全文获取类型
收费全文 | 138篇 |
免费 | 0篇 |
国内免费 | 3篇 |
学科分类
农业科学 | 141篇 |
出版年
2024年 | 1篇 |
2023年 | 3篇 |
2022年 | 5篇 |
2021年 | 2篇 |
2020年 | 1篇 |
2019年 | 5篇 |
2016年 | 1篇 |
2015年 | 1篇 |
2014年 | 8篇 |
2013年 | 11篇 |
2012年 | 12篇 |
2011年 | 12篇 |
2010年 | 8篇 |
2009年 | 5篇 |
2008年 | 12篇 |
2007年 | 4篇 |
2006年 | 11篇 |
2005年 | 9篇 |
2004年 | 8篇 |
2003年 | 5篇 |
2002年 | 5篇 |
2001年 | 5篇 |
2000年 | 1篇 |
1999年 | 1篇 |
1996年 | 1篇 |
1991年 | 2篇 |
1984年 | 1篇 |
1983年 | 1篇 |
排序方式: 共有141条查询结果,搜索用时 15 毫秒
1.
2.
3.
1、品种选择
品种是影响肥肝生产的重要因素之一.不同鹅品种肥肝性能差异很大,不是所有鹅都能生产肥肝.比如我国的小型鹅种以产蛋为主而生产肥肝性能很差,不宜选用.可用于肥肝生产的有大型鹅种如狮头鹅,平均肥肝重600克,最大达1.4千克;中型鹅溆浦鹅,平均肥肝重600克,最大达1.33千克;世界著名的肥肝专用种法国朗德鹅,平均肥肝重836克,最大1.78千克;法国的图卢兹鹅又叫茜蒙鹅平均肥肝重1~1.2千克,最大1.8千克. 相似文献
4.
狮头鹅PRL基因的克隆及原核表达 总被引:1,自引:0,他引:1
为了进一步研究PRL对狮头鹅繁殖性能的生理调节机制,采用RT-PCR方法从狮头鹅脑垂体组织扩增获得PRL基因的cDNA序列,克隆至pMD18-T载体获得重组质粒pMD18-PRL,并进行序列测定和分析。将测序正确的cDNA序列定向克隆到pET32a(+),构建表达载体pET32a-PRL,并转化至BL21(DE3)大肠杆菌表达目的蛋白,经IPTG诱导后进行SDS-PAGE检测和Western Blot分析。狮头鹅PRL基因编码区含有600个核苷酸,编码199个氨基酸(GenBank No.GQ856665),与其它禽类PRL具有高度保守性;狮头鹅PRL蛋白二级结构由多个α螺旋和β转角及无规卷曲构成,推测N端70~76、95~102、150~155和207~213区段为其抗原表位的优势区。SDS-PAGE检测表明狮头鹅PRL基因在大肠杆菌中获得了高效表达,可溶性表达产物约占全菌总蛋白的53.6%,融合蛋白分子量约41ku,并用镍柱亲和层析法分离纯化融合蛋白。Western Blot分析证实了所获的融合蛋白具有较强抗原性。试验结果为进一步研究PRL基因的生物功能及其对狮头鹅就巢、产蛋等生产性状的影响奠定了基础。 相似文献
5.
选用狮头鹅、四川白鹅和乌鬃鹅进行饲养对比试验,分别在1、7、14、21、28、42、56、70日龄屠宰,采集样品并测定生产性能、肠道生长指标,以及消化道酶活性,探讨狮头鹅、四川白鹅和乌鬃鹅生产性能和消化生理的差异。结果表明,狮头鹅在1-21日龄和28-70日龄的平均日增重(ADG)和料重比(F:G)均极显著高于四川白鹅和乌鬃鹅(P0.01),四川白鹅两个阶段的F:G极显著低于乌鬃鹅(P0.01);三种鹅十二指肠的相对重量和相对长度在1-21日龄之间差异不显著,42日龄、70日龄四川白鹅的十二指肠相对重量显著高于其他鹅(P0.05);整个阶段三种鹅空肠的酶活显著高于十二指肠,并表现出狮头鹅和乌鬃鹅高于四川白鹅的总体趋势。研究表明,狮头鹅在全阶段的生产性能均显著优于另外两种鹅,三种鹅消化道发育规律大致相同,均表现为小鹅阶段发育较快,大鹅阶段发育趋于平稳。 相似文献
6.
狮头鹅具有体型大、生长速度快、适应性强、饲料报酬高、肉质鲜美等优点,人们越来越喜欢饲养和食用,因而一直受到各地饲养者的欢迎。但是,由于1只种鹅一个生产年度(当年5月份至来年4月份),最多只能繁殖20多只雏 相似文献
7.
8.
基于PCA-SVR-ARMA的狮头鹅养殖禽舍气温组合预测模型 总被引:1,自引:2,他引:1
为提高狮头鹅养殖禽舍气温预测精度,提出了基于主成分分析(Principal Component Analysis,PCA)、支持向量回归机(Support Vector Regression,SVR)融合自回归滑动平均(Autoregressive Moving Average,ARMA)模型的狮头鹅养殖禽舍气温组合预测模型。在建模过程中,运用主成分分析法筛选狮头鹅养殖禽舍气温的关键影响因子,消除变量之间冗余信息,约简预测模型结构;采用SVR-ARMA构建狮头鹅禽养殖舍气温组合预测模型,先通过SVR对气温进行预测,再由基于ARMA模型的残差预测值修正气温预测结果。利用该模型对广东省汕尾市2018年7月21日至2018年7月30日期间的狮头鹅养殖禽舍气温进行预测。结果表明,该组合预测模型取得了良好的预测性能,与标准BP神经网络、标准SVR、PCA-BPNN(反向传播神经网络,BackPropagationNeuralNetwork)、PCA-SVR和PCA-BPNN-ARMA等模型对比分析,其评价指标平均绝对误差、均方根误差和平均绝对百分比误差分别为0.183 2℃、0.454 0℃和0.005 9,均表明所提出的组合模型具有更高的预测效果,不仅能够满足狮头鹅养殖禽舍气温实际精准调控的需要,还为狮头鹅健康养殖和种苗繁育环境精细化管理提供决策。 相似文献
9.
10.
1影响鹅产蛋性能的主要因素
1.1遗传因素通常而言,不同品种鹅具有不同的产蛋性能。通常来说,体型较小的鹅产蛋量较多,体型较大鹅产蛋量较少,如籽鹅年产蛋量100个,最高者可达180个,而莱茵鹅年产蛋量50~60个,狮头鹅仅为35~40个。 相似文献
1.1遗传因素通常而言,不同品种鹅具有不同的产蛋性能。通常来说,体型较小的鹅产蛋量较多,体型较大鹅产蛋量较少,如籽鹅年产蛋量100个,最高者可达180个,而莱茵鹅年产蛋量50~60个,狮头鹅仅为35~40个。 相似文献