全文获取类型
收费全文 | 3738篇 |
免费 | 105篇 |
国内免费 | 281篇 |
专业分类
林业 | 346篇 |
农学 | 226篇 |
基础科学 | 274篇 |
505篇 | |
综合类 | 1822篇 |
农作物 | 140篇 |
水产渔业 | 165篇 |
畜牧兽医 | 433篇 |
园艺 | 108篇 |
植物保护 | 105篇 |
出版年
2024年 | 52篇 |
2023年 | 114篇 |
2022年 | 175篇 |
2021年 | 126篇 |
2020年 | 147篇 |
2019年 | 159篇 |
2018年 | 78篇 |
2017年 | 112篇 |
2016年 | 161篇 |
2015年 | 150篇 |
2014年 | 157篇 |
2013年 | 158篇 |
2012年 | 214篇 |
2011年 | 233篇 |
2010年 | 237篇 |
2009年 | 216篇 |
2008年 | 236篇 |
2007年 | 188篇 |
2006年 | 165篇 |
2005年 | 149篇 |
2004年 | 97篇 |
2003年 | 85篇 |
2002年 | 56篇 |
2001年 | 82篇 |
2000年 | 52篇 |
1999年 | 38篇 |
1998年 | 51篇 |
1997年 | 50篇 |
1996年 | 55篇 |
1995年 | 56篇 |
1994年 | 44篇 |
1993年 | 39篇 |
1992年 | 45篇 |
1991年 | 48篇 |
1990年 | 34篇 |
1989年 | 27篇 |
1988年 | 17篇 |
1987年 | 6篇 |
1986年 | 5篇 |
1985年 | 2篇 |
1984年 | 1篇 |
1983年 | 2篇 |
1982年 | 1篇 |
1981年 | 1篇 |
1980年 | 1篇 |
1957年 | 1篇 |
1955年 | 1篇 |
排序方式: 共有4124条查询结果,搜索用时 15 毫秒
51.
52.
中国是世界上受干旱影响最严重的国家之一,干旱频发给我国经济社会发展和生态环境造成严重影响。为分析近40 a干旱事件的时空特征,本文结合三维聚类算法,从干旱事件时空联动的本质出发,识别中国1981—2020年间干旱事件并定量分析干旱事件的时空动态演变过程。主要结论如下:三维聚类算法能有效识别干旱事件及其动态变化过程。中国1981—2020年间发生持续2个月及以上的干旱事件102场,空间上,干旱事件空间轨迹倾向于自东向西发展;时间上,干旱事件时间重叠度较高,长历时干旱多具有多峰特点。此外,覆盖范围广且严重度高的干旱事件集中发生于2005—2010年。本文结论有助于发现中国干旱事件的时空演化规律,为我国干旱监测和干旱风险管理提供科学参考。 相似文献
53.
通过对河南省129个基本单位的中低产田的分布率、气候方面的热量指标和干燥度指标、水分盈亏指标以及地貌指标等5项指标,进行分别计算,给出了中低产田分区方法,为区域农业宏观管理决策提供了依据。 相似文献
54.
对25个主要水稻材料用11个稻瘟病主要小种进行抗病性鉴定,将鉴定结果采用模糊聚类分析,得出含抗病基因丰富的品种,用于抗病育种和指导生产。 相似文献
55.
56.
湖南省节水灌溉分区与规划 总被引:1,自引:0,他引:1
将模糊聚类方法用于湖南省节水灌溉分区,建立了湖南省节水灌溉区划模型,将系统动力学的动态仿真原理用于节水灌溉发展规划,建立了节水灌溉发展规划的动态仿真模型。据此,提出了湖南省节水灌溉区划,并对各分区及全省“九五”期间节水浇灌发展作了详细规划。 相似文献
57.
58.
59.
为实现蔬菜大棚内自动化除草的目的,针对其中的杂草识别环节,提出了一种基于三维点云的新型蔬菜大棚杂草识别方法。采用RGB-D相机获取青菜田、生菜田的三维点云图像,采用超绿色算法去除其中的土壤等背景,采用体素滤波法在保留点云图像形状特征的同时降低点云数量,然后采用欧式聚类法分割出单株青菜和单棵杂草的点云簇,分别计算得到每个点云簇的最高点的Z坐标值,最后结合深度信息Z坐标值实现蔬菜大棚杂草识别。结果表明:这种基于三维点云的杂草识别方法能够有效的识别出杂草,识别率为86.48%。该方法能够对蔬菜大棚中的杂草进行准确识别,为蔬菜大棚自动化除草提供有效的解决方案。 相似文献
60.
【目的】探究将简单非迭代聚类超像素分割算法(SNIC)融合到基于多时相数据的树种分类问题中,并对比分析不同时相数据组合对分类结果的影响,实现更高效、更精准的优势树种识别。【方法】以内蒙古旺业甸林场为研究区,在Google Earth Engine(GEE)云计算平台上利用多时相Sentinel-2多光谱数据提取波段反射率特征和光谱指数特征,采用SNIC和支持向量机(SVM)机器学习分类方法,实现面向对象的优势树种识别,并分析不同时相数据组合对优势树种识别精度的影响。【结果】多时相数据组合的分类精度明显高于各季节单时相数据。对比不同多时相数据组合分类结果,春、秋2个季节时间序列组合数据的分类精度与多季节组合数据结果相近,总体精度分别为94.5%、95.0%和95.8%。【结论】基于多时相Sentinel-2影像和SNIC分割算法的面向对象分类方法能够快速、准确识别优势树种,多季节组合数据的分类结果最优,春、秋2个季节时间序列数据也能获得较好分类结果,总体精度与最优结果差距较小。 相似文献