全文获取类型
收费全文 | 1110篇 |
免费 | 84篇 |
国内免费 | 435篇 |
专业分类
安全科学 | 101篇 |
废物处理 | 54篇 |
环保管理 | 59篇 |
综合类 | 927篇 |
基础理论 | 222篇 |
污染及防治 | 120篇 |
评价与监测 | 140篇 |
社会与环境 | 3篇 |
灾害及防治 | 3篇 |
出版年
2024年 | 22篇 |
2023年 | 57篇 |
2022年 | 62篇 |
2021年 | 88篇 |
2020年 | 56篇 |
2019年 | 70篇 |
2018年 | 37篇 |
2017年 | 41篇 |
2016年 | 54篇 |
2015年 | 69篇 |
2014年 | 119篇 |
2013年 | 85篇 |
2012年 | 52篇 |
2011年 | 83篇 |
2010年 | 60篇 |
2009年 | 79篇 |
2008年 | 60篇 |
2007年 | 64篇 |
2006年 | 55篇 |
2005年 | 31篇 |
2004年 | 22篇 |
2003年 | 24篇 |
2002年 | 30篇 |
2001年 | 16篇 |
2000年 | 16篇 |
1999年 | 28篇 |
1998年 | 28篇 |
1997年 | 28篇 |
1996年 | 37篇 |
1995年 | 33篇 |
1994年 | 27篇 |
1993年 | 21篇 |
1992年 | 24篇 |
1991年 | 19篇 |
1990年 | 15篇 |
1989年 | 14篇 |
1988年 | 1篇 |
1987年 | 2篇 |
排序方式: 共有1629条查询结果,搜索用时 343 毫秒
571.
水分管理与施硅对水稻根表铁膜及砷镉吸收的影响 总被引:7,自引:5,他引:2
为探明水分管理与施硅对土壤砷(As)/镉(Cd)生物有效性、水稻根表铁膜与As/Cd吸收的影响,以贵州省开阳县某砷镉复合污染水稻土为供试土壤,进行了水稻盆栽种植.设5种水分管理模式:全生育期淹水(T1);移栽到抽穗后三周(0~105 d)淹水,其余时期湿润灌溉(含水率50%~60%)(T2);移栽到抽穗前三周(0~65 d)淹水,抽穗到抽穗后三周(84~105 d)淹水,其余时期湿润灌溉(T3);抽穗到抽穗后三周(84~105 d)淹水,其余时期湿润灌溉(T4)和全生育期湿润灌溉(T5).硅设不施硅和施硅这2个水平.结果表明,淹水/湿润灌溉较单一淹水或单一湿润灌溉更利于根表铁膜(DCB-Fe)的形成,DCB-As/Cd含量随DCB-Fe含量升高而升高;施硅使土壤pH升高,有效As/Cd含量降低,DCB-As含量增加,除淹水处理外的DCB-Fe/Cd含量降低.淹水时间越短,水稻各部位对Cd积累量越高,对As积累量越低.施硅使水稻各部位生物量升高,As/Cd含量降低.其中根、茎、叶和籽粒的Cd含量分别降低4.23%~31.06%、11.41%~52.90%、1.74%~35.73%和19.25%~39.76%,As含量分别降低1.47%~52.60%、6.12%~63.02%、2.97%~28.41%和16.33%~61.23%.5种水分管理中,施硅结合T3水分管理可以实现水稻生物量最高及水稻对砷镉吸收量最小.因此,根据As/Cd实际污染情况合理进行水分管理与施硅可以有效降低土壤As/Cd生物有效性进而减少水稻对As/Cd的累积,实现农田安全生产. 相似文献
572.
合理确定重金属土壤筛选值是污染场地风险识别和调查评估的基础,过松或过严的标准都会增加风险评估的不确定性,甚至可能会导致风险管控措施失效或修复资金浪费,确定重金属土壤筛选值的关键影响因子是合理确定重金属土壤筛选值的前提。选择工业污染场地中检出频率高、毒性大的砷作为研究对象,通过假设工商业用地下的暴露情景,根据《污染场地风险评估技术导则》(HJ25.3—2014)得到砷筛选值计算公式,利用基于蒙特卡罗模拟的Crystal Ball模型计算公式中各参数对结果的敏感性和贡献率来确定关键影响因子,通过调研国内外砷筛选值现状,从计算模型、毒性评估及关键影响因子等方面对引起各国砷筛选值差异的原因进行了分析探讨。结果表明:工商业用地下土壤砷筛选值取值为0.84~175.7 mg·kg~(-1),均值为21.4 mg·kg~(-1),95%的置信上限为24.19 mg·kg~(-1);风险可接受水平、每日土壤摄入量(IR)、暴露频率(EF)和暴露周期(ED)对砷筛选值的贡献率依次为41.3%、-27.3%、-16.3%和-12.7%,其余因子的贡献率均小于1%;关键影响因子按贡献率绝对值从大到小分别为风险可接受水平、每日土壤摄入量(IR)、暴露频率(EF)、暴露周期(ED)。计算模型和毒性评估存在差异是国内外土壤砷筛选值差异的基础原因,当计算模型和毒性评估差异不大时,关键影响因子才是决定性因素,其影响程度与模拟计算的结果一致。建议我国完善筛选值计算模型,对砷的毒性效应和符合我国暴露人群特征的关键影响因子展开深入研究。 相似文献
573.
574.
575.
以斑马鱼为供试生物,采用半静态实验法,将其分别暴露于5mg/L聚苯乙烯纳米塑料(PS-NPs),1、10和100μg/L砷(As)单一及其复合污染中7d,探讨PS-NPs影响下As在斑马鱼肝脏、肠道、鳃和肌肉组织中的积累,肝脏和鳃中PS-NPs的荧光强度和应激响应.结果表明:PS-NPs能在斑马鱼的肝脏和鳃中富集,且促进As在斑马鱼各组织中的积累.在5mg/L PS-NPs和100μg/L As复合污染下,肝脏、鳃、肠道和肌肉组织的As含量较As单一暴露时分别上升了35.18%、147.33%、163.12%和66.96%. PS-NPs和As的共同暴露导致肝脏的GST和GPx活性增加, MDA含量减少,氧化胁迫减弱.而鳃的GSH含量和GST活性减少,MDA含量增加,氧化胁迫增强.高浓度(100μg/L)As叠加PS-NPs后,鳃中AChE活性显著降低.相比单一As胁迫,混合暴露导致肝脏和鳃中gpx, Mn-sod, Cu/Zn-sod和ache表达量下降, PS-NPs的存在能降低As对斑马鱼氧化应激和神经毒性相关基因的诱导表达量. 相似文献
576.
《环境科学与技术》2021,44(6):84-90
文章以壳聚糖(CTS)、纳米四氧化三铁为原材料,利用滴加成球法制备了CTS@纳米Fe_3O_4复合微球,通过X射线衍射、傅里叶红外光谱、扫描电镜对复合微球的形貌及结构进行了表征。同时研究了CTS@纳米Fe_3O_4复合微球在不同质量比、pH以及温度条件下对水中As(Ⅲ)吸附效果的影响,并进行了等温吸附及动力学方程的拟合。结果表明,吸附量与微球中纳米Fe_3O_4质量比呈正相关,在CTS/纳米Fe_3O_4质量比=1∶2时,吸附量最佳可达到18.902 5 mg/g。整个吸附过程更符合Freundlich等温吸附模型和准二级动力学模型,表明CTS@纳米Fe_3O_4复合微球是不均匀表面的多分子层吸附,主要受到化学吸附的主导。 相似文献
577.
为探究呼伦湖中As(砷)的时空变化格局及成因,分别于春季、夏季、秋季、冬季采集呼伦湖表层水和表层沉积物样品,对As的时空分布及其组成特征进行了调查,并探讨呼伦湖中As的来源及环境因素对水体As分布的影响.结果表明:①呼伦湖水体中ρ(TAs)(TAs为总As)在6.6~87.3 μg/L之间,平均值为47.0 μg/L,其中ρ(DTAs)(DTAs为溶解态TAs)占比为70.6%~99.8%,且As(Ⅴ)(砷酸盐)为主要存在形态.春季、冬季ρ(TAs)平均值高于夏季、秋季,且冬季ρ(TAs)的空间分布与其他3个季节差异明显.②表层沉积物w(TAs)为1.64~15.49 mg/kg,各季节w(TAs)空间分布均呈由西北向东南递减的趋势;w(F1)(F1为可交换态及碳酸盐结合态As)和w(F2)(F2为Fe/Mn氧化物结合态As)在w(TAs)中的占比相对较高,分别为31.7%和30.0%,一定环境条件下F1和F2易向水体迁移,是水体中As的主要来源.③呼伦湖水体pH、冬季冰封、入湖河流等环境因素均可影响水体中As的时空分布,其中冰封引起的沉积物-水界面缺氧环境及污染物浓缩效应是造成冬季湖泊西北沿岸水体ρ(TAs)显著升高的主要原因.研究显示,呼伦湖水体及沉积物中的As均以自然来源为主,其中沉积物释放及环境变化是水体中As时空分布格局的主要影响因素. 相似文献
578.
针对钛凝胶(titanium xerogel,TAX)对三价砷[As (Ⅲ)]的吸附容量高(254 mg ·g-1)但速率慢的问题,通过浸渍法,将TAX负载到活性炭、海绵及树脂材料制备负载型吸附剂,并评价其除砷性能.除海绵外,活性炭和树脂均能成功负载TAX,其中活性炭基材料的钛负载量在1.4%左右,树脂基材料在5%左右.树脂和活性炭的负载均提高了TAX的除砷速率,且树脂基材料提高的程度更明显.对于初始质量浓度为1.0 mg ·L-1的As (Ⅲ)溶液,树脂基材料(TAX@D201)的吸附速率为0.85 mg ·(g ·min)-1,是未负载TAX吸附速率[0.04 mg ·(g ·min)-1]的21倍.在处理实际含砷地下水的柱实验中,TAX@树脂的有效床体积(BV)达560 BV,是相同金属负载量载铁树脂材料的2.8倍(199 BV).本文结果表明将TAX负载于大孔树脂是一条有效的策略,为TAX应用于含砷地下水的净化提供了新思路. 相似文献
579.
580.
采用批实验方法研究了人工合成铁、铝矿物对As(V)的吸附,考察吸附时间及溶液pH值对As(V)吸附的影响.结果表明,不同类型铁、铝矿对As(V)的吸附量均表现出随初始As(V)浓度(0.1~100mg/L)的增加而增加的趋势,其中水铁矿的吸附量在整个浓度范围内始终呈上升趋势,初始浓度为100mg/L As(V)时的吸附量为22.56mg/g,而针铁矿、水铝矿和赤铁矿的吸附量在低初始浓度时上升较快,随浓度升高上升幅度减缓直至平衡,其中赤铁矿的吸附量最小,100mg/L As(V)时的吸附量为4.75mg/g.Freundlich方程对吸附数据的拟合效果优于Langmuir方程,吸附能力表现为水铁矿最高,水铝矿和针铁矿相近,赤铁矿较低.随着吸附时间的增加,4种铁、铝矿物对As(V)的吸附量都逐渐增加,尤其是水铁矿,10min内即达到平衡吸附量的96.3%;水铝矿和针铁矿在48h时吸附量分别为平衡吸附量的97.2%和97.4%;赤铁矿则需96h才基本达到平衡.除水铁矿外,4种动力学方程对其他矿物动力学曲线的拟合均较好,尤其是双常数方程.pH值对矿物吸附As(V)的影响受As(V)初始浓度的影响,初始浓度较低时,铁、铝矿的吸附量仅在极碱条件下(pH>10)降低,而初始浓度较高时则表现为随pH值升高直线下降的趋势. 相似文献