全文获取类型
收费全文 | 368篇 |
免费 | 14篇 |
国内免费 | 5篇 |
专业分类
林业 | 31篇 |
农学 | 20篇 |
基础科学 | 46篇 |
22篇 | |
综合类 | 135篇 |
农作物 | 26篇 |
水产渔业 | 9篇 |
畜牧兽医 | 75篇 |
园艺 | 7篇 |
植物保护 | 16篇 |
出版年
2024年 | 8篇 |
2023年 | 23篇 |
2022年 | 18篇 |
2021年 | 14篇 |
2020年 | 24篇 |
2019年 | 12篇 |
2018年 | 20篇 |
2017年 | 10篇 |
2016年 | 12篇 |
2015年 | 12篇 |
2014年 | 9篇 |
2013年 | 23篇 |
2012年 | 14篇 |
2011年 | 17篇 |
2010年 | 24篇 |
2009年 | 17篇 |
2008年 | 13篇 |
2007年 | 5篇 |
2006年 | 14篇 |
2005年 | 7篇 |
2004年 | 9篇 |
2003年 | 9篇 |
2002年 | 16篇 |
2001年 | 3篇 |
2000年 | 15篇 |
1999年 | 14篇 |
1998年 | 12篇 |
1997年 | 4篇 |
1996年 | 5篇 |
1995年 | 1篇 |
1992年 | 1篇 |
1990年 | 1篇 |
1983年 | 1篇 |
排序方式: 共有387条查询结果,搜索用时 15 毫秒
381.
382.
为探究小麦和豌豆间作对群体光合特性和生产力的影响,本研究于2019—2021年在陕西关中地区开展田间试验,设置4行小麦+2行豌豆(W4P2)、2行小麦+2行豌豆(W2P2)两种条带种植处理,以单作小麦(CKW)和单作豌豆(CKP)为对照,分析了小麦和豌豆叶片净光合速率(Pn)、群体光合速率(CAP)、干物质累积及群体生产力等指标。结果表明:与单作相比, W2P2和W4P2间作处理显著提高了小麦叶片SPAD和Pn,但豌豆叶片SPAD和Pn不同程度降低。小麦与豌豆间作显著提高了花前群体光合速率, W4P2的CAP较其对照群体光合CAPCK42(2/3CAPCKW+1/3CAPCKP)增加6.2%~8.0%,而W2P2处理的CAP较其对照群体光合CAPCK22(1/2CAPCKW+1/2CAPCKP)增加6.2%~8.5%。与CKW相比,W4P2和W2P2间作处理单位面积小麦干物质积累能力显著增强... 相似文献
383.
384.
385.
高油酸能够显著提升大豆食用油的稳定性和食用价值,是大豆品质改良的育种目标之一。为提高大豆籽粒油酸含量,本研究采用CRISPR/Cas9多基因编辑技术,同时敲除负调控大豆油酸含量的2个关键基因GmFAD2-1A和GmFAD2-1B。采用农杆菌介导的大豆子叶节转化方法获得20株T0代阳性苗,但发生基因编辑的株系只有11个,其中GmFAD2-1A发生突变的有7株,GmFAD2-1B发生突变的有10株,这2个基因同时发生突变的有6株。经过加代纯合后,检测转基因株系(T3代)大豆籽粒的脂肪酸组分,发现油酸含量显著提升,最高达81.38%,而亚油酸含量则显著降低,获得了高油酸新种质。本研究采取多基因敲除策略,成功突变大豆基因GmFAD2-1A和GmFAD2-1B,并获得高油酸大豆突变体株系,为高油酸大豆育种提供了新的种质资源。 相似文献
386.
【目的】基于黄脊竹蝗若虫不同龄、成虫不同性别及不同组织筛选稳定表达的内参基因,为黄脊竹蝗后续转录调控研究提供参考。【方法】依据黄脊竹蝗转录组测序结果,以TUB、RPS27A、RPL10、AK、GAPDH、EF1A、RPS3、Actin和18S rRNA常用的9种昆虫内参基因作为候选,本地Blast后获得碱基序列并设计引物。利用GeNorm、NormFinder和BestKeeper软件分析这9种内参基因的稳定性,筛选出在若虫不同龄、成虫不同性别与不同组织(触角、头、唇须、肌肉组织、精/卵巢)中表达量最为稳定的内参基因。【结果】9种候选内参基因在黄脊竹蝗体内均为首次验证并报道,且与其他昆虫相应基因同源性高(高于70%),差异值小;9种候选内参基因的引物均具有良好的扩增效率(均在90%~120%);在所有样品中,18S rRNA表达水平最高(Ct=10.78±2.58,P<0.05),Actin表达水平差异值最大(Ct=23.55±3.84,P<0.05)。黄脊竹蝗不同龄若虫的内参基因稳定性分析时,3个软件排在前2位的内参基因均为RP... 相似文献
387.
近年来高光谱技术由于无损和高效等优点成为了现代精准农业发展的必要手段方法。为实现冬油菜无损、快速的氮素盈亏诊断,该研究以连续两年(2022—2023年)不同覆盖及施氮处理下冬油菜蕾薹期采集的90份植物样品(地上部生物量和植株氮浓度)和高光谱实测数据为数据源,根据原始光谱和一阶微分(first-order differential,FD)光谱与氮营养指数(nitrogen nutrition index,NNI)的相关系数计算了8种(共16个)典型的光谱指数,随后利用相关矩阵法提取最佳光谱组合,并根据与NNI相关系数的计算结果筛选最优光谱指数,最后将最优光谱指数分为3组模型输入变量,分别采用支持向量机(support vector machine,SVM)、随机森林(random forest,RF)、极限学习机(extreme learning machine,ELM)和反向神经网络(back propagation neural network,BPNN)构建冬油菜蕾薹期NNI估算模型。结果表明一阶微分光谱指数与NNI的相关系数均大于原始光谱指数,3个组合选择的光谱指数与NNI的相关... 相似文献