全文获取类型
收费全文 | 3115篇 |
免费 | 526篇 |
国内免费 | 2725篇 |
出版年
2024年 | 63篇 |
2023年 | 258篇 |
2022年 | 286篇 |
2021年 | 249篇 |
2020年 | 200篇 |
2019年 | 227篇 |
2018年 | 188篇 |
2017年 | 192篇 |
2016年 | 190篇 |
2015年 | 229篇 |
2014年 | 297篇 |
2013年 | 291篇 |
2012年 | 290篇 |
2011年 | 317篇 |
2010年 | 313篇 |
2009年 | 319篇 |
2008年 | 366篇 |
2007年 | 251篇 |
2006年 | 182篇 |
2005年 | 172篇 |
2004年 | 189篇 |
2003年 | 165篇 |
2002年 | 133篇 |
2001年 | 138篇 |
2000年 | 145篇 |
1999年 | 86篇 |
1998年 | 83篇 |
1997年 | 84篇 |
1996年 | 68篇 |
1995年 | 63篇 |
1994年 | 80篇 |
1993年 | 54篇 |
1992年 | 53篇 |
1991年 | 55篇 |
1990年 | 34篇 |
1989年 | 28篇 |
1988年 | 4篇 |
1987年 | 6篇 |
1986年 | 1篇 |
1985年 | 5篇 |
1984年 | 3篇 |
1983年 | 4篇 |
1981年 | 2篇 |
1953年 | 2篇 |
1950年 | 1篇 |
排序方式: 共有6366条查询结果,搜索用时 18 毫秒
101.
广义可加模型在R中的快捷实现及蓝藻水华预测分析中的应用 总被引:2,自引:0,他引:2
广义可加模型(generalized additive models,GAM)适用于响应变量与解释变量之间的关系是非线性或非单调的数据分析,近年来在生态学中受到越来越多的关注。本文利用太湖湖泊生态系统研究站的监测数据,在RStudio集成编程环境下通过R对数据进行预处理、确定连接函数、对模型进行筛选以及评估等步骤,运用GAM分析了环境因子对微囊藻生物量的影响。结果表明,水温、总磷、化学需氧量以及电导率是影响太湖微囊藻生物量的4个关键环境因子。分析过程中,通过自编函数能有效地减少编程过程中的代码输入工作;R+RStudio是高效、快捷的编程环境。 相似文献
102.
短期氮添加对东灵山三种森林土壤呼吸的影响 总被引:2,自引:0,他引:2
为了分析氮沉降对我国温带地区森林土壤碳循环的影响,以北京东灵山的阔叶林(辽东栎林)和针叶林(华北落叶松林和油松林)为研究对象,通过模拟氮沉降的方式(10g N·m-2·a-1,大约5倍于大气氮沉降速率),探讨了不同温带森林土壤呼吸对氮沉降的短期响应。结果表明:短期氮添加降低了阔叶林土壤呼吸速率,而提高了针叶林土壤呼吸速率,但其短期效应未达到显著性水平。不同森林类型间,土壤呼吸速率(P0.001)和生长季土壤呼吸释放总量(P0.001)均存在显著差异,整体表现为:辽东栎林油松林华北落叶松林,土壤温度是引起不同森林类型间土壤呼吸差异的主要因素。温度-水分双因素模型可以较好地模拟野外条件下3种森林类型土壤呼吸与温度和水分间的关系,解释率约为47%~87%。此外,氮添加可以改变土壤呼吸对温度和水分变化的响应:氮添加后在较高温度且较低水分情况下,土壤呼吸速率明显上升,此时土壤呼吸对温度变化更加敏感。实验结果揭示了氮沉降对我国温带地区不同森林类型土壤呼吸的影响,但其复杂的影响机制仍有待进一步研究。 相似文献
103.
104.
105.
利用线性混合效应模型模拟杉木人工林枝条生物量 总被引:2,自引:0,他引:2
基于福建省将乐林场45株人工杉木解析木的572组枝条生物量数据,采用线性混合效应模型方法,建立杉木人工林枝条总生物量和枝、叶生物量的预测模型,并利用独立样本数据对模型进行检验.结果表明: 线性混合效应模型比传统多元线性回归模型的拟合精度高.不同随机效应参数的组合,其混合模型的精度不同.考虑异方差结构的混合模型能够消除数据间的异方差性,其精度更高,其中,对于枝条总生物量和叶生物量模型,以指数函数作为异方差结构时的模型精度最高;对于枝生物量模型,以常数加幂函数作为异方差结构时的模型精度最高.模型检验结果表明:对于杉木人工林枝条生物量预测模型,考虑随机效应和异方差结构的线性混合模型的检验精度比传统多元线性回归模型的精度有明显提高. 相似文献
106.
利用温室环境参数构建室内微环境模拟模型,并结合温室病害模型进行预警,便于开展病害生态防治,以减少农药使用,从而保护温室生态环境和保证农产品质量安全.本文利用温室内能量守恒原理和水分平衡原理,构建了日光温室冠层叶片温度和空气相对湿度模拟模型.叶片温度模拟模型考虑了温室内植物与墙体、土壤、覆盖物之间的辐射热交换,以及室内净辐射、叶片蒸腾作用引起的能量变化;相对湿度模拟模型综合了温室内叶片蒸腾、土壤蒸发、覆盖物与叶面的水汽凝结引起的水分变化.将温湿度估计模型输出值作为参数,输入黄瓜霜霉病初侵染和潜育期预警模型中,估计黄瓜霜霉病发病日期,并与田间观测的实际发病日期比较.试验选取2014年9月和10月的温湿度监测数据进行模型验证,冠层叶片温度实际值与模拟值的均方根偏差(RMSD)分别为0.016和0.024 ℃,空气相对湿度实际值与模拟值的RMSD分别为0.15%和0.13%.结合温湿度估计模型结果表明,黄瓜病害预警系统预测黄瓜霜霉病发病日期与田间调查发病日期相吻合.本研究可为黄瓜日光温室病害预警模型及系统构建提供微环境数据支持. 相似文献
107.
未来气候变化对河南省冬小麦需水量和缺水量的影响预估 总被引:1,自引:1,他引:0
采用美国农业部土壤保持局推荐的方法计算有效降水量,应用Penman-Monteith模型和作物系数法计算需水量,在对河南省1981—2010年冬小麦生育期内有效降水量、需水量和缺水量分析的基础上,结合《排放情景特别报告》的两种排放情景A2(强调经济发展)和B2(强调可持续发展)预估的未来气候情景,探讨了未来气候情景下河南省冬小麦的有效降水量、需水量和缺水量的时空演变规律及其主要气候影响因素.结果表明: 从整体上看,相对于基准时段(1981—2010年),A2和B2情景下,不同时段冬小麦全生育期的有效降水量、需水量和缺水量均表现出增加趋势,有效降水量均以2030s时段增加最多,分别增加33.5%和39.2%;需水量均以2010s时段增加最多,分别增加22.5%和17.5%,年代间呈现明显递减趋势;缺水量在A2情景下以2010s时段增加(23.6%)最多,B2情景下以2020s时段增加(13.0%)最多.偏相关分析表明,A2和B2情景下,太阳总辐射是影响河南省冬小麦需水量和缺水量变化的主要气候因素.由于地理环境和气候条件的差异,不同时段河南省冬小麦全生育期有效降水量、需水量和缺水量的距平百分率在空间分布上具有差异.未来河南省水资源可能更趋于短缺. 相似文献
108.
气候变化对黄淮海平原冬小麦产量和耗水的影响及品种适应性评估 总被引:2,自引:0,他引:2
基于IPCC5 3种代表性温室气体浓度排放路径(RCP)的情景集成数据,采用VIP生态水文模型,模拟分析了黄淮海平原未来冬小麦产量、蒸散量的气候变化响应.模拟结果表明:未考虑CO2肥效时,3种典型排放路径下,冬小麦生育期都将因气温上升而缩短,其产量和蒸散量将呈下降趋势.CO2浓度增加对作物生长的有利影响强于气候变化带来的不利影响,是未来情景下冬小麦产量增加的主要原因.以RCP4.5为例,2050s黄淮海地区冬小麦平均产量将增加14.8%(无CO2肥效时产量下降2.5%),蒸散量降低2.1%.采用积温需求更高的品种将有利于冬小麦利用CO2肥效提高其产量,但耗水量将有所增加.因此,培育适应气候变化的作物品种、发展节水农业和管理技术是应对气候变化的关键. 相似文献
109.
基于变权模型的舟山群岛生态安全预警 总被引:4,自引:0,他引:4
生态安全预警是生态安全研究的重要内容,对维护区域生态安全具有重要的指示意义.本文以浙江省舟山群岛为例,基于驱动力、压力、状态、影响、响应(DPSIR)框架模型构建了生态安全预警指标体系,使用变权模型对2000-2012年舟山市生态安全的预警等级进行测度,并使用马尔科夫预测方法对2013-2018年生态安全警情进行了预测.结果表明:变权模型能够有效地满足舟山群岛生态安全动态预警研究需要;2000-2012年,舟山群岛生态安全预警指数由0.286波动上升至0.484,警度等级从“重警”演变为“中警”,指示灯由“橙灯”演化为“黄灯”;2013-2018年,舟山群岛生态安全预警等级预测结果为“中警”,指示灯为“黄灯”.研究结果可为维护舟山群岛生态安全提供参考. 相似文献
110.
利用中国科学院长白山森林生态系统定位站的近地面气象观测数据,分析评价了目前被广泛使用的8个晴天与8个云天大气长波辐射参数化模型的模拟性能.结果表明:晴天时Satterlund模型最适用,其偏差(BIAS)与均方根误差(RMSE)分别是-23.34和28.55W·m-2;系数校正后,虽然其参数值变化不大,但其模拟效果有很大提高,BIAS与RMSE分别降低为-6.33和18.08 W·m-2;云天时Jacobs模型最准确,BIAS和RMSE只有0.38和29.29W·m-2.对模型中大气发射率的敏感性分析表明,大气发射率对水汽压的变化最敏感,对温度的变化不敏感.应用优选模型(晴天和云天)得到的模拟值与观测值的日变化趋势基本一致,但在云量发生突变的节点上模拟效果不太理想. 相似文献