全文获取类型
收费全文 | 4463篇 |
免费 | 335篇 |
国内免费 | 1001篇 |
专业分类
林业 | 890篇 |
农学 | 120篇 |
基础科学 | 418篇 |
1745篇 | |
综合类 | 1966篇 |
农作物 | 72篇 |
水产渔业 | 62篇 |
畜牧兽医 | 268篇 |
园艺 | 23篇 |
植物保护 | 235篇 |
出版年
2024年 | 51篇 |
2023年 | 203篇 |
2022年 | 244篇 |
2021年 | 253篇 |
2020年 | 267篇 |
2019年 | 312篇 |
2018年 | 203篇 |
2017年 | 247篇 |
2016年 | 249篇 |
2015年 | 284篇 |
2014年 | 284篇 |
2013年 | 278篇 |
2012年 | 308篇 |
2011年 | 333篇 |
2010年 | 300篇 |
2009年 | 291篇 |
2008年 | 275篇 |
2007年 | 267篇 |
2006年 | 192篇 |
2005年 | 172篇 |
2004年 | 132篇 |
2003年 | 90篇 |
2002年 | 85篇 |
2001年 | 94篇 |
2000年 | 49篇 |
1999年 | 56篇 |
1998年 | 51篇 |
1997年 | 33篇 |
1996年 | 34篇 |
1995年 | 45篇 |
1994年 | 23篇 |
1993年 | 18篇 |
1992年 | 21篇 |
1991年 | 14篇 |
1990年 | 11篇 |
1989年 | 8篇 |
1988年 | 5篇 |
1987年 | 3篇 |
1986年 | 1篇 |
1985年 | 2篇 |
1984年 | 3篇 |
1983年 | 2篇 |
1982年 | 1篇 |
1980年 | 4篇 |
1979年 | 1篇 |
排序方式: 共有5799条查询结果,搜索用时 15 毫秒
141.
基于MK—SVR模型的小麦叶面积指数遥感反演 总被引:1,自引:0,他引:1
提出了运用多核支持向量回归(MK-SVR)算法构建小麦叶面积指数(LAI)遥感监测模型。以2010—2013年试验样点小麦拔节、孕穗、开花3期的实测LAI数据为基础,同步获取我国自主研发的环境减灾卫星HJ-CCD对该研究区域的影像数据,分析了各生育期小麦LAI与8种植被指数间的相关性。以显著相关的植被指数作为输入参数,使用MK-SVR算法构建了每个生育期的小麦LAI反演模型,即MK-SVR-LAI模型。为了评价模型,每期使用单一核支持向量回归(SK-SVR)、偏最小二乘(PLS)回归算法构建了SK-SVR-LAI、PLS-LAI模型。将模型估算LAI值和田间观测LAI值进行比对,以决定系数(R2)和均方根误差(RMSE)为指标评价并比较了模型。结果表明:3个生育期MK-SVR-LAI模型的RMSE值均低于参比模型,拔节期为0.293 1,孕穗期为0.466 8,开花期为0.548 6,且该模型的R2也都最高,拔节期为0.762 4,孕穗期为0.801 8,开花期为0.668 9。 相似文献
142.
基于多源数据融合的盐分遥感反演与季节差异性研究 总被引:7,自引:0,他引:7
为提高多光谱盐分遥感反演的精度,利用实测高光谱与多光谱进行数据融合,并分析了不同季节盐分遥感的差异性。以河套灌区永济灌域为研究区域,以实测光谱仪测定的土壤高光谱数据和Landsat-8 OLI多光谱数据为基础,通过光谱变换和多元逐步回归方法筛选特征波段和特征光谱指数,构建了春、秋两季土壤盐分多光谱、高光谱反演模型,并利用特征光谱指数的线性回归构建了高-多光谱数据融合反演模型。结果表明:高光谱的反射率总体比多光谱高36. 83%,春季反射率比秋季平均高23. 78%。利用模型中最优变量-特征光谱指数对多光谱模型与高光谱模型进行融合,高-多光谱融合反演模型训练集和验证集R2平均值分别为0. 651和0. 635,RMSE平均值分别为2. 44 g/kg和2. 49 g/kg,精度明显高于对应的多光谱反演模型,其中训练集、验证集的R2平均值分别提高了36. 19%和35. 64%,RMSE平均值分别降低了34. 28%和41. 72%。春季多光谱、高光谱和融合反演模型的精度均高于秋季,其中训练集R2平均值比秋季模型分别提高了6. 03%、6. 05%和4. 40%,验证集R2平均值分别提高了19. 07%、12. 21%和1. 75%。构建的高-多光谱融合模型反演灌域春秋两季平均盐分含量分别为6. 05、5. 97 g/kg,平均相对误差分别为9. 65%和10. 68%,总体上该区域春季土壤主要为重盐化土,秋季土壤主要为中盐化土。 相似文献
143.
144.
基于随机森林回归算法的小麦叶片SPAD值遥感估算 总被引:12,自引:0,他引:12
使用机器学习中的随机森林(RF)回归算法构建小麦叶片SPAD值遥感反演模型。以2010—2013年江苏地区试验点稻茬小麦3个生育期(拔节、孕穗、开花)的叶片为材料,结合我国自主研发的环境减灾卫星HJ-1对研究区域进行同步监测,分析了各生育期叶片SPAD值与8种植被指数间的相关性;以0.01水平下显著相关的植被指数作为输入参数,使用RF回归算法构建了每个生育期的小麦SPAD反演算法模型,即RF-SPAD模型,以支持向量回归(SVR)和反向传播(BP)神经网络算法构建的SVR-SPAD模型和BP-SPAD模型作为比较模型,以R2和均方根误差(RMSE)为指标,分析了每个生育期3个模型的学习能力和回归预测能力,结果表明:RF-SPAD模型在3个生育期都表现出最强的学习能力,R2和RMSE在拔节期分别为0.89和1.54,孕穗期分别为0.85和1.49,开花期分别为0.80和1.71;RF-SPAD模型在3个生育期的回归预测能力都高于BP-SPAD模型,高于或接近于SVR-SPAD模型,R2和RMSE在拔节期分别为0.55和2.11,孕穗期分别为0.72和2.20,开花期分别为0.60和3.16。 相似文献
145.
西安市自然生态环境问题突出,植被信息作为地表生态环境评价与监测的重要参数之一,对区域生态环境的监测及生态环境建设具有重要意义。为此,通过LandsatTM影像提取的植被指数与叶面积指数关系的相关分析,确定适合反映研究区植被信息的VI。结果证明,用NDVI作参考来监测植被状况是合理的,相关系数为0.7205。基于此进一步分析了植被指数与生态环境参数的关系,为西安市的生态环境监测提供依据。 相似文献
146.
147.
利用多时期的遥感数据和基于地理信息信息系统的景观格局研究方法,分析了辽河三角洲近30a来的景观演变规律。通过对比分析研究区4个时期的景观格局图(1976年、1989年、1998年、2004年),并计算主要景观类型的面积、斑块数、景观指数以及不同年代间的景观类型转移矩阵。结果表明:研究区近30a来景观类型并没有发生变化,景观格局的变化主要体现在主要景观类型的空间转化上,而且转化的速度和程度较大,其主要原因是人类活动和干扰,尤其是农业开发、油田开发以及城市化发展。 相似文献
148.
149.
150.
为了准确地了解邯郸市的土地利用类型,掌握土地资源的发展动态,在ERDASIMAGINE软件支持下,将Landsat 5号卫星所得的TM4、3、2波段数据组合输出成为标准假彩色影像,对其进行几何校正、重采样、图像裁剪与镶嵌等操作,依据遥感图像特征、地物相关关系、区域特点和全国土地利用分类系统,对处理后所得的邯郸市TM影像建立土地类型解译标志。经过实地验证,其结果判正率比较高,可以满足解译精度的要求,这说明利用遥感技术建立土地利用类型解译标志是可行的。 相似文献