全文获取类型
收费全文 | 195篇 |
免费 | 20篇 |
国内免费 | 29篇 |
专业分类
测绘学 | 2篇 |
大气科学 | 1篇 |
地球物理 | 14篇 |
地质学 | 5篇 |
海洋学 | 170篇 |
天文学 | 1篇 |
综合类 | 44篇 |
自然地理 | 7篇 |
出版年
2024年 | 4篇 |
2023年 | 11篇 |
2022年 | 7篇 |
2021年 | 4篇 |
2020年 | 7篇 |
2019年 | 11篇 |
2018年 | 6篇 |
2017年 | 4篇 |
2016年 | 5篇 |
2015年 | 7篇 |
2014年 | 8篇 |
2013年 | 9篇 |
2012年 | 8篇 |
2011年 | 10篇 |
2010年 | 10篇 |
2009年 | 5篇 |
2008年 | 10篇 |
2007年 | 12篇 |
2006年 | 9篇 |
2005年 | 5篇 |
2004年 | 8篇 |
2003年 | 7篇 |
2002年 | 10篇 |
2001年 | 8篇 |
2000年 | 4篇 |
1999年 | 8篇 |
1998年 | 3篇 |
1997年 | 1篇 |
1996年 | 5篇 |
1995年 | 5篇 |
1994年 | 8篇 |
1993年 | 7篇 |
1992年 | 2篇 |
1991年 | 5篇 |
1990年 | 5篇 |
1989年 | 3篇 |
1986年 | 1篇 |
1982年 | 1篇 |
1980年 | 1篇 |
排序方式: 共有244条查询结果,搜索用时 93 毫秒
241.
微藻对油污染物的不同响应,势必造成其群落种类组成和结构的变化,进一步影响海洋生态系统的变迁。由于油污染对于浮游植物的影响具有污染源及生物响应的多样性、多维度性和复杂性,产生影响的时效长但可显示度低等特点,造成该研究领域的极大限制。作者以石油标准品20-3和3种石油化学品(双酚、对苯二甲酸、对二甲苯)作为油污染源,利用多孔板高通量检测方法及大数据处理分析软件Simca-P,对中国沿海常见单种微型藻类的种群消长受油污染影响进行了研究。以石油标准品20-3为油污染源,分析了31株微藻增殖对不同油标浓度的不同响应;利用Simca-P软件对3种不同浓度的石油化学品对4种典型微藻(柔弱角刺藻(Chaetoceros debilis)、球等鞭金藻(Isochrysis galbana)、东海原甲藻(Prorocentrum donghaiense)、剧毒卡罗藻(Karlodinum veneficum))增殖的影响进行了比较分析。研究结果显示:不同种类微藻因油污种类及其浓度不同,其响应存在显著差异。利用多孔板以及微藻的吸光特征,可以高通量快速筛查不同微藻对不同油污及其不同浓度的响应差异,并利用计算机软件对大数据的分析能力,挖掘和比较不同微藻与不同油污之间的相互关系,从而就油污染对微藻影响这种多维度复杂关系进行研究。 相似文献
242.
以红砂的一年生苗嫩茎为外植体,添加不同浓度的氯吡苯脲(CPPU)、6-BA和NAA,进行愈伤组织诱导试验,得出红砂愈伤组织诱导的最佳培养基为1/2MS+CPPU 0.1 mg·L-1+NAA1 mg·L-1。利用响应面分析法,设计CCD中心组合试验,对CPPU和NAA两个因素进行优化,得出愈伤组织最佳继代培养基为1/2MS+CPPU 0.1195 mg·L-1+NAA1.1 mg·L-1,在此条件下,实际增殖率可达到4.7414,为理论预测值的99.15%,愈伤组织的最适继代周期为30 d左右。利用响应面分析法可优化红砂愈伤组织继代培养基,得到理论最佳配方,验证结果表明该方法科学、高效。 相似文献
243.
大菱鲆红体病虹彩病毒体外增殖条件的研究 总被引:2,自引:2,他引:0
探讨大菱鲆病毒疫苗的研制,以牙鲆鳃细胞(FG细胞)为增殖体系,利用细胞病变效应(CPE)为判断指标,对大菱鲆红体病虹彩病毒(Turbot reddish body iridovirus,TRBIV)的体外最适增殖条件等进行了研究。结果表明,病毒接种量、病毒吸附时间、细胞培养条件对TRBIV的体外增殖均有明显的影响,以0.2 mL病毒液接种FG细胞、吸附2 h、用含10%胎牛血清的MEM培养液于22℃培养时,病毒的增殖速度最快。研究还发现,病毒的收获时间和病毒液冻融次数对所得病毒的感染力均有显著影响,在最佳增殖条件下,病毒在FG细胞中增殖至第4天时进行收获,且只冻融1次,其感染活性最强,反复冻融后病毒的感染活性会显著降低。 相似文献
244.
饮用水源地藻类增殖监测和预测对于改善水生态系统环境和保护人类健康具有重要意义。利用多源遥感数据能够获取高时空分辨率的藻类动态信息,结合长时序遥感监测与机器学习算法能够适应藻类生长复杂的影响机制和非线性特征,实现藻类增殖风险时空变化的预测。本文利用Landsat与MODIS长时间序列卫星遥感数据,采用FAI与NDVI两种方法提取2000—2020年丹江口水库藻类浓度的时空变化信息,在此基础上分析藻类增殖对气象因子(气温、气压、相对湿度、风速和累计日照时间)的时间滞后效应。利用支持向量机、朴素贝叶斯与随机森林3种机器学习算法预测藻类增殖风险,并对3种算法的预测性能进行评价和对比。结果表明:丹江口水库藻类浓度年际变化呈现出先增后降的趋势,呈现出明显的季节性周期变化,春末夏初是藻类快速增殖时期。空间上入库支流和库湾等局部地区藻类浓度相对较高,为藻类增殖高风险区,丹江口水库藻类增殖风险预测模型能够较为准确地确定藻类增殖高风险区位置并反映短期内的空间变化情况,3种算法的预测结果呈现出整体上的一致性,其中支持向量机与朴素贝叶斯算法表现出更高的精度,提前4~5天是最佳预测时间。 相似文献