全文获取类型
收费全文 | 27014篇 |
免费 | 691篇 |
国内免费 | 1596篇 |
专业分类
林业 | 1501篇 |
农学 | 3149篇 |
基础科学 | 1068篇 |
1146篇 | |
综合类 | 12305篇 |
农作物 | 3686篇 |
水产渔业 | 718篇 |
畜牧兽医 | 3476篇 |
园艺 | 1766篇 |
植物保护 | 486篇 |
出版年
2024年 | 85篇 |
2023年 | 379篇 |
2022年 | 443篇 |
2021年 | 498篇 |
2020年 | 504篇 |
2019年 | 605篇 |
2018年 | 320篇 |
2017年 | 585篇 |
2016年 | 776篇 |
2015年 | 814篇 |
2014年 | 1060篇 |
2013年 | 1104篇 |
2012年 | 1632篇 |
2011年 | 1598篇 |
2010年 | 1439篇 |
2009年 | 1754篇 |
2008年 | 1645篇 |
2007年 | 1391篇 |
2006年 | 1426篇 |
2005年 | 1275篇 |
2004年 | 956篇 |
2003年 | 947篇 |
2002年 | 847篇 |
2001年 | 867篇 |
2000年 | 786篇 |
1999年 | 693篇 |
1998年 | 566篇 |
1997年 | 545篇 |
1996年 | 566篇 |
1995年 | 570篇 |
1994年 | 484篇 |
1993年 | 419篇 |
1992年 | 400篇 |
1991年 | 375篇 |
1990年 | 350篇 |
1989年 | 263篇 |
1988年 | 97篇 |
1987年 | 54篇 |
1986年 | 45篇 |
1985年 | 37篇 |
1984年 | 9篇 |
1983年 | 14篇 |
1982年 | 10篇 |
1981年 | 18篇 |
1980年 | 6篇 |
1979年 | 6篇 |
1978年 | 7篇 |
1965年 | 4篇 |
1958年 | 4篇 |
1957年 | 12篇 |
排序方式: 共有10000条查询结果,搜索用时 168 毫秒
61.
62.
[目的]评价企鹅珍珠贝金唇选育系和白唇选育系的育种性能,为企鹅珍珠贝良种选育及优质珍珠培育提供参考依据.[方法]以海南(H)和广西(G)群体的金唇(J)、白唇(B)选育群体F2为亲本,构建4个自繁选育系(J-HH、J-GG、B-HH和B-GG)和2个杂交选育系(B-HG和J-GH),观察并统计6个F3选育系的珍珠层边缘颜色变异情况,综合比较6个F3选育系的生长性能及珍珠层颜色差异,并比较金唇选育系和白唇选育系左右壳及不同测量位点颜色的差异.[结果]3个金唇选育系群体的贝壳珍珠层颜色变异率为0,3个白唇选育系群体的贝壳珍珠层颜色变异率为2.0%~5.5%,表明白唇表型相对于金唇表型为显性.金唇选育系左壳较右壳颜色更亮、偏黄红、鲜艳,其色差为2.77;白唇选育系右壳较左壳颜色暗、偏蓝绿,其色差为6.01.不论是金唇选育系还是白唇选育系,都是下测量位点比上测量位点颜色更暗、偏蓝绿,但同壳两测量位点的颜色差异较小.3个金唇选育系群体的体质量均显著大于3个白唇选育系群体(P<0.05,下同),金唇选育系与白唇选育系的贝壳珍珠层边缘颜色参数(L*、a*、b*、C*和ho)均存在显著差异.在金唇选育系中,J-HH选育系生长性状及贝壳珍珠层颜色的综合评价值(Pi)均最高,分别为0.390和0.415;在白唇选育系中,B-HH选育系生长性状及贝壳珍珠层颜色的综合评价值(Pi)均最高,分别为0.108和0.722.[结论]6个企鹅珍珠贝F3选育系的生长性能和珍珠层颜色均存在显著差异,其中,J-HH选育系可作为生长和金唇协同选育的最佳选育系,B-HH选育系可作为生长和白唇协同选育的最佳选育系. 相似文献
63.
基于光声光谱和TCA迁移学习的稻种活力检测 总被引:1,自引:1,他引:0
种子活力是决定水稻产量的最重要因素之一,但目前水稻种子活力的近红外和高光谱等无损检测方法易受种子表皮颜色影响,且所建模型难以适应新品种。该研究提出基于光声光谱技术的稻种活力无损检测方法并结合迁移学习进行新品种稻种活力检测。首先,对Y两优、龙粳、南粳、宁粳、武运粳、新两优等具有区域代表性的典型6种水稻品种,进行高温高湿人工老化处理,得到0~7 d老化时间的水稻种子;再通过调制频率获得8种不同深度的光声光谱信息,用主成分分析、竞争性自适应重加权算法对光谱降维得到特征光谱后,对Y两优、龙粳、南粳、宁粳、武运粳分别建立偏最小二乘回归(Partial Least Squares Regression,PLSR)、反向传播神经网络(Back Propagation Neural Network,BP)、广义回归神经网络(Generalized Regression Neural Network,GRNN)、支持向量回归模型(Support Vector Regression,SVR)、深度卷积神经网络(Convolutional Netural Network,CNN)的稻种活力预测模型,并选择最优调制频率;最后,通过迁移学习将建立的模型迁移到新两优稻种进行活力预测。结果表明,光声光谱最佳扫描频率为300 Hz,CNN预测模型精度较高,相关系数和均方根误差分别优于0.990 9、低于0.967 5;且经过迁移学习,仅需通过对源域数据的训练,即可直接对新品种稻种的活力进行精确预测;通过TCA迁移学习后,新两优稻种活力预测的相关系数从0.718 5提高到0.990 3。研究表明,采用光声光谱深度扫描技术对不同种类稻种的活力进行高精度检测是可行的,且经过迁移学习,仅需80粒新品种稻种信息即可实现稻种活力的精确预测。 相似文献
64.
糠醛渣改良土壤增强苕子对盐碱土的适应性 总被引:3,自引:1,他引:2
科学合理的盐碱土改良措施对植物在盐碱土上适应性栽培具有重要的科学意义与应用价值。该研究旨在通过施用糠醛渣探讨盐碱土土壤特性及植物生长适应性栽培研究,为糠醛渣在盐碱土的合理使用提供科学依据。试验按土壤质量为基数确定糠醛渣的用量,试验由添加量0、5%、10%糠醛渣的盐碱土3个处理组成,温室条件下进行盆栽试验。结果表明,施用糠醛渣不仅降低盐碱土pH和含盐量,而且显著提升了土壤微生物多样性Sobs和Shannon指数,降低了simpson指数降低。主要表现在变形菌门(Proteobacteria)、放线菌门(Actinobacteria)、厚壁菌门(Firmicutes)和绿弯菌门(Chloroflexi)成为优势菌门。施用糠醛渣增加了苕子叶片中叶绿素、可溶性糖含量和脯氨酸含量。显著增强了过氧化物酶(POD)、过氧化氢酶(CAT)和超氧化物歧化酶(SOD)的活性。施用糠醛渣明显促进苕子生长发育,增加了苕子苗期生物量,5%糠醛渣用量处理改良盐碱土效果较优。研究表明糠醛渣通过改善盐碱土的其理化特性及生物多样性分布,促进苕子的生长发育,研究为糠醛渣在盐碱地土壤改良及植物适应性栽培的合理应用提供了科学依据与参考。 相似文献
65.
气候变暖对我国乃至世界小麦育种和生产有很大影响。为了研究我国不同生态麦区小麦品种(系)农艺性状适应气候变化调控机理,本研究以黄淮冬麦区北片和南片及长江中下游冬麦区的20个当前大面积推的小麦品种、新审定品种和新选育品系为试验材料,在黄淮冬麦区北片河北省石家庄市种植,在返青期前对其抗旱抗冻性、根冠比和叶片干重与鲜重比进行调查;收获后对株高、穗长、穗下节间长、分蘖数、小穗数、穗粒数、千粒重、单株生物量、单株粒重、经济系数等10个农艺性状进行了考种和相关、聚类和主成分分析。结果表明,不同麦区小麦品种(系)苗期的抗旱抗冻性为黄淮冬麦区北片黄淮冬麦区南片长江中下游冬麦区。三大生态麦区的单株粒重与分蘖数、穗粒数、单株生物量、经济系数均呈极显著正相关,黄淮冬麦区南片和长江中下游冬麦区呈显著和极显著的农艺性状相对较多,说明这两个生态麦区的品种有很大的相似性;但不同生态麦区其他农艺性状正负相关各有一定差异。在欧氏距离20处,20个小麦品种(系)被聚类为长江中下游冬麦区和黄淮冬麦区南片品种(系)(第Ⅰ类)及黄淮冬麦区北片品种(系)(第Ⅱ类)两个大的生态型;在欧氏距离6处,Ⅰ类又分为分别以‘百农207’‘济麦22’和‘西农979’为代表的3个亚类,Ⅱ类是以‘长旱58’为代表。产量、穗长、株高和经济系数4个主成分因子对10个农艺性状表现型变异累计贡献率为76.39%。‘济麦22’等黄淮冬麦区北片的品种(系)综合得分在前20株中占95%。以上研究结果为小麦适应气候变暖育种和引种示范推广提供了重要参考信息。 相似文献
66.
本文以黄瓜、番茄和西兰花为材料,研究了5种不同红蓝光配比(R:B比)LED光源对蔬菜育苗的影响。结果表明:3种蔬菜幼苗生长均以R:B比为5:1时最佳,表现为植株矮壮,最大叶长、叶宽和鲜重、干重均为最大。此外,R:B比为5:1时,黄瓜和番茄根系生长最佳,但西兰花根系以R:B比为2:1时最长,说明不同蔬菜作物根系生长可能需要不同R:B比。不同R:B比LED光源对3种蔬菜叶片叶绿素含量和叶绿素荧光参数的影响无明显规律。综上,适合上述3种蔬菜育苗的LED光源光谱最佳红蓝光配比为5:1。 相似文献
67.
68.
【目的】研究饲粮中添加酿酒酵母和地衣芽孢杆菌对绵羊生长性能和瘤胃发酵的影响,为酿酒酵母和地衣芽孢杆菌在肉羊饲粮中的合理应用提供理论依据。【方法】试验选用48只4月龄、体重相近(22.96±2.00)kg、健康的杜泊×小尾寒羊杂交F1代公羔,根据饲喂添加剂不同随机分为4组:D(对照组,两种菌均不添加);D1(酿酒酵母,6×1010CFU/kg);D2(地衣芽孢杆菌,2×1010CFU/kg);D3(酿酒酵母6×1010CFU/kg+地衣芽孢杆菌2×1010CFU/kg),每组12只羊,试验期共75 d,前15 d为适应期,正饲期60d。试验羊每天分别于08:00和18:00进行饲喂,自由采食和饮水。正饲期内每天准确称量记录每只试验羊的喂料量和剩料量,并在第1、30、60 天晨饲前对试验羊进行称重,计算平均日采食量、平均日增重(ADG)及料重比(F/G)。试验结束当天08:00正常饲喂试验羊,3 h后采集瘤胃液,测定发酵参数、消化酶活性以及功能微生物。【结果】1)饲粮中添加酿酒酵母和地衣芽孢杆菌对试验羊的初始体重和终末体重及平均采食量的影响均不显著(P>0.05),D3组的ADG显著高于D组(P<0.05),D3组的F/G显著低于D组(P<0.05),D1和D2组的F/G差异不显著(P>0.05);2)饲粮中添加酿酒酵母和地衣芽孢杆菌对瘤胃液pH、丁酸浓度及乙丙比的影响均不显著(P>0.05),D3组的NH3-N浓度显著低于D组(P<0.05),TVFA和丙酸浓度显著高于D组(P<0.05),且D3组与D1和D2组均差异不显著(P>0.05),D3和D2组的乙酸浓度显著高于D1与D组(P<0.05);3)D3组的β-葡萄糖苷酶、羟甲基纤维素酶、木聚糖酶及淀粉酶活性均显著高于其他3组(P<0.05)。D1和D2组的β-葡萄糖苷酶、果胶酶、羟甲基纤维素酶及淀粉酶活性与D组无显著差异(P>0.05)。D3组蛋白酶活性显著高于D和D2组(P<0.05),与D1组差异不显著(P>0.05),D1和D2组的β-葡萄糖苷酶、果胶酶、羟甲基纤维素酶、木聚糖酶、蛋白酶及淀粉酶活性均差异不显著(P>0.05);4)添加酿酒酵母和地衣芽孢杆菌对黄色瘤胃球菌、栖瘤胃普雷沃氏菌、嗜淀粉瘤胃杆菌和原虫数量的影响不显著(P>0.05),D3组的溶纤维丁酸弧菌数显著高于其他3组(P<0.05),白色瘤胃球菌和产琥珀酸丝状杆菌显著高于D组(P<0.05),但与D1和D2组差异不显著(P>0.05)。与对照组相比,试验组产甲烷菌数量显著降低(P<0.05),其中D3组最低。【结论】饲粮中添加6×1010CFU/kg酿酒酵母和2×1010CFU/kg地衣芽孢杆菌均会对绵羊瘤胃发酵产生积极影响,提高了瘤胃消化酶的活性,增加了瘤胃有益菌的数量,且二者组合饲喂效果更加显著。 相似文献
69.
为避免水稻钵体软盘穴播量检测过程中的秧盘背景分割和稻种特征的手工设计及提取,本文提出了一种基于卷积神经网络的水稻钵体软盘穴播量检测方法,该方法可自动学习和提取不同穴播量的水稻种子特征,实现常规稻、杂交稻和超级杂交稻钵体软盘穴播量为0、1、2、3、4、5、6及7粒以上共8种播量的自动检测。本文在每层卷积单元网络结构参数保持固定的前提下,选取2~4层共3种不同卷积单元数量的网络结构对RiceCountCNN模型性能进行试验,试验结果表明随着模型深度加深,模型检测精度逐渐提高。本文在3层RiceCountCNN模型网络框架下,按卷积核的大小递减和数量递增原则选择得出不同的卷积核网络参数组合方式,最终优化得出网络结构为9C16-AP2-7C32-AP2-5C64的模型性能最佳,平均正确率达到98.76%。为测试RiceCountCNN模型的性能,每个水稻品种选取1幅19穴×14穴的图像作为测试集对模型进行测试,试验结果得出模型针对常规稻、杂交稻和超级杂交稻的检测正确率分别达到97.37%、98.12%和90.98%,每幅图像的检测时间小于2.33 s。研究结果满足精密育秧播种实际工况检测要求,该研究为实现水稻精密衡量播种作业提供参考。 相似文献
70.