全文获取类型
收费全文 | 1227篇 |
免费 | 138篇 |
国内免费 | 93篇 |
专业分类
林业 | 353篇 |
农学 | 19篇 |
基础科学 | 90篇 |
223篇 | |
综合类 | 581篇 |
农作物 | 17篇 |
水产渔业 | 10篇 |
畜牧兽医 | 110篇 |
园艺 | 13篇 |
植物保护 | 42篇 |
出版年
2024年 | 2篇 |
2023年 | 51篇 |
2022年 | 65篇 |
2021年 | 58篇 |
2020年 | 79篇 |
2019年 | 61篇 |
2018年 | 26篇 |
2017年 | 53篇 |
2016年 | 62篇 |
2015年 | 91篇 |
2014年 | 78篇 |
2013年 | 93篇 |
2012年 | 91篇 |
2011年 | 85篇 |
2010年 | 80篇 |
2009年 | 78篇 |
2008年 | 79篇 |
2007年 | 73篇 |
2006年 | 45篇 |
2005年 | 58篇 |
2004年 | 38篇 |
2003年 | 23篇 |
2002年 | 19篇 |
2001年 | 14篇 |
2000年 | 18篇 |
1999年 | 12篇 |
1998年 | 4篇 |
1997年 | 5篇 |
1996年 | 2篇 |
1995年 | 5篇 |
1994年 | 2篇 |
1993年 | 1篇 |
1992年 | 1篇 |
1991年 | 3篇 |
1990年 | 2篇 |
1989年 | 1篇 |
排序方式: 共有1458条查询结果,搜索用时 15 毫秒
1.
基于无人机高光谱影像的水稻叶片磷素含量估算 总被引:1,自引:0,他引:1
为快速获取水稻叶片磷素含量信息,采用无人机搭载高光谱成像仪获取水稻冠层高光谱影像,并采样检测叶片磷素含量(质量分数)(Leaf phosphorus content, LPC)。分析了水稻LPC在无人机高光谱影像上的光谱特征,使用连续投影算法提取对磷素敏感的特征波长,通过任意波段组合构建并筛选与磷素高度相关的光谱指数,基于特征波长反射率和光谱指数建立水稻LPC的估算模型,利用最佳模型对高光谱影像进行反演填图,得到LPC空间分布信息。结果表明:全生育期内LPC与462~718 nm范围内光谱反射率显著负相关,负相关最大处相关系数达到-0.902;LPC的特征波长为670、706、722、846 nm,基于特征波长、使用偏最小二乘回归建立的LPC估算模型精度最高,验证R2达到0.925,RMSE为0.027%;在任意波段组合构建的3种类型的光谱指数中,NDSI(R498,R606)、RSI(R498,R606)和DSI(R498,R586)与LPC的相关性最高,相关系数分别为0.913、0.915和0.938;基于3个光谱指数、使用神经网络构建的LPC估算模型精度较高,验证R2为0.885,RMSE为0.029%;对各生育期水稻LPC空间分布的反演结果与实测数据相一致,说明利用无人机高光谱遥感可以实现田间水稻LPC的快速无损监测。 相似文献
2.
为了探讨应用Sentinel-2A遥感影像进行森林蓄积量估测的可行性,以内蒙古自治区某林业局的一类清查样地数据、二类调查小班数据、数字高程模型(DEM)以及林地数据为数据源,以遥感影像的波段灰度信息、比值波段及地形信息为自变量,采用k-近邻法(k-NN)、稳健估计及偏最小二乘估计等方法,分林型构建研究区域的森林蓄积量估测模型,从林业局、林场及小班尺度进行估测精度评价.结果表明:k-NN方法在林业局、林场和小班等3个尺度中的估测精度分别达到了97%、93.2%和83.6%,均表现出良好的估测效果;稳健估计法在3个尺度中的估测精度分别为89.3%、72.4%、69.3%;偏最小二估计法在3个尺度中的估测精度分别为85.7%、75.8%、71.7%.k-NN方法估测效果明显优于稳健估计方和偏最小二估计法,因此,Sentinel-2A遥感影像能够有效应用于森林蓄积量估测. 相似文献
3.
6.
浅谈无人飞行器遥感技术的发展及在各领域的应用 总被引:1,自引:0,他引:1
无人机遥感(Unmanned Aerial Vehicle Remote Sensing),即先进的无人驾驶飞行器技术。文章重点对当前市场中的无人飞行器的种类及当今无人飞行器遥感技术的发展历程和在各行业领域的应用做了简单分析和阐述。介绍了无人飞行器的遥感技术的工作原理,分析了未来一段时间内无人飞行器及遥感技术对各行业领域的影响。科技不断进步,监测手段跟着进步,在未来很长一段时间内无人飞行器遥感技术都会成为重要的技术手段之一。 相似文献
7.
为了分析高分一号卫星(GF-1)影像在冬小麦长势监测中的有效性和适宜性,以建湖县冬小麦为研究对象,选取12个植被指数作为遥感监测指标,运用回归分析法探讨遥感监测指标与地面实测冬小麦长势参数的关系,并以回归模型的决定系数(R~2)作为反演精度的评价指标。研究发现,叶面积指数(LAI)、密度和生物量的反演精度较高,其中LAI的反演精度在拔节期最高[监测指标:红蓝色归一化植被指数(RBNDVI),R~2:0.689 4],密度的反演精度在拔节期最高[监测指标:优化的土壤调节植被指数(OSAVI),R~2:0.543 8],生物量的反演精度在孕穗期最高[监测指标:归一化植被指数(NDVI),R~2:0.448 6],说明GF-1影像适合在拔节期进行冬小麦LAI、密度的监测,在孕穗期进行生物量监测。土壤含水量、株高和叶绿素含量(SPAD值)的反演精度较差,最佳回归模型的R~2皆低于0.360 0,说明所选的12个遥感监测指标不适合反演这3个长势参数。除乳熟期外,其他4个生育期中都是LAI的反演精度最高,可见GF-1影像的遥感监测指标与LAI的相关性最好,反演精度最高。本研究结果说明,在进行冬小麦长势监测时,不同的生育期需要采用不同的监测指标,同时GF-1影像则更适合在拔节期和孕穗期进行冬小麦的长势监测。本研究结果在一定程度上为GF-1影像在农情遥感监测中的应用提供了科学依据。 相似文献
8.
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
9.
影像上同物异谱或同谱异物的现象会造成同一混合像元端元在影像上的光谱不唯一。端元差异问题将给端元选择和提取造成困难,并最终影响混合像元分解的精度。为了尽可能减小端元类内差异、扩大类间差异,针对传统算法无法避免端元在不同波段的光谱数值尺度相差很大且定权自动化程度低的缺陷,将变异系数概念引入端元差异问题研究中,提出一种适用于多光谱数据的基于加权理论的加权变异系数分析法(Weighted coefficient of variation analysis,WCVA)。分别从理论和实验两方面论证了WCVA的可行性与优越性。在对比实验中,利用同一地区的TM和Geo Eye多光谱影像,从可视化端元空间分布、算法效率和混合像元最终解混精度比较了WCVA和最佳指数因子(Optimal index factor,OIF)结果。实验证明利用本文提出的WCVA方法获得的波段组合具有更高的解混精度(0.183和0.160)。同时运算效率明显高于OIF。因此WCVA不仅能够有效解决端元差异问题,提高混合像元解混的精度,而且具有较高的运算效率。 相似文献
10.
基于无人机影像匹配点云的苗圃单木冠层三维分割 总被引:4,自引:0,他引:4
近年来较多的树冠提取算法以激光雷达数据为基础,然而激光点云数据量大、冗余多而且采集成本高。本文基于无人机影像匹配点云提取单木树冠轮廓,研究一种成本可控、能够补充甚至部分替代激光雷达的小范围森林制图方案。以福建省三明市某林场内苗圃地作为研究对象,在稠密的无人机影像匹配点云中截取2个25 m×25 m的样地作为测试样本。预处理后,首先构建植被冠层高度模型,以局部最大值法探测树冠位置并标记为种子点;从这些种子点形成的初始区域开始生长,迭代计算直到全部的影像匹配点云归并完毕;最后,将算法提取的树冠轮廓导入Arc GIS中获取树冠轮廓矢量边界,并与手绘参考树冠叠加,利用F测度实现精度的评定。依此方案,在2个林分范围内的树冠提取F测度均达到了89%以上,单木冠幅提取的误差在0.14 m以内。结果表明,该方案简单有效、精度可靠,适用于小范围、高精度的植被制图。 相似文献