全文获取类型
收费全文 | 842篇 |
免费 | 127篇 |
国内免费 | 121篇 |
专业分类
林业 | 101篇 |
农学 | 46篇 |
基础科学 | 107篇 |
216篇 | |
综合类 | 385篇 |
农作物 | 45篇 |
畜牧兽医 | 121篇 |
园艺 | 2篇 |
植物保护 | 67篇 |
出版年
2024年 | 2篇 |
2023年 | 56篇 |
2022年 | 74篇 |
2021年 | 68篇 |
2020年 | 68篇 |
2019年 | 53篇 |
2018年 | 45篇 |
2017年 | 49篇 |
2016年 | 56篇 |
2015年 | 65篇 |
2014年 | 57篇 |
2013年 | 64篇 |
2012年 | 59篇 |
2011年 | 63篇 |
2010年 | 71篇 |
2009年 | 50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1090条查询结果,搜索用时 19 毫秒
1.
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
2.
基于不同植被指数的TRMM数据降尺度及误差校正研究 总被引:1,自引:0,他引:1
[目的] 对不同时间尺度的热带测雨卫星(TRMM)数据进行空间降尺度及误差校正研究,为华中地区洪涝灾害监测等提供科学参考。[方法] 主要借助增强型植被指数(EVI)和归一化植被指数(NDVI)分别运用地理加权回归(GWR)模型实现2001—2019年华中地区TRMM数据的空间降尺度,并结合地理差异分析(GDA)和地理比率分析(GRA)对年、季和月的降尺度结果进行误差校正,通过气象站数据对校正前后的数据进行对比分析。[结果] ① TRMM数据和气象站数据的决定系数(R2)在年(0.630)、季(0.710~0.865)和月(0.637~0.875)尺度都表明了TRMM数据在华中地区具有较好的适用性;②通过GWR模型实现了TRMM数据空间分辨率由0.25°到1 km的降尺度转换,且TRMMEVI数据精度优于TRMMNDVI数据,说明华中地区TRMM数据与EVI的关系比NDVI更为密切;③对优选的TRMMEVI数据分别进行GDA,GRA校正,结果表明GDA校正结果优于GRA校正,且在降雨量越多的月份校正效果越好。[结论] 在华中地区,EVI比NDVI更加适合TRMM数据降尺度研究。降尺度数据采用GDA校正比GRA校正效果更为显著。 相似文献
3.
为研究高寒草原放牧强度,以新疆和静县高寒草原草地为研究对象,利用2013年7—8月野外草地地上生物量采集数据和2013年遥感数据源MDOIS13Q1的归一化植被指数(NDVI),建立了高寒草原草地地上生物量和植被指数(NDVI)的遥感反演模型;并通过分析近10年(2008—2017年)监测点每年NDVI的旬变化特征,解译高寒草原草地的放牧起止时间,通过分析归类各样点NDVI变化特征,并以ΣNDVI值划分放牧强度。结果表明:1)本研究中建立的高寒草原草地地上生物量遥感反演模型,以模型y=523.21NDVI2-82.8NDVI+55.84(R2=0.732 9,P0.000 1)精度最优;2)通过NDVI变化曲线的突变点确定了高寒草原夏季放牧开始时间为6月9—26日,结束时间为8月28日—9月14日,该结果与实际放牧时间基本吻合。3)通过分析NDVI生长季累积总量(ΣNDVI)、生长季NDVI波动下降频数和幅度确定放牧强度,构建了高寒草原草地放牧强度分级标准,与实地判断的放牧强度相比,精度验证达到89.47%,并据此制作了研究区放牧强度等级图。本研究结果可为利用多时相遥感影像快速确定草地放牧强度和放牧管理提供参考。 相似文献
4.
植被盖度是刻画陆地生态系统植被覆盖的重要生态参量。以当雄县Landsat-8OLI为数据源,从10种常用植被指数中筛选出适合反演高寒草地生长季/非生长季草地植被盖度的植被指数,引入像元三分法确定端元特征值,通过不同植被指数基于像元二分模型反演植被盖度的对比分析,确定适合生长季/非生长季植被盖度最优植被指数,根据反演结果分析了研究区草地生长季/非生长季植被盖度的时空变化特征。结果表明:1)由可见光-近红外波段构建的植被指数适用生长季植被盖度反演,由短波红外构建的植被指数适用于非生长季植被盖度反演。2)基于MSACRI的像元二分模型适合非生长季植被盖度反演,基于NDVI的像元二分模型则最适用于生长季植被盖度的反演。3)研究区草地植被盖度随海拔增加呈现先增加后减少的单峰变化格局,草地集中分布于海拔4300~5100 m处。生长季植被盖度主要集中于20%~80%,非生长季绝大部分的草地盖度小于40%。研究结果可为草地生态系统碳存储、植被生产力、土壤侵蚀、生态水文等研究提供参考依据。 相似文献
5.
归一化植被指数(Normalized Difference Vegetation Index,NDVI)是反映森林植被变化的重要参数,分析滇池流域NDVI的变化趋势及其影响因素,对准确评估该流域近年来植被覆盖及变化情况,分析气候驱动力因素具有重要意义。采用两种数据集:中国科学院计算机网络信息中心地理空间数据云平台2000—2015年的全国合成产品;美国国家航空航天局2020—2021年的MOD13A2产品。使用趋势分析法分析滇池流域NDVI的年际和年内变化。在中国气象数据网下载1999—2015年滇池流域降水和平均气温的数据,结合NDVI数据,分别分析NDVI与降水、温度的相关关系。研究结果表明,2000—2015年间滇池流域年际和年内的春季、秋季及冬季NDVI均呈增长趋势,而年内夏季NDVI呈下降趋势。但2020年滇池流域NDVI较小,且在年内呈季节性变化趋势。滇池流域不同区域植被空间分布差异明显,整体上呈现由南向北,由西向东逐渐增大的变化趋势。NDVI较高的地区集中在流域上游,而水体及其周围地区植被覆盖较低,且水体及其周围的NDVI呈减小的趋势。滇池流域的降水量和平均温度均呈波动性变化,且2000—2015年的降水量呈明显的下降趋势。通过相应的偏相关分析发现,降水量和平均气温对NDVI均表现出正相关关系,并且相关性最强的是前期(气象因素相比于NDVI提前一个季度的时间)情况的平均气温和NDVI。总体上,2000—2015年滇池流域的NDVI在时空上呈增长趋势,但2020年滇池流域的NDVI较小;在气候响应方面,3个月前的平均气温变化对NDVI的变化起主要影响作用。 相似文献
6.
7.
8.
为探究利用高光谱植被指数反演叶片总初级生产力(GPP)的模型,以湖北省武汉大学试验田油菜和小麦叶片高光谱反射率和光照强度(PARin)为数据源,利用7种植被指数与PARin的乘积分别反演2种植被叶片GPP,构建线性及非线性回归模型,并对模型进行验证。结果表明:1)从油菜生理特点出发,需要分生育期建模。在选择的7种植被指数中,花期SR构建的一次模型效果最优,建模和验模R2分别为0.80和0.82,RMSE不超过2.85g/(m~2·d);荚果期选择CIred edge和MTCI为优选模型,建模和验模R2为0.84和0.72,RMSE3.91g/(m~2·d);全时期基于红边波段的CIred edge、MTCI为优选模型,建模集R2达到0.80,RMSE3.67g/(m~2·d),验模R2达到0.65,RMSE3.92g/(m~2·d);2)小麦中NDVI模型效果最优,建模集R2=0.59,RMSE=2.80g/(m~2·d),验模R2=0.67,RMSE=3.39g/(m~2·d)。将油菜与小麦做对比,基于红边波段的植被指数CIred edge和MTCI对2种植被差异不敏感,R2为0.72~0.73,表明CIred edge和MTCI模型可以用于小麦和油菜叶片GPP的统一反演。 相似文献
9.
不同生育时期冬小麦叶片相对含水量高光谱监测 总被引:2,自引:0,他引:2
为实现冬小麦不同生育时期叶片水分含量的快速监测,以冬小麦冠层高光谱数据和红外热成像数据为基础,计算得到5种光谱参数,通过对不同生育时期叶片相对含水量与光谱参数拟合状况进行分析和筛选,分别构建了基于光谱参数的叶片相对含水量反演模型,并对模型进行检验。结果表明,不同生育时期叶片相对含水量与比值指数(RVI)、归一化差值植被指数(NDVI)、比值/归一化植被指数(R/ND)、优化土壤调整植被指数(OSAVI)、冠气温差(TDc-a)均呈极显著相关(P<0.01);拔节期、抽穗期、开花期、灌浆前期和灌浆后期叶片相对含水量分别与NDVI、OSAVI、R/ND、TDc-a和TDc-a拟合效果较好,决定系数分别为0.842、0.884、0.831、0.864和0.945;预测模型的均方根误差分别为0.019、0.016、0.027、0.032和0.024,相对误差分别为2.16%、1.80%、3.30%、3.81%和3.53%。因此,在拔节期、抽穗期、开花期、灌浆前期和灌浆后期,可以分别利用NDVI、OSAVI、R/ND、TDc-a和TDc-a估测冬小麦叶片相对含水量。 相似文献
10.
[目的]调查天山西部生态环境植被覆盖状况,为科学保护区域生态环境和管理提供科学依据。[方法]以天山西部林区—霍城林场为研究对象,基于1999,2007和2016年3个时期的Landsat TM遥感影像和DEM数据,运用归一化植被指数分析研究区植被覆盖情况和空时变化特征。[结果]时间变化上,1999—2016年期间霍城林场植被覆盖以Ⅱ和Ⅲ级为主,所占比重达到55%以上,总体上是呈现上升趋势;空间分布上,霍城林场因海拔、坡度和坡向等地形因子的不同而出现不同的分布和变化特征,当海拔在1 500~2 000 m和2 000~2 500 m或者坡度30°~45°的区域时,植被覆盖度相对较高;当海拔 < 1 500 m以及 > 2 500 m或坡度 < 30°的区域时,植被覆盖度相对较低;植被覆盖度随着坡向的变化而变化着,呈现出阴坡 > 半阴坡 > 半阳坡 > 阳坡的分布特征;当海拔 < 1 500m和坡度 < 30°的区域时,植被覆盖度变化较为明显,而当海拔 > 2 500 m和坡度 > 45°的区域时,因受人为社会活动影响小,植被覆盖变化不明显。[结论]1999—2016年期间,霍城林场植被覆盖在时间变化上总体呈现上升趋势,在空间分布上因海拔、坡度和坡向等地形因子的不同呈现不同的分布和变化特征。 相似文献