全文获取类型
收费全文 | 3964篇 |
免费 | 678篇 |
国内免费 | 678篇 |
学科分类
农业科学 | 5320篇 |
出版年
2024年 | 19篇 |
2023年 | 256篇 |
2022年 | 262篇 |
2021年 | 262篇 |
2020年 | 325篇 |
2019年 | 252篇 |
2018年 | 203篇 |
2017年 | 244篇 |
2016年 | 294篇 |
2015年 | 285篇 |
2014年 | 341篇 |
2013年 | 280篇 |
2012年 | 298篇 |
2011年 | 291篇 |
2010年 | 269篇 |
2009年 | 263篇 |
2008年 | 224篇 |
2007年 | 186篇 |
2006年 | 123篇 |
2005年 | 106篇 |
2004年 | 94篇 |
2003年 | 72篇 |
2002年 | 35篇 |
2001年 | 38篇 |
2000年 | 26篇 |
1999年 | 28篇 |
1998年 | 21篇 |
1997年 | 15篇 |
1996年 | 24篇 |
1995年 | 21篇 |
1994年 | 32篇 |
1993年 | 29篇 |
1992年 | 18篇 |
1991年 | 20篇 |
1990年 | 27篇 |
1989年 | 10篇 |
1988年 | 11篇 |
1987年 | 7篇 |
1986年 | 1篇 |
1984年 | 2篇 |
1983年 | 3篇 |
1982年 | 1篇 |
1981年 | 1篇 |
1980年 | 1篇 |
排序方式: 共有5320条查询结果,搜索用时 15 毫秒
1.
2.
研究旨在利用近红外光谱技术(near infrared reflectance spectroscopy,NIRS)建立全株玉米青贮6种营养成分的近红外预测模型,为生产实践中合理利用全株玉米青贮饲料资源提供理论依据。选取玉米青贮样品64份作为定标集,16份作为验证集。利用NIRS结合改良偏最小二乘法(modified partial least squares,MPLS)构建并且验证其建立预测模型的优劣。结果表明:构建的玉米青贮干物质(DM)、粗蛋白(CP)、酸性洗涤纤维(ADF)和粗灰分(Ash)预测模型的交叉验证相关系数(1-VR)分别为0.83、0.80、0.93和0.78,都在0.80左右,可以用于实际预测。粗脂肪(EE)和中性洗涤纤维(NDF)含量预测模型1-VR为0.64和0.40,低于0.80,构建的模型相关性较差,模型还需要进一步优化。 相似文献
3.
基于机器学习的棉花叶面积指数监测 总被引:2,自引:1,他引:1
为实现基于机器学习和无人机高光谱影像进行棉花全生育期叶面积指数(Leaf Area Index, LAI)监测,该研究基于大田种植滴灌棉花,在不同品种及不同施氮处理的小区试验基础上,对无人机获取的高光谱数据分别采用一阶导(First Derivative, FDR)、二阶导(Second Derivative, SDR)、SG(Savitzky-Golay)平滑和多元散射校正(Multiplicative Scatter Correction, MSC)进行预处理,并结合Pearson相关系数法、连续投影(Successive Projections Algorithm, SPA)、随机蛙跳(Shuffled Frog Leaping Algorithm, SFLA)和竞争性自适应重加权(Competitive Adaptive Reweighting, CARS)筛选敏感波段,将筛选出的波段,使用偏最小二乘回归(Partial Least Squares Regression, PLSR)、支持向量回归(Support Vector Regression, SVR)和随机森林回归(Random Forest Regression, RFR)3种机器学习算法构建棉花LAI监测模型。结果表明:棉花冠层LAI敏感响应波段集中在可见光(400~780 nm)和近红外(900 nm之后)波段;对比3种机器学习算法,各预处理下RFR建立的LAI监测模型精度最高,稳定性最好,其中以FDR-SFLA-RFR模型最佳,在建模集的决定系数为0.74,均方根误差为1.648 3,相对均方根误差为26.39%;验证集的决定系数、均方根误差分别为0.67和1.622 0,相对均方根误差为25.97%。该研究基于无人机获取的棉花冠层光谱反射率,从不同光谱预处理、波段筛选及建模方法建立的模型中筛选出最佳估算模型用于棉花全生育期LAI监测,研究结果可为棉花大田精准管理及变量施肥提供依据。 相似文献
4.
5.
绿咖啡油是一种富含生物活性成分的功能性油脂,贮藏过程中极易氧化酸败影响产品品质。本文以海南地区兴隆咖啡为原料提取绿咖啡油,系统研究在60 ℃加速贮藏36 d内氧化指标、生物活性成分及表征氧化的光谱特征峰变化。结果表明:过氧化值、茴香胺值、硫代巴比妥酸、总氧化值初始值分别为0.97±0.04 meq/kg、4.19±0.14、55.08± 1.98 nmol/mL、8.05±0.06,经过36 d的氧化分别显著升高到28.56±0.15 meq/kg、19.19±0.13、102.38±2.18 nmol/mL、133.43± 0.45。本研究中共鉴定出11种脂肪酸,在绿咖啡油氧化过程中,饱和脂肪酸与不饱和脂肪酸比值由1.14上升至1.49。利用高效液相色谱测定绿咖啡油中的二萜类物质和生育酚,咖啡豆醇、咖啡醇的初始含量分别为21.01±0.31 mg/g、23.44±0.52 mg/g,在氧化24 d后升高至8.21±0.10 mg/g、8.99±0.02 mg/g,随后含量趋于稳定。共定性出α、δ和γ-生育酚,总生育酚含量由初始的49.75±0.88 mg/100 g在氧化18 d达到最大值53.70±1.72 mg/100 g,在氧化结束时降至34.58± 0.05 mg/100 g。利用傅里叶变换红外光谱(FTIR)从特征官能团的角度分析绿咖啡油的氧化过程,油脂在3008、2927、2854、1745、1461、1375、1238、1164、721 cm-1处有特征吸收峰。采用拉曼光谱技术表征绿咖啡油加速贮藏中的氧化变质,在1000~1800 cm-1波段的峰强度有明显减弱趋势。本研究表明绿咖啡油在热诱导下的贮藏过程中发生了明显的氧化反应,可为提升绿咖啡油贮藏稳定性提供理论参考。 相似文献
6.
沙冬青是亚洲荒漠唯一的常绿阔叶灌木,由于分布范围狭小、人为调查困难、资源分布不清,加上人类活动的破坏,其数量正在不断减少。快速、准确识别其生长状况、种群动态对进一步研究沙冬青种群分布及生长监测具有重要意义。采用便携式地物光谱仪测定不同龄级沙冬青反射光谱,利用马氏距离法对其原始光谱、一二阶微分谱特征差异波段选取分析;将冠层原始及其微分光谱与叶片叶绿素含量进行分析。通过其相关性的大小理解沙冬青的生长状况与叶绿素含量间的关系。结果表明:1)不同龄级沙冬青原始光谱曲线趋势较接近,符合植被光谱特征的规律性,幼龄沙冬青反射率差异较明显;不同龄级微分光谱曲线基本一致,幼龄峰值起伏变化显著,极大峰值位于719 nm处,主要受幼龄沙冬青长势的影响;2)通过分析得出马氏距离法对不同龄级沙冬青光谱差异显著波段的选择具有显著性,且所选择波段均为光谱特征波段;3)冠层光谱与叶绿素相关性分析得出不同龄级与叶绿素的敏感波长均为<740 nm的可见光波长范围内,说明可见光波段属于沙冬青叶绿素光谱反应的敏感波;与原始光谱相比,经过导数处理的微分光谱与叶片叶绿素的相关性更高,且相关性大的波段数明显增加。 相似文献
7.
为构建棕榈藤材薄壁细胞壁结构模型,扩大棕榈藤材的用途、提高棕榈藤材的利用率,以高地钩叶藤为研究对象,在藤茎高2 m处截取试样,经软化、聚乙二醇包埋、切片、硼氢化钠(NaBH4)溶液浸泡、显微共聚焦拉曼光谱仪逐点扫描、获取光谱数据、分析.研究结果表明:薄壁细胞的次生壁(S)上纤维素的集团数量比最高,复合胞间层(CML)的纤维素集团数量比次之,而细胞角隅(CC)处纤维素的集团数量比最低;次生壁外部(SⅠ)、中部(SⅡ)和内部(SⅢ)3个形态区纤维素的集团数量比差别较小;CML与SⅡ处纤维素集团数量比没有差别.CC处的木质素集团数量比最高,CML次之,S上的木质素集团数量比最低.SⅠ、SⅡ和SⅢ3个形态区木质素集团数量比差别较小,SⅡ木质素集团数量比小于CML.S层上的半纤维素集团数量比最高,CML次之,CC处集团数量比最低.薄壁细胞壁上纤维素、半纤维素集团数量比由高至低依次是S、CML和CC,而木质素集团数量比分布相反.SⅠ、SⅡ和SⅢ3个形态区域纤维素集团数量比、木质素集团数量比差别均较小. 相似文献
8.
基于无人机多时相植被指数的冬小麦产量估测 总被引:1,自引:0,他引:1
通过无人机搭载多光谱相机,对不同水分亏缺条件下冬小麦多个生育期进行遥感监测,采用不同种类多光谱植被指数表征冬小麦的生长特征,分析了植被指数与冬小麦产量的相关关系,并利用多时相植被指数构建产量估测数据集,采用偏最小二乘回归、支持向量机回归和随机森林回归3种机器学习算法进行冬小麦产量估测。结果表明,随着冬小麦的生长,多个植被指数与产量的相关性不断增强,灌浆末期相关系数达到0.7,植被指数与产量的线性回归决定系数也达到最大。多时相植被指数反映了冬小麦生长的变化特征,进一步提高了冬小麦产量估测精度,采用开花期和灌浆初期的多时相植被指数进行估产比采用单个生育期的植被指数估测产量的精度高,采用偏最小二乘回归模型的估测精度R2提高约0.021,支持向量机回归模型R2提高约0.015,随机森林回归模型R2提高约0.051。采用灌浆末期的多时相植被指数,3种模型均有较高的估测精度,偏最小二乘回归模型估测精度最高时的R2、RMSE分别为0.459、1 822.746 kg/hm2,支持向量机回归模型估测精度最高时的R2、RMSE分别为0.540、1 676.520 kg/hm2,随机森林回归模型估测精度最高时的R2、RMSE分别为0.560、1 633.896 kg/hm2,本文数据集训练的随机森林回归模型估测精度最高,且稳定性更好。 相似文献
9.
树种信息对林业资源监测和管理具有重要意义,及时准确地掌握树种及长势状况是防护林工程建设与效益评价的基础。为研究利用无人机高光谱数据进行防护林树种分类的效果,选取典型区域使用Matrice600型六旋翼无人机搭载Rikola高光谱成像仪获取高光谱影像,基于支持向量机-递归特征消除算法(SVM-RFE)选取原始波段最佳组合,再结合纹理特征、植被指数和数理统计特征,使用随机森林算法对所有特征进行重要性评估并与分类精度相结合进行特征优化,进而构建高光谱影像全波段、原始波段最佳组合、全部特征变量、基于随机森林(RF)特征优化后特征变量4种分类方案,分别采用最大似然法(MLC)、支持向量机(SVM)、随机森林对防护林优势树种进行分类。结果表明:所提出的基于交叉验证的SVM-RFE算法选出的原始波段组合能更好地还原原始光谱特征;通过RF算法的特征重要性分析与分类精度相结合的方法可以有效选出重要特征,当使用全部特征的85%(包括17个光谱特征、3个纹理特征、5个植被指数和3个数理统计特征)进行分类时,总体精度最高为9593%(Kappa系数为0.9475);所有特征中植被指数特征最重要,3种分类方法中RF算法分类总体精度(OA)最高。 相似文献
10.
基于无人机高光谱影像的水稻叶片磷素含量估算 总被引:1,自引:0,他引:1
为快速获取水稻叶片磷素含量信息,采用无人机搭载高光谱成像仪获取水稻冠层高光谱影像,并采样检测叶片磷素含量(质量分数)(Leaf phosphorus content, LPC)。分析了水稻LPC在无人机高光谱影像上的光谱特征,使用连续投影算法提取对磷素敏感的特征波长,通过任意波段组合构建并筛选与磷素高度相关的光谱指数,基于特征波长反射率和光谱指数建立水稻LPC的估算模型,利用最佳模型对高光谱影像进行反演填图,得到LPC空间分布信息。结果表明:全生育期内LPC与462~718 nm范围内光谱反射率显著负相关,负相关最大处相关系数达到-0.902;LPC的特征波长为670、706、722、846 nm,基于特征波长、使用偏最小二乘回归建立的LPC估算模型精度最高,验证R2达到0.925,RMSE为0.027%;在任意波段组合构建的3种类型的光谱指数中,NDSI(R498,R606)、RSI(R498,R606)和DSI(R498,R586)与LPC的相关性最高,相关系数分别为0.913、0.915和0.938;基于3个光谱指数、使用神经网络构建的LPC估算模型精度较高,验证R2为0.885,RMSE为0.029%;对各生育期水稻LPC空间分布的反演结果与实测数据相一致,说明利用无人机高光谱遥感可以实现田间水稻LPC的快速无损监测。 相似文献