全文获取类型
收费全文 | 787篇 |
免费 | 107篇 |
国内免费 | 265篇 |
专业分类
安全科学 | 52篇 |
废物处理 | 2篇 |
环保管理 | 65篇 |
综合类 | 688篇 |
基础理论 | 115篇 |
污染及防治 | 41篇 |
评价与监测 | 111篇 |
社会与环境 | 67篇 |
灾害及防治 | 18篇 |
出版年
2024年 | 6篇 |
2023年 | 24篇 |
2022年 | 27篇 |
2021年 | 31篇 |
2020年 | 29篇 |
2019年 | 22篇 |
2018年 | 19篇 |
2017年 | 25篇 |
2016年 | 38篇 |
2015年 | 47篇 |
2014年 | 71篇 |
2013年 | 62篇 |
2012年 | 82篇 |
2011年 | 66篇 |
2010年 | 51篇 |
2009年 | 89篇 |
2008年 | 86篇 |
2007年 | 79篇 |
2006年 | 53篇 |
2005年 | 38篇 |
2004年 | 31篇 |
2003年 | 33篇 |
2002年 | 25篇 |
2001年 | 28篇 |
2000年 | 20篇 |
1999年 | 8篇 |
1998年 | 17篇 |
1997年 | 16篇 |
1996年 | 5篇 |
1995年 | 7篇 |
1994年 | 4篇 |
1993年 | 3篇 |
1992年 | 8篇 |
1991年 | 3篇 |
1990年 | 1篇 |
1989年 | 2篇 |
1988年 | 1篇 |
1987年 | 2篇 |
排序方式: 共有1159条查询结果,搜索用时 78 毫秒
181.
太湖平原农田区域地表水特征及对氮磷流失的影响 总被引:4,自引:0,他引:4
为了解太湖平原不同类型农田氮磷流失特征,在嘉兴地区选择8类共38个农田作为定位点,在降水后对定位点农田沟渠和近农田河道地表水特征进行监测,并采集、检测水样.结果表明:太湖平原农田易产流,径流氮磷污染强度大.在24 h大于15 nm雨量(15 mm·(24 h)-1)或48 h大于20 mm雨量(20 mm·(48 h)-1)的降水条件下,各类农田产流次数占历次监测比例(简称产流频度)为50%~100%;径流氮磷含量超过国家地表水环境质量标准(GB3838-2002)中的Ⅴ类水标准(N,2mg·L-1;P,0.4mg·L-1).汛期,农田产流频度平均高出非汛期13%,农田氮磷流失频度和强度均大于非汛期,氮磷含量分别高出1.2mg·L-1和0.26mg·L-1.不同类型农田氮磷流失强度差异大,氮素最大相差11倍,磷素达4倍.近农田河道水全年多停滞,河水停滞次数占历次监测比例(简称停滞频度)为40%以上,易于氮磷累积.在汛期的15 mm·(24 ·L-1或20mm·(48·L-1以上强度降水条件下,种植蔬菜、果木类和旱作大田作物的农田尤应作为农田面源污染防控重点,近农田河道流动特征应被关注. 相似文献
182.
为加强对太湖蓝藻水华的动态监测,提高环境监控时效,浙江省环境监测中心于2008年1月建成了EOS/MODIS数据DVB—s接收系统,每天接收处理EOS/MODIS数据,对太湖水域蓝藻水华进行大范围实时监控。根据环境保护部《关于加强太湖巢湖流域环境监测和执法监察工作的紧急通知》(环办[2008]11号)精神,浙江省环境监测中心已于2008年4月25日启动太湖藻类监测快报工作,按照要求上报监测结果。 相似文献
183.
184.
我国东部大型浅水湖泊太湖的富营养化和藻华暴发一直是困扰该地区社会经济高质量发展的重要水问题之一,其中水资源分配不均及部分营养盐浓度较高,严重制约了太湖水体生态环境的健康发展。基于1999-2019年太湖水质、气象等逐月观测资料,构建了基于协变量(TN、TP、CODMn、降水量和引排水量)的叶绿素a(Chl-a)预测模型ARIMA(1, 1, 1)(0, 1, 1)12,并结合2007-2019年历史引排水方案经验和效果,提出了未来平水年情景下降低太湖藻华大面积暴发风险的引排水方案优化策略。结果表明:所构建的ARIMA(1, 1, 1)(0, 1, 1)12模型能有效预测太湖水体Chl-a浓度;且在预设未来情景下,通过同步增加引、排水量可有效降低水体营养盐含量。引排水方案的优化关键在于季节性水资源的合理调配,在满足水安全的基础上适当加大冬春季节引排水,可达到改善水动力和排出营养盐的效果。 相似文献
185.
2008年8月至2009年7月研究了江苏东太湖网围养殖区、东茭咀、油车港等12个典型湖区的水环境特征,运用主成分分析法研究东太湖水质的空间异质性及主控因素.结果表明,东太湖水质在各区域存在显著差异,季节变化明显,主要表现为丰水期水质优于枯水期. 12个水质指标简化成2个主成分,主成分I代表水体的总磷、溶解性总磷和磷酸盐水平,是东太湖水域最主要的污染因子;主成分II主要反映水体的有机污染状况,叶绿素a和高锰酸盐指数的贡献率较大.利用主成分得分进行聚类分析,将12个采样点分为4类,北部由于受东山镇生活污水影响,各入湖河道口污染较为严重,特别是油车港;网围养殖区由于人工栽植的水草较为茂盛,水质较好,同东茭咀、太浦河口等水域的水质一样. 相似文献
186.
基于中巴地球资源1号卫星的太湖表层水体水质遥感 总被引:42,自引:2,他引:42
利用CBERS 1的CCD数据和准同步地面监测数据,结合水体组分的光谱特征,建立了太湖表层水体叶绿素a和总氮的遥感信息模型.将模型用于2000 09 16太湖表层水体,所得结果较客观地反映了叶绿素a和总氮的分布趋势,表明利用CBERS 1的CCD数据进行湖泊表层水体水质指标监测具有重要的现实意义和应用前景.由于地面监测站位有限,模型在浅水草型湖泊———东太湖的适用性受到一定限制,说明同步性好、覆盖广的地面监测对于水质遥感信息模型的准确性和适用性至关重要. 相似文献
187.
188.
太湖地区3种水稻土不同温度培养中有机碳库变化及其对升温的响应 总被引:17,自引:1,他引:17
全球变暖下土壤有机碳储存的变化是土壤与全球变化研究的热点问题.本研究选择了3种太湖地区代表性水稻土的表层土壤,分别进行20℃和25℃的室内恒温培养,监测培养过程中总有机碳、溶解性有机碳和微生物量碳的变化动态,试图了解这些土壤的有机碳分解过程对全球变暖的响应特点.结果表明,这些土壤培养中总有机碳变化可以用一级衰变动力学方程或对数衰减方程描述,但动力学特征依培养温度的不同而异.升温大大促进了铁渗水耕人为土和潜育水耕人为土中有机碳的分解与呼吸损失,而铁聚水耕人为土没有显著变化.供试土壤总有机碳损失的Q10系数分别为:潜育水耕人为土(11.1~14.1)>铁渗水耕人为土(4.4~6.4)>铁聚水耕人为土(0.63~0.73).这一方面说明温度敏感性在同一地带的不同土壤间的差异超过文献上报道的不同气候带的差异,但另一方面揭示了水稻土可能是一类对全球升温敏感响应的人为土.溶解性有机碳和微生物量的碳的变化还提示不同温度培养下水稻土微生物群落结构可能改变,因而影响到土壤有机碳库的生物有效性在温度条件下的变化.可以认为,土壤升温下有机碳的变化不但与土壤有机碳的性质有关,而且与土壤性质控制下的生物条件的改变有关.故土壤升温下有机碳的损失不仅仅是温度对分解过程的反应速度的影响.当然,对于不同土壤间的这种差异还需从有机碳-土壤环境-土壤生物的相互关系上做进一步的工作. 相似文献
189.
基于Mann-Kendall法的湖泊稳态转换突变分析 总被引:1,自引:0,他引:1
采用变化趋势与倾向率、Mann-Kendall趋势检验法和突变点分析法对1981~2008年间太湖湖泊稳态转换关键因子总氮(TN)、总磷(TP)和叶绿素a(Chla)进行突变识别,结果表明,(1)TN、TP和Chla分别在0.05、0.10和0.05水平上呈显著增加趋势;(2)TN浓度在1990~1991年间和1994~1995年间发生了两次突变;TP浓度突变点发生在1987~1988年;Chla浓度历史变化存在三个阶段,1981~1989年为第一阶段,尚未产生突变阶段,第二阶段为1990~1996年,突变过渡阶段,第三阶段为1997~2008年,属于突变后的状态;(3)综合TN、TP和Chla浓度历史变化存在不同阶段,结合各因子的历史变化序列,太湖湖泊稳态转换突变点为1988年和1997年,并把太湖划分为三个阶段,第一阶段为1981~1987年, TP浓度为0.025mg/L,属于草藻共存,接近于清水稳态阶段;第二阶段为1988~1996年, TP浓度为0.086mg/L,属于藻草共存阶段;第三阶段为1997到2008年, TP浓度为0.103mg/L,属于藻型浊水稳态.研究结果表明Mann-Kendall法在湖泊稳态转换突变分析中具有一定的适用性. 相似文献
190.
基于GF-1 WFV影像和BP神经网络的太湖叶绿素a反演 总被引:7,自引:0,他引:7
叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价湖泊水体的富营养化程度.太湖是典型的二类水体,光学性质复杂,应用一类水体线性反演模式拟合较为片面且难以找到最佳拟合模型.BP神经网络模型具有模拟复杂非线性问题的功能.为研究高分一号卫星16m多光谱相机WFV4结合BP神经网络进行太湖叶绿素a浓度监测的可行性,实验利用GF-1 WFV4影像和实时的地面采样数据,建立了BP神经网络模型,同时采用波段比值经验模型进行对比.经精度检验,BP神经网络模型预测值与实测值之间的可决系数R2高达0.9680,而波段比值模型的R2为0.9541,且均方根误差RMSE由波段比值模型的18.7915降低为BP神经网络模型的7.6068,平均相对误差e也由波段比值模型的19.16%降低为BP神经网络模型的6.75%.结果证明,GF-1 WFV4影像应用BP神经网络模型反演太湖叶绿素a浓度较波段比值模型精度有所提高.将经过水体掩膜的GF-1 WFV4影像用于训练好的BP神经网络反演太湖叶绿素a浓度分布,结果显示,叶绿素a高浓度区集中分布在湖心区北部、竺山湾、梅梁湾区域,与之前的研究一致.本文研究结果验证了采用BP神经网络模型对GF-1 WFV4影像进行太湖叶绿素a浓度反演的可行性. 相似文献