全文获取类型
收费全文 | 903篇 |
免费 | 72篇 |
国内免费 | 158篇 |
专业分类
林业 | 104篇 |
农学 | 47篇 |
基础科学 | 113篇 |
224篇 | |
综合类 | 402篇 |
农作物 | 46篇 |
畜牧兽医 | 124篇 |
园艺 | 3篇 |
植物保护 | 70篇 |
出版年
2024年 | 16篇 |
2023年 | 57篇 |
2022年 | 75篇 |
2021年 | 78篇 |
2020年 | 68篇 |
2019年 | 57篇 |
2018年 | 48篇 |
2017年 | 51篇 |
2016年 | 58篇 |
2015年 | 68篇 |
2014年 | 59篇 |
2013年 | 64篇 |
2012年 | 59篇 |
2011年 | 63篇 |
2010年 | 71篇 |
2009年 | 51篇 |
2008年 | 50篇 |
2007年 | 34篇 |
2006年 | 33篇 |
2005年 | 17篇 |
2004年 | 18篇 |
2003年 | 11篇 |
2002年 | 5篇 |
2001年 | 1篇 |
2000年 | 1篇 |
1999年 | 2篇 |
1998年 | 8篇 |
1997年 | 3篇 |
1995年 | 2篇 |
1994年 | 1篇 |
1993年 | 4篇 |
排序方式: 共有1133条查询结果,搜索用时 15 毫秒
991.
【目的】以像元为基本单元,研究青海省归一化植被指数(NDVI)的时空变化特征,以揭示NDVI对气候变化的响应规律,分析青海省未来植被变化趋势,为青海省生态建设提供参考。【方法】以青海省2000-2015年的MODIS13Q1/NDVI为数据源,将反映趋势变化的Theil-Sen Median方法与检验趋势显著性的Mann-Kendall方法结合使用,研究青海省NDVI的变化趋势,并采用Hurst指数方法判断变化趋势的可持续性。【结果】1)青海省NDVI的空间分布整体呈从西北向东南逐渐增加的趋势。2)16年间NDVI整体呈增长趋势,增速为每10年1.5%,旱地及草原与稀树灌木草原增速最快,分别为每10年2.7%和2.3%。3)16年间青海省植被覆盖改善区域(60.51%)明显大于退化区域(17.87%),其中植被覆盖明显改善区占全省面积的21.26%,轻微改善占39.25%,轻微退化占15.75%,严重退化占2.12%,基本不变的占21.62%。4)青海省植被覆盖未来改善的区域占整个区域面积的62.23%,其中持续性改善占38.01%,由退化转为改善的占24.22%;植被未来有退化趋势的区域占18.30%,其中持续性退化占7.74%,由改善变为退化趋势的占10.56%;稳定不变的区域为8.43%;植被未来变化趋势不确定区域占11.04%。【结论】青海省植被覆盖变化受气候和人类活动的共同影响,大部分地区植被未来呈改善趋势。 相似文献
992.
【目的】准确估算黑河流域中游地区植被生态耗水量,为流域生态保护和水资源配置提供科学参考。【方法】借助卫星遥感、GIS等技术,利用2011年5-9月黑河中游地区的归一化植被指数(I_(NDV))数据,将其与同期土地覆被和气象数据相结合,采用植被指数法对黑河中游地区植被生长季的生态耗水量进行计算和分析,利用2008年同地同期数据资料进行检验。【结果】黑河中游地区林地蒸散发量214.2~343.9mm,草地蒸散发量为213.1~269.8mm;区域植被生态耗水量为5.812 8亿m~3,其中林地生态耗水量为0.474 2亿m~3,草地生态耗水量为5.338 6亿m~3,计算结果与地面观测数据较为一致。【结论】用植被指数法估算植被生态耗水量比较简易、准确、可靠,在干旱地区生态研究中具有适用性。 相似文献
993.
植被物候参数遥感提取研究进展评述 总被引:4,自引:2,他引:2
【目的】遥感方法提取植被物候具有宏观、高效、便捷的特点,利用遥感提取植被物候结果可以从较大尺度上研究整个植被生态系统的物候特征。【方法】文章以植被物候遥感提取的过程为线索,采用文献综述法,对植被物候参数遥感提取的各个方面进行阐述。【结果】系统描述了植被物候提取的遥感数据资源,包括遥感专题指数和遥感数据来源;归纳了植被物候遥感提取的技术方法,包括时序植被指数重构技术和植被物候参数提取方法;总结了植被物候遥感提取结果验证途径和误差来源,地面物候观测数据和模型模拟数据是直接验证的途径,他人研究成果和植物生理参量的地面观测数据提供间接验证的途径,误差来源于遥感数据的时间和空间分辨率以及植被物候提取技术方法。最后,针对当前植被物候遥感提取存在的主要问题及未来的发展趋势,从研究对象、数据来源、技术方法和结果验证这4个方面进行了探讨。【结论】尽管植被物候遥感提取的大量研究在理论、技术方法和应用方面都取得明显进展,但在研究对象、数据来源、技术方法和结果验证这些方面仍然存在着一些关键科学问题,需要进一步进行深入研究。 相似文献
994.
为了实现对藏北地区土壤水分和干旱情况的动态监测,基于藏北植被光谱、实测20 cm土壤水分以及FY-3A/VIRR数据,利用相关性筛选出对土壤水分敏感的植被光谱波段构建植被指数,并以此建立土壤水分估算模型,再结合FY-3A/VIRR L1B数据将建立的模型应用于藏北地区的土壤水分估算,通过比较决定系数和RMSE,确定精度较高的藏北地区土壤水分遥感估算模型。研究表明:NDVI(620,850)、EVI(450,620,850)、NDWI(850,1 330)和RVI(850,1 330)与实测20 cm土壤水分的决定系数分别为0.232、0.256、0.537和0.554,都能较好地表征土壤水分,分别利用每个指数建立的二次模型所获得的土壤水分估算结果与实测数据的RMSE均较小;以FY-3A/VIRR数据为基础,模型M(NDVI)和M(EVI)能够有效的估算藏北土壤水分,模拟值与实测值的相关系数r分别为0.50和0.51,RMSE分别为0.13和0.11,模型都可实现对藏北地区土壤水分的估算。研究可为掌握藏北地区土壤水分状况和制定农牧业发展决策提供依据。 相似文献
995.
基于植被指数估算天山牧区不同利用类型草地总产草量 总被引:6,自引:5,他引:1
针对天山牧区草地面积广、生长环境差异大等特点,选用MODIS/MOD13Q1数据,生成归一化植被指数、增强植被指数、土壤调节植被指数和差值植被指数4种从不同角度反映牧草长势的植被指数,对4个不同牧草利用类型分区分别建立了4种指数及其组合与总产草量的4类回归方程。利用留一交叉检验法评价各模型精度,最终获得适合不同草地利用类型的产草量遥感估算模型。结果表明:4种植被指数都可用于产草量估算,不同植被指数估算模型的拟合精度有区域差异性。当采用SAVI和二次多项式拟合时,RMSE最大值出现在I区,为5 857 kg/hm2,当采用NDVI和二次多项式拟合时,最小值出现在III区,仅为616.487 kg/hm2。值得注意的是采用差值植被指数、土壤调节植被指数估算产草量需考虑植被覆盖状况。其次,多个植被指数组合有信息互补的优势,采用线性回归模型估产时,多个植被指数组合精度高于单一植被指数。该研究可为天山地区草地总产草量遥感估算提供有意义的借鉴。 相似文献
996.
大田玉米作物系数无人机多光谱遥感估算方法 总被引:5,自引:0,他引:5
作物系数K_c快速获取是大田作物蒸散量(Evapotranspiration,ET)估算的关键,为研究无人机多光谱遥感估算玉米作物系数的可行性和适用性,以2017年内蒙古达拉特旗昭君镇实验站大田玉米、土壤、气象等数据为基础,采用经气象因子和作物覆盖度校正后的双作物系数法计算不同生长时期与不同水分胁迫玉米的作物系数,并使用自主研发的无人机多光谱系统航拍玉米的冠层多光谱(蓝、绿、红、红边、近红外,475~840 nm)影像,研究了不同生长时期(快速生长期、生长中期和生长后期)玉米的6种常用植被指数(Vegetation indices,VIs):归一化差值植被指数(NDVI)、土壤调节植被指数(SAVI)、增强型植被指数(EVI)、比值植被指数(SR)、绿度归一化植被指数(GNDVI)和抗大气指数(VARI),与作物系数K_c的关系模型及水分胁迫对其的影响。结果表明:玉米生长时期和水分胁迫是影响玉米VIs-K_c模型相关性的两个重要因素。不同生长时期玉米植被指数和K_c相关性不同:充分灌溉情况下,快速生长期玉米VIs-K_c模型的相关性(R2为0.731 2~0.940 1,p0.05,n=25)与生长中期至生长后期VIs-K_c模型的相关性(R2为0.276 5~0.373 2,p0.05,n=40)不同;水分胁迫情况下,快速生长期玉米VIs-K_c模型的相关性(R2为0.0002~0.0830,p0.05,n=25)与生长中期至生长后期VIs-K_c模型的相关性(R2为0.366 2~0.848 7,p0.05,n=40)不同。水分胁迫对VIs-K_c模型的相关性影响较大:快速生长期,充分灌溉玉米VIs-K_c模型的相关性(R2最大为0.940 1)比水分胁迫玉米VIs-K_c模型的相关性(R2最大为0.083 0)强;生长中期至生长后期,充分灌溉玉米VIsK_c模型的相关性(R2最大为0.373 2)比水分胁迫玉米VIs-K_c模型的相关性(R2最大为0.848 7)弱。部分植被指数和作物系数相关性较强;快速生长期充分灌溉玉米的VIs-K_c模型的相关性由大到小依次为:SR、EVI、VARI、GNDVI、SAVI、NDVI;生长中期至生长后期水分胁迫玉米的VIs-K_c模型的相关性由大到小依次为:SR、GNDVI、VARI、NDVI、SAVI、EVI;其中比值植被指数SR与作物系数K_c的相关性最好。结果表明采用无人机多光谱技术估算K_c具有一定的可行性。 相似文献
997.
基于EM38和WorldView-2影像的土壤盐渍化建模研究 总被引:1,自引:0,他引:1
在干旱半干旱地区,土壤盐渍化是常见的土地退化问题之一。本研究选取于田县克里雅河上游边缘典型盐渍化区域作为研究靶区,通过EM38大地电导率仪实测土壤表观电导率,提取不同系数下的土壤调节植被指数(SAVI),分析了SAVI指数与土壤电导率间的相关性,并利用同时期WorldView-2影像的敏感波段建立了基于高分辨率影像数据的土壤盐渍化偏最小二乘回归(PLSR)模型并进行了精度验证。结果表明:①从遥感影像提取SAVI指数时,在系数(L)调节范围内选取固定系数值,系数值(间隔为0.1)从0.1变化到1.0的过程中,相应提取的SAVI指数与土壤电导率的相关性明显提升,相关性系数(r)从0.30提高到0.50,并通过显著性检验(P0.01)。②选取的SAVI1.0、B6、B7、B8四种变量中,以SAVI1.0+B6+B8为变量组合所建立的PLSR模型为最优,该模型较其他变量组合建模的决定系数(R2p)提高了0.11,因此,在研究区该模型具有更好的预测能力,模型精度为RMSEC=0.77dS/m、RC2=0.68、RMSEP=0.79 dS/m、RP2=0.66、RPD=2.2。 相似文献
998.
基于时序Landsat遥感数据的新疆开孔河流域农作物类型识别 总被引:7,自引:6,他引:1
快速、准确地获取农作物类别信息对农业部门的生产管理、政策制定具有重要作用。目前基于时间序列数据进行农作物分类主要是采用长时间序列的中低分辨率影像,大量的混合像元限制了农作物的分类精度。在农作物分类的特征选择方面主要是采用归一化植被指数(normalized differential vegetation index, NDVI),而其他特征量的应用还相对较少。该文以新疆开孔河农业区为研究区域,利用2016年的Landsat7 ETM+、Landsat8 OLI影像数据集,基于时间加权的动态时间规整(time weighted dynamic time warping,TWDTW)方法开展农作物类型识别研究,主要包括香梨、小麦、辣椒、棉花等。根据野外采集的样本点构建主要农作物的NDVI和第一主成分(principal component analysis 1,PCA1)时间序列,以反映不同农作物间的物候差异。基于NDVI数据分别利用DTW和TWDTW算法计算各未知像元序列与标准序列间的相似性程度,得到农作物的分类结果,2种方法的分类精度分别为65.69%、82.68%,表明时间权重的加入提高了DTW算法识别不同农作物的能力。结合NDVI与PCA1后,TWDTW的分类精度又提高了2.61个百分点,部分农作物的误分现象明显减少,说明PCA1能够进一步扩大作物间的差异性,提高分类精度。同时,还通过选取有限时相的影像组合进行分类,试验结果表明TWDTW算法在中高分辨率数据较少的情况下能够得到较为满意的分类结果,说明TWDTW算法在中高分辨率影像越来越丰富的时代具有应用潜力。 相似文献
999.
基于冬小麦不同水分胁迫试验,采用便携式光谱仪测定冬小麦抽穗期、开花期和灌浆期受不同水分胁迫处理的冠层光谱反射率,分析不同水分处理下冬小麦冠层光谱特性,并对植被指数、红边参数与冠层叶片含水率和土壤含水率进行相关性分析,构建各生育期叶片含水率和土壤含水率的最佳监测模型,实现对冠层叶片含水率以及土壤含水率的监测评估。结果显示,在整个生育期,冬小麦的冠层光谱反射率在可见光范围呈现绿峰红谷,尤其在旺盛生长时期,随着水分胁迫程度加深,绿峰红谷逐渐变得不明显,红谷抬升幅度增大;相反,在近红外波段范围内水分胁迫主要使得反射率表现为明显下降;冬小麦红边参数随生长进程呈蓝移现象,灌浆期受胁迫程度越重的红边参数越低;植被指数(EVI、NDVI、SAVI、WI)在开花期之后具有不同程度的下降趋势,至灌浆期有大幅度减小,且随受胁迫程度加深植被指数下降幅度增大;植被指数和红边位置、红边面积在灌浆期与叶片含水率和土壤含水率有显著相关,其中植被水分指数WI、归一化植被指数NDVI和红边位置λ_(red)相关性较佳,其建立的叶片含水率和土壤含水率估算模型效果较好,决定系数r~2均大于0.84,平均相对误差(MRE)≤0.207。综合分析认为,冠层反射光谱特征和植被指数与冬小麦冠层叶片含水率和土壤含水率相关性良好,可利用高光谱遥感参数对冬小麦的水分状况进行快速、准确监测。 相似文献
1000.
针对快速检测农药喷洒效果和农药利用率问题,通过设计1组喷药对比试验,分析不同区域杂草的颜色特征(RGB)、颜色空间转换特征(HLS、HSV)、纹理特征(mean、variance等)、可见光波段植被指数(EXG、EXR、VDVI等),比较各个特征及指数在喷药和对照区的差异,筛选出最优特征或指数进行阈值分割;在此基础上,计算喷药前后杂草像元数评估无人机喷药的除草效果。试验结果表明,利用归一化过红、过绿植被指数之差(EXG-EXR)可有效检测喷药除草效果,该方法能够为提高农田喷药效果提供技术支持。 相似文献