全文获取类型
收费全文 | 26464篇 |
免费 | 2268篇 |
国内免费 | 2072篇 |
专业分类
林业 | 2201篇 |
农学 | 1672篇 |
基础科学 | 2475篇 |
3575篇 | |
综合类 | 11713篇 |
农作物 | 1033篇 |
水产渔业 | 593篇 |
畜牧兽医 | 4992篇 |
园艺 | 1638篇 |
植物保护 | 912篇 |
出版年
2024年 | 51篇 |
2023年 | 877篇 |
2022年 | 971篇 |
2021年 | 907篇 |
2020年 | 1096篇 |
2019年 | 947篇 |
2018年 | 623篇 |
2017年 | 997篇 |
2016年 | 1076篇 |
2015年 | 1139篇 |
2014年 | 1630篇 |
2013年 | 1477篇 |
2012年 | 1835篇 |
2011年 | 1869篇 |
2010年 | 1760篇 |
2009年 | 1677篇 |
2008年 | 1657篇 |
2007年 | 1439篇 |
2006年 | 1308篇 |
2005年 | 1150篇 |
2004年 | 848篇 |
2003年 | 701篇 |
2002年 | 559篇 |
2001年 | 521篇 |
2000年 | 386篇 |
1999年 | 329篇 |
1998年 | 375篇 |
1997年 | 373篇 |
1996年 | 325篇 |
1995年 | 341篇 |
1994年 | 292篇 |
1993年 | 258篇 |
1992年 | 262篇 |
1991年 | 251篇 |
1990年 | 222篇 |
1989年 | 141篇 |
1988年 | 50篇 |
1987年 | 24篇 |
1986年 | 16篇 |
1985年 | 4篇 |
1984年 | 4篇 |
1983年 | 4篇 |
1982年 | 2篇 |
1981年 | 5篇 |
1980年 | 7篇 |
1979年 | 2篇 |
1978年 | 3篇 |
1965年 | 2篇 |
1957年 | 5篇 |
1953年 | 2篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
1.
2.
3.
研究旨在利用近红外光谱技术(near infrared reflectance spectroscopy,NIRS)建立全株玉米青贮6种营养成分的近红外预测模型,为生产实践中合理利用全株玉米青贮饲料资源提供理论依据。选取玉米青贮样品64份作为定标集,16份作为验证集。利用NIRS结合改良偏最小二乘法(modified partial least squares,MPLS)构建并且验证其建立预测模型的优劣。结果表明:构建的玉米青贮干物质(DM)、粗蛋白(CP)、酸性洗涤纤维(ADF)和粗灰分(Ash)预测模型的交叉验证相关系数(1-VR)分别为0.83、0.80、0.93和0.78,都在0.80左右,可以用于实际预测。粗脂肪(EE)和中性洗涤纤维(NDF)含量预测模型1-VR为0.64和0.40,低于0.80,构建的模型相关性较差,模型还需要进一步优化。 相似文献
4.
基于机器学习的棉花叶面积指数监测 总被引:2,自引:1,他引:1
为实现基于机器学习和无人机高光谱影像进行棉花全生育期叶面积指数(Leaf Area Index, LAI)监测,该研究基于大田种植滴灌棉花,在不同品种及不同施氮处理的小区试验基础上,对无人机获取的高光谱数据分别采用一阶导(First Derivative, FDR)、二阶导(Second Derivative, SDR)、SG(Savitzky-Golay)平滑和多元散射校正(Multiplicative Scatter Correction, MSC)进行预处理,并结合Pearson相关系数法、连续投影(Successive Projections Algorithm, SPA)、随机蛙跳(Shuffled Frog Leaping Algorithm, SFLA)和竞争性自适应重加权(Competitive Adaptive Reweighting, CARS)筛选敏感波段,将筛选出的波段,使用偏最小二乘回归(Partial Least Squares Regression, PLSR)、支持向量回归(Support Vector Regression, SVR)和随机森林回归(Random Forest Regression, RFR)3种机器学习算法构建棉花LAI监测模型。结果表明:棉花冠层LAI敏感响应波段集中在可见光(400~780 nm)和近红外(900 nm之后)波段;对比3种机器学习算法,各预处理下RFR建立的LAI监测模型精度最高,稳定性最好,其中以FDR-SFLA-RFR模型最佳,在建模集的决定系数为0.74,均方根误差为1.648 3,相对均方根误差为26.39%;验证集的决定系数、均方根误差分别为0.67和1.622 0,相对均方根误差为25.97%。该研究基于无人机获取的棉花冠层光谱反射率,从不同光谱预处理、波段筛选及建模方法建立的模型中筛选出最佳估算模型用于棉花全生育期LAI监测,研究结果可为棉花大田精准管理及变量施肥提供依据。 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.
7.
8.
绿咖啡油是一种富含生物活性成分的功能性油脂,贮藏过程中极易氧化酸败影响产品品质。本文以海南地区兴隆咖啡为原料提取绿咖啡油,系统研究在60 ℃加速贮藏36 d内氧化指标、生物活性成分及表征氧化的光谱特征峰变化。结果表明:过氧化值、茴香胺值、硫代巴比妥酸、总氧化值初始值分别为0.97±0.04 meq/kg、4.19±0.14、55.08± 1.98 nmol/mL、8.05±0.06,经过36 d的氧化分别显著升高到28.56±0.15 meq/kg、19.19±0.13、102.38±2.18 nmol/mL、133.43± 0.45。本研究中共鉴定出11种脂肪酸,在绿咖啡油氧化过程中,饱和脂肪酸与不饱和脂肪酸比值由1.14上升至1.49。利用高效液相色谱测定绿咖啡油中的二萜类物质和生育酚,咖啡豆醇、咖啡醇的初始含量分别为21.01±0.31 mg/g、23.44±0.52 mg/g,在氧化24 d后升高至8.21±0.10 mg/g、8.99±0.02 mg/g,随后含量趋于稳定。共定性出α、δ和γ-生育酚,总生育酚含量由初始的49.75±0.88 mg/100 g在氧化18 d达到最大值53.70±1.72 mg/100 g,在氧化结束时降至34.58± 0.05 mg/100 g。利用傅里叶变换红外光谱(FTIR)从特征官能团的角度分析绿咖啡油的氧化过程,油脂在3008、2927、2854、1745、1461、1375、1238、1164、721 cm-1处有特征吸收峰。采用拉曼光谱技术表征绿咖啡油加速贮藏中的氧化变质,在1000~1800 cm-1波段的峰强度有明显减弱趋势。本研究表明绿咖啡油在热诱导下的贮藏过程中发生了明显的氧化反应,可为提升绿咖啡油贮藏稳定性提供理论参考。 相似文献
9.
10.
基于多变异分组遗传算法的多机协同作业静态任务分配 总被引:2,自引:0,他引:2
为解决农业机械(简称农机)多机协同作业前的任务分配问题,提出了基于多变异分组遗传算法的同种农机多机协同作业静态任务分配方法。首先,根据农机合作社实际作业模式,基于农机性能参数和任务参数,综合考虑机群的作业时间、作业油耗和路程代价等因素,建立了多机协同代价函数;根据多机协同作业特点,构建了多变异分组遗传算法,设计了两段式编码、分组交叉算子和多种变异算子,并建立了农机多机协同作业静态任务分配模型;通过仿真试验对比分析了算法的性能,并采用不同的代价权重进行了任务分配仿真试验;最后,采用不同的权重对实际深松作业进行任务分配试验,对本文提出算法进行了验证。结果表明:在不同权重下,基于多变异分组遗传算法的多机协同静态任务分配的机群代价比实际作业代价降低了29.48%~55.00%,选取合理权重的静态任务分配具有较高的分配效率和分配性能,能够满足实际多机协同作业中任务分配的要求。 相似文献