全文获取类型
收费全文 | 518篇 |
免费 | 23篇 |
国内免费 | 20篇 |
专业分类
化学 | 88篇 |
力学 | 88篇 |
综合类 | 22篇 |
数学 | 14篇 |
物理学 | 349篇 |
出版年
2024年 | 3篇 |
2023年 | 11篇 |
2022年 | 16篇 |
2021年 | 26篇 |
2020年 | 7篇 |
2019年 | 26篇 |
2018年 | 16篇 |
2017年 | 13篇 |
2016年 | 14篇 |
2015年 | 13篇 |
2014年 | 42篇 |
2013年 | 28篇 |
2012年 | 24篇 |
2011年 | 27篇 |
2010年 | 18篇 |
2009年 | 31篇 |
2008年 | 36篇 |
2007年 | 24篇 |
2006年 | 17篇 |
2005年 | 17篇 |
2004年 | 15篇 |
2003年 | 12篇 |
2002年 | 21篇 |
2001年 | 13篇 |
2000年 | 11篇 |
1999年 | 11篇 |
1998年 | 12篇 |
1997年 | 12篇 |
1996年 | 4篇 |
1995年 | 6篇 |
1994年 | 7篇 |
1993年 | 13篇 |
1992年 | 5篇 |
1991年 | 2篇 |
1990年 | 3篇 |
1989年 | 2篇 |
1987年 | 1篇 |
1986年 | 2篇 |
排序方式: 共有561条查询结果,搜索用时 15 毫秒
71.
以某型离心式压气机为研究对象,利用ANSYS工程软件对叶轮进行数值模拟。在分析内部流场的基础上,探究叶片数和分流叶片长度对离心式压气机性能的影响。结果显示,叶片数过多会使叶轮流动摩擦损失增加,从而降低等熵效率。叶片数过少,容易造成叶片载荷增加,从而缩短叶轮寿命。分流叶片过长或者过短均会使叶轮流场分布不均匀,从而使其等熵效率降低。最终得出结论:叶轮的最佳叶片数为7对叶片,叶轮最佳分流叶片长度为长叶片的0.813倍,此时,压气机增压比为3.81,等熵效率为66.82%。 相似文献
72.
基于高光谱分析的玉米叶片氮含量分层诊断研究 总被引:2,自引:0,他引:2
为了明确不同生育时期进行玉米氮素营养诊断的叶片层位,建立准确稳健的玉米氮素营养诊断模型,以达到合理追施氮肥,提高氮肥利用率的目的。试验采用单因素盆栽试验设计,以玉米(郑单958)为研究对象,应用高光谱技术,分析了不同氮营养水平下不同生育时期不同层位玉米叶片的氮含量分布和变化规律及光谱响应特征;并依据叶片氮含量与光谱反射率的相关关系,叶片氮含量与全波段(400~2 000 nm)任意两两波段组合构建的比值光谱指数(RSI)的回归关系,初步确定了不同生育时期进行氮素营养高光谱诊断的目标叶片,筛选出最优的比值光谱指数,建立了叶片氮素含量估算模型。结果表明:玉米叶片氮含量:上层>中层>下层;随着玉米的生长,在低氮条件下上层叶片氮含量呈先减少后增加(追肥)再减少趋势,在高氮条件下呈减少趋势,中下层叶片氮含量呈递减趋势。六叶期下层玉米叶片光谱反射率敏感范围较大,相关性较强;九叶期和灌浆期上层玉米叶片的光谱反射率敏感范围较广,相关性较强;开花吐丝期中层叶片的光谱反射率敏感范围较大,相关性较强。六叶期选取下层叶作为诊断目标叶,选取最佳比值光谱指数RSI(1 811, 1 842)建立线性估算模型,九叶期和灌浆期选取上层叶片作为诊断目标叶,选取的最佳比值光谱指数分别为RSI(720, 557),RSI(600, 511)建立线性估算模型,开花吐丝期选取中层叶片作为诊断目标叶,选取比值光谱指数RSI(688, 644)建立线性估算模型。研究结果可为快速准确地利用光谱技术进行玉米叶片氮素营养诊断提供理论依据。 相似文献
73.
为了快速检测马铃薯叶片的水分含量,并探究受到干旱胁迫时叶片含水率变化情况,利用高光谱成像对马铃薯叶片含水率进行检测和可视化研究。采集71个叶片,用烘干法对叶片水分梯度进行控制,共得到355个样本。使用高光谱分选仪器采集叶片862.9~1 704.2 nm(256个波长)的光谱成像数据,采用称重法测量含水率。利用Sample set partitioning based on joint X-Y distance(SPXY)算法将总样本按照2∶1的比例划分为建模集(240个样本)和验证集(115个样本)。对采集的数据进行光谱特征分析,本文分别用CA和RF两种算法,各筛选得到15个特征波长。基于CA筛选出相关系数高于0.96的15个波长分别为1 406.82,1 410.12,1 403.62,1 413.32,1 416.62,1 419.82,1 400.32,1 423.12,1 426.32,1 429.62,1 432.82,1 436.12,1 439.32,1 442.52和1 445.8 nm。基于RF算法筛选被选概率高于0.3的15个特征波长,按照被选择概率值从大到小排列,分别为1 071.62,1 041.12,1 222.52,1 465.22,1 397.02,1 449.02,1 034.32,1 523.22,976.42,1 172.52,979.82,1 165.82,1 037.72,1 426.32和869.8 nm。用CA和RF算法筛选到的特征波长建立PLSR模型,分别记为CA-PLSR模型和RF-PLSR模型。利用高精度模型检测结果,对马铃薯叶片含水率进行可视化分析,首先计算马铃薯叶片图像每个像素点的含水率,得到灰度图像,然后对灰度图像进行伪彩色变换,绘制出叶片含水率可视化彩色图像。为了体现马铃薯叶片烘干处理中含水率变化进程,用HSV彩色模型对样本叶片的伪彩色图像进行分割,获得分割图像结果,显示出在某含水率区间的叶片面积比例。结果显示,CA算法选取的15个波长均在1 400.3~1 450.0 nm范围内,CA-PLSR模型的建模精度(R2c)为0.975 5、建模集均方根误差(RMSEC)为2.81%,验证集精度(R2v)为0.933 2、验证集均方根误差(RMSEV)为2.31%。RF算法选取的特征波长分布范围较CA法选取范围广,具有局部“峰谷”特性,且RF-PLSR模型的建模集精度(R2c)为0.983 2、RMSEC为2.32%,验证集精度(R2v)为0.947 1、RMSEV为2.15%。选取RF-PLS模型计算马铃薯每个像素点的含水率,得到伪彩色变换图像,观察可知随着烘干时间的增加含水率逐渐下降;并能够从叶片结构角度看到,随着水分胁迫的加强,叶片从边缘开始失水,逐渐向叶片中间蔓延,其中叶茎和叶脉的含水率较其他部位高。计算得到叶片伪彩色图像中含水率大于90%,80%和70%的像素点占整个叶片图像的比例。利用高光谱成像技术可以实现马铃薯叶片的含水率检测与分布可视化表达,为监测马铃薯生长状况以及叶片含水率分析提供新的理论根据。 相似文献
74.
75.
基于高光谱成像技术的油菜叶片SPAD值检测 总被引:11,自引:0,他引:11
以油菜叶片为研究对象,利用高光谱成像技术,成功建立了叶绿素相对值SPAD值的预测模型。共采集了160个油菜叶片样本在380~1030 nm范围内的高光谱图像。选择500~900 nm之间的平均光谱作为油菜叶片样本的光谱。利用蒙特卡罗最小二乘法(monte carlo partial least squares, MC-PLS)剔除了13个异常样本,基于剩余的147个样本光谱数据与SPAD测量值进行分析,采用了不同的方法建立了多种预测模型,包括:全光谱的偏最小二乘法(partial least squares, PLS)模型,连续投影算法(successive projections algorithm, SPA)选择特征波长的PLS预测模型,“红边”位置(λred)的简单经验估测模型,三种植被指数R710/R760,(R750-R705)/(R750-R705)和R860/(R550*R708)分别建立的简单经验估测模型,以及基于这三种植被指数的PLS预测模型。建模结果显示,全光谱的PLS模型预测效果最为精确,其预测相关系数rp为0.833 9,预测均方根误差RMSEP为1.52。而使用SPA算法选出的8个特征波长所建立的PLS模型其预测结果可达到与全光谱的PLS模型非常接近的水平,而且在保证一定精度的条件下减少了大量运算,节省了运算时间,大幅提高了建模的速度。而基于红边位置和选择的三种植被指数而建立的简单经验估计模型其预测结果虽与基于全光谱的PLS预测模型有一定差距,但模型简单、运算量小,适合用于对精度要求不高的场合,对后续的便携仪器设备开发有一定的指导作用。 相似文献
76.
不同含水量条件下树种叶片光谱差异分析 总被引:2,自引:0,他引:2
叶片含水量是影响树种光谱特征的一个重要因素,探索不同叶片含水量条件下相同树种叶片光谱特征的变化规律及相同叶片含水量条件下不同树种叶片的光谱差异,不仅是高光谱植被遥感信息识别的关键,也为研究植被光谱随着叶片含水量变化产生的差异提供理论支撑。利用地物光谱仪对6个树种叶片进行观测,获取了不同含水量叶片的反射光谱,同时进行一阶微分光谱变换,从而分析不同叶片含水量条件下各树种叶片的光谱变化特征,对比了相同叶片含水量条件下不同树种叶片的光谱差异,探索高光谱遥感识别树种叶片含水量的可能波段。结果表明:各树种叶片光谱都随着叶片含水量的改变而产生较大差异,但变化规律各有不同;相同叶片含水量条件下,不同树种叶片的光谱在部分波长范围差异较大,为实现树种高精度识别提供了可能。本研究旨在为植被叶片光谱库的构建以及植被的高光谱识别提供理论支撑和基础数据。 相似文献
77.
78.
79.
80.