全文获取类型
收费全文 | 151篇 |
免费 | 2篇 |
国内免费 | 3篇 |
专业分类
林业 | 4篇 |
农学 | 6篇 |
基础科学 | 14篇 |
6篇 | |
综合类 | 85篇 |
农作物 | 10篇 |
水产渔业 | 1篇 |
畜牧兽医 | 24篇 |
园艺 | 3篇 |
植物保护 | 3篇 |
出版年
2023年 | 2篇 |
2022年 | 2篇 |
2021年 | 2篇 |
2020年 | 4篇 |
2019年 | 3篇 |
2018年 | 4篇 |
2017年 | 4篇 |
2016年 | 6篇 |
2015年 | 9篇 |
2014年 | 11篇 |
2013年 | 6篇 |
2012年 | 10篇 |
2011年 | 14篇 |
2010年 | 12篇 |
2009年 | 7篇 |
2008年 | 13篇 |
2007年 | 3篇 |
2006年 | 9篇 |
2005年 | 5篇 |
2003年 | 10篇 |
2002年 | 4篇 |
2001年 | 1篇 |
2000年 | 2篇 |
1999年 | 1篇 |
1998年 | 2篇 |
1997年 | 2篇 |
1996年 | 6篇 |
1995年 | 1篇 |
1994年 | 1篇 |
排序方式: 共有156条查询结果,搜索用时 312 毫秒
71.
72.
73.
通过对白石灌区水利工程现状、水资源利用情况以及水资源开发利用存在问题的分析,提出了灌区水资源开发利用规划方案。 相似文献
74.
不同密肥条件对蚕豆农艺性状和产量的影响 总被引:3,自引:3,他引:0
为了明确优良品种的高产栽培技术,实现良种良法配套应用推广,更好地发挥优良品种的增产潜力,以‘成胡14’为材料,研究密度、肥料水平对蚕豆农艺性状和产量的影响。结果表明,密度和肥料对大部分农艺性状和产量均表现极显著影响,且农艺性状的密度效应大于肥料效应,产量的肥料效应大于密度效应。在5个密度梯度和4个肥料梯度中,以15.0万株/hm2和375 kg/hm2时‘成胡14’的各农艺性状和产量均表现较好。主成分分析结果表明,第一和第四主成分偏重不利于产量的提高,第三主成分对产量影响较小。在合理的栽培技术调控下,‘成胡14’可实现突出相应农艺性状和高产的协调。 相似文献
75.
76.
于2014至2015年间在上海闵行地区对高羊茅(Festuca arundinacea Schreb)8个基因型实施了2个施肥水平和2个收割高度的田间试验[1],对饱满种子产量及其构成因子进行了比较,并研究了两者之间的关系。试验结果表明,施肥能显著提高有效分蘖数(生殖枝密度),对粒重影响不显著,而对饱满籽粒产量的影响程度随基因型的不同而异。不同的收割高度处理对粒重的影响不显著。籽粒产量及其组成因子性状的平均数在不同基因型材料间差异显著。在高肥水平下,2个高产无性系‘TF36’和‘TF09’的饱满籽粒产量水平达到1 781和1 530kg/hm~2,4个粒重较大基因型‘TF06’、‘ST03’、‘TF09’和对照‘Plantation’的饱满籽粒千粒重达到2.0~2.7g。饱满籽粒产量与有效分蘖密度(穗数)、穗粒数的偏回归关系均显著,但与粒重的偏回归关系不显著。推论上海地区高羊茅种子高产技术的部分要点是秋施N-P_2O_5-K_2O为131-131-131kg/hm~2的复合肥和在人工收获条件下割穗(而非全株)收获籽粒。 相似文献
77.
氧浓度对复合菌系MC1纤维素降解能力的影响 总被引:1,自引:0,他引:1
堆肥系统内氧浓度一直是影响堆肥进程的重要因子,它决定了堆肥系统中微生物活动的强弱,从而影响堆肥中复杂有机物的分解速率.该文研究了氧浓度对纤维素降解复合菌系MC1功能的影响.通过不同封口方式与不同大小容器培养实验,揭示静置培养条件下复合菌系MC1在纤维素降解过程中,氧浓度对该复合菌系分解纤维素能力的影响.得出复合菌系MC1在微耗氧条件下(<0.05 mg/L)分解纤维素,分解纤维素最佳的氧浓度范围在0.01~0.02 mg/L,氧浓度过高或过低均不利于纤维素的分解.特定氧浓度有利于复合菌系MC1执行分解功能. 相似文献
78.
79.
基于Stacking集成学习的夏玉米覆盖度估测模型研究 总被引:1,自引:0,他引:1
以基于无人机多光谱影像提取的夏玉米植被指数作为特征变量,利用皮尔森相关系数结合随机森林反向验证权重的方法进行特征选择,去除冗余特征。以随机森林、梯度提升树、支持向量机和岭回归作为初级学习器,以岭回归作为次级学习器,建立基于Stacking集成学习的夏玉米覆盖度估测模型,并通过5折交叉验证进一步提升模型泛化能力,采用随机搜索和网格搜索结合的方法对模型超参数进行优化,使用4种回归指标进行模型精度评价,并利用次年数据验证其鲁棒性。结果表明,与单一模型以及决策树、Xgboost、Adaboost、Bagging集成框架相比,Stacking集成学习模型具有更高的精度和更强的鲁棒性,R2为0.9509,比单一模型平均提升0.0369,比其他集成模型平均提升0.0417;Stacking集成学习模型RMSE、MAE和MAPE分别为0.0432、0.0330和5.01%,各指标分别比单一模型平均降低0.0138、0.0130和2.14个百分点,分别比其他集成模型平均降低0.0185、0.0126和2.15个百分点。本研究为夏玉米覆盖度估测提供了新的方法。 相似文献
80.