全文获取类型
收费全文 | 325篇 |
免费 | 6篇 |
国内免费 | 29篇 |
专业分类
化学 | 199篇 |
力学 | 1篇 |
综合类 | 14篇 |
数学 | 16篇 |
物理学 | 130篇 |
出版年
2024年 | 2篇 |
2023年 | 4篇 |
2022年 | 19篇 |
2021年 | 12篇 |
2020年 | 10篇 |
2019年 | 18篇 |
2018年 | 12篇 |
2017年 | 10篇 |
2016年 | 16篇 |
2015年 | 10篇 |
2014年 | 20篇 |
2013年 | 22篇 |
2012年 | 19篇 |
2011年 | 21篇 |
2010年 | 20篇 |
2009年 | 17篇 |
2008年 | 16篇 |
2007年 | 15篇 |
2006年 | 13篇 |
2005年 | 9篇 |
2004年 | 12篇 |
2003年 | 8篇 |
2002年 | 3篇 |
2001年 | 4篇 |
2000年 | 6篇 |
1999年 | 3篇 |
1998年 | 5篇 |
1997年 | 1篇 |
1996年 | 6篇 |
1995年 | 2篇 |
1994年 | 10篇 |
1993年 | 3篇 |
1992年 | 1篇 |
1991年 | 4篇 |
1990年 | 2篇 |
1989年 | 3篇 |
1988年 | 2篇 |
排序方式: 共有360条查询结果,搜索用时 171 毫秒
181.
182.
为了对玉米醇溶蛋白的改性研究及柠檬黄色素的安全使用评估提供理论依据,借助于荧光光谱法、紫外光谱法、全内反射-傅里叶红外光谱(ATR-FTIR)自去卷积计算及核磁共振氢谱研究了人工合成色素柠檬黄对玉米醇溶蛋白构象的影响。结果表明,柠檬黄对玉米醇溶蛋白有明显的荧光猝灭作用,猝灭机理较复杂。柠檬黄可以与玉米醇溶蛋白结合,分子间主要以疏水作用力结合,利用Stern-Volmer方程和Van't Hoff公式计算获得结合比为1∶1,结合常数K_a值较大。通过FTIR的自去卷积计算分析,这种结合反应导致玉米蛋白二级结构中α螺旋结构、β折叠和β转角均发生显著改变。核磁共振氢谱分析表明由于玉米醇溶蛋白具有两亲性,当溶剂为二甲基亚砜时,混合溶液为低极性环境,化学位移略向高磁场移动;当溶剂为重水D_2O时,化学位移明显地向低磁场移动,而且这种作用与反应时间长短无关。进一步说明在极性和低极性的环境下柠檬黄都会引起玉米醇溶蛋白构象的改变。 相似文献
183.
近红外光谱分析技术定标和预测中的相似样品剔除算法 总被引:7,自引:1,他引:6
在近红外仪器的研制和调试过程中 ,需要对实验仪器进行最终的定标分析来验证近红外分析仪器是否正常。然而近红外定标过程中传统的方法往往将所有的样品对仪器进行定标分析 ,定标样品集在采集时为了能够覆盖将来所出现的样品范围 ,其数量往往是很大的 ,对于定标实验人员来说 ,其工作量是巨大的。文章通过采用给出的相似样品剔除算法成功地从 1 78个玉米粉样品中提取出 94个优选样品 ,通过定标实验分析发现 ,经过该算法优选的样品不仅保持了原始样品集的代表性 ,而且达到了和原始样品集参与定标相近的定标精度。经由此算法进行筛选得到的优选定标样品集数量上有了很大程度的减少 ,极大地减轻了实验人员的工作强度 ,而且为进行更多重复的实验提供了条件。 相似文献
184.
应用快速高分离液相色谱-串联质谱仪(RRLC-MS/MS),建立了植物组织中玉米赤霉醇类化合物(α-玉米赤霉醇、β-玉米赤霉醇、α-玉米赤霉烯醇、β-玉米赤霉烯醇、玉米赤霉酮、玉米赤霉烯酮)的检测方法.植物组织样品采用乙腈提取,碱性水溶液反萃取,经混合阴离子(MAX)固相萃取柱进行净化和富集后,用RRLC-MS/MS检测,多反应监测(MRM)模式下进行定性与定量分析.结果表明:玉米赤霉醇类化合物在0~20 μg/kg的线性范围内均具有良好的线性关系,方法检出限(LOD)为0.5 μg/kg,定量限(LOQ)为1.0 μg/kg,6种玉米赤霉醇类化合物的平均回收率为75.8%~105.4%,相对标准偏差为2.4%~12.1%.本方法可用于植物组织中玉米赤霉醇类化合物含量的测定. 相似文献
185.
基于KPCA和近红外光谱的鉴别玉米单倍体方法研究 总被引:1,自引:0,他引:1
玉米的单倍体鉴别技术对玉米单倍体育种技术非常重要。近红外光谱分析技术以其操作简便,可在线分析监测,速度快,无损,测试成本低等特点在农业领域备受关注,应用广泛。实验首先通过美国JDSU公司的近红外光谱仪采集由国家玉米改良中心提供的玉米种子单倍体、多倍体的近红外光谱数据,然后对获得的原始数据做平滑(smoothing)、一阶导(first derivative,FD)和矢量归一化(vector normalization,VN)预处理以消除其噪声影响,再采用核函数为高斯核函数(Gaussian kernel function)的核主成分分析(kernel principal components analysis, KPCA)的方法将玉米种子的近红外光谱数据映射到高维空间中,并对映射后的数据做非线性特征提取,然后应用支持向量机(support vector machines, SVM)对提取的玉米种子单倍体、多倍体光谱数据的非线性特征建立分类模型,最后输入测试数据进行玉米单倍体、多倍体的分类鉴别测试,预测玉米种子是否是单倍体。设计了两组对比试验,其正确识别率的平均值分别达到95%和93.57%。在该实验中, 基于KPCA的玉米单倍体识别算法的性能表现较好、识别率较高。通过两组对比实验,证明了玉米种子的近红外光谱数据更适于先将其映射于高维空间中进行特征提取,再对提取的特征进行建模、分类分析。该实验为玉米单倍体识别技术提供了新的思路和方法。 相似文献
186.
为实现玉米杂交种的自动化快速分选,提出了应用少量近红外波段光对玉米种子进行成像,获取种子光谱图像并提取纹理特征来鉴定玉米杂交种纯度的方法。采集5个玉米品种的母本和杂交种在4个短波近红外波段的透射光谱图像和4个中波近红外波段的反射光谱图像,采用白板标定校正光谱图像,运用中值滤波、大津法去除噪声,从背景中分割出种子,应用灰度分布统计,灰度共生矩阵提取纹理特征,对同一粒种子拼接其在各波长处的特征数据,应用主成分分析和正交线性判别分析降维并获得子空间的最佳可分性,使用支持向量机建立透射和反射光谱图像纯度鉴定模型。透射和反射模型对5个玉米品种平均正确鉴别率均在85%以上。表明利用少量波段的近红外光谱图像鉴定玉米杂交种纯度是可行的。 相似文献
187.
以农业废弃物玉米苞衣为碳源,采用一步热解法制备荧光碳点(CDs),利用透射电子显微镜、红外光谱、 X射线光电子能谱、紫外-可见光谱和荧光光谱等对CDs的结构和光学性能进行了表征。结果表明,制备得到的CDs呈球形,粒径约为5.5 nm,其表面富含羟基和羧基。CDs在紫外光照射下可以发出明亮的蓝色荧光。Hg2+对CDs溶液的荧光具有显著的猝灭作用,据此建立了检测Hg2+的新体系。在0~4.0μmol/L范围内,CDs溶液的荧光猝灭程度与Hg2+浓度呈良好的线性关系,检出限为0.011μmol/L。本方法适用于自来水和湖水水样中Hg2+的测定。 相似文献
188.
以玉米秸秆为原料,合成了高比表面积(2167 m2/g)的多孔生物质炭材料。 优化实验条件即可获得性能最佳的生物质炭电极材料,其在电流密度为1 A/g时的比电容高达390 F/g。 更重要的是,以所得最佳多孔生物质炭为电极材料,3 mol/L 的KOH溶液为电解质,组装了液相对称超级电容器。 该超级电容器在功率密度为818 W/kg时,其能量密度高达7 Wh/kg,在循环10000圈后的电容保持率为91.1%。 同时,将两个这种超级电容器串联充电之后,能够点亮15个LED灯并驱动小风扇正常工作。 这些结果表明,将基于玉米秸秆的多孔生物质炭作为先进电极材料应用于超级电容器具有较大的实际应用价值。 相似文献
189.
无人机多光谱遥感在玉米冠层叶绿素预测中的应用研究 总被引:6,自引:0,他引:6
叶绿素含量是植物生长中的重要参数,与农作物产量密切相关。无人机遥感技术作为一种新的数据获取手段,在农业中已得到广泛应用。以玉米为目标作物,将具有不同光谱响应函数的两种轻小型多光谱传感器(MCA和Sequoia),同时搭载在六旋翼无人机上,获取不同氮肥水平下大田玉米花期的多光谱影像。利用无人机影像空间分辨率高的特点,在小区尺度上,分别计算了基于两种多光谱传感器的各26种植被指数,并将其与地面实测的叶绿素含量(SPAD)值进行回归分析,研究不同波段反射率对SPAD值的敏感性,利用不同多光谱传感器及植被指数预测SPAD值的精度及稳定性。结果表明,对于具有较宽波段的Sequoia,在550 nm(绿波段)、735 nm(红边波段)的反射率对SPAD值的变化较敏感,其中,550 nm与SPAD值的相关系数最大(R2=0.802 9)。而对于较窄波段的MCA,720 nm(红边波段)的反射率与SPAD值具有较高的相关性(R2=0.724 8),550 nm(绿波段)次之。此外,由于两传感器红波段的中心波长和波段宽度不同,660 nm(Sequoia)反射率与SPAD值的相关系数为0.778 6,而680 nm(MCA)反射率与SPAD值的相关性较小,仅为0.488 6。利用无人机多光谱遥感技术预测大田玉米的SPAD值精度较高,但对于不同的多光谱传感器而言,同一植被指数却表现出较大的差异,其中,红波段和近红外波段组合构造的植被指数RVI,NDVI,PVI和MSR差异较大,具有较宽波段的Sequoia传感器优于窄波段的MCA;此外,对于Sequoia相机,GNDVI与RENDVI预测SPAD值的精度较高,RMSE分别为3.699和3.691;对于MCA相机,RENDVI预测精度最高(RMSE=3.742),GNDVI预测精度低于RENDVI(RMSE=3.912);两传感器中MCARI/OSAVI预测SPAD值精度均较低,RMSE分别为7.389(Sequoia)和7.361(MCA)。在所有的植被指数中,利用绿波段和近红外波构造的植被指数(G类),以及用红边波段和近红外波段构造的植被指数(RE类),预测SPAD值精度更高,均高于红外和近红外波段构造的植被指数;利用更多波段(三个及以上)组合构造的复杂植被指数,并不能显著提高预测精度。就预测模型而言,MCARI1更适用于对数模型,可有效提高预测精度, 而其他植被指数变化不显著。研究还发现,在小区水平SPAD值的预测方面,除NDVI和TVI,Sequoia相机对于不同氮肥条件下植被覆盖度、阴影和裸露土壤等环境背景因素具有较强的抗干扰能力;而对于MCA相机来说,TVI,DVI,MSAVI2,RDVI和MSAVI对环境背景因素非常敏感,预测SPAD精度低;此外,去除环境背景因素并不总是能够提高SPAD值的预测精度。本研究对于利用无人机多光谱遥感技术进行高精度的叶绿素含量预测具有指导意义,对于精准农业的推广和应用具有一定的借鉴价值。 相似文献
190.