全文获取类型
收费全文 | 675篇 |
免费 | 40篇 |
国内免费 | 163篇 |
专业分类
林业 | 32篇 |
农学 | 23篇 |
基础科学 | 142篇 |
341篇 | |
综合类 | 180篇 |
农作物 | 9篇 |
畜牧兽医 | 61篇 |
园艺 | 7篇 |
植物保护 | 83篇 |
出版年
2024年 | 6篇 |
2023年 | 26篇 |
2022年 | 37篇 |
2021年 | 50篇 |
2020年 | 31篇 |
2019年 | 48篇 |
2018年 | 36篇 |
2017年 | 40篇 |
2016年 | 52篇 |
2015年 | 48篇 |
2014年 | 35篇 |
2013年 | 34篇 |
2012年 | 49篇 |
2011年 | 36篇 |
2010年 | 42篇 |
2009年 | 41篇 |
2008年 | 36篇 |
2007年 | 24篇 |
2006年 | 29篇 |
2005年 | 25篇 |
2004年 | 22篇 |
2003年 | 16篇 |
2002年 | 12篇 |
2001年 | 7篇 |
2000年 | 7篇 |
1999年 | 6篇 |
1998年 | 12篇 |
1997年 | 9篇 |
1996年 | 14篇 |
1995年 | 12篇 |
1994年 | 2篇 |
1993年 | 4篇 |
1992年 | 5篇 |
1991年 | 6篇 |
1990年 | 6篇 |
1989年 | 3篇 |
1988年 | 1篇 |
1987年 | 2篇 |
1986年 | 3篇 |
1985年 | 1篇 |
1982年 | 3篇 |
排序方式: 共有878条查询结果,搜索用时 15 毫秒
71.
72.
新疆玛纳斯河流域玉米田蒸散量的估算研究 总被引:2,自引:0,他引:2
根据新疆乌兰乌苏农试站1987-1988年的试验资料,选用Priestley和Taylor的农田蒸散力,作物生物学特性函数和农田土壤水分有效性函数,应用数理统计方法建立了新疆玛纳斯河流域玉米田蒸散量估算模型。 相似文献
73.
覆膜滴灌棉田蒸散量的模拟研究 总被引:4,自引:1,他引:4
通过综合考虑影响作物蒸散量的土壤、作物、大气3方面因子,结合新疆滴灌棉田覆膜栽培的生产实际,设计了不同覆盖度和品种试验,以Penman-Montieth方程估算参考作物蒸散量,确定了不同覆盖度及品种条件下的作物系数,并在此基础上实现了覆膜滴灌棉田蒸散量较为准确地估计。试验结果认为覆膜滴灌棉田全生育期蒸散量在540~620 mm之间,全生育期蒸散量和作物系数都随着覆盖度的增加而减小,叶面积指数与日蒸散量及作物系数关系密切,品种间由于品种特性的差异而引起的叶面积指数变化,最终导致了品种间作物系数Kc的不同。 相似文献
74.
不同行距对冬小麦麦田蒸发、蒸散和产量的影响 总被引:21,自引:2,他引:21
为了研究不同行距对冬小麦田棵间蒸发、蒸散和产量的影响,于2002~2003年在中国科学院栾城农业生态实验站进行了试验。结果表明:不同行距处理对棵间蒸发的影响在不同的冬小麦生育时期表现不同,在4月份呈现显著性差异,在12月-3月之间,处理之间没有明显差异,在其它时期7.5 cm的行距处理与30 cm行距的处理呈显著性差异,15cm的处理与它们均没有明显的差异;在整个生育期内,7.5 cm的行距处理比15 cm和30 cm的行距处理分别减少棵间蒸发13.26和29.04 mm,蒸散量减少22.76 mm和51.88 mm;7.5 cm的行距处理比15 cm和30 cm的行距处理分别提高产量水分利用效率0.11 kg/m3和0.23 kg/m3。 相似文献
75.
晋南人工刺槐林需水量计算及分析 总被引:6,自引:0,他引:6
根据气象资料,运用彭曼公式(Penman’s formula)和桑斯维特公式(Thornthwaita’s formula),计算并分析了晋南黄土高原刺槐林的潜在蒸散量;结合2,3,5,7,13年生刺槐的耗水特性系数,计算得出其生长季(5-10月份)的需水量和需水总量;最后分析了刺槐林地水分供需状况。其结果显示,在晋南黄土高原,5年生以下的刺槐普遍能适应当地水分状况,而7年生以上的刺槐,由于缺乏水分,生长普遍受到抑制。以此提出,在水分条件较好的沟谷地、阴坡和半阴坡可营造刺槐用材林,在水分条件较差的半阳坡和阳坡可营造刺槐生态公益林。 相似文献
76.
基于MODIS遥感数据计算无定河流域日蒸散 总被引:3,自引:0,他引:3
为研究无定河流域日蒸散分布规律,应用遥感数据、农业气象站测量数据及Nishida模型等对该流域日蒸散进行了模拟。首先用2001~2002年晴天中国科学院禹城生态试验站Lysimeter测量日蒸散验证模型,模拟与测量的日蒸散相关系数达到0.61。随后,用该模型计算了无定河流域日蒸散,发现无定河流域日蒸散存在较为明显的空间分布规律:2001~2003年连续3年的8月份日蒸散都表现为东北部蒸散明显小于西南部,这是因为东北部基本是荒漠而东南部多是农田,且8月份日蒸散基本在2~5 mm之间变化;从2001年8月份第222 d日蒸散空间分布看,无定河主干道两边蒸散显著高于其他位置,这是由于8月份无定河流域为多雨季节,河谷土壤水分较高的缘故;从2002年内变化来看,不同的土地利用/覆被类型日平均蒸散差别不显著。 相似文献
77.
为了给退耕还林工程建设的树种选择提供依据,2002—2003年,通过实地观测并应用PenmanMonteith方程和定位通量法,对青海大通黄土高寒区自20世纪80年代陆续退耕还林后营造的青海云杉、紫果云杉、华北落叶松、白桦、青杨和沙棘进行了林木耗水特性研究。结果表明:2种方法测算林地蒸散的月平均相对误差是57%。中龄林的青杨沙棘混交林、白桦纯林、青杨灌木混交林和白桦青海云杉沙棘混交林的生长季蒸散总量为488~538mm,其中蒸腾量占蒸散总量的74%~79%,林地土面蒸发总量占蒸散总量的10%~12%,林地无地表径流产生;处于幼龄生长阶段的紫果云杉、青杨、华北落叶松、青海云杉混交林生长季蒸散总量为450~510mm,其中蒸腾总量占蒸散总量的45%~69%,林地土面蒸发总量占蒸散总量的16%~44%,地表径流量占林地降水量的1%~6%。大部分林分6—8月的蒸腾耗水量占全年的80%。 相似文献
78.
冬小麦相对蒸散(农田蒸散量ET与自由水面蒸发量ET_0之比)表征冬小麦受土壤水分和作物生长状况制约下的耗水规律。冬小麦生长季利用大型蒸渗仪测定农田蒸散,用E601型水面蒸发器测定水面蒸发,并用平行观测方法测定叶面积指数,分析冬小麦相对蒸散与叶面积指数和表层土壤含水量的关系,并建立了冬小麦返青~收获期相对蒸散与叶面积指数和0~60cm表层土壤含水量的经验公式为。在田间条件下由RE和ET_0推算出小麦耗水量ET,并可用于冬小麦适时、适量灌溉管理。 相似文献
79.
改进Hargreaves模型估算川中丘陵区参考作物蒸散量 总被引:3,自引:2,他引:3
为提高Hargreaves-Samani(HS)模型参考作物蒸散量(ET0)计算精度,该文基于贝叶斯原理利用川中丘陵区1954-2002年逐日资料对其温度指数、温度系数和温度常数进行改进,并使用2003-2013年资料以Penman-Monteith(PM)模型为标准评价HS改进模型计算精度与适应性。结果表明:HS改进模型参数在川中丘陵区各区均小于联合国粮农组织推荐值,并呈现出随纬度上升而增大的趋势;与PM模型计算结果相比,HS改进模型计算的ET0相对误差在川中丘陵区北部从14.2%~60.9%降至-1.1%~33.4%、中部从40.6%~92.6%降至16.9%~61.1%、南部从31.3%~96.0%降至8.5%~64.4%、整个川中丘陵区从32.1%~82.7%降至9.5%~52.6%;相关性分析表明,HS改进模型和PM模型计算的ET0回归曲线的斜率更接近于1(北部1.16、中部1.02、南部0.99、全区1.13),决定系数均达到0.85(P0.01)以上;趋势分析表明,HS改进模型和PM模型计算的ET0变化一致,年内均呈开口向下的抛物线状,年际均呈微小上升趋势。因此,基于贝叶斯原理改进的HS模型在川中丘陵区不同区域变异性较小,适应性较强,具有较高的计算精度,可作为川中丘陵区参考作物蒸散量简化计算的推荐模型。 相似文献
80.
气象要素时间分辨率对参考作物蒸散估算的影响 总被引:2,自引:1,他引:2
参考作物蒸散(reference evapotranspiration,ET0)的准确估算是农业水资源合理利用的重要环节。为了明确气象要素不同时间分辨率对参考作物蒸散估算的影响,该文基于寿县国家气候观象台2007-2013年观测资料,将1min时间分辨率数据平均值作为真实值,分析了10、20、30、40、60 min、4次/d(02:00、08:00、14:00、20:00)和3次/d(08:00、14:00、20:00)这7种不同时间分辨率对逐日气温、风速、太阳辐射、相对湿度和日、月及年参考作物蒸散(ET0)估算的误差情况。结果表明:ET0和气象要素的误差整体上随时间分辨率降低而增大。4个气象因子中,日平均风速估算受时间分辨率变化的影响最显著,误差最大;其次是太阳辐射。逐日ET0估算在7种时间分辨率的平均绝对相对误差(mean absolute relative error,MAPE)依次为0.53%、1.01%、1.38%、1.72%、2.46%、4.72%和6.14%,表明10至60min时间分辨率的估算效果相较3次/d和4次/d有明显改善。10至40 min的绝对误差超过95%都在-0.20~0.20 mm/d区间内,误差较小且集中度高;太阳辐射时间分辨率变化对ET0估算误差贡献最大,其次是风速,这主要是由于两个要素本身对分辨率较敏感且分别是ET0辐射项和动力项的主要组成因子。时间分辨率的变化对累计后长时间尺度ET0的影响较小,月和年ET0的误差明显小于逐日ET0,月ET0在7种时间分辨率的MAPE值依次为0.13%、0.21%、0.27%、0.40%、0.50%、1.18%和1.48%;各年ET0相对误差(relative error,PE)的绝对值多数均小于0.50%。 相似文献