全文获取类型
收费全文 | 1058篇 |
免费 | 89篇 |
国内免费 | 96篇 |
专业分类
农学 | 98篇 |
基础科学 | 3篇 |
23篇 | |
综合类 | 512篇 |
农作物 | 4篇 |
水产渔业 | 575篇 |
畜牧兽医 | 22篇 |
植物保护 | 6篇 |
出版年
2024年 | 2篇 |
2023年 | 22篇 |
2022年 | 57篇 |
2021年 | 66篇 |
2020年 | 82篇 |
2019年 | 52篇 |
2018年 | 21篇 |
2017年 | 45篇 |
2016年 | 56篇 |
2015年 | 50篇 |
2014年 | 55篇 |
2013年 | 59篇 |
2012年 | 85篇 |
2011年 | 92篇 |
2010年 | 75篇 |
2009年 | 93篇 |
2008年 | 73篇 |
2007年 | 67篇 |
2006年 | 72篇 |
2005年 | 60篇 |
2004年 | 27篇 |
2003年 | 12篇 |
2002年 | 5篇 |
2001年 | 2篇 |
2000年 | 7篇 |
1999年 | 1篇 |
1998年 | 1篇 |
1997年 | 3篇 |
1992年 | 1篇 |
排序方式: 共有1243条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
水产养殖尾水初沉区中净化材料的应用对微生物酶活性的影响 总被引:1,自引:0,他引:1
通过检测除氮型改性凹凸棒土(Al@TCAP-N)和火山石的内部及周围水体有关氮、磷、有机物分解的酶活性和水质指标,利用高通量测序对材料和水体中的细菌和真菌进行分析,以研究尾水处理系统初沉区中水质净化材料处理尾水营养盐的机制。结果表明,Al@TCAP-N和火山石能增加其周围水体微生物碱性磷酸酶(AKP)、硝酸盐还原酶(Nar)活性;火山石能在早期(0~6 h)提高其内部有机磷水解酶(OPH)、氨单加氧酶(AMO)的活性;Al@TCAP-N能在后期(36~48 h)增加其内部脱氢酶(DHO)的活性;净化材料相互对比发现,火山石内部的酶活性整体高于Al@TCAP-N内部的酶活性;本试验表明水质处理最佳时间为36 h,总氮(TN)、总磷(TP)、高锰酸盐指数(CODMn)的去除率分别为22.61%、9.52%和22.16%。在实际应用过程中,可通过Al@TCAP-N的吸附和火山石负载的微生物的双重作用降低水中营养盐的含量。浮霉菌门(Planctomycetes)、变形菌门(Protepbacteria)、拟杆菌门(Bacteroidetes)和壶菌门(Chytridiomycota)分别是材料表面微生物细菌和真菌中的主要门类。火山石能在净化初期促进有机磷化合物分解和硝态氮(NO3--N)转化为亚硝态氮(NO2--N),Al@TCAP-N在净化后期促进有机物的分解。Al@TCAP-N和火山石能促进水体中含磷化合物的分解和氮的转化。 相似文献
5.
南美白对虾池塘养殖对于水体质量有着较为严苛的要求,残饵及生物排泄物的增多会大量消耗水体溶解氧,进而打破水体动态平衡,导致NH3-N、NO2-N等毒害成分升高,引起南美白对虾病害甚至导致死亡,造成养殖户经济损失并且阻碍了南美白对虾养殖产业的健康发展。针对上述问题,笔者研究并开发一种能够实时监测养殖池塘水质,并能根据南美白对虾生长习性智能控制增氧机、水泵等养殖设备的南美白对虾池塘养殖水质智能控制系统。系统具有控制智能、运行可靠、集成度高等特点,在养殖生产试验中取得了良好效果,保证了南美白对虾养殖过程的安全,有效降低了南美白对虾池塘养殖风险。 相似文献
6.
实验采用生态毒理学方法,以NH4Cl为实验药物,设置0、50、150和250mg/L实验浓度。通过对野生和养殖群体的四鼻须鲤鱼氨氮对肝脏谷胱甘肽巯基转移酶(GST)活力的影响,比较两个群体抗氨氮能力。结果表明:在相同的氨氮浓度和胁迫时间下,四鼻须鲤鱼养殖群体GST酶活力的变化趋势与野生群体大致相同。除250mg/L浓度组在胁迫5d和10d时,野生群体酶活性略低于养殖群体外,在其余时间点的野生群体酶活性均高于养殖群体,而且,在高浓度氨氮胁迫下,野生群体肝脏的GST酶活性达到峰值的时间比养殖群体更短,显示出较强的抗氨氮能力。 相似文献
7.
8.
9.
10.
基于改进极限学习机的水体溶解氧预测方法 总被引:2,自引:2,他引:0
为了有效地指导水产养殖生产,提高溶解氧浓度预测的精度,提出了基于因子筛选和改进极限学习机(Extreme Learning Machine,ELM)的水产养殖溶解氧预测模型。首先,利用皮尔森相关系数法计算各影响因子与溶解氧浓度间的相关系数,提取强关联因子,降低预测模型的输入量维度;采用偏最小二乘算法(Partial Least Square, PLS)优化传统ELM神经网络,避免网络中隐含层共线性问题,保障输出权值的稳定性;然后,结合新型激活函数,构建水体溶解氧浓度预测模型。最后,将SPLS-ELM(Selection Based Partial Least Square Optimized Extreme Learning Machine)预测模型应用到江苏省无锡市南泉基地某试验池塘的水体溶解氧预测中。试验结果表明:该模型的预测均方根误差为0.3232,与最小二乘支持向量机(Least Square Support Vector Machine,LSSVM)、BP神经网络、粒子群(Particle Swarm Optimization,PSO)优化LSSVM和遗传算法(Genetic Algorithm, GA)优化BP神经网络相比分别降低40.98%、44.48%、34.73%和44.18%。且该模型的运行时间仅0.6231s,预测精度和运行效率明显优于其他模型。该模型的溶解氧预测曲线接近真实溶解氧变化曲线,能够满足水产养殖实际生产对水体溶解氧预测的要求。 相似文献