全文获取类型
收费全文 | 399篇 |
免费 | 62篇 |
国内免费 | 194篇 |
专业分类
安全科学 | 55篇 |
废物处理 | 6篇 |
环保管理 | 31篇 |
综合类 | 386篇 |
基础理论 | 84篇 |
污染及防治 | 15篇 |
评价与监测 | 24篇 |
社会与环境 | 28篇 |
灾害及防治 | 26篇 |
出版年
2024年 | 3篇 |
2023年 | 12篇 |
2022年 | 31篇 |
2021年 | 24篇 |
2020年 | 38篇 |
2019年 | 19篇 |
2018年 | 19篇 |
2017年 | 21篇 |
2016年 | 30篇 |
2015年 | 42篇 |
2014年 | 22篇 |
2013年 | 34篇 |
2012年 | 55篇 |
2011年 | 47篇 |
2010年 | 38篇 |
2009年 | 36篇 |
2008年 | 38篇 |
2007年 | 33篇 |
2006年 | 38篇 |
2005年 | 18篇 |
2004年 | 16篇 |
2003年 | 9篇 |
2002年 | 6篇 |
2001年 | 13篇 |
2000年 | 7篇 |
1999年 | 2篇 |
1997年 | 1篇 |
1995年 | 2篇 |
1992年 | 1篇 |
排序方式: 共有655条查询结果,搜索用时 15 毫秒
651.
不同肥料施用对设施菠菜地NH3挥发和N2O排放的影响 总被引:5,自引:0,他引:5
以湖南设施菠菜地为研究对象,采用通气法和静态箱-气相色谱法研究了设施菠菜生长季施用工厂化堆肥(SC)、农民传统堆肥(SS)和单施化肥(FC)对土壤NH_3和N_2O排放的影响.结果表明在同等施氮水平下,与FC相比,SC处理能减少NH_3和N_2O排放量,分别减少52.9%和95.12%(P0.01);SS处理则增加NH_3挥发量24.8%,减少N_2O排放量48.8%.不同处理NH_3损失率分别为SS(10.97%)FC(4.19%)SC(2.74%);N_2O排放系数分别为FC(4.50%)SC(2.21%)SS(0.60%);与FC处理相比,SC处理条件下菠菜产量和作物吸氮量分别降低19.61%和13.20%,差异不显著;SS处理则显著降低27.9%和40.0%(P0.05).在该地区冬季设施菠菜田中,影响NH_3和N_2O排放的主要因素为土壤水分,环境温度不是此研究中影响气体排放的主要因素.因此,畜禽养殖固体废弃物经过不同处理后作为有机肥施入菠菜田,SC处理的菠菜可保证产量的同时,减少NH_3挥发和N_2O排放损失. 相似文献
652.
653.
边坡稳定性研究对于重大地质灾害防治极其重要,但由于影响边坡稳定性的因素具有非线性、多样性以及模糊性等特征,边坡稳定性分析一直是地质灾害防治领域的热难点问题。已有研究表明神经网络预测模型可有效应用边坡稳定性分析,但同时存在预测精度低、鲁棒性差、收敛速度慢等缺点。为改善上述问题,在粒子群算法优化的 BP 神经网络(简称 PSO?BP 神经网络)算法基础上提出一种改进的边坡稳定性预测模型。该模型以容重、内聚力、内摩擦角、边坡角、高度、孔隙压力比作为输入参数,以安全系数作为输出参数。通过借鉴遗传算法中的变异思想来提升模型全局寻优的能力,利用能量函数负梯度下降原理提高模型的收敛速度。将所收集到百余条边坡数据进行数据清洗,最终得到 80 条高质量边坡数据,随机选取其中的 50 条边坡数据作为模型的试验数据。最后采用十折交叉验证的方法对模型的准确性进行验证,并在多维度与其余边坡稳定性神经网络预测模型进行对比分析。结果表明:①该模型相比于其余模型收敛速度、准确率、鲁棒性均有明显提高;②将 K 折交叉验证应用在小样本数据下的边坡稳定性神经网络预测模型,可有效避免结果的偶然性。③该模型的预测误差仅为 4.31%,满足工程精度需求,可在实际工程中为边坡稳定性分析与灾害防治提供参考。 相似文献
654.
655.