全文获取类型
收费全文 | 4253篇 |
免费 | 638篇 |
国内免费 | 833篇 |
专业分类
林业 | 880篇 |
农学 | 132篇 |
基础科学 | 404篇 |
1720篇 | |
综合类 | 1931篇 |
农作物 | 71篇 |
水产渔业 | 65篇 |
畜牧兽医 | 264篇 |
园艺 | 24篇 |
植物保护 | 233篇 |
出版年
2024年 | 22篇 |
2023年 | 214篇 |
2022年 | 241篇 |
2021年 | 228篇 |
2020年 | 281篇 |
2019年 | 314篇 |
2018年 | 189篇 |
2017年 | 244篇 |
2016年 | 243篇 |
2015年 | 277篇 |
2014年 | 271篇 |
2013年 | 279篇 |
2012年 | 315篇 |
2011年 | 332篇 |
2010年 | 300篇 |
2009年 | 290篇 |
2008年 | 275篇 |
2007年 | 263篇 |
2006年 | 193篇 |
2005年 | 173篇 |
2004年 | 132篇 |
2003年 | 88篇 |
2002年 | 85篇 |
2001年 | 94篇 |
2000年 | 49篇 |
1999年 | 56篇 |
1998年 | 51篇 |
1997年 | 32篇 |
1996年 | 34篇 |
1995年 | 45篇 |
1994年 | 22篇 |
1993年 | 18篇 |
1992年 | 19篇 |
1991年 | 14篇 |
1990年 | 11篇 |
1989年 | 8篇 |
1988年 | 5篇 |
1987年 | 3篇 |
1986年 | 1篇 |
1985年 | 2篇 |
1984年 | 3篇 |
1983年 | 2篇 |
1982年 | 1篇 |
1980年 | 4篇 |
1979年 | 1篇 |
排序方式: 共有5724条查询结果,搜索用时 31 毫秒
1.
NDVI时序相似性对冬小麦种植面积总量控制的制图精度影响 总被引:1,自引:1,他引:0
遥感技术获取的区域作物面积与作物面积统计数据间常常存在不一致的问题,这在一定程度上影响了作物分布遥感制图信息的应用。为获得与作物面积统计数据一致的高精度作物分布遥感制图信息,该研究以河北省衡水市武邑县为研究区,以时序Sentinel-2遥感影像生成的归一化差值植被指数(Normalized Difference Vegetation Index, NDVI)为研究数据,将冬小麦面积目视解译数据作为遥感提取的区域冬小麦面积总量参考,提出基于复合型混合演化算法(Shuffled Complex Evolution-University of Arizona, SCE-UA)和区域作物种植面积总量控制的NDVI时序相似性阈值优化冬小麦分布制图方法,并进行精度验证。在此基础上,进一步开展不同生育阶段NDVI时序相似性及其相似性组合的冬小麦分布提取精度对比研究。结果表明,利用全生育期NDVI时序相似性获得的冬小麦分布制图结果总量精度达99.99%以上,总体精度达98.08%,Kappa系数为0.96,可以保证遥感提取的区域冬小麦面积与冬小麦种植面积总量控制参考间的高度一致性且能获得较高的作物遥感识别精度。从不同生育阶段NDVI时序相似性及其相似性组合的冬小麦分布提取结果可知,利用出苗期-分蘖期、返青期-拔节期的NDVI时序可获得高精度冬小麦分布提取结果,而利用抽穗期-成熟期的NDVI时序数据提取冬小麦结果则精度较低,且综合不同生育阶段NDVI时序数据有利于冬小麦制图精度的提高。该研究可为高精度冬小麦分布提取和制图技术及其方案优化提供一定参考依据,也可为遥感数据和作物面积统计数据融合的大范围农作物分布遥感制图及统计数据空间化提供一定技术方法参考和思路借鉴。 相似文献
2.
基于GEE的广西北部湾沿海水产养殖池塘遥感提取 总被引:1,自引:1,他引:0
沿海水产养殖池塘带来经济效益的同时,也会引起诸多环境问题,了解其空间分布对于海岸带的科学管理和渔业可持续发展具有重要意义。广西北部湾海岸带地形错综复杂,养殖池塘沿岸线散乱分布,导致传统遥感识别方法难以实现高精度提取。针对此问题,该研究提出一种基于Google Earth Engine(GEE)平台和全年Sentinel-1和Sentinel-2时序遥感数据的水产养殖池塘识别方法,结合多阈值分割和面向对象分类提取2019年广西北部湾海岸带的水产养殖池塘。结果表明:1)广西北部湾海岸带养殖池塘面积总计199.3 km2,遍布整个沿岸地区;识别结果总体精度达到0.921,Kappa系数为0.842;2)选取4个典型区域,对比该研究方法提取结果与Google高清影像目视解译结果,在规模化集聚型养殖区域中,识别结果占目视解译的面积比例达到90%以上,在排布密集的小型池塘区域面积占比也能达到80%以上;3)以时序遥感数据作为分类特征值,能够有效排除废弃池塘、水稻田和季节性水域。该方法在大范围复杂环境中仍具有良好性能,显著提高了水产养殖池塘遥感识别的精度,能够为海岸带生态环境的智能监控、养殖区域空间优化提供技术支持。 相似文献
3.
基于GF-1和Sentinel-2时序数据的茶园识别 总被引:1,自引:1,他引:0
由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶园的方法,以浙江省武义县王宅镇为研究区,采用GF-1号为主要数据源,并利用MODIS地表反射率产品和Sentinel-2反射率数据,基于时空融合算法得到时间分辨率5 d的10 m Sentinel-2完整的时序数据。综合利用GF-1在空间细节方面的优势和重建的Sentinel-2高观测频率时序数据在反映茶树生长过程方面的优势,分别基于GF-1的光谱和纹理特征及GF-1的光谱、纹理特征和Sentinel-2时序特征两种特征组合方式,采用随机森林算法提取茶园。结果表明,GF-1光谱、纹理信息结合Sentinel-2时序信息分类结果的准确率、错误率、精确率、召回率和F1分数分别为96.91%、3.09%、89.00%、83.09%和0.86,仅基于GF-1光谱和纹理信息的分类准确率、错误率、精确率、召回率和F1分数分别为94.72%、5.28%、73.09%、84.61%和0.78,添加时序信息分类结果总体优于未添加时序信息的分类结果。表明高空间分辨率结合高频率时序遥感数据是提高茶园分类精度的有效手段。 相似文献
4.
融合光谱混合分解与面向对象的土地利用/覆被分类 总被引:2,自引:2,他引:0
错综复杂的土地利用模式和破碎的地物斑块制约了土地利用/覆被分类的精度和效率。一方面,混合像元模糊了地物的光谱信息,影响了分类精度。另一方面,如何高效利用地物的光谱、形状和纹理特征是当前土地利用/覆被分类的研究热点。为了提高基于遥感技术的土地利用/覆被分类精度,该研究基于Sentinel-2A遥感影像,开展融合光谱混合分解与面向对象的土地利用/覆被分类研究。首先,基于地物的光谱、形状和纹理特征,在3个分割尺度通过NDWI(Normalized Difference Water Index)、NDVI(Normalized Difference Vegetation Index)、SBL(Soil Background Level)等8个特征参数构建了不同地物信息的提取规则。其次,利用光谱混合分解模型提取研究区基质(SL;岩石和土壤)、植被(GV;光合作用叶片)和暗色物质(DA;阴影和水)3类通用端元。最后,尝试融合3端元光谱特征优化地物信息提取规则。研究结果表明:1)基于构建的光谱、形状和纹理的地物信息提取规则,使用模糊函数、阈值法进行土地利用/覆被分类,获得了较高的分类精度,总体精度为80.83%,Kappa系数为0.76。2)融合3端元的光谱特征的提取规则将分类精度提升至90.00%,Kappa系数提升至0.88。3)具有明确物理意义的3端元的融入增强了像元内各组分信息的差异性,弥补了传统光谱指数对植被与土壤间的亮度信息解析度不足的缺陷。该方法能充分利用影像的光谱信息,是一种由易到难、对不确定因素进行逐层剥离的土地利用/覆被信息提取技术。因此,对中高分辨率的多光谱遥感影像十分友好,在土地利用/覆被的精细化分类中有较大应用潜力。 相似文献
5.
基于特征选择和GA-BP神经网络的多源遥感农田土壤水分反演 总被引:6,自引:5,他引:1
土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该研究提出了一种基于特征选择和GA-BP神经网络(Genetic Algorithm-Back Propagation neural network)的多源遥感农田地表土壤水分反演方法。首先对Sentinel-1微波遥感数据和Sentinel-2光学遥感数据进行预处理并提取21个特征参数;然后采用差分进化特征选择(Differential Evolution Feature Selection,DEFS)算法从21个特征中选出包含10个参数的最优特征子集,并利用主成分分析(Principal Component Analysis,PCA)法将特征子集进行降维;之后建立BP神经网络,采用遗传算法(GeneticAlgorithm,GA)对BP网络的节点权值进行优化,使用降维后的特征矩阵和部分实测土壤含水量数据对BP网络进行训练;最后利用训练好的GA-BP网络对研究区土壤水分进行反演,并利用实测数据对反演结果精度进行对比验证。试验结果表明,该研究反演结果的决定系数为0.789 3,均方根误差为0.028 7 cm~3/cm~3,相比单纯使用GA-BP神经网络,加入DEFS和PCA之后决定系数提高了0.215 7,同时均方根误差降低了0.029 5 cm~3/cm~3。该结果展示了DEFS和PCA算法在土壤水分反演最优特征集选择的有效性,为多源遥感农田地表土壤水分反演提供了新思路。 相似文献
6.
王万香 《水土保持应用技术》2021,(2):22-24
以大凌河流域为例,将改进的通用土壤侵蚀方程与垂向混合产流模型相结合构建水沙耦合模型,并以土地利用、土壤类型、数字高程等流域地理信息数据为基础,运用朝阳水文站2006—2015年水文资料率定和验证了模型参数;为进一步探究流域土壤侵蚀受土地利用变化的影响,利用土壤侵蚀空间模拟结果设定3种土地利用情景模式。研究表明:对于流域水土流失的模拟该模型表现出较好适用性,验证期和率定期内模拟的确定性系数均超过0.50,年含沙量相对误差都低于20%,能够达到泥沙模拟的预期精度;3种土地利用情景模式中草地、林地和旱地面积均增大12.0%,土壤侵蚀模数依次减少6.82%、15.37%、13.40%,为保护流域生态环境、土壤侵蚀现状调查以及合理规划区域经济发展提供科学指导。 相似文献
7.
为应用深度学习和遥感影像实现养殖水体信息的快速提取,以成都平原为研究区,以Sentinel 2A和高分6号多光谱影像为数据源,基于国产开源深度学习平台PaddlePaddle训练Deeplabv3+语义分割模型,构建遥感影像的水体语义分割模型,用于提取成都平原养殖水体信息。Deeplabv3+方法的总体精度和Kappa系数分别达到94.14%和0.88,均高于归一化差分水体指数法和最大似然监督分类法;模型对阴影和建筑物等误分为水体的抑制效果较好,而对小面积和细小线状水体信息的提取则受影像分辨率影响,效果无明显改进;成都平原2018年和2020年养殖水体面积分别为22.3 khm2和28.6 khm2,其验证区青白江区、新津县和广汉市养殖水体面积的泛化提取结果验证误差均≤±10%。该研究结果可为应用深度学习平台建立遥感影像的水体语义分割模型及提取水产养殖水体信息提供参考。 相似文献
8.
小麦病虫害的频发不仅会造成产量的巨大损失,病虫害防治农药的过度使用也会提高生产成本,增加农产品有毒残留的风险,而传统监测方法费时费力,具有主观性和滞后性。小麦病虫害遥感监测技术可实现快速、实时无损的监测,从而有针对性的提早防治病虫害。介绍作物病虫害光谱响应生理机制的基础上,重点从不同平台的角度入手概述近年来小麦病虫害遥感监测研究进展。最后提出目前遥感监测小麦病虫害尚存的问题,如对病虫害光谱特征的专属性认识不足、缺乏多种小麦病虫害危害类型的比较研究及病虫害监测模型普适性较差等,并探讨遥感在监测小麦病虫害方面的发展趋势,建议通过综合多时相遥感数据、建立小麦病虫害光谱库、构建全国性病虫害遥感监测信息服务系统以及加强国际间的交流与合作来进一步开展小麦病虫害的研究,从而实现小麦病虫害大面积、实时、科学有效的防控。 相似文献
9.
无人机具有作业效率高、地形适应性好等独特优势,近年在农林业中应用范围不断扩大,相关研究成果数量呈快速上升式发展。为掌握无人机农林应用全球研究态势,本研究采集2011—2020年期间Web of Science 核心合集数据库中无人机农林应用全球研究相关文献数据,利用VOSviewer等统计软件对文献进行科学计量分析。分析结果表明,自2017年开始,无人机农林业应用研究发文数量快速增加,全球已有94个国家/地区、1778个机构开展了研究;发文量排名前三位的国家依次是美国、中国和澳大利亚,表明这三个国家从事无人机农林业应用的科研实力强,学术影响力大;共有398种期刊发表了有关无人机农林业应用研究文章,约占全部收录期刊的1.90%,说明更多的期刊开始关注无人机农林业应用研究;发文最多的期刊是由MDPI主办的Remote Sensing;被引次数最多的文章内容主要是关注无人机系统在摄影测量和遥感上的传感、导航、定位和通用数据处理等的研究现状。此外,对无人机农林业应用研究热点进行分析发现,无人机施药、无人机病虫害遥感、植物表型获取是无人机农林业应用的主要研究热点。本研究可为无人机在农林业上的创新研究、科研团队之间的合作提供参考。 相似文献
10.
基于机器学习融合多源遥感数据模拟SPEI监测山东干旱 总被引:1,自引:0,他引:1
以山东省为研究区,选择偏差校正随机森林BRF(Bias-corrected random forest),支持向量回归SVR(Support vector regression)和Cubist模型三种机器学习方法融合多影响因子模拟3个月时间尺度的标准化降水蒸散指数SPEI-3,以期为精确监测山东地区干旱提供一种方法。将2001−2017年23个站点的SPEI-3值作为因变量,多源遥感数据包括降水量、地表温度、蒸散发、潜在蒸散发、归一化植被指数以及土壤湿度六类7个影响因子作为自变量,自变量和因变量构成数据集的80%作为训练集,20%作为测试集。根据BRF模型得到研究区各个站点的模拟值以及各影响因子的相对重要性,绘制SPEI-3的空间分布图,并进行验证。结果表明,综合因子比单一因子模拟效果好,BRF模型测试集中的模拟值和观测值的决定系数R2达到了0.856,均方根误差RMSE为0.359,BRF模型能较好模拟站点SPEI-3值。大部分站点模拟值与观测值反映的干旱趋势一致,反映站点不同程度旱情的月份个数基本相同。此外,BRF模型模拟的SPEI-3的空间分布与站点SPEI-3观测值表现的干旱程度基本一致,且SPEI-3空间分布站点之外栅格数据也可以较准确地反映旱情,说明根据BRF模型可在站点和空间尺度上较精确地监测山东地区干旱情况。 相似文献