全文获取类型
收费全文 | 403篇 |
免费 | 9篇 |
国内免费 | 32篇 |
专业分类
林业 | 26篇 |
农学 | 18篇 |
基础科学 | 8篇 |
56篇 | |
综合类 | 142篇 |
农作物 | 20篇 |
水产渔业 | 7篇 |
畜牧兽医 | 103篇 |
园艺 | 53篇 |
植物保护 | 11篇 |
出版年
2024年 | 6篇 |
2023年 | 12篇 |
2022年 | 8篇 |
2021年 | 6篇 |
2020年 | 14篇 |
2019年 | 19篇 |
2018年 | 14篇 |
2017年 | 7篇 |
2016年 | 12篇 |
2015年 | 15篇 |
2014年 | 18篇 |
2013年 | 23篇 |
2012年 | 28篇 |
2011年 | 36篇 |
2010年 | 26篇 |
2009年 | 21篇 |
2008年 | 12篇 |
2007年 | 17篇 |
2006年 | 23篇 |
2005年 | 18篇 |
2004年 | 20篇 |
2003年 | 15篇 |
2002年 | 14篇 |
2001年 | 19篇 |
2000年 | 5篇 |
1999年 | 6篇 |
1998年 | 1篇 |
1997年 | 6篇 |
1996年 | 3篇 |
1995年 | 3篇 |
1994年 | 4篇 |
1993年 | 3篇 |
1992年 | 1篇 |
1991年 | 2篇 |
1990年 | 2篇 |
1989年 | 4篇 |
1987年 | 1篇 |
排序方式: 共有444条查询结果,搜索用时 15 毫秒
441.
442.
新农药创制研发周期长、成本高,而基于现有品种研发与优化农药剂型能够显著减少农药流失、提升防治效果、提高农药利用率,是我国农药“减施增效”的重要发展方向之一。在目前的农药剂型中,可分散油悬浮剂因具有环境友好、润湿铺展性好、抗冲刷能力强及增效作用明显等突出优势,已经成为未来最具发展潜力的农药剂型之一。本文从可分散油悬浮剂定义、特点、研究进展、配方构成和筛选建议等方面进行了综述,并对其未来的发展进行了展望,为可分散油悬浮剂或其他剂型的发展提供借鉴和理论指导。 相似文献
443.
为了明确IL20RB、ATP6V0A1和STX10基因对猪繁殖与呼吸综合征病毒(porcine reproductive and respiratory syndrome virus,PRRSV)和猪流行性腹泻病毒(porcine epidemic diarrhea virus,PEDV)的增殖作用,利用CRISPR/Cas9技术在PK15-CD163-Cas9细胞和IPEC-J2-Cas9细胞(笔者所在实验室前期制备)中分别敲除这3个基因,用PRRSV感染基因敲除的3种细胞(PK15-CD163-Cas9-ATP6V0A1、PK15-CD163-Cas9-IL20RB和PK15-CD163-Cas9-STX10),荧光定量PCR检测PRRSV的ORF7基因表达水平,分析PRRSV增殖情况;用PEDV感染基因敲除的3种细胞(IPEC-J2-Cas9-ATP6V0A1、IPEC-J2-Cas9-IL20RB和IPEC-J2-Cas9-STX10),荧光定量PCR检测PEDV的N蛋白基因表达水平,分析PEDV增殖情况。结果显示,在3个基因分别被敲除的PK15-CD163-Cas9-ATP6... 相似文献
444.
不同土壤类型的理化性质和光谱性质存在差异,以往研究多以高光谱反射率或光谱吸收特征建立模型,输入变量类型结构单一,往往导致土壤有机质(Soil Organic Matter,SOM)预测模型的精度不高。为提高SOM高光谱预测模型精度,该研究以黑龙江省海伦市为研究区,将不同类型土壤分别以竞争自适应重加权采样(Competitive Adaptive Reweighted Sampling,CARS)筛选的特征波段、数字高程模型(Digital Elevation Model,DEM)数据和光谱指数作为输入变量,结合随机森林(Random Forest,RF)算法建立SOM预测模型。结果表明:1)通过CARS算法筛选后,各土壤类型特征波段压缩至全波段数目的16%以下,在很大程度上降低土壤高光谱变量维度和计算复杂程度,从而提高了模型的预测能力,说明CARS算法在提取特征关键波段变量、优化模型结构方面起到重要作用;2)不同类型土壤的SOM预测精度存在差异,沼泽土的预测精度最高为0.768,性能与四分位间隔距离的比率(Ratio of Performance to InterQuartile distance,RPIQ)为3.568;黑土次之,草甸土的预测精度最低,仅0.674,RPIQ为1.848。3类土壤的RPIQ均达到1.8以上,模型具有较好的预测能力;3)局部回归预测精度最优,验证集的调整后决定系数为0.777,均方根误差(Root Mean Square Error,RMSE)为0.581%,模型验证RPIQ为2.689,模型稳定性高。该试验筛选的预测因子通过RF模型可实现SOM含量的快速预测,简化了传统复杂的程序,可为中尺度区域不同类型土壤的SOM预测提供依据,为输入量的选择提供参考。 相似文献