全文获取类型
收费全文 | 512篇 |
免费 | 37篇 |
国内免费 | 31篇 |
专业分类
林业 | 53篇 |
农学 | 33篇 |
基础科学 | 24篇 |
61篇 | |
综合类 | 304篇 |
农作物 | 35篇 |
水产渔业 | 9篇 |
畜牧兽医 | 35篇 |
园艺 | 10篇 |
植物保护 | 16篇 |
出版年
2024年 | 2篇 |
2023年 | 19篇 |
2022年 | 16篇 |
2021年 | 23篇 |
2020年 | 26篇 |
2019年 | 24篇 |
2018年 | 27篇 |
2017年 | 19篇 |
2016年 | 29篇 |
2015年 | 20篇 |
2014年 | 40篇 |
2013年 | 24篇 |
2012年 | 28篇 |
2011年 | 33篇 |
2010年 | 28篇 |
2009年 | 20篇 |
2008年 | 30篇 |
2007年 | 17篇 |
2006年 | 23篇 |
2005年 | 11篇 |
2004年 | 11篇 |
2003年 | 7篇 |
2002年 | 10篇 |
2001年 | 5篇 |
2000年 | 6篇 |
1999年 | 9篇 |
1998年 | 3篇 |
1997年 | 5篇 |
1996年 | 8篇 |
1995年 | 6篇 |
1994年 | 6篇 |
1993年 | 6篇 |
1992年 | 15篇 |
1991年 | 4篇 |
1990年 | 7篇 |
1989年 | 4篇 |
1988年 | 4篇 |
1987年 | 1篇 |
1986年 | 3篇 |
1980年 | 1篇 |
排序方式: 共有580条查询结果,搜索用时 15 毫秒
1.
2.
为明确四川省烟叶播种面积的年际动态规律和驱动因子,统计分析了1999—2018年四川省烟叶和烤烟的播种面积和产量;并从四川省人均GDP、第一产业增加值、税收收入等3个宏观经济指标,粮食、油料、棉花、麻类和糖料作物播种面积等5个农田土地利用指标中,筛选出了显著影响烟叶播种面积的指标体系。结果发现:(1)1999—2018年四川烟叶种植面积和产量大体呈现出先增加后降低的趋势。(2)1999—2018年烤烟播种面积占比呈上升趋势,晾晒烟播种面积占比逐年下降。(3)1999—2005年四川烟叶单位面积产量不断提升,之后一直维持在2 t/hm2的水平。(4)烟叶播种面积与第一产业增加值、税收收入呈正相关,而与棉花播种面积、糖料作物播种面积呈负相关。(5)采用逐步回归分析得到AIC最低的回归方程为S烤烟播种面积=-564.100+0.005×GDP人均+0.169×S农作物总播种面积-0.129×S粮食播种面积+0.164×S油料播种面积+5.166×S麻类播种面积-4.469×S糖料播种面积-0.178×S蔬菜播种面积-0.616×S茶园面积-0.323×S果园面积。上述研究结果表明,未来四川省烟叶播种面积将综合受到经济发展、作物播种结构等多方因素影响。 相似文献
3.
基于可见/短波近红外光谱检测结球甘蓝维生素C含量 总被引:3,自引:3,他引:0
维生素C是人类必需的营养素,结球甘蓝作为主要蔬菜品种之一富含维生素C。该试验利用可见/短波近红外光谱分析技术,开展结球甘蓝维生素C含量的快速检测方法研究。首先通过Kennard-Stone(K-S)法将样本按照6:1划分为校正集(60个样本)和验证集(11个样本),分别利用反射率和吸光度的原始光谱、一阶导数(first derivative,FD)和二阶导数(second derivative,SD)光谱预处理后对应的6个数据集,建立偏最小二乘(partial least squares,PLS)回归模型。针对最优光谱预处理方法处理后的光谱,设置5个置信水平(0.95,0.975,0.99,0.995,0.999 5),利用逐步回归(stepwise regression,SR)进行建模波长选择,以各置信水平对应的各组优选波长进行多元线性回归建模。结果表明:利用FD光谱预处理方法可以提高PLS回归模型精度,验正集R~2从处理前的0.85提高到0.96,是该研究的最佳光谱数据预处理方法。利用降维后的7个主成分继续建立PLS回归模型,校正集R~2为0.92,交互验证均方根误差(root mean squared error of cross validation,RMSECV)为0.658 0 mg/100 g,验证集R~2为0.96,预测均方根误差(root mean squared error of prediction,RMSEP)为1.620 4 mg/100 g。PLS回归模型预测维生素C含量,检测精度高,可以代替传统检测方法,为结球甘蓝的品质评定提供一种新的途径。进一步分别应用8,6,5个优选波长进行多元线性回归建模,校正集R~2平均为0.78,RMSECV平均为3.760 9 mg/100 g,验证集R~2平均为0.73,RMSEP平均为2.879 2 mg/100 g,虽然R~2有所降低,但波长点少,利用较少的波长变量来预测维生素C含量,降低模型复杂度,可以为便携式检测仪器开发提供技术支持,以提高结球甘蓝内部品质评定作业效率。 相似文献
4.
[目的]对土壤有机碳含量进行预测研究。[方法]利用高光谱仪对表层土壤进行光谱测定并且进行光谱数据的预处理,通过多元线性逐步回归(SMLR)和偏最小二乘回归(PLSR)方法对土壤有机碳含量进行预测,并对2种模型的精度进行比较。[结果]LSR模型的精度高于SMLR模型。[结论]偏最小二乘回归法优于多元逐步回归法,对有机碳的预测具有更好的效果。 相似文献
5.
基于不同建模方法的湿地土壤有机质含量多光谱反演 总被引:4,自引:0,他引:4
为了提高湿地土壤有机质含量的预测精度,以闽江鳝鱼滩湿地土壤为研究对象,通过分析多光谱不同波段反射率与土壤有机质含量的相关性,引入OIF指数提取显著性波段,然后基于全波段和显著性波段,采用多元逐步回归方法(MLSR)、BP神经网络(BPNN)和支持向量机(SVR)3种方法,构建湿地土壤有机质含量的反演模型,并进行模型验证与对比,确定最优的土壤有机质含量反演方法。结果表明:各波段的反射率(Spectral reflectance,R)与土壤有机质含量存在着负相关关系,147波段组合的OIF指数较高,波段间的独立性强,能有效反映数据内的信息;采用MLSR、BPNN和SVR这3种方法进行建模。在全波段中,SVR的建模效果最显著,BPNN次之,MLSR的建模效果最差。在显著性波段中,BPNN的建模效果最显著,SVR次之,MLSR的建模效果最差;对比基于全波段与显著性波段的建模效果,发现基于全波段的预测效果更为显著,最佳模型为基于全波段的土壤有机质含量支持向量机模型,但利用显著波段建模,可降低波段间的信息重叠,且模型简单、运算量少等特点。该研究可行有效,对湿地土壤有机质含量的快速、大范围精准估测提供技术可行性。 相似文献
6.
7.
采用长期定位试验,研究了滨海县主要土壤类型(潮土类的两合土和水稻土类的黏心夹砂土)有机无机配施对水稻小麦产量和土壤肥力指标的影响.结果表明,随着种植年限的增加,有机无机配施水稻小麦产量逐渐增加,最高分别达到9 186kg/hm2和6 540kg/hm2,而且黏心夹砂土的水稻和小麦产量(7 879~9 186kg/hm2和5 456~6 540kg/hm2)均高于两合土(7 755~8 980kg/hm2和5 230~6 235kg/hm2).与2002年相比,2013年两合土和黏心夹砂土有机质、全氮、有效磷含量分别增加了15.61%和7.23%、28.83%和32.68%、13.10%和19.29%.pH值和速效钾含量则表现出降低的趋势.两种土壤增产途径也有所不同,两合土以增施磷肥为主,黏心夹砂土以增施氮肥为主,其次要合理施用钾肥以及重视土壤酸化的问题. 相似文献
8.
麦田耕作层土壤有机质的高光谱监测 总被引:3,自引:2,他引:1
为了利用高光谱技术实现麦田耕作层土壤有机质(SOM)的实时、快速、准确监测,对不同物理条件下的麦田耕作层(0~20 cm)土壤进行了有机质和高光谱的测定,并利用多元逐步回归统计方法进行了土壤有机质信息波段的提取和监测模型的构建。结果表明,风干土和过筛处理土的光谱反射率要明显高于湿土处理,在350~1 100 nm处,光谱基本重合,说明二者含有相似的光谱信息,不同土壤粒径造成1 100~2 500 nm的差异。利用多元逐步回归的统计方法构建了不同光谱处理方式的土壤有机质光谱监测模型,并取得了较好的验证效果,其中,基于Savitzky-Golay平滑法的光谱处理不适于试验土壤有机质监测模型的构建;而经一阶微分处理后所构建的光谱监测模型拟合精度高、验证误差小,其中,湿土的土壤有机质监测模型具有较好的实践应用性。研究结果将为麦田土壤有机质的高光谱监测提供一定的理论依据。 相似文献
9.
安徽省花生产量与气象因素的关联度分析及预测模型研究 总被引:1,自引:1,他引:0
为分析气象因子对安徽花生产量的影响,构建适用于本地的花生单位产量预测模型,以期为探讨花生经济效益、应对气象灾害风险管理提供参考。对安徽各市2000—2017年花生气象产量和气象因子进行灰色关联度分析,筛选出关联度较大的气象因子,并采用逐步回归法建立产量预测模型。结果表明:安徽花生产量与生育期气象因子关联度5月份平均气温>7月份光照时数>5月份光照时数>6月份光照时数>7月份平均气温>8月份光照时数>8月份平均气温>6月份平均气温>8月份降水量>7月份降水量>5月份降水量>6月份降水量,应用建立的花生单位产量预测模型对历年产量进行回测,结果显示预测值与实际值均方根误差为815 kg/hm2、拟合指数为0.81,总体较好,具有一定的应用价值。 相似文献
10.
基于无人机多光谱遥感的冬小麦冠层叶绿素含量估测研究 总被引:6,自引:0,他引:6
为探讨利用无人机多光谱影像监测冬小麦叶绿素含量的可行性,基于北京市大兴区中国水科院试验基地的2019年冬小麦无人机多光谱影像和田间实测冠层叶绿素含量数据,选取16种光谱植被指数,确定对冬小麦冠层叶绿素含量显著相关的植被指数,采用一元二次线性回归和逐步回归分析方法建立各生育时期及全生育期的SPAD值估测模型,通过精度检验确定对冬小麦冠层叶绿素含量监测的最优模型。结果表明,两种分析方法中逐步回归建模效果最佳。拔节期选取4个植被指数(MSR、CARI、NGBDI、TVI)建模效果最好,模型率定的决定系数(r~2)为0.73,模型验证的r~2、相对误差(RE)和均方根误差(RMSE)分别为0.63、2.83%、1.68;抽穗期选取3个植被指数(GNDVI、GOSAVI、CARI)建模效果最好,模型率定的r~2为0.81,模型验证的r~2、RE、RMSE分别为0.63、2.83%、1.68;灌浆期选取2个植被指数(MSR、NGBDI)建模效果最好,模型率定的r~2为0.67,模型验证的r~2、RE、RMSE分别为0.65、2.83%、1.88。因此,无人机多光谱影像结合逐步回归模型可以很好地监测冬小麦SPAD值动态变化。 相似文献