全文获取类型
收费全文 | 142篇 |
免费 | 6篇 |
国内免费 | 3篇 |
专业分类
林业 | 48篇 |
农学 | 6篇 |
基础科学 | 4篇 |
2篇 | |
综合类 | 79篇 |
农作物 | 7篇 |
畜牧兽医 | 1篇 |
园艺 | 2篇 |
植物保护 | 2篇 |
出版年
2024年 | 2篇 |
2023年 | 4篇 |
2022年 | 4篇 |
2021年 | 7篇 |
2020年 | 7篇 |
2019年 | 7篇 |
2018年 | 6篇 |
2017年 | 6篇 |
2016年 | 4篇 |
2015年 | 7篇 |
2014年 | 3篇 |
2013年 | 8篇 |
2012年 | 6篇 |
2011年 | 10篇 |
2010年 | 10篇 |
2009年 | 9篇 |
2008年 | 6篇 |
2007年 | 8篇 |
2006年 | 3篇 |
2005年 | 8篇 |
2004年 | 4篇 |
2003年 | 3篇 |
2002年 | 1篇 |
2001年 | 5篇 |
2000年 | 1篇 |
1996年 | 2篇 |
1995年 | 3篇 |
1993年 | 2篇 |
1992年 | 1篇 |
1991年 | 2篇 |
1989年 | 1篇 |
1988年 | 1篇 |
排序方式: 共有151条查询结果,搜索用时 15 毫秒
61.
62.
修正的通用土壤流失方程中各因子单位的确定 总被引:2,自引:0,他引:2
[目的]明确和规范修正的通用土壤流失方程(RUSLE)中各因子的单位,使得RUSLE在中国具体应用过程中更加科学和便捷。[方法]通过对国内外RUSLE应用实践的总结和对比研究,并分析其科学合理性,找出最为普遍应用的、准确的RUSLE各因子的单位,明确不同单位类型之间的转化系数。[结果]国内RUSLE的应用,大部分是通过各地区建立的各因子统计模型转换成国际制单位系统,最后相乘得到的是以国际制单位表示的土壤侵蚀量,另一部分则是通过相应的各因子统计模型计算得到各个因子以美制单位系统表示的计算结果,最后再乘以224.2将土壤侵蚀量转换为国际制单位。国内主流侵蚀估计中使用的单位焦耳系统,单位面积有两种即km^2和hm^2。土壤流失量A常用的国际制单位为t/hm^2或t/km^2;降雨侵蚀力因子R常用的国际制单位为(MJ·mm)/(hm^2·h·a)或(MJ·mm)/(km^2·h·a);土壤可蚀性因子K的常用国际制单位为(t·hm^2·h)/(hm^2·MJ·mm)或(t·km^2·h)/(km^2·MJ·mm)。不同地区建立的计算方法通过相应的转换系数转换成国际制单位。最后,R和K因子的单位系统的一致性是RUSLE应用的关键步骤。[结论]R和K因子通过相应的单位转换系数转换为国际制单位以及两者的单位一致性是土壤侵蚀评估的重要基础。 相似文献
63.
以DEAE-52离子交换柱层析和SephadexG-25凝胶过滤柱层析纯化米糠抗氧化肽,以硅胶G薄层层析测定其纯度,氨基酸自动分析仪测定其氨基酸组成。实验结果表明:米糠抗氧化肽经DEAE-52柱层析和Sephadex G-25柱层析后基本上得到了纯化;氨基酸组成分析表明,米糠抗氧化肽由14种氨基酸组成,富含两种酸性氨基酸:Asp、Glu,并含有6种人体必需氨基酸(Val、Met、lie、Leu、Phe、Lys),占米糠抗氢化肽童基酸羔会号的31.89%.且有搪高的营兼价槽知僳馇功能. 相似文献
64.
65.
66.
<正>承德地区地处冀北燕山山脉,属温带大陆性季风气候,油松是当地经过自然竞争适应性强的主要乡土树种之一。随着森林城市建设的推进,作为乡土树种的油松应用前景广阔,它不但适应当地生境,对当地自然灾害有较强的抵御能力,而且苗源多,经济适用,具有地方特色,组成的生态景观稳定性强,并可为北方冬季增添绿色,能起到事半功倍的效果。 相似文献
67.
68.
69.
利用福建省将乐国有林场46株杉木(Cunninghamia lanceolata)的793组干形数据,根据十折交叉验证,采用最近邻法(KNN)、随机森林(RF)和人工神经网络(ANN)3种机器学习算法对杉木干形进行模拟,并与传统削度模型(TM)进行比较分析.采用决定系数(R2)、均方根误差(ERMS)、平均误差(EM)和平均绝对误差(EMA)4个评价指标对模型的拟合结果和预测结果进行排序,并结合残差图和相对偏差图等进行分析.研究表明:(1)4个模型的决定系数均大于0.95,最近邻法、传统削度模型和人工神经网络的均方根误差小于1 cm,能较好地描述杉木树干形状.(2)人工神经网络对绝大部分树干的估计最精确,R2分别在0.98以上.其检验集的绝大部分残差都在-2~1 cm,训练集的相对偏差在-50%~50%.(3)其次是最近邻法模型,其训练集的残差范围在4个模型间最小,但泛化预测能力不如人工神经网络模型.(4)随机森林模型精度最低,且其预测集残差分布有随直径(di)增大而增大的趋势.传统削度模型模型表现居中.结果表明:人工神经网络模型与最近邻法模型的拟合精度与预测精度均高于传统削度模型模型,能更精确地模拟杉木干形,且机器学习算法可以不满足传统回归的统计学假设前提.利用机器学习预测林木干形是一种可靠的方法,在生产经营中值得考虑. 相似文献