全文获取类型
收费全文 | 56篇 |
免费 | 4篇 |
国内免费 | 3篇 |
专业分类
化学 | 21篇 |
力学 | 2篇 |
综合类 | 13篇 |
数学 | 1篇 |
物理学 | 26篇 |
出版年
2023年 | 1篇 |
2022年 | 4篇 |
2021年 | 2篇 |
2020年 | 1篇 |
2019年 | 1篇 |
2018年 | 1篇 |
2017年 | 1篇 |
2016年 | 1篇 |
2015年 | 4篇 |
2014年 | 9篇 |
2013年 | 1篇 |
2012年 | 3篇 |
2011年 | 3篇 |
2010年 | 1篇 |
2009年 | 2篇 |
2008年 | 2篇 |
2007年 | 3篇 |
2006年 | 2篇 |
2003年 | 2篇 |
2001年 | 3篇 |
2000年 | 2篇 |
1999年 | 1篇 |
1998年 | 2篇 |
1997年 | 2篇 |
1996年 | 1篇 |
1995年 | 2篇 |
1992年 | 1篇 |
1985年 | 2篇 |
1984年 | 2篇 |
1982年 | 1篇 |
排序方式: 共有63条查询结果,搜索用时 359 毫秒
21.
沙菜属三种经济藻类氨基酸与微量元素含量及其意义 总被引:2,自引:0,他引:2
首次报道了沙菜属Hypena3种经济藻类的16种氨基酸和12种元素的含量及其测定方法,结果显示有补益的微量元素含量较高,常见的16种氨基酸含量也很齐全,提示其提取物可作食品添加剂,其粗品可作动物饲料添加剂。 相似文献
22.
夏旭华 《南昌大学学报(理科版)》1985,9(4):1
<正> 乐安河是赣东北主要河流之一,源于赣皖边界的怀玉山西麓,流经务源、德兴、乐平、万年、波阳等县,全长279公里,流域面积达8367平方公里。德兴铜矿位于乐安河上游南岸,北纬29°41′,东经117°44′,全矿区总面积为100平方公 相似文献
23.
利用石英毛细管反应器,研究了藻类蛋白质的模型化合物苯丙氨酸在水热条件下的反应特性;考察了低温段(130~220℃)苯丙氨酸的转化规律,并解析了苯丙氨酸在温度为220~340℃、反应时间为5~240 min的主要分解途径及其氮元素的转化途径和分布规律。结果表明,苯丙氨酸在130~190℃下转化率很低,可作为藻类水热液化过程中提取蛋白质的参考温度;在220~280℃下,苯乙胺是主要产物,随着反应温度升高和反应时间加长,苯乙烯产率增加。苯丙氨酸先脱羧生成苯乙胺,随着反应的加剧,苯乙胺经脱氨生成苯乙烯,苯乙烯进一步加成生成少量苯乙醇;大部分氮元素先经脱羧反应转移到苯乙胺中,进一步由脱氨反应转移到水溶性较强的NH4+中。 相似文献
24.
以吲哚和酰氯(苯甲酰氯及苯磺酰氯)为原料,合成了7个N-酰基取代吲哚类化合物(a~g),其结构经1H NMR和元素分析确证。研究了化合物对球等鞭金藻、亚心形扁藻和舟形藻以及藤壶幼虫的生长抑制活性。结果表明:当吲哚结构连接电负性较高的基团时,化合物对藻类和藤壶幼虫的生长抑制性较好,其中以连接苯磺酰基化合物的抑制效果最佳。目标化合物对藤壶幼虫12 h和24 h的半致死浓度(LC50)明显低于底物吲哚,其中以苯磺酰基取代的化合物最低。采用目标化合物制备的海洋防污涂料,浅海挂板90 d后,对海洋污损生物的附着表现出明显的抑制作用。 相似文献
25.
建立了非水反相高效液相色谱测定不同种类海藻中3种叶黄素类化合物的方法。采用超声波辅助提取海藻中的叶黄素类化合物,选用Alltima C18色谱柱分离,以甲醇-乙腈-丙酮为流动相系统,梯度洗脱分离,检测波长445 nm。结果表明,在选定的色谱条件下,待分析的3种叶黄素类化合物与其他化合物分离良好,在一定浓度范围内线性关系良好(紫黄素:6.24~624μg/L,环氧玉米黄素:4.56~456μg/L,玉米黄素:5.60~560μg/L)。该方法适用于不同海洋藻类中3种叶黄素类化合物的定量分析。 相似文献
26.
27.
藻类中EPA、DHA的含量及其在水产养殖等领域中的应用 总被引:2,自引:0,他引:2
综述了藻类中EPA、DHA的研究现状。藻类中廿碳五烯酸(EPA)和廿二碳六烯酸(DHA)的含量在不同种类或同一种类不同品系之间存在较大差异。培养液的配方、温度、光照强度、盐度、通气及培养时间等许多因子都能不同程度地影响藻类中EPA和DHA的合成和积累,但不同种类的影响效果不尽一致。富含EPA和DHA的藻类在水产养殖、人体保健和临床上具有广阔的应用前景。 相似文献
28.
29.
基于语义分割神经网络UNet,利用GOCI(Geostationary Ocean Color Imager)卫星传感器数据,构建出能够有效提取大型漂浮藻类的深度学习模型,实现了对大型漂浮藻类信息端到端、像素到像素的分割识别。验证结果表明:所提出的深度学习模型对验证集中大型漂浮藻类的平均识别精度达到88.54%;通过与传统的归一化植被指数法和替代型漂浮藻类指数法进行对比,发现基于UNet构建的大型漂浮藻类监测模型具有更高的准确率且受云的影响较小。利用UNet大型漂浮藻类提取模型的识别结果对2017年东海藻类暴发过程进行了分析,模型显示出很好的实用性。 相似文献
30.