全文获取类型
收费全文 | 1040篇 |
免费 | 78篇 |
国内免费 | 178篇 |
专业分类
林业 | 119篇 |
农学 | 48篇 |
基础科学 | 136篇 |
253篇 | |
综合类 | 474篇 |
农作物 | 48篇 |
畜牧兽医 | 132篇 |
园艺 | 3篇 |
植物保护 | 83篇 |
出版年
2024年 | 23篇 |
2023年 | 66篇 |
2022年 | 81篇 |
2021年 | 87篇 |
2020年 | 80篇 |
2019年 | 68篇 |
2018年 | 56篇 |
2017年 | 62篇 |
2016年 | 64篇 |
2015年 | 77篇 |
2014年 | 72篇 |
2013年 | 70篇 |
2012年 | 67篇 |
2011年 | 70篇 |
2010年 | 79篇 |
2009年 | 55篇 |
2008年 | 59篇 |
2007年 | 40篇 |
2006年 | 34篇 |
2005年 | 21篇 |
2004年 | 19篇 |
2003年 | 11篇 |
2002年 | 5篇 |
2001年 | 7篇 |
2000年 | 1篇 |
1999年 | 3篇 |
1998年 | 8篇 |
1997年 | 3篇 |
1995年 | 2篇 |
1994年 | 1篇 |
1993年 | 4篇 |
1992年 | 1篇 |
排序方式: 共有1296条查询结果,搜索用时 15 毫秒
61.
62.
基于“高分一号”遥感影像反演华南地区亚热带典型作物冠层SPAD 总被引:1,自引:0,他引:1
【目的】以广州市增城试验基地为例,探索国产高分卫星影像数据在反演华南地区亚热带典型作物冠层叶绿素相对含量(SPAD)的应用.【方法】根据2013年10月1日“高分一号”影像数据和相应的亚热带典型作物的实测数据,建立植被指数与典型作物冠层SPAD之间的关系模型,并分别探讨9种植被指数与SPAD之间线性和非线性关系,以便获得最佳的植被指数和相应的回归模型反演华南地区亚热带作物冠层叶绿素相对含量.【结果和结论】7种植被指数均与亚热带典型作物冠层SPAD有极显著的相关性,其中比值植被指数(RVI)相关性最好,其次是差值植被指数(DVI).经分析,RVI的指数回归模型Y=31.445e0.141X(R2 =0.889)是反演亚热带典型作物冠层SPAD的最佳回归模型,实际拟合精度达92.75%,故使用该回归模型估测研究区内大范围亚热带典型作物冠层SPAD是可行的. 相似文献
63.
利用Field-Spec Pro测定107杨叶片光谱特征参数,研究不同叶绿素含量的107杨叶片的光谱特性、叶绿素含量与11种植被指数之间的关系以及107杨叶片叶绿素含量的光谱反演模式。结果表明:1)光谱反射率呈现典型的植物光谱特征,蓝紫谷位于350~500nm之间,其中多集中在350nm处;绿峰位于500~600nm之间,其中大部分集中在552nm处;红谷位于600~700nm之间,多集中在672nm处。700nm后进入近红外高反射平台,以762nm居多;2)107杨叶片叶绿素含量与11种植被指数之间均具有很强的相关性,其中mND705植被指数与叶片叶绿素含量相关性最强,R2为0.69;3)基于植被指数建立叶绿素反演模型,结果显示mND705植被指数的高光谱反演模型y=0.09x1.621 7反演精度较高,拟合R2和预测R2均达到最大,分别为0.812 4、0.703 5;均方根误差最小,为0.007 0,说明可以利用测量107杨叶片光谱的方法来监测叶片叶绿素含量。 相似文献
64.
基于无人机多时相植被指数的冬小麦产量估测 总被引:1,自引:0,他引:1
通过无人机搭载多光谱相机,对不同水分亏缺条件下冬小麦多个生育期进行遥感监测,采用不同种类多光谱植被指数表征冬小麦的生长特征,分析了植被指数与冬小麦产量的相关关系,并利用多时相植被指数构建产量估测数据集,采用偏最小二乘回归、支持向量机回归和随机森林回归3种机器学习算法进行冬小麦产量估测。结果表明,随着冬小麦的生长,多个植被指数与产量的相关性不断增强,灌浆末期相关系数达到0.7,植被指数与产量的线性回归决定系数也达到最大。多时相植被指数反映了冬小麦生长的变化特征,进一步提高了冬小麦产量估测精度,采用开花期和灌浆初期的多时相植被指数进行估产比采用单个生育期的植被指数估测产量的精度高,采用偏最小二乘回归模型的估测精度R2提高约0.021,支持向量机回归模型R2提高约0.015,随机森林回归模型R2提高约0.051。采用灌浆末期的多时相植被指数,3种模型均有较高的估测精度,偏最小二乘回归模型估测精度最高时的R2、RMSE分别为0.459、1 822.746 kg/hm2,支持向量机回归模型估测精度最高时的R2、RMSE分别为0.540、1 676.520 kg/hm2,随机森林回归模型估测精度最高时的R2、RMSE分别为0.560、1 633.896 kg/hm2,本文数据集训练的随机森林回归模型估测精度最高,且稳定性更好。 相似文献
65.
典型草原退化是草原演变的一个基本过程,但是由于其面积比较大,利用传统的研究方法已经变得不现实。本研究根据地形、地貌特征,选择具有波状高平原、坡地、低山丘陵区3种地形地貌的试验样地,通过GPS定位,对其每个样方进行连续3年测量,测出其植被盖度,借助Arc GIS空间分析模块对植被盖度进行克里格插值分析,得到植被盖度空间分布图,通过同期影像数据进行归一化指数的计算,确定其植被盖度,将计算结果与插值结果进行空间叠加分析,得到的2011—2013年3类不同样地分析结果,相似率都为90%以上。基本上验证了通过遥感数据计算植被盖度来推演草原退化规律的正确性,提出了基于遥感数据监测典型草原植被盖度演变趋势的方法。 相似文献
66.
67.
以内蒙古荒漠地区胡杨林为研究对象,应用混合像元分解方法从TM多光谱数据中提取了胡杨林植被覆盖度,并以高分辨率Quickbird影像分割结果作为真值进行精度评价,与传统的基于植被指数提取植被覆盖度的方法进行了对比。结果表明:基于几何顶点端元选取的混合像元分解方法可以有效提取胡杨植被覆盖度( R2=0.893,RMSE=0.12),优于植被指数回归方法提取精度(R2=0.574)。研究结果有助于开展荒漠地区较大范围的胡杨林动态监测和保护。 相似文献
68.
基于遥感的冬小麦长势等级与气象因子相关性分析 总被引:2,自引:0,他引:2
利用遥感数据,以陕西、甘肃两省为例,探讨了冬小麦不同生育期内不同等级的长势状况及其与气温、降水、日照等气象因子的相关性。将冬小麦的生长发育过程分为7个不同的生育期,借助植被指数NDVI,利用GIS空间分析方法,分析了不同生育期内作物生长发育动态变化状况;探讨了2011—2012年不同生长发育期内,不同等级的冬小麦长势状况与同生育期、前一生育期及生育期内累计温度、降水、日照时数等气象因子的相关性。结果表明,2011—2012年,陕西、甘肃两省冬小麦长势在空间上呈现越冬前较好,越冬期略变差,之后恢复变好的状况,但同时存在时空分布差异。相关分析结果表明,就平均来说,无论冬小麦长势状况如何,冬小麦长势和累计降水之间的相关性都大于同期和前一生育期的相关性,显示了降水在冬小麦整个生育期内的重要性;温度对冬小麦的影响根据冬小麦长势等级的不同而不同;日照方面,不论冬小麦长势等级如何,各种不同等级的长势都和累计日照时数相关关系最大。研究同时表明,长势好和长势差的冬小麦对降水较为敏感,而温度在整体上对长势正常的冬小麦影响较大。 相似文献
69.
模拟多光谱卫星传感器数据的冬小麦白粉病遥感监测 总被引:1,自引:0,他引:1
为了解利用遥感技术快速大范围监测小麦白粉病病害情况的可行性,以Landsat5TM波段响应函数为基础,将地面实测冠层高光谱数据模拟为TM多光谱数据,从而分析卫星传感器多光谱波段对病害的响应情况,并构建多光谱指数(PMSI)估测白粉病严重度。在此基础上,采用2010年星-地配套数据对PMSI估测精度进行验证。结果表明,PMSI能够较准确地反映冬小麦白粉病发生的程度,获得较理想的病情严重度反演精度(r2=0.475,RMSE=0.129)。因此采用多光谱卫星遥感影像在小麦大面积种植区域进行病害监测具有应用潜力。 相似文献
70.
WANG Lin ZHANG Fu-cun JING Yuan-shu JIANG Xiao-dong YANG Shen-bin HAN Xiao-mei 《水稻科学》2014,21(2):108-115
Information on rice phenology is essential for yield estimation and crop management. To test the ability of remote sensing in detecting multiple phenological stages, paddy rice canopy spectrum was measured by a hand-held radiometer. Normalized difference vegetation index(NDVI) was calculated from spectrum, and the slope of NDVI was obtained as its difference. We evaluated the response of NDVI and its slope to rice growth with a comparison of two late-season rice cultivars. The results showed that NDVI and its slope curves had distinct variation corresponding to rice development and they could be used as cultivar-independent phenological indicators. The dates of flooding and transplanting, tillering, panicle development, heading and flowering, maturity, harvest stages, and even field management practices, could be deduced from these indicators. ‘NDVI ≤ 0' could be used as a single threshold for the detection of flooding and transplanting. The largest spike in the curve of the NDVI slope indicated the duration of tillering stage. The next spike corresponded to panicle development. The heading and flowering stage was characterized by the maximum NDVI and the change of NDVI slope from positive to negative. At the maturity stage, NDVI decreased continuously, and its slope fluctuated just below zero. When rice grains were completely mature and ready for harvest, NDVI decline was accelerated. At harvest, NDVI slope reached its minimum value. The distinction between heading and maturity stages was obscure, most likely due to NDVI saturation at high biomass. The study might provide references for paddy rice phenology determination through remote sensing images. 相似文献