全文获取类型
收费全文 | 644篇 |
免费 | 156篇 |
国内免费 | 81篇 |
专业分类
林业 | 53篇 |
农学 | 94篇 |
基础科学 | 103篇 |
148篇 | |
综合类 | 292篇 |
农作物 | 15篇 |
水产渔业 | 50篇 |
畜牧兽医 | 78篇 |
园艺 | 16篇 |
植物保护 | 32篇 |
出版年
2024年 | 4篇 |
2023年 | 43篇 |
2022年 | 63篇 |
2021年 | 55篇 |
2020年 | 63篇 |
2019年 | 38篇 |
2018年 | 32篇 |
2017年 | 39篇 |
2016年 | 32篇 |
2015年 | 27篇 |
2014年 | 10篇 |
2013年 | 30篇 |
2012年 | 24篇 |
2011年 | 33篇 |
2010年 | 26篇 |
2009年 | 26篇 |
2008年 | 29篇 |
2007年 | 46篇 |
2006年 | 38篇 |
2005年 | 29篇 |
2004年 | 26篇 |
2003年 | 23篇 |
2002年 | 18篇 |
2001年 | 23篇 |
2000年 | 15篇 |
1999年 | 16篇 |
1998年 | 7篇 |
1997年 | 11篇 |
1996年 | 7篇 |
1995年 | 13篇 |
1994年 | 10篇 |
1993年 | 3篇 |
1992年 | 2篇 |
1991年 | 5篇 |
1990年 | 7篇 |
1989年 | 3篇 |
1988年 | 3篇 |
1987年 | 1篇 |
1981年 | 1篇 |
排序方式: 共有881条查询结果,搜索用时 18 毫秒
1.
将Copula函数与高效蒙特卡洛方法结合,提出了含相关随机变量的边坡可靠度高效分析方法。以两个岩质边坡稳定性问题为例验证了所提方法的有效性。结果表明,该方法相比于直接蒙特卡洛方法在保证边坡失效概率的准确性的同时计算效率更高。Copula函数可以构造出具有不同相关结构的岩土体参数的联合概率分布,与高效蒙特卡洛方法(即蒙特卡洛重要抽样方法和子集模拟)结合能高效地处理含多种相关随机变量的边坡可靠度计算问题,相比于现行的Nataf变换方法结果更能体现岩土边坡真实稳定性。此外,该方法也能高效地计算含有复杂的隐式功能函数的边坡可靠度,研究成果拓展了高效蒙特卡洛方法在边坡可靠度分析中的应用。 相似文献
2.
树种信息对林业资源监测和管理具有重要意义,及时准确地掌握树种及长势状况是防护林工程建设与效益评价的基础。为研究利用无人机高光谱数据进行防护林树种分类的效果,选取典型区域使用Matrice600型六旋翼无人机搭载Rikola高光谱成像仪获取高光谱影像,基于支持向量机-递归特征消除算法(SVM-RFE)选取原始波段最佳组合,再结合纹理特征、植被指数和数理统计特征,使用随机森林算法对所有特征进行重要性评估并与分类精度相结合进行特征优化,进而构建高光谱影像全波段、原始波段最佳组合、全部特征变量、基于随机森林(RF)特征优化后特征变量4种分类方案,分别采用最大似然法(MLC)、支持向量机(SVM)、随机森林对防护林优势树种进行分类。结果表明:所提出的基于交叉验证的SVM-RFE算法选出的原始波段组合能更好地还原原始光谱特征;通过RF算法的特征重要性分析与分类精度相结合的方法可以有效选出重要特征,当使用全部特征的85%(包括17个光谱特征、3个纹理特征、5个植被指数和3个数理统计特征)进行分类时,总体精度最高为9593%(Kappa系数为0.9475);所有特征中植被指数特征最重要,3种分类方法中RF算法分类总体精度(OA)最高。 相似文献
3.
针对Sentinel-2卫星影像拥有3个对植被生长状况非常敏感、空间分辨率为20m的红边波段(705、740、783nm),其空间分辨率与可见光和近红外波段10m的空间分辨率不一致,使Sentinel-2影像应用受到限制的问题,基于多光谱多分辨率估计的超分辨率(Super-resolution for multispectral multiresoltion estimation, SupReMe)算法将空间分辨率20m的6个波段重建为10m;以重建后的影像为数据源,耦合PROSAIL辐射传输模型和随机森林模型反演玉米冠层叶面积指数(LAI),并以野外实测LAI验证其反演精度。结果表明,采用SupReMe算法对Sentinel-2影像进行重建后,在保持光谱特性不变的同时提高了影像的空间细节;基于重建影像和原始影像的LAI反演决定系数R2分别为0.70、0.68,均方根误差RSME分别为0.240、0.262。研究表明,利用SupReMe算法重建后的Sentinel-2卫星影像,能够在提高玉米冠层LAI反演空间分辨率的同时提高反演精度,在挖掘高分辨率农作物生长信息方面具有很大潜力。 相似文献
4.
基于介电特征的苹果霉心病检测方法 总被引:1,自引:0,他引:1
针对苹果霉心病无法有效根据外表进行识别,且传统检测方法具有设备复杂、成本高昂等问题,本研究通过采集苹果介电参数构建苹果霉心病检测模型,从而实现简单快速的苹果霉心病无损检测。基于LCR测量仪采集220个苹果的108项介电指标(9个频率下的12项介电指标)作为原始参数,使用数据标准化、主成分分析算法等对数据进行预处理,并利用BP神经网络、支持向量机、随机森林算法构建霉心病果检测模型。试验结果表明,基于随机森林算法构建的霉心病果检测模型性能最佳,在150个苹果构建的训练集和70个苹果构建的测试集中分类准确率分别达到96.66%和95.71%;基于采用BP神经网络构建的霉心病果检测模型效果次之,分类准确率分别可达到94.66%和94.29%;基于使用支持向量机构建的模型检测效果相对较差,分类准确率分别为93.33%和91.43%。试验结果表明,使用随机森林构建的模型可以更有效地识别霉心病果和好果。本研究可为苹果病虫害及苹果品质无损检测等提供参考。 相似文献
5.
6.
7.
基于野外VIS-NIR光谱的土壤盐分主要离子预测 总被引:3,自引:1,他引:2
为明确干旱区土壤盐分主要离子的特征光谱,建立精度高和稳定性好的盐渍土预测模型,以新疆阜康市为研究区域,采用网格法采集55个土壤样本,利用实测VIS-NIR光谱,选择多元线性回归(MLR)、支持向量机(SVM)、随机森林(RF)法构建土壤盐分主要离子含量反演模型,而后对反演精度进行检验。结果显示:(1)在0.01显著水平下,土壤盐分与Na~+、Cl~–、Ca~(2+)含量均呈显著相关,相关系数分别为0.978、0.814、0.645;(2)综合光谱响应和相关性分析确定土壤盐分主要离子的特征波段为459、537、1 381、1 386 nm,显著特征波段为459、537 nm;(3)3种模型拟合效果从高到低依次为RFMLRSVM,采用RF所建模型盐分主要离子(Na~+、Cl~–、Ca~(2+))R~2最高,RMSE最小,RPD最大,分别为2.11、2.03、1.80,为最优预测模型。通过选取土壤主要离子显著特征波段,进而采用RF法构建其估测模型,可以有效提取干旱区土壤盐分的主要离子信息。 相似文献
8.
基于随机森林的高寒湿地地区土地覆盖遥感分类方法 总被引:3,自引:0,他引:3
高寒湿地是青藏高原典型独特的生态系统,是全球气候变化的敏感地带和预警区。利用遥感技术快速、准确地分类提取高寒湿地的土地覆盖信息,对当地生态安全监测和保护具有重要意义。本文以若尔盖湿地国家级自然保护区为研究区,首先,以高分一号(GF-1)遥感影像为数据源,融合光谱特征、水体指数、地形特征、植被指数和纹理信息等26个变量进行随机森林(Random forest,RF)分类实验;然后,根据袋外数据(Out of bag,OOB)的特征变量重要性得分和精度评价结果,选出高寒湿地地区土地覆盖类型的最优分类方案和特征;最后,对特征变量进行降维,并基于相同的变量,采用极大似然法(Maximum likelihood classification,MLC)、支持向量机(Support vector machine,SVM)、人工神经网络(Artificial neural network,ANN)和RF等方法进行分类,比较不同方法的优适性。结果表明:结合GF-1影像光谱、水体、植被、纹理特征和地形信息,使用26个变量的RF模型的分类精度最高,总体精度(Overall accuracy,OA)为90.07%,Kappa系数为0.86;通过RF模型的变量重要性分析可以有效选出重要的特征信息,在降低特征变量维度的同时,还能保证较高的分类精度; 4种分类方法中,RF算法是高寒湿地地区较合适的分类方法,OA比MLC基准方法高17.63个百分点,比SVM和ANN等机器学习算法分别高6.98、6.56个百分点。 相似文献
9.
10.
基于无人机遥感与随机森林的荒漠草原植被分类方法 总被引:2,自引:0,他引:2
荒漠草原是草原中最旱生的类型,属于草原的极限生态状态,也是气候变化和生态系统演变的预警区。利用无人机高光谱遥感技术快速、准确地提取荒漠草原草地植被类型,对动态监测草原生态安全和合理开发草地畜牧业具有重要意义。以无人机搭载高光谱成像系统采集内蒙古荒漠草原遥感图像,获得具有高空间分辨率和高光谱分辨率的图像;通过光谱连续统去除变换,增强草地植被之间的光谱差异,并构建植被指数;采用分步波段选择法选择荒漠草原植被的特征波段,实现高光谱数据降维;构建融合光谱特征、植被特征、地形特征和纹理特征等24个变量的随机森林分类模型,并与支持向量机(SVM)、K-最近邻(KNN)和最大似然分类(MLC)法进行比较。结果表明,在4种分类方法中随机森林分类算法分类效果最好,总体分类精度达到91.06%,比SVM、KNN和MLC等机器学习算法分别高7.9、15.61、18.33个百分点,Kappa系数达到0.90,比SVM、KNN和MLC算法分别高0.13、0.23和0.26。无人机高光谱低空遥感和随机森林算法的结合为荒漠草原草地植被分类提供了新途径。 相似文献