全文获取类型
收费全文 | 147篇 |
免费 | 7篇 |
国内免费 | 13篇 |
专业分类
林业 | 16篇 |
农学 | 3篇 |
基础科学 | 7篇 |
14篇 | |
综合类 | 53篇 |
农作物 | 3篇 |
水产渔业 | 11篇 |
畜牧兽医 | 44篇 |
园艺 | 13篇 |
植物保护 | 3篇 |
出版年
2024年 | 1篇 |
2023年 | 7篇 |
2022年 | 10篇 |
2021年 | 10篇 |
2020年 | 8篇 |
2019年 | 9篇 |
2018年 | 9篇 |
2017年 | 9篇 |
2016年 | 9篇 |
2015年 | 5篇 |
2014年 | 4篇 |
2013年 | 4篇 |
2012年 | 4篇 |
2011年 | 11篇 |
2010年 | 5篇 |
2009年 | 16篇 |
2008年 | 9篇 |
2007年 | 4篇 |
2006年 | 10篇 |
2005年 | 7篇 |
2004年 | 6篇 |
2003年 | 4篇 |
2002年 | 2篇 |
2001年 | 1篇 |
1992年 | 2篇 |
1984年 | 1篇 |
排序方式: 共有167条查询结果,搜索用时 31 毫秒
81.
82.
<正>全面建设小康社会重点在农村,难点也在农村。要发展农村经济,增加农民收入,必须大力发展畜牧业。在新的形势下,要发展现代畜牧业,必须借鉴工业发展的办法,用工业化思维谋划牧业发展,推进牧业产业化经营。 用工业化思维谋划牧业发展,就是按照工业化大生产的要求,用工业化方式组织牧业生产经营, 相似文献
83.
84.
川中丘陵区覆膜再生稻田N2O排放规律研究 总被引:1,自引:1,他引:0
为明确覆膜再生稻田N_2O排放规律,采用静态箱-气相色谱法原位观测了川中丘陵区覆膜条件下再生稻田的N_2O排放通量。试验设置覆膜单季中稻(SR)和覆膜中稻-再生稻(SR-RR)两个处理。结果表明:SR-RR处理中稻季有两个明显的N_2O排放峰,第一个排放峰出现时间较SR处理提前13 d,再生季出现N_2O排放最高峰,峰值为1 630.7μgN·m~(-2)·h~(-1)。全观测期内SR-RR处理N_2O排放量为5.63 kgN·hm~(-2),其中再生季N_2O排放量为2.35 kgN·hm~(-2),约占两季总排放的42%。SR-RR处理两季的N_2O排放总量比SR处理的单季排放量高246%(P0.05)。SR-RR处理两季稻谷总产量为10.4 t·hm~(-2),其中再生季产量为1.89 t·hm~(-2),约占两季稻谷总产量的18%,SR-RR处理两季稻谷总产量比SR处理高出22%(P0.05)。SR-RR处理单位产量的N_2O排放量为0.54kgN·t~(-1),较SR处理增加184%(P0.05)。研究结果为进一步研究覆膜再生稻田N_2O排放规律及寻求有效的减排措施提供数据支撑和科学依据。 相似文献
85.
86.
87.
本研究利用实验室已建牙鲆(Paralichthys olivaceus)转录组数据库,得到牙鲆JNK2基因(PoJNK2)并利用PCR技术进行序列验证。PoJNK2的开放阅读框长度为1263 bp,编码420个氨基酸;通过SMART服务器对PoJNK2的结构域进行预测,显示PoJNK2具有典型的丝氨酸?苏氨酸蛋白激酶催化结构域S_TKc。利用qRT-PCR分析PoJNK2在牙鲆成体不同组织中的表达水平,发现其在牙鲆免疫组织中均有表达,因此,初步推测PoJNK2在牙鲆免疫应答方面可能发挥作用。本研究设计了体内迟缓爱德华氏菌(Edwardsiella tarda)侵染实验和体外免疫刺激细胞实验以探究PoJNK2在牙鲆免疫反应中的作用。在迟缓爱德华氏菌体内注射牙鲆成体后,PoJNK2在脾脏、头肾和鳃中有不同程度的表达上调。同时,使用迟缓爱德华氏菌、Poly I:C和肿瘤坏死因子-α (TNF-α)刺激牙鲆鳃细胞系后,发现PoJNK2在不同时间点表达上调。除此之外,通过细胞转染实验在牙鲆鳃细胞系中过表达PoJNK2,发现其对下游炎症细胞因子的表达及激活蛋白Activator protein-1 (AP-1)的转录活性具有显著的上调作用,进一步阐明了PoJNK2在调节牙鲆免疫应答方面的作用。 相似文献
88.
基于随机森林回归方法的水稻产量遥感估算 总被引:2,自引:0,他引:2
为寻求高效的水稻产量估算方法,以2017年长春市九台和德惠地区的采样点为样本,遥感数据和气象数据为特征变量,通过对产量与特征变量间的相关性分析与特征变量之间的主成分分析和袋外数据(out-of-data,OOB)变量的重要性分析对特征变量进行选择,以选择后的特征变量为输入变量建立水稻产量估算的随机森林回归(RFR)模型。结果表明:特征变量优选后的RFR模型对水稻产量估算的精度更高,决定系数R~2和平均相对误差MRE分别为0.950和0.060;并将该模型应用到农安地区,以多元逐步回归模型作为比较模型,表明RFR模型的水稻产量估算精度明显优于多元逐步回归模型,RFR模型的R~2和MRE分别为0.730和0.090,多元逐步回归模型的R~2和MRE分别为0.530和0.120。 相似文献
89.
90.