全文获取类型
收费全文 | 14687篇 |
免费 | 628篇 |
国内免费 | 1303篇 |
专业分类
林业 | 1118篇 |
农学 | 661篇 |
基础科学 | 3350篇 |
1454篇 | |
综合类 | 6309篇 |
农作物 | 472篇 |
水产渔业 | 334篇 |
畜牧兽医 | 1768篇 |
园艺 | 736篇 |
植物保护 | 416篇 |
出版年
2024年 | 162篇 |
2023年 | 552篇 |
2022年 | 672篇 |
2021年 | 594篇 |
2020年 | 587篇 |
2019年 | 657篇 |
2018年 | 345篇 |
2017年 | 565篇 |
2016年 | 646篇 |
2015年 | 546篇 |
2014年 | 793篇 |
2013年 | 780篇 |
2012年 | 814篇 |
2011年 | 875篇 |
2010年 | 843篇 |
2009年 | 883篇 |
2008年 | 885篇 |
2007年 | 777篇 |
2006年 | 620篇 |
2005年 | 539篇 |
2004年 | 415篇 |
2003年 | 444篇 |
2002年 | 358篇 |
2001年 | 277篇 |
2000年 | 241篇 |
1999年 | 180篇 |
1998年 | 176篇 |
1997年 | 223篇 |
1996年 | 180篇 |
1995年 | 153篇 |
1994年 | 164篇 |
1993年 | 124篇 |
1992年 | 114篇 |
1991年 | 125篇 |
1990年 | 124篇 |
1989年 | 85篇 |
1988年 | 25篇 |
1987年 | 25篇 |
1986年 | 10篇 |
1985年 | 9篇 |
1984年 | 7篇 |
1983年 | 5篇 |
1982年 | 3篇 |
1981年 | 4篇 |
1980年 | 4篇 |
1977年 | 3篇 |
1976年 | 1篇 |
1963年 | 2篇 |
1953年 | 2篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
31.
【目的】研究不同氮素用量对设施韭菜气体交换及叶绿素荧光参数的影响。【方法】以1年生韭菜作为材料,通过U1(CK,0)、U29.2 kg/(667m2·y)、U318.4 kg/(667m2·y)、U427.6 kg/(667m2·y)、U536.8 kg/(667m2·y)、U646.0 kg/(667m2·y)、U755.2 kg/(667m2·y)、U864.4 kg/(667m2·y)8个处理,测定气体交换参数(净光合速率、胞间CO2浓度、蒸腾速率、气孔导度)、叶绿素荧光动力学参数(光下稳态荧光、电子传递速率、光适应下PSII反应中心激发能捕获效率、CO2同化的量子效率、非光化学淬灭系数和光化学淬灭系数)。【结果】韭菜叶片气体交换及叶绿素荧光动力学参数均随着氮素浓度的增加均表现出先增加后减少的趋势,光合参数的最施氮素用量为13.40~33.73 kg/(667m2·y),叶绿素荧光参数的最施氮素用量在27.72~40.76 kg/(667m2·y)。【结论】综合光合参数与叶绿素荧光参数,宁夏地区设施韭菜氮素用量为27.72~33.73 kg/(667m2·y)(即尿素施用量为60.25~73.33 kg/(667m2·y)。 相似文献
32.
34.
基于增强回归树的杉木人工林林分断面积模型研究 总被引:1,自引:0,他引:1
【目的】林分断面积是森林生长收获预估中的重要变量。构建基于增强回归树的林分断面积模型,并分析不同林分密度指标和不同立地指标及其交互作用对模拟的影响,为采用增强回归树模拟林分断面积提供一定的参考。【方法】研究以江西省崇义县的杉木人工林为对象,采用增强回归树构建了林分断面积模型,通过交叉验证分析了交互深度、收缩参数和回归树数量的变化对增强回归树预测的影响,并对比分析了2种立地指标(地位级指数和地位指数)、2种密度指标(每公顷株数和林分密度指数)及其交互作用对林分断面积的影响,以此筛选出林分断面积模型中最适的立地指标和密度指标。【结果】(1)经过参数优化的增强回归树能较好的模拟林分断面积,最优模型的MAB为0.504 7 m~2/hm~2,RMA为2.29%,RMSE为0.900 8 m~2/hm~2;(2)基于林分平均高的地位级指数对林分断面积的模拟效果优于地位指数,因此可在缺少优势高数据时采用地位级指数描述立地质量;(3)林分密度指数对林分断面积的模拟效果明显优于每公顷株数,说明包含了林木大小信息的密度指标能有效的模拟林分断面积;(4)立地和密度的交互作用能在一定程度上提升林分断面积模型精度。【结论】增强回归树能较好的模拟林分断面积,但需要对参数调优,且在需要精确预估林分断面积时,建议考虑立地和密度的交互作用。 相似文献
35.
基于几何模型的绿萝叶片外部表型参数三维估测 总被引:2,自引:0,他引:2
为快速高效获取叶类植物叶片的外部表型参数、掌握植株生长状况,以绿萝叶片为研究对象,提出一种基于几何模型的叶长、叶宽与叶面积的三维估测方法。利用微软Kinect V2相机,自80cm高度垂直位姿获取绿萝叶片局部点云,并进行直通滤波去噪与包围盒精简等预处理,测量得到点云外形参数,输入预先建立的SAE网络分类预测得到几何模型参数,并基于曲面参数方程建立叶片几何模型。采用粒子群优化算法计算几何模型离散点云和局部点云间的空间距离,进行空间匹配,利用遗传算法求解最优匹配模型的内部模型参数,输出最优匹配模型的叶长、叶宽与叶面积作为估测结果。实验共采集150片绿萝叶片的局部点云数据,将估测结果和真实值进行数学统计与线性回归分析,得出叶长、叶宽与叶面积估测的平均误差分别为0.46cm、0.41cm和3.42cm2,叶长估测R2和RMSE分别为0.88和0.52cm,叶宽R2和RMSE分别为0.88和0.52cm,叶面积R2和RMSE分别为0.95和3.60cm2。实验表明,该方法对于绿萝叶片外形参数的估测效果较好,具有较高实用价值。 相似文献
36.
【目的】明确腐植酸(HA)对干旱胁迫下燕麦叶片叶绿素荧光特性的调控效应。【方法】采用盆栽试验,研究了在正常供水(75%田间持水率)、中度干旱胁迫(60%田间持水率)、重度干旱胁迫(45%田间持水率)3个水分条件下喷施HA对燕麦叶片叶绿素量及荧光参数的影响。【结果】①水分胁迫导致Chla+Chlb、Chla/Chlb、Fm、Fv、Fv/Fm、Fv/Fo和qP显著降低,而Fo和NPQ显著升高;②与CK相比,干旱胁迫下HA处理Chla+Chlb提高0.6%~40.82%、Chla/Chlb提高1.13%~30.09%、Fm提高0.7%~121.19%、Fv提高1.0%~171.79%、Fv/Fm提高0.2%~83.89%、Fv/Fo提高1.9%~211.56%、qP提高0.1%~68.30%、NPQ提高6.02%~73.36%、而Fo降低0.70%~14.06%,其中在重度干旱胁迫下均达到显著差异。【结论】干旱胁迫对燕麦PSⅡ光反应系统产生明显伤害,喷施腐植酸可缓解其影响,且在重度干旱胁迫条件下效果最明显。 相似文献
37.
基于DSP和单片机的实时变量喷药系统设计 总被引:1,自引:0,他引:1
为防治玉米农田杂草危害,设计了一种基于DSP识别和单片机控制的杂草实时变量喷药系统。数字信号处理器(DSP)实时数据处理能力强,单片机控制能力强。DSP作为喷药系统上位机图像处理模块的CPU,对田间玉米杂草图像实时采集、处理,分离出杂草,生成杂草位置信息表,发送给作为系统下位机控制模块CPU的单片机;单片机通过电磁阀控制6个喷头的开闭实现精准变量喷药。田间试验表明:系统在室外田间复杂情况下可以满足实时精准喷药要求,在作业机械速度为4km/h时,喷药精确度可以达到91.4%。 相似文献
38.
为评估DNA条形码对鉴定红树林植物的通用性和有效性,在广东红树林分布区域共计采集红树林植物16科22属23种,共144个样品,并进行DNA条形码测序。结果表明:选择的rbcL、matK和trnH-psbA 3个DNA片段的PCR扩增成功率分别为100%、80.29%±8.49%、99.38%±1.25%。测序成果率最高为rbcL 100%,trnH-psbA次之94.57%±5.06%,matK最低75.04%±6.26%。表明rbcL和trnH-psbA片段在红树林群落中都具有较好的通用性。应用BLAST和NJ Tree两种方法计算红树植物的物种识别率。BLAST结果表明,单片段中trnH-psbA的物种识别率最高,为84.48%±12.09%,rbcL次之,matK最低。NJ Tree分析显示单片段中rbcL的物种识别率最高,为66.65%±17.35%;trnH-psbA片段次之,matK片段最低。两张分析方法都显示多个片段组合使用时,rbcL或trnH-psbA是提高物种平均识别率的主要片段。利用单片段rbcL即可获得平均节点支持率最高的红树植物系统发育树,且能准确区分不同树种。trnH-psbA片段可以识别rbcL片段不能识别的物种,可以作为补充片段。综合比较,推荐rbcL、trnH-psbA作为红树林植物DNA条形码片段。 相似文献
39.
基于YOLO v3与图结构模型的群养猪只头尾辨别方法 总被引:1,自引:0,他引:1
在利用视频监控技术对群养猪只进行自动行为监测时,对猪只准确定位并辨别其头尾位置对提高监测水平至关重要,基于此提出一种基于YOLO v3(You only look once v3)模型与图结构模型(Pictorial structure models)的猪只头尾辨别方法。首先,利用基于深度卷积神经网络的YOLO v3目标检测模型,训练猪只整体及其头部和尾部3类目标的检测器,从而在输入图像中获得猪只整体及头尾部所有的检测结果;然后,引入图结构模型,描述猪只的头尾结构特征,对每个猪只整体检测矩形框内的头尾部位组合计算匹配得分,选择最优的部位组合方式;对部分部位漏检的情况,采取阈值分割与前景椭圆拟合的方法,根据椭圆长轴推理出缺失部位。在实际猪场环境下,通过俯拍获得猪舍监控视频,建立了图像数据集,并进行了检测实验。实验结果表明,与直接利用YOLO v3模型相比,本文方法对头尾定位的精确率和召回率均有一定提高。本文方法对猪只头尾辨别精确率达到96.22%,与其他方法相比具有明显优势。 相似文献