全文获取类型
收费全文 | 121篇 |
免费 | 5篇 |
国内免费 | 9篇 |
专业分类
林业 | 4篇 |
农学 | 13篇 |
基础科学 | 10篇 |
2篇 | |
综合类 | 59篇 |
农作物 | 6篇 |
水产渔业 | 11篇 |
畜牧兽医 | 22篇 |
园艺 | 5篇 |
植物保护 | 3篇 |
出版年
2023年 | 7篇 |
2022年 | 8篇 |
2021年 | 4篇 |
2020年 | 2篇 |
2019年 | 13篇 |
2018年 | 3篇 |
2017年 | 1篇 |
2016年 | 3篇 |
2015年 | 2篇 |
2014年 | 6篇 |
2013年 | 4篇 |
2012年 | 9篇 |
2011年 | 12篇 |
2010年 | 15篇 |
2009年 | 11篇 |
2008年 | 7篇 |
2007年 | 3篇 |
2006年 | 3篇 |
2005年 | 3篇 |
2004年 | 5篇 |
2003年 | 4篇 |
2002年 | 1篇 |
2001年 | 3篇 |
2000年 | 2篇 |
1998年 | 2篇 |
1996年 | 1篇 |
1959年 | 1篇 |
排序方式: 共有135条查询结果,搜索用时 15 毫秒
121.
122.
生长调节剂在巴旦杏保花保果中的应用 总被引:1,自引:1,他引:0
试验以鹰嘴巴旦杏为试材,分别在盛花期和幼果膨大初期进行了喷施不同浓度生长调节剂保花保果的研究.以喷施清水为对照,喷施生长调节剂后每隔10 d调查一次果枝的坐果数,计算坐果率,并进行比较分析.试验结果表明:盛花期喷施不同浓度的植物生长调节剂,其中赤霉素和2,4-D以40和20 mg/L处理保花效果最好,坐果率分别比对照提高7.67;和8.33;;幼果膨大初期喷施不同浓度的植物生长调节剂,萘乙酸和比久以30和100 mg/L处理保果效果最好,坐果率分别比对照提高11.00;和6.67;. 相似文献
123.
124.
利用果蝇S2细胞表达鸡传染性囊病病毒(IBDV)超强毒株VP2蛋白,并检测其抗原活性。通过扩增IBDV VP2蛋白的编码基因,与果蝇S2细胞表达载体pMT/BiP/V5/HisA连接构建重组表达载体pMT/BiP/V5/HisA-VP2,将重组表达载体与筛选质粒pCoBlast共转染果蝇S2细胞,表达VP2融合蛋白后纯化目的蛋白,并对表达产物进行抗原性分析。Western-blotting分析表明,融合蛋白相对分子质量为49 kDa,该融合蛋白具有与VP2单抗良好的结合能力。结论 IBDV VP2融合蛋白能在果蝇S2细胞中进行有效地表达,并且能分泌到上清中,融合蛋白具有良好的抗原性,可作为诊断抗原用于该病的诊断检测。 相似文献
125.
本试验拟研究LED光照对苏系长毛兔毛品质及皮肤毛囊发育的影响。试验选择3月龄健康、体重相近((2.245±0.296) kg)的50只苏系长毛兔,随机分为5个处理组,即LED红光组、LED绿光组、LED蓝光组、黑暗组和对照组(自然光组),每组5个重复,每个重复2只。采用16L∶8D光照制度,光照强度50 lx,试验期73 d。试验末采集毛样测定毛品质,采集血液测定激素指标,采集皮肤组织观察毛囊发育。结果表明:1) LED光照对长毛兔终末体重、平均日增重(ADG)、采食量无显著的影响(P>0.05),但红光组提高了长毛兔的毛产量,高于对照、绿光、黑暗组(P=0.050)。2)红光组显著提高肩胛部的毛纤维长度,比对照组和绿光组长35.36%(P<0.05)。红光组显著降低了粗毛率,显著低于绿光组(P<0.05)。对照组粗毛细度显著小于绿光组和黑暗组(P<0.05),各组间细毛细度无显著性差异(P>0.05),但红光组最细。回潮率各组之间均无显著差异(P>0.05)。3)与对照组相比,红光组能显著提高血清褪黑激素(MT)、三碘甲状原氨酸(T3)的浓度(P<0.05),黑暗组显著降低催乳素(PRL)的浓度(P<0.05)。4)组织切片观察发现,红光毛囊群个数最多(16.5),且多为次级毛囊,初级毛囊极少,毛囊分布均匀;对照、蓝光、黑暗组毛囊群结构处于正常水平;绿光组毛囊群个数最少(10.0),毛囊分布不均。LED红光可以促进机体MT的分泌,提高苏系长毛兔皮肤组织毛囊群数和次级毛囊数,进而改善毛纤维品质。 相似文献
126.
127.
128.
129.
实现果园机械化智能采摘是解决农村劳动力不足、降低果实采摘成本的重要途径,对果园中果实的准确识别是其关键技术。以枣为研究对象,建立最适合多品种、实用性强的枣果实成熟度识别模型,将YOLO算法引入到枣果实在自然环境下的成熟度识别中,将枣果实分为成熟果实、未熟果实和完熟果实、半红果实、未熟果实两种标注方式,建立YOLO V3、YOLO V4、YOLO V4-Tiny和Mobilenet-YOLO V4-Lite四种识别模型。研究表明YOLO算法中YOLO V3与YOLO V4-Tiny两个模型均可适用于两种标注方式,验证集mAP约为94%,证明YOLO算法能够对枣果实进行有效的成熟度识别。 相似文献
130.