置不同施N量处理,研究大气CO2浓度高于对照200 μmol·mol-1的FACE处理对水稻P素吸收利用动态的影响.结果表明,FACE处理使水稻各生育期P素累积量较CK显著增加,含P率也有所增加,但增幅不大.增施N肥对P素累积量及含P率均影响不大.在此基础上采用Logistic方程描述了水稻P素累积量及含P率随移栽天数的动态变化过程,并建立CO2及P素影响因子对模型进行了订正.利用建模以外的试验数据对该模型进行了检验,结果表明,模拟值与实测值之间的根均方差(RMSE)较小,相关系数达到了显著或极显著水平,表明模型的预测性能好. 相似文献
20.
WOFOST模型是目前常用的作物模型之一。采用2015—2017年区域气象站点的气象数据、土壤数据、作物数据等,利用OAT方法进行模型参数敏感性分析,结合最小二乘法、"试错法"等,并借鉴前人研究结果,基于不同密度和氮肥处理水平,针对冬小麦发育参数出苗到开花积温(TSUM1)、开花到成熟积温(TSUM2)以及生长参数比叶面积(SLATB)、最大CO_2同化速率(AMAXTB)进行冬小麦参数调整,实现WOFOST模型本地化。结果表明:WOFOST模型模拟冬小麦LAI的R~2、RMSE、NRMSE分别为0.817 8、0.58、27.9%,模拟叶、茎、穗和地上部总生物量的R~2、RMSE、NRMSE分别为0.783 2~0.953 1、315.55~986.15 kg·hm~(-2)、10.1%~29.8%,模拟产量的R~2、RMSE、NRMSE分别为0.585 2、799.96kg·hm~(-2)、15.9%,与实测值均有较好的一致性。这一研究说明WOFOST模型能较好地模拟研究区域冬小麦的生长发育状况。 相似文献