全文获取类型
收费全文 | 200篇 |
免费 | 11篇 |
国内免费 | 87篇 |
专业分类
林业 | 38篇 |
农学 | 24篇 |
基础科学 | 29篇 |
78篇 | |
综合类 | 60篇 |
农作物 | 14篇 |
水产渔业 | 1篇 |
畜牧兽医 | 25篇 |
园艺 | 10篇 |
植物保护 | 19篇 |
出版年
2024年 | 2篇 |
2023年 | 11篇 |
2022年 | 10篇 |
2021年 | 5篇 |
2020年 | 18篇 |
2019年 | 19篇 |
2018年 | 21篇 |
2017年 | 20篇 |
2016年 | 23篇 |
2015年 | 19篇 |
2014年 | 18篇 |
2013年 | 21篇 |
2012年 | 21篇 |
2011年 | 16篇 |
2010年 | 13篇 |
2009年 | 5篇 |
2008年 | 7篇 |
2007年 | 8篇 |
2006年 | 14篇 |
2005年 | 4篇 |
2004年 | 2篇 |
2003年 | 1篇 |
2002年 | 3篇 |
2001年 | 1篇 |
1999年 | 6篇 |
1998年 | 1篇 |
1997年 | 2篇 |
1996年 | 1篇 |
1995年 | 1篇 |
1994年 | 2篇 |
1993年 | 1篇 |
1990年 | 1篇 |
1989年 | 1篇 |
排序方式: 共有298条查询结果,搜索用时 328 毫秒
1.
2.
3.
为了探讨"旱冻交加"的气候条件下遥感监测小麦苗情的可行性,以河南省冬小麦为例,利用多时相MODIS为遥感数据源,引入了广泛用于小麦苗情监测的距平植被指数(AVI),同时基于植被健康状态指数(VHI)和晚霜冻害综合指数(I),构建了旱冻双重胁迫条件下的小麦苗情综合指数(CI),以反映冬小麦拔节期的生长状况,并分别利用实测样点苗情分类和距平植被指数对结果进行验证。结果表明,CI的总体分类精度为85.00%,Kappa系数为0.74;冬小麦总茎数与CI呈线性正相关关系,拟合方程为y=8.732CI+1.256,决定系数为0.605 3;与实测样本对比,CI预测精度为73.30%,苗情分类分级更符合小麦生长实际情况。因此认为旱冻双重胁迫下可以利用CI对冬小麦苗情进行监测。 相似文献
4.
小麦倒伏的雷达极化特征及其遥感监测 总被引:3,自引:6,他引:3
研究探索了雷达遥感大面积监测小麦倒伏状况的潜力。利用覆盖整个小麦生育期的5景时间序列Radarsat-2全极化影像数据,对比分析了倒伏小麦与正常小麦在不同时间、不同极化的雷达后向散射动态响应规律,发现雷达极化特征对小麦倒伏十分敏感,基于此提出利用雷达极化指数监测小麦倒伏的方法。并利用内蒙古额尔古纳市上库力农场春小麦抽穗灌浆期的实地调查数据,对提出方法进行验证,结果表明该方法能有效辨识和监测小麦倒伏。为大面积监测小麦倒伏提供了一种简单、快速、有效的手段。 相似文献
5.
无人机机载激光雷达提取果树单木树冠信息 总被引:2,自引:3,他引:2
定株管理是未来果园精准生产管理的趋势,果树单木树冠信息的提取是定株管理的关键。该研究利用无人机采集的苹果园激光探测与测量数据(Light Detection and Ranging,LiDAR)检测和测量每棵果树的树冠面积和树冠直径,并评价空间分辨率对于果树单木树冠检测与提取的影响。该方法主要包括使用反距离权重插值法间接生成冠层高度模型(Canopy Height Model,CHM);使用局部极大值滤波算法和标记控制分水岭分割算法(Marked-Controlled Watered Segmentation,MCWS)对果树进行单木树冠检测与提取,通过与参考数据的比较,评估了该方法的精度,并定量分析了空间分辨率对于单木树冠检测与信息提取结果的敏感性。结果表明,该方法有效地实现果树单木树冠检测与信息提取,代表果树检测精度的F1得分为94.86%,树冠轮廓提取准确率为86.39%,树冠面积的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.81和20.56%,树冠直径的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.85和14.79%,树冠面积和直径不同程度地被高估。此外,冠层高度模型的空间分辨率接近果树平均树冠直径的1/10时精度最高,可以有效检测果树单木树冠及提取树冠轮廓,从而准确提取果树单木树冠信息。 相似文献
6.
PAM施用方式对土壤水热及玉米生长的影响 总被引:2,自引:0,他引:2
为了探寻PAM在玉米生产中的最佳施用方式,在河套灌区玉米播种时,以不施PAM为对照,研究PAM沟施、混施、撒施、穴施对土壤水分、土壤温度和玉米生长的影响。结果表明:1)在玉米生长的不同时期,PAM都可提高土壤水分,特别是在干旱的玉米抽雄吐丝期、灌浆期具有显著作用;2)PAM可延缓玉米幼苗期、三叶期的土壤温度回升,抑制玉米幼苗生长;3)从玉米拔节期开始,PAM可促进玉米生长,在玉米抽雄吐丝期、灌浆期效果最为显著;4)PAM沟施、混施、撒施、穴施的玉米产量分别较对照提高30.6%、39.3%、40.2%和31.7%,水分利用效率分别提高18.97%、25.43%、29.69%和20.46%,水分产出率分别提高31.36%、40.71%、42.15%和32.32%;5)在河套灌区,PAM撒施是玉米播种时相对适宜的施用方法。 相似文献
7.
基于无人机数码影像的冬小麦叶面积指数探测研究 总被引:17,自引:1,他引:17
叶面积指数(LAI)是评价作物长势的重要农学参数之一,利用遥感技术准确估测作物叶面积指数(LAI)对精准农业意义重大。目前,数码相机与无人机系统组成的高性价比遥感监测系统在农业研究中已取得一些成果,但利用无人机数码影像开展作物LAI估测研究还少有尝试。为论证利用无人机数码影像估测冬小麦LAI的可行性,本文以获取到的3个关键生育期(孕穗期、开花期和灌浆期)冬小麦无人机数码影像为数据源,利用数字图像转换原理构建出10种数字图像特征参数,并系统地分析了3个生育期内两个冬小麦品种在4种氮水平下的LAI与数字图像特征参数之间的关联性。结果表明,在LAI随生育期发生变化的同时,10种数字图像特征参数中R/(R+G+B)和本文提出的基于无人机数码影像红、绿、蓝通道DN值以及可见光大气阻抗植被指数(VARI)计算原理构建的数字图像特征参数UAV-based VARIRGB也有规律性变化,说明冬小麦的施氮差异不仅对LAI有影响,也对某些数字图像特征参数有一定影响;在不同条件(品种、氮营养水平以及生育期)下的数字图像特征参数与LAI的相关性分析中,R/(R+G+B)和UAV-based VARIRGB与LAI显著相关。进而,研究评价了R/(R+G+B)和UAV-based VARIRGB构建的LAI估测模型,最终确定UAV-based VARIRGB为估测冬小麦LAI的最佳参数指标。结果表明UAV-based VARIRGB指数模型估测的LAI与实测LAI拟合性较好(R2=0.71,RMSE=0.8,P0.01)。本研究证明将无人机数码影像应用于冬小麦LAI探测是可行的,这也为高性价比无人机遥感系统的精准农业应用增添了新成果和经验。 相似文献
8.
无人机遥感解析田间作物表型信息研究进展 总被引:7,自引:19,他引:7
田间作物表型信息是揭示作物生长发育规律及其与环境关系的重要依据,传统的田间试验取样和车载高通量平台测定作物性状参数的方法耗时耗力,且空间覆盖不全,限制了作物科学研究的快速发展,而以无人机为代表的近地遥感高通量表型平台凭借机动灵活、成本低、空间覆盖广的优势成为获取田间作物表型信息的重要手段。该文根据国内外无人机遥感平台解析作物表型信息的最新研究成果,针对不同传感器类型分析了无人机遥感解析作物表型信息的应用及其不足,总结了遥感定量反演作物表型信息的方法体系,展望了无人机载遥感技术在作物表型信息解析方面的应用前景。该项研究成果对推广无人机遥感平台获取田间作物表型信息、提高复杂农田环境作物长势信息的解析和辨识能力具有重要意义。 相似文献
9.
基于无人机成像高光谱影像的冬小麦LAI估测 总被引:4,自引:0,他引:4
利用无人机Cubert UHD185 Firefly成像光谱仪和ASD光谱仪获取了冬小麦挑旗期、开花期和灌浆期的成像和非成像高光谱以及LAI数据。首先,对比ASD与UHD185光谱仪数据光谱反射率,评价两者精度;然后,选取7个光谱参数,分析其与冬小麦3个生育期LAI的相关性,并使用线性回归和指数回归挑选出最佳估测参数;最后利用多元线性回归、偏最小二乘、随机森林、人工神经网络和支持向量机构建了冬小麦3个不同生育期LAI的估测模型。结果表明:UHD185光谱仪光谱反射率在红边区域与ASD光谱仪趋势一致性很高,反射率在挑旗期、开花期、灌浆期的R^2分别为0.9959、0.9990和0.9968,UHD185光谱仪数据精度较高;7种光谱参数在挑旗期、开花期、灌浆期与LAI相关性最高的参数分别是NDVI(r=0.738)、SR(r=0.819)、NDVI×SR(r=0.835);LAI-MLR为冬小麦LAI的最佳估测模型,其中开花期拟合性最好,精度最高(建模R^2=0.6788、RMSE为0.69、NRMSE为19.79%,验证R^2=0.8462、RMSE为0.47、NRMSE为16.04%)。 相似文献
10.
Thorough understanding of the genetic mechanisms governing drought adaptive traits can facilitate drought resistance improvement. This study was conducted to identify chromosome regions harbouring QTLs contributing for water stress resistance in wheat. A RIL mapping population derived from a cross between W7984 (Synthetic) and Opata 85 was phenotyped for root length and root dry weight under water stress and non-stress growing conditions. ANOVA showed highly significant (p ≤ 0.01) variation among the RILs for both traits. Root length and root dry weight showed positive and significant (p ≤ 0.01) phenotypic correlation. Broad sense heritability was 86% for root length under stress and 65% for root dry weight under non-stress conditions. A total of eight root length and five root dry weight QTLs were identified under both water conditions. Root length QTLs Qrln.uwa.1BL, Qrln.uwa.2DS, Qrln.uwa.5AL and Qrln.uwa.6AL combined explained 43% of phenotypic variation under non-stress condition. Opata was the source of favourable alleles for root length QTLs under non-stress condition except for Qrln.uwa.6AL. Four stress specific root length QTLs, Qrls.uwa.1AS, Qrls.uwa.3AL, Qrls.uwa.7BL.1 and Qrls.uwa.7BL.2 jointly explained 47% of phenotypic variation. Synthetic wheat contributed favourable alleles for Qrls.uwa.1AS and Qrls.uwa.3AL. Two stable root dry weight QTLs on chromosomes 4AL and 5AL were consistently found in both water conditions. Three validation populations were developed by crossing cultivars Lang, Yitpi, and Chara with Synthetic W7984 to transfer two of the QTLs identified under stress condition. The F2.3 and F3.4 validation lines were phenotyped under the same level of water stress as RILs to examine the effect of these QTLs. There were 13.5 and 14.5% increases in average root length due to the inheritance of Qrls.uwa.1AS and Qrls.uwa.3AL, respectively. The result indicated that closely linked SSR markers Xbarc148 (Qrls.uwa.1AS) and Xgwm391 (Qrls.uwa.3AL) can be incorporated into MAS for water stress improvement in wheat. 相似文献