全文获取类型
收费全文 | 920篇 |
免费 | 54篇 |
国内免费 | 91篇 |
专业分类
林业 | 74篇 |
农学 | 198篇 |
基础科学 | 8篇 |
72篇 | |
综合类 | 417篇 |
农作物 | 121篇 |
水产渔业 | 5篇 |
畜牧兽医 | 88篇 |
园艺 | 64篇 |
植物保护 | 18篇 |
出版年
2024年 | 4篇 |
2023年 | 17篇 |
2022年 | 30篇 |
2021年 | 25篇 |
2020年 | 22篇 |
2019年 | 26篇 |
2018年 | 21篇 |
2017年 | 49篇 |
2016年 | 45篇 |
2015年 | 34篇 |
2014年 | 49篇 |
2013年 | 56篇 |
2012年 | 42篇 |
2011年 | 54篇 |
2010年 | 60篇 |
2009年 | 45篇 |
2008年 | 46篇 |
2007年 | 74篇 |
2006年 | 47篇 |
2005年 | 37篇 |
2004年 | 38篇 |
2003年 | 35篇 |
2002年 | 26篇 |
2001年 | 18篇 |
2000年 | 24篇 |
1999年 | 15篇 |
1998年 | 18篇 |
1997年 | 11篇 |
1996年 | 12篇 |
1995年 | 12篇 |
1994年 | 12篇 |
1993年 | 20篇 |
1992年 | 9篇 |
1991年 | 10篇 |
1990年 | 4篇 |
1989年 | 8篇 |
1988年 | 4篇 |
1987年 | 2篇 |
1986年 | 1篇 |
1985年 | 1篇 |
1978年 | 1篇 |
1976年 | 1篇 |
排序方式: 共有1065条查询结果,搜索用时 17 毫秒
1.
硫化氢(H2S)信号在作物种子萌发中发挥着重要作用。为探讨外源H2S供体NaHS引发提高作物种子活力的作用及其生理机制,以裸燕麦种子为材料,分别用不同浓度NaHS (0、50、100、200、400、800、1600 μmol·L-1)引发18 h和800 μmol·L-1 NaHS引发不同时间(6、9、12、15、18、21 h),分析其发芽势(GP)、发芽率(GR)、发芽指数(GI)、活力指数(VI)和幼苗干重(DW)的变化,以确定适宜的NaHS引发浓度和引发时间。以未引发种子为对照(CK),同时设置H2O引发,研究800 μmol·L-1 NaHS引发18 h对种子H2S产生、贮藏物质含量和活性氧代谢的影响。结果表明,800 μmol·L-1 NaHS引发18 h可显著提高裸燕麦种子的GP、GR、GI和VI,但对DW的影响不大。NaHS引发对种子淀粉、可溶性糖、可溶性蛋白质、还原型抗坏血酸(ASA)、脱氢抗坏血酸(DHA)含量及ASA/DHA和抗坏血酸过氧化物酶活性无显著影响,但显著提高H2S和氧化型谷胱甘肽(GSSG)含量及细胞色素氧化酶(COX)、超氧化物歧化酶、过氧化氢酶和过氧化物酶活性,分别比CK提高了113.5%、14.4%、103.3%、6.1%、112.0%和120.5%;降低α-淀粉酶和β-淀粉酶活性及超氧阴离子、过氧化氢、丙二醛、还原型谷胱甘肽(GSH)含量、GSH/GSSG和质膜相对透性,分别下降了39.8%、53.6%、34.7%、36.1%、37.6%、29.2%、38.1%和11.9%。由此表明,NaHS引发可能通过提高种子H2S含量,从而调控抗氧化系统和激活COX活性,降低活性氧对质膜的损伤,增强细胞有氧呼吸代谢,提高裸燕麦种子活力。 相似文献
2.
3.
4.
基于光声光谱和TCA迁移学习的稻种活力检测 总被引:1,自引:1,他引:0
种子活力是决定水稻产量的最重要因素之一,但目前水稻种子活力的近红外和高光谱等无损检测方法易受种子表皮颜色影响,且所建模型难以适应新品种。该研究提出基于光声光谱技术的稻种活力无损检测方法并结合迁移学习进行新品种稻种活力检测。首先,对Y两优、龙粳、南粳、宁粳、武运粳、新两优等具有区域代表性的典型6种水稻品种,进行高温高湿人工老化处理,得到0~7 d老化时间的水稻种子;再通过调制频率获得8种不同深度的光声光谱信息,用主成分分析、竞争性自适应重加权算法对光谱降维得到特征光谱后,对Y两优、龙粳、南粳、宁粳、武运粳分别建立偏最小二乘回归(Partial Least Squares Regression,PLSR)、反向传播神经网络(Back Propagation Neural Network,BP)、广义回归神经网络(Generalized Regression Neural Network,GRNN)、支持向量回归模型(Support Vector Regression,SVR)、深度卷积神经网络(Convolutional Netural Network,CNN)的稻种活力预测模型,并选择最优调制频率;最后,通过迁移学习将建立的模型迁移到新两优稻种进行活力预测。结果表明,光声光谱最佳扫描频率为300 Hz,CNN预测模型精度较高,相关系数和均方根误差分别优于0.990 9、低于0.967 5;且经过迁移学习,仅需通过对源域数据的训练,即可直接对新品种稻种的活力进行精确预测;通过TCA迁移学习后,新两优稻种活力预测的相关系数从0.718 5提高到0.990 3。研究表明,采用光声光谱深度扫描技术对不同种类稻种的活力进行高精度检测是可行的,且经过迁移学习,仅需80粒新品种稻种信息即可实现稻种活力的精确预测。 相似文献
5.
研究发芽床不同含水量及NaCl浓度对铜仁珍珠豆型花生种子活力及发芽的影响,试验表明,发芽床含水量从20%升高至40%,铜仁珍珠豆型花生种子的发芽率、发芽势、发芽指数呈上升趋势,含水量继续升高至60%,三项指标呈下降趋势,40%是铜仁珍珠豆型花生最适发芽床含水量,花生发芽各项指标达到最高。用NaCl溶液处理种子,浓度从0mol/L升高至0.5mol/L,花生种子的发芽率、发芽势、发芽指数三项指标表现出先急剧后缓慢又急剧下降的趋势。 相似文献
6.
为保证田间甜菜种子的出苗率和生产潜力,需要在种植前对种子进行活力检测,挑选出活力高的甜菜种子进行推广种植。利用高温处理法对甜菜种子进行老化处理,再基于标准正态变换(SNV)、去趋势校正(DET)、Savitzky-Golay平滑处理(SG)、一阶差分(1D)和二阶差分(2D)5种近红外高光谱预处理方法,构建种子活力智能检测模型得出预测的种子发芽率,再利用老化处理后的甜菜种子进行发芽实验得出实际的发芽率。研究发现,甜菜种子经过一阶差分预处理建立的智能检测模型预测性能最好,其预测准确率达到91.92%。将未处理的甜菜种子的实际发芽率与一阶差分预处理法建立的智能模型预测结果进行对比,发现模型的预测准确率为88.2%。近红外高光谱技术是一种快速、无损的作物种子活力测定的新方法。 相似文献
7.
8.
不同硬实程度的刺槐种子活力差异性研究 总被引:12,自引:1,他引:12
以始温 80℃水浸种 1~ 4d吸胀的刺槐种子视为不同硬实程度的种子T1 、T2 、T3及T4 ,与第 4天仍未吸胀的刺槐硬实种子 (记作Tr)为试材对其种子活力差异性进行研究。结果表明 :随着硬实程度的提高 ,即Tr>T4 >T3>T2 >T1 ,种子的发芽势、发芽指数、活力指数、呼吸速率呈上升趋势 ;而电导率呈下降趋势。通过测定人工逆境 (盐胁迫、低温、人工老化 )处理种子的SOD酶活性和MDA含量 ,发现硬实种子具有较高的抗逆性 ,且其抗逆性随硬实程度的增高而增强 ,进一步证实了硬实种子具有较高的活力水平。指出硬实种子在生产上具有潜在的应用价值 相似文献
9.
杉木[Cunninghama lanceolata(Lamb)Hook.]种子富含蛋白质,其含量约占种重的20%左右。蛋白质是贮藏物质之一,氨基酸又是组成蛋白质的前体。因此,贮藏蛋白质水解形成各种氨基酸的速度快慢及量的多少,必将影响新的蛋白合成,从而进一步影响胚的发育和幼苗生长。为此,我们进行了杉木种子萌发期间蛋白质和游离氨基酸变化与种子活力关系的研究。材料与方法 相似文献
10.