全文获取类型
收费全文 | 3349篇 |
免费 | 347篇 |
国内免费 | 222篇 |
专业分类
林业 | 231篇 |
农学 | 150篇 |
基础科学 | 525篇 |
430篇 | |
综合类 | 1654篇 |
农作物 | 76篇 |
水产渔业 | 113篇 |
畜牧兽医 | 537篇 |
园艺 | 122篇 |
植物保护 | 80篇 |
出版年
2024年 | 8篇 |
2023年 | 125篇 |
2022年 | 158篇 |
2021年 | 163篇 |
2020年 | 162篇 |
2019年 | 126篇 |
2018年 | 73篇 |
2017年 | 123篇 |
2016年 | 164篇 |
2015年 | 141篇 |
2014年 | 176篇 |
2013年 | 194篇 |
2012年 | 186篇 |
2011年 | 189篇 |
2010年 | 198篇 |
2009年 | 188篇 |
2008年 | 284篇 |
2007年 | 180篇 |
2006年 | 145篇 |
2005年 | 172篇 |
2004年 | 116篇 |
2003年 | 115篇 |
2002年 | 68篇 |
2001年 | 70篇 |
2000年 | 45篇 |
1999年 | 49篇 |
1998年 | 50篇 |
1997年 | 39篇 |
1996年 | 27篇 |
1995年 | 30篇 |
1994年 | 29篇 |
1993年 | 20篇 |
1992年 | 28篇 |
1991年 | 19篇 |
1990年 | 15篇 |
1989年 | 15篇 |
1988年 | 10篇 |
1987年 | 7篇 |
1986年 | 1篇 |
1985年 | 2篇 |
1983年 | 1篇 |
1982年 | 1篇 |
1981年 | 3篇 |
1958年 | 1篇 |
1957年 | 2篇 |
排序方式: 共有3918条查询结果,搜索用时 15 毫秒
1.
2.
《四川草原》2021,(1)
为从野外采集的禾本科牧草样品中获得优质DNA,在有限的试验条件下找到最合适的样品保存方法。本研究在野外试验站采集了8种禾本科牧草,分别采用变色硅胶、-20℃、4℃、自然风干和45℃烘干等5种方法进行保存,保存一个月后进行DNA的提取。通过琼脂糖凝胶电泳、ISSR-PCR以及DNA的浓度和纯度对比,对几种保存方法下保存的牧草样品中所提取DNA的效果和质量进行鉴别。此外,为了解样品中多糖和多酚含量对DNA提取效果的影响,本研究还对采集样品多糖和多酚含量与DNA浓度和纯度进行了相关性分析。结果显示变色硅胶的保存效果最佳,烘干的保存效果最差,其他3种保存方法对不同植物的保存效果不能确定。多糖和多酚含量与DNA的提取效果、提取质量无明显关系,与DNA的浓度和纯度也无显著相关性,二者不是影响本研究DNA提取效果的主要因素,本研究中DNA提取效果的差异性是由于保存方法的不同造成的。在野外试验采集禾本科牧草样品时,如需要获得优质的DNA进行深入的试验,用变色硅胶保存样品,是一种便捷、效果优越的保存方法。 相似文献
3.
基于GF-1和Sentinel-2时序数据的茶园识别 总被引:1,自引:1,他引:0
由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶园的方法,以浙江省武义县王宅镇为研究区,采用GF-1号为主要数据源,并利用MODIS地表反射率产品和Sentinel-2反射率数据,基于时空融合算法得到时间分辨率5 d的10 m Sentinel-2完整的时序数据。综合利用GF-1在空间细节方面的优势和重建的Sentinel-2高观测频率时序数据在反映茶树生长过程方面的优势,分别基于GF-1的光谱和纹理特征及GF-1的光谱、纹理特征和Sentinel-2时序特征两种特征组合方式,采用随机森林算法提取茶园。结果表明,GF-1光谱、纹理信息结合Sentinel-2时序信息分类结果的准确率、错误率、精确率、召回率和F1分数分别为96.91%、3.09%、89.00%、83.09%和0.86,仅基于GF-1光谱和纹理信息的分类准确率、错误率、精确率、召回率和F1分数分别为94.72%、5.28%、73.09%、84.61%和0.78,添加时序信息分类结果总体优于未添加时序信息的分类结果。表明高空间分辨率结合高频率时序遥感数据是提高茶园分类精度的有效手段。 相似文献
4.
基于叶面颜色特征建立番茄氮元素缺乏分级模型判别准确率可达08以上。夏季定植的番茄叶片表面会覆盖粘质腺毛,粘质腺毛利于番茄吸收水分和营养元素,相同营养液氮离子浓度下叶片黄化过程异于未覆盖粘质腺毛的叶片。故仅基于叶面颜色特征建立分级模型,其准确率降至0.65。覆盖粘质腺毛番茄其叶片周长和叶面积两个形状特征均小于未覆盖粘质腺毛的番茄叶片,本文将番茄叶片两个形状特征结合原有叶面颜色特征共同作为模型输入,建立新的番茄氮元素缺乏分级模型。搭建图像采集系统,该图像采集单元由树莓派和其相机模块构建,使用WiFi或4G网络完成智能手机、图像采集单元、本地计算机之间无线数据传输。智能手机通过Web界面可远程控制采集图像并将图像传输到云平台存储。本地计算机对图像进行预处理提取叶片形状、颜色特征后输入模型进行预测,并输出预测结果。试验结果表明,图像采集系统春季和夏季平均温度在19.7~28.3℃范围内,光照在1.125~9.543lx范围内均可正常使用,采集的图像经预处理分割后降低了环境光线的影响。使用优化后的加权随机森林模型,基于形状特征和颜色特征相结合的叶片氮元素缺乏分级判别准确率可达0.83。 相似文献
5.
草地地上生物量(Aboveground biomass,AGB)是衡量草地生产力的关键因素,准确测定草地AGB具有重要意义。高光谱因具有时效性强、不破坏草地等特点被广泛用于草地生理生态指标的测定。本研究提取和计算了海北试验站高寒草地冠层的原始光谱(Original spectrum,OR)反射率、一阶微分光谱(First derivative spectrum,FD)反射率、光谱位置面积参数(Spectral parameters of spectral position and area,PA)和植被指数(Vegetation indices,VI)4种不同类型的特征变量,使用连续投影算法(Successive projections algorithm,SPA)和递归特征消除算法(Recursive feature elimination,RFE)进行特征选择,采用随机森林算法(Random forest,RF)构建草地AGB估测模型。结果表明:在由4种特征变量分别构建的草地AGB估测模型中,基于VI的RF模型精度最高(测试集R2=0.70,RMSE=557.87 kg·ha-1),实测AGB与估测AGB的线性R2达到0.72;不同类型特征变量组合构建的草地AGB估测模型中,PA+VI组合的RF模型精度最高(R2=0.71,RMSE=548.97 kg·ha-1),实测AGB和估测AGB的线性R2达到0.73。 相似文献
6.
重复测量试验对同一受试对象进行多次测量,各时间点数据间存在自相关性,进行方差分析和均值比较时需要进行特殊处理。虽然此方法在农业等研究领域运用十分广泛,但目前有效地相关统计方法鲜见。为了建立操作简单、实用性强、结果可靠的统计分析方法,本研究采用SAS的广义线性混合模型(Generalized Linear Mixed Models,GLIMMIX),以随机区组重复测量试验资料为例,说明了协方差结构筛选、方差分析和均值比较的具体方法。结果表明,用传统的裂区设计、多变量统计等方法会造成资料信息浪费,统计功效降低,缺区无法处理等问题,甚至会导致错误的结论。GLIMMIX能很好地处理自相关问题,功能强大,结果可靠,使用简单,允许缺区,是进行重复测量试验资料方差分析和均值比较的理想方法。目前在国内将其运用到农学类试验数据的统计分析的相关报道鲜见,该文在本领域具有很强的实用性和创新性。 相似文献
7.
冬枣皮薄肉脆,富含维生素C和矿物质,深受消费者喜爱.但冬枣病害种类繁多,采用传统人工检查的方式成本高、效率低,严重制约了冬枣的产业化发展.使用传统计算机视觉的冬枣病害识别方法其准确度在很大程度上取决于人为选择的特征是否合理,具有较大的不稳定性.为了解决该问题提出一种基于分层卷积神经网络(HCNN)的冬枣果实病害识别方法.HCNN包括三个结构相同的CNN(卷积神经网络)和一个支持向量机(SVM)分类器.在进行识别的过程中,首先将原始冬枣果实病害图像的RGB、HIS和Lab三种图像分别输入HCNN的三个CNN;然后在分类层将三个CNN得到的特征图整合为一个特征向量;最后通过SVM分类器对病害图像进行分类.该方法能够自动地从冬枣果实病害图像中提取到有效的特征,不需要人工设定特征提取方法.在果实病害图像数据集上进行一系列实验,平均识别准确率达90%以上.实验结果表明,该方法充分利用图像不同颜色的特征,能够实现精确、稳定和高效的冬枣果实病害类型识别,为冬枣果实病害防治系统的发展提供参考. 相似文献
8.
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
9.
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
10.