全文获取类型
收费全文 | 30818篇 |
免费 | 489篇 |
国内免费 | 997篇 |
专业分类
林业 | 2657篇 |
农学 | 1724篇 |
基础科学 | 2101篇 |
1342篇 | |
综合类 | 11923篇 |
农作物 | 1863篇 |
水产渔业 | 1154篇 |
畜牧兽医 | 6391篇 |
园艺 | 2377篇 |
植物保护 | 772篇 |
出版年
2024年 | 185篇 |
2023年 | 588篇 |
2022年 | 706篇 |
2021年 | 746篇 |
2020年 | 595篇 |
2019年 | 878篇 |
2018年 | 903篇 |
2017年 | 460篇 |
2016年 | 675篇 |
2015年 | 632篇 |
2014年 | 1554篇 |
2013年 | 1056篇 |
2012年 | 1336篇 |
2011年 | 1269篇 |
2010年 | 1252篇 |
2009年 | 1286篇 |
2008年 | 1143篇 |
2007年 | 1160篇 |
2006年 | 1130篇 |
2005年 | 1189篇 |
2004年 | 914篇 |
2003年 | 859篇 |
2002年 | 798篇 |
2001年 | 727篇 |
2000年 | 862篇 |
1999年 | 922篇 |
1998年 | 892篇 |
1997年 | 808篇 |
1996年 | 828篇 |
1995年 | 822篇 |
1994年 | 712篇 |
1993年 | 676篇 |
1992年 | 637篇 |
1991年 | 636篇 |
1990年 | 533篇 |
1989年 | 410篇 |
1988年 | 218篇 |
1987年 | 195篇 |
1986年 | 163篇 |
1985年 | 162篇 |
1984年 | 154篇 |
1983年 | 130篇 |
1982年 | 111篇 |
1981年 | 87篇 |
1980年 | 70篇 |
1979年 | 52篇 |
1978年 | 17篇 |
1965年 | 21篇 |
1964年 | 26篇 |
1959年 | 15篇 |
排序方式: 共有10000条查询结果,搜索用时 0 毫秒
981.
982.
中国国兰的品种资源数量在整个兰花产业中位于世界前列。据不完全估计,已被命名的国兰品种已经达到3000个以上。2010年花卉行业传出一个振奋人心的消息,福建省连城的一个种植传统国兰(建兰和墨兰)品种的公司正在申请我国的中小企业板块。 相似文献
983.
984.
985.
池塘规模化养殖罗非鱼效益显著,值得推广。本文报道了罗非鱼规模化养殖的技术和方法。从2004年5月19日放养8-9cm单性尼罗罗非鱼种27万尾,经过7个月养殖试验测定共存活24.84万尾,成活率92%,平均体重0.75kg/尾,最大体重0.81kg/尾。 相似文献
986.
三疣梭子蟹胚胎发育过程中主要生化组成的变化及其能量来源 总被引:2,自引:0,他引:2
系统研究了三疣梭子蟹(Portunus trituberculatus)胚胎发育过程中胚胎体积、单卵干重、湿重、蛋白质、脂肪、碳水化合物的变化规律,探讨胚胎发育过程中能量来源和消耗规律。结果表明,三疣梭子蟹胚胎发育过程中,胚胎体积持续增加,由受精卵时的(24.5±1.72)×106μm3增加到孵化前的(39.2±2.8)×106μm3(P<0.01);胚胎体积增加主要发生在胚胎发育后期。胚胎发育过程中单卵中水分含量呈上升趋势(P<0.05),水分绝对量由受精卵的(19.88±1.65)μg上升到心跳期的(28.82±1.77)μg,单卵水分含量升高了44.97%,故单卵湿重显著上升(P<0.05)。整个胚胎发育过程中单卵干重下降了4.64%。胚胎发育过程中单卵中的蛋白质、脂肪下降显著,分别减少了(1.97±0.35)μg和(1.99±0.45)μg,脂肪含量下降幅度为50.48%,而蛋白质含量下降幅度为23.48%;三疣梭子蟹胚胎发育过程中能量主要由脂类提供(71.32±20.46)%,其次由蛋白质提供(27.13±4.29)%,脂类和蛋白质分别充当了不同胚胎时期的主要能量来源,胚胎中的能量消耗主要发生在卵裂期、原肠期和心跳期。 相似文献
987.
988.
989.
990.
模型泛化能力是病害识别模型多场景应用的关键,该研究针对不同环境下的苹果叶片病害数据,提出一种可以提取多类型特征的强泛化苹果叶片病害识别模型CaTNet。该模型采用双分支结构,首先设计了一种卷积神经网络分支,负责提取苹果叶片图像的局部特征,其次构建了具有挤压和扩充功能的视觉Transformer分支,该分支能够提取苹果叶片图像的全局特征,最后将两种特征进行融合,使Transformer分支可以学习局部特征,使卷积神经网络分支学习全局特征。与多种卷积神经网络模型和Transformer模型相比,该模型具有更好的泛化能力,仅需学习实验室环境叶片数据,即可在自然环境数据下达到80%的识别精度,相较卷积神经网络EfficientNetV2提升7.21个百分点,相较Transformer网络PVT提升26.63个百分点,能够有效提升对不同环境数据的识别精度,解决了深度学习模型训练成本高,泛化能力弱的问题。 相似文献