检索结果-内蒙古大学图书馆

西北林学院学报 2024年第3期39卷 162-170,265页

作者：贺晨瑞庞丽峰谭炳香黄逸飞孙学霞中国林业科学研究院资源信息研究所北京100091 国家林业和草原局林业遥感与信息技术重点实验室北京100091

城市是CO_(2)排放的主要区域,推动城市碳减排与低碳发展对于早日实现“双碳”战略具有重要帮助。城市森林碳储量是反映城市CO_(2)吸收能力和评估生态系统质量的重要指标。以北京市森林为对象,以Landsat8OLI遥感影像、数字高程和森林资... 详细信息

城市是CO_(2)排放的主要区域,推动城市碳减排与低碳发展对于早日实现“双碳”战略具有重要帮助。城市森林碳储量是反映城市CO_(2)吸收能力和评估生态系统质量的重要指标。以北京市森林为对象,以Landsat8OLI遥感影像、数字高程和森林资源二类调查数据为数据源,采用逐步回归分析、递归消除算法和Boruta算法进行特征选择,然后采用多元线性回归模型、BP神经网络、随机森林算法以及极端梯度提升算法模型(XGBoost)进行北京市森林AGC模型构建,最后选择效果最好的模型对北京市整体森林AGC进行反演估测。结果表明:1)基于Boruta算法选择特征集进行4种AGC模型构建时,其R 2是最好的,优于SRA与RFE选择方法;2)XGBoost算法构建的森林AGC模型的精度最高,其根据Boruta算法选择特征集得到的训练集、测试集R^(2)、RMSE、RRMSE分别为0.95、0.69、3.16、5.18、17.70%、21.49%;3)2014年北京市总体森林AGC为8931820.34 t,与实际值差距较小;在空间分布上均呈西北部高、中部及东南部低的现象;密云区、怀柔区及延庆区森林AGC较多,而朝阳区、丰台区及石景山区较少。总体上说,基于Boruta的特征选择与现代集成的XGBoost森林AGC模型有着较好的估测效果。该研究为超大城市森林AGC精准监测提供了技术支撑。

关键词：城市森林碳储量 XGBoost模型 Boruta算法北京市

来源：评论

学校读者我要写书评

暂无评论

问答式林业预训练语言模型ForestBERT

引用

林业科学 2024年第9期60卷 99-110页

作者：谭晶维张怀清刘洋杨杰郑东萍中国林业科学研究院资源信息研究所、国家林业和草原局林业遥感与信息技术重点实验室北京100091 北京林业大学林学院北京100083 夏威夷大学马诺阿分校檀香山HI 96822

【目的】针对林业文本利用率低、通用领域预训练语言模型对林业知识理解不足以及手动标注数据耗时费力等问题,基于大量林业文本,提出一种融合林业领域知识的预训练语言模型,并通过自动标注训练数据,高效实现林业抽取式问答,为林业决策... 详细信息

【目的】针对林业文本利用率低、通用领域预训练语言模型对林业知识理解不足以及手动标注数据耗时费力等问题,基于大量林业文本,提出一种融合林业领域知识的预训练语言模型,并通过自动标注训练数据,高效实现林业抽取式问答,为林业决策管理提供智能化信息服务。【方法】首先,基于网络爬虫技术构建包含术语、法律法规和文献3个主题的林业语料库,使用该语料库对通用领域预训练语言模型BERT进行继续预训练,再通过掩码语言模型和下一句预测这2个任务进行自监督学习,使BERT能够有效地学习林业语义信息,得到具有林业文本通用特征的预训练语言模型ForestBERT。然后,对预训练语言模型mT5进行微调,实现样本的自动标注,通过人工校正后,构建包含3个主题共2280个样本的林业抽取式问答数据集。基于该数据集对BERT、RoBERTa、MacBERT、PERT、ELECTRA、LERT 6个通用领域的中文预训练语言模型以及本研究构建的ForestBERT进行训练和验证,以明确ForestBERT的优势。为探究不同主题对模型性能的影响,分别基于林业术语、林业法律法规、林业文献3个主题数据集对所有模型进行微调。将ForestBERT与BERT在林业文献中的问答结果进行可视化比较,以更直观展现ForestBERT的优势。【结果】ForestBERT在林业领域的抽取式问答任务中整体表现优于其他6个对比模型,与基础模型BERT相比,精确匹配(EM)分数和F1分数分别提升1.6%和1.72%,在另外5个模型的平均性能上也均提升0.96%。在各个模型最优划分比例下,ForestBERT在EM上分别优于BERT和其他5个模型2.12%和1.2%,在F1上分别优于1.88%和1.26%。此外,ForestBERT在3个林业主题上也均表现优异,术语、法律法规、文献任务的评估分数分别比其他6个模型平均提升3.06%、1.73%、2.76%。在所有模型中,术语任务表现最佳,F1的平均值达到87.63%,表现较差的法律法规也达到82.32%。在文献抽取式问答任务中,ForestBERT相比BERT可提供更准确、全面的答案。【结论】采用继续预训练的方式增强通用领域预训练语言模型的林业专业知识,可有效提升模型在林业抽取式问答任务中的表现,为林业文本和其他领域的文本处理和应用提供一种新思路。

关键词：林业文本 BERT 预训练语言模型特定领域预训练抽取式问答任务自然语言处理

来源：评论

学校读者我要写书评

暂无评论

基于机器学习算法的机载高光谱图像优势树种识别

引用

自然资源遥感 2024年第1期36卷 118-127页

作者：于航谭炳香沈明潭贺晨瑞黄逸飞中国林业科学研究院资源信息研究所北京100091 国家林业和草原局林业遥感与信息技术重点实验室北京100091

对森林树种类型进行识别可以为森林资源清查工作的开展提供科学的参考价值,如何利用空间分辨率较高的高光谱数据准确识别森林优势树种是当前亟待解决的问题之一。文章以内蒙古大兴安岭根河森林保护区为研究区,在2种空间分辨率(1 m和3 m)... 详细信息

对森林树种类型进行识别可以为森林资源清查工作的开展提供科学的参考价值,如何利用空间分辨率较高的高光谱数据准确识别森林优势树种是当前亟待解决的问题之一。文章以内蒙古大兴安岭根河森林保护区为研究区,在2种空间分辨率(1 m和3 m)下,使用样本点(样地对应像元的光谱值)与样本面(样地对应3×3窗口像元光谱平均值)2种样本取值尺度,采用3种机器学习分类算法(神经网络(neural network,NN)、三维卷积神经网络(three dimensional convolution neural network,3DCNN)和支持向量机(support vector machines,SVM))对机载高光谱图像的森林优势树种识别能力进行了探讨。结果表明:①无论使用何种空间分辨率与样本取值尺度,3DCNN的分类精度最高,其总体精度和Kappa系数最高(最高分别为95.42%和0.94);②高空间分辨率更有利于优势树种识别,其比低空间分辨率(3 m)总体精度最多可提高30.97%,Kappa系数最多可提高54.24%;③使用NN与SVM进行分类时,以样本面作为样本取值尺度进行树种识别的精度低于样本点。而在3 m空间分辨率情况下使用3DCNN进行分类时,以样本面作为样本取值尺度进行树种识别的精度高于样本点。总的来说,空间分辨率、样本取值尺度与分类算法均对优势树种识别精度有不同程度的影响。在机载高光谱图像识别森林优势树种过程中,优先选择高空间分辨率影像,利用小样本数据,采取深度学习算法将会提高优势树种识别精度。

关键词：高光谱数据优势树种识别空间分辨率多尺度样本

来源：评论

学校读者我要写书评

暂无评论

太行山南麓栓皮栎径向生长的海拔差异及其气候响应变化

引用

应用与环境生物学报 2023年第1期29卷 220-226页

作者：贾汉森高峻张劲松孟平孙守家中国林业科学研究院林业研究所/国家林业和草原局林木培育重点实验室北京100091 南京林业大学南方现代林业协同创新中心南京210037

研究气温突变前后栓皮栎(Quercus variabilis Blume)径向生长海拔差异及其气候响应的变化,可为不同海拔栓皮栎林的养护管理提供参考数据.基于太行山南麓海拔1507 m和909 m的栓皮栎样地年轮宽度数据,结合树轮序列的差值年表(RES)与气候... 详细信息

研究气温突变前后栓皮栎(Quercus variabilis Blume)径向生长海拔差异及其气候响应的变化,可为不同海拔栓皮栎林的养护管理提供参考数据.基于太行山南麓海拔1507 m和909 m的栓皮栎样地年轮宽度数据,结合树轮序列的差值年表(RES)与气候因子分析两个海拔栓皮栎径向生长在气温突变前后对气候响应的差异,并利用胸高断面积年增长量(BAI)分析两海拔栓皮栎生长速度的差异.结果显示,高海拔栓皮栎的BAI年增长速度[0.63 cm^(2)/(10 a)]高于低海拔[0.23 cm^(2)/(10 a)],且在温度上升作用下二者差值逐渐增大.在具有明显快速升温变化(1992年)之前,高海拔栓皮栎生长主要与当年2、7月温度显著正相关,低海拔栓皮栎生长则主要与夏季(6-8月)降水呈正相关.快速升温变化之后,高海拔栓皮栎生长与当年7月平均与最低温度由正相关转变为负相关;低海拔栓皮栎生长与当年3月最高温度和7月最低温度由正相关转变为负相关.本研究表明温度升高使两海拔栓皮栎径向生长-气候因子关系发生了改变,温度对树木生长的限制作用增强,升温促使研究区内高海拔相对低海拔区域成为栓皮栎的适生区.(图7表3参38)

关键词：栓皮栎海拔径向生长气候响应气温突变

来源：评论

学校读者我要写书评

暂无评论

基于机器学习算法的华中天然林土壤有机碳特征与关键影响因子

引用

林业科学 2024年第3期60卷 65-77页

作者：沈琛琛肖文发朱建华曾立雄陈吉臻黄志霖中国林业科学研究院森林生态环境与自然保护研究所国家林业和草原局森林生态环境重点实验室北京100091 南京林业大学南方现代林业协同创新中心南京210037

【目的】比较4种机器学习算法在模拟华中地区3种典型天然林土壤有机碳含量上的表现,筛选最优模型算法,明确影响该地区天然混交林土壤有机碳富集与空间分布的关键气候环境因子,为森林土壤有机碳分布格局研究提供技术参考。【方法】以华... 详细信息

【目的】比较4种机器学习算法在模拟华中地区3种典型天然林土壤有机碳含量上的表现,筛选最优模型算法,明确影响该地区天然混交林土壤有机碳富集与空间分布的关键气候环境因子,为森林土壤有机碳分布格局研究提供技术参考。【方法】以华中地区3种典型天然林(常绿针叶混交林、落叶阔叶混交林和常绿阔叶混交林)为研究对象,引入4种机器学习算法(支持向量机、人工神经网络中的多层感知器、随机森林和分位数回归森林),模拟0~60 cm土层土壤有机碳含量,比较模型解释量及表现稳定性,筛选最优模型算法。【结果】4种机器学习算法均能成功模拟天然林0~60 cm土层土壤有机碳含量,多层感知器、随机森林、分位数回归森林模拟结果明显优于支持向量机,其中随机森林模型表现最稳定,决定系数最高达0.620。母质、土壤密度、孔隙度、地理位置、海拔、植被和水分亏损情况等共同影响华中地区天然林0~60 cm土层土壤有机碳含量,但显著影响表层(0~20 cm)、中层(20~40 cm)与深层(40~60 cm)土壤有机碳含量的因子并不一致且影响机制不同。在0~20 cm土层,显著影响因子最复杂,除土壤密度以外,土壤孔隙度、地形、植被和气候均产生显著影响(P<0.05);在20~40 cm土层,土壤密度和地理位置依然有显著影响(P<0.05),各因子影响呈现复杂性和过渡性;在40~60 cm土层,成土母质是最重要的影响因子,其次为土壤密度和水分亏损指数,植被的影响下降(P<0.05)。从地理分布上看,0~20 cm表层土壤有机碳含量东南高、西北低,中层和深层土壤有机碳含量表现为西部较高、东部稍低;海拔较高的南部山区土壤有机碳含量更高。蒸发强烈或供给森林的水分不足会限制各层土壤有机碳富集。森林土壤有机碳含量随土层加深显著下降,常绿针叶混交林土壤有机碳含量在各土层均最高,落叶阔叶混交林居中,常绿阔叶混交林最低。【结论】华中地区天然林土壤有机碳含量分布呈现明显差异,常绿针叶混交林土壤有机碳贡献最大,成土母质和土壤物理属性对土壤有机碳富集与分布起决定性作用;适宜天然林生长的地理立地条件和气候环境,共同造就该地区天然林土壤有机碳富集。在营林和管理时可加大本地树种混交比重,提升森林土壤碳汇功能。

关键词：森林土壤有机碳空间分布天然林机器学习华中地区

来源：评论

学校读者我要写书评

暂无评论

天然次生林碳储量生长模型与固碳能力驱动力研究

引用

北京林业大学学报 2023年第1期45卷 1-10页

作者：何潇李海奎张逸如黄金金中国林业科学研究院资源信息研究所国家林业和草原局森林经营与生长模拟重点实验室北京100091

【目的】针对采伐干扰后天然恢复的次生林,建立其碳储量生长模型及对应的碳汇模型,分析不同因子对固碳能力的驱动作用,为固碳能力量化评价提供科学依据。【方法】基于吉林省第9次森林资源连续清查固定样地数据筛选出的111个采伐后形成... 详细信息

【目的】针对采伐干扰后天然恢复的次生林,建立其碳储量生长模型及对应的碳汇模型,分析不同因子对固碳能力的驱动作用,为固碳能力量化评价提供科学依据。【方法】基于吉林省第9次森林资源连续清查固定样地数据筛选出的111个采伐后形成的天然次生林样地数据,采用Richards理论生长方程,以样地平均木的碳储量为因变量,以样地平均年龄为自变量,通过对年龄分组和迭代算法建立碳储量分级生长模型,通过对碳储量分级生长模型中的年龄求导得到碳汇分级生长模型。采用决定系数(R2)和均方根误差(RMSE)评价模型拟合效果。以地理因子、地形因子、气候因子、土壤因子和林分因子为自变量,基于一般线性模型,引入定性和定量因子交互作用,分析固碳能力的驱动力。【结果】(1)天然次生林碳储量分级生长模型的R2为0.9656,RMSE为2.61 kg,具有很好的拟合优度。(2)各个分级碳汇量最大的年龄分别为8、10、13、17和29年,以1000株/hm2的密度计算,5年时间的阈值为1.84 t/hm2,到30年时增加到10.78 t/hm2,各级间的阈值随年龄的增加而增加。(3)一阶定性和一、二阶定量交互的模型对平均木碳储量的解释最高,R2为0.9192,与不含交互项的主效应模型相比,R2提高了0.0885。(4)对于平均木碳储量,地理因子(经度和纬度)、地形因子(海拔、地貌、坡向、坡位和坡度)、枯枝落叶层厚度、气候因子(年均气温、极端最低温度、湿度指数、无霜期天数)、土壤因子(土壤厚度)和林分因子(年龄和优势树种)等因子有显著性影响;对于不同立地分级20年时碳密度,地理因子(纬度)、地形因子(地貌、坡度和坡向)、气候因子(极端最高温度、最热月平均温度和湿度指数)、土壤因子(土壤类型和砾石含量)和林分因子(优势树种)等因子有显著性影响,而海拔和腐殖质厚度等变量存在于交互项中,其主效应并不显著。【结论】天然次生林不同等级的碳密度在不同的时间段,等级间的阈值不同,随着年龄的增加,各级间的阈值不断增加,但不同等级间碳储量的相对差距随着年龄的增加而减小。引入交互作用可以提高模型对森林固碳的解释程度。纬度等地理因子,坡度、坡向等地形因子,湿度指数等气候因子和优势树种等林分因子是影响天然次生林固碳能力因素的关键因子。

关键词：天然次生林生长模型固碳分级影响因子

来源：评论

学校读者我要写书评

暂无评论

干旱和遮荫对马尾松幼苗瞬时水分利用效率及δ^(13)C的影响

引用

生态学杂志 2024年第1期43卷 140-145页

作者：邓秀秀施征曾立雄雷蕾裴顺祥吴莎肖文发中国林业科学研究院华北林业实验中心北京九龙山暖温带森林国家长期科研基地北京102300 中国林业科学研究院森林生态环境与自然保护研究所国家林业和草原局森林生态环境重点实验室北京100091

水分利用是植物光合固碳的关键过程,其效率反映植物对胁迫环境的适应能力,δ^(13)C作为反映植物长期水分利用效率的关键指标,对于揭示植物与环境长期作用的关系具有重要意义。本研究以马尾松幼苗为对象,通过土壤水分和光照条件控制,设... 详细信息

水分利用是植物光合固碳的关键过程,其效率反映植物对胁迫环境的适应能力,δ^(13)C作为反映植物长期水分利用效率的关键指标,对于揭示植物与环境长期作用的关系具有重要意义。本研究以马尾松幼苗为对象,通过土壤水分和光照条件控制,设置干旱(土壤水分为30%饱和含水量)、遮荫(光照强度为全光照的30%)及干旱+遮荫(土壤水分为30%饱和含水量和光照强度为全光照的30%)3种胁迫方式和对照(CK,土壤水分为70%饱和含水量和全光照),研究干旱和遮荫对马尾松瞬时水分利用效率和δ^(13)C的影响。结果表明:干旱和干旱+遮荫处理分别使马尾松当年生叶的瞬时水分利用效率显著增加了67.96%和60.78%,遮荫对瞬时水分利用效率的影响不显著;当年生叶的δ^(13)C在干旱处理下显著增加了14.35%,但在遮荫和干旱+遮荫处理下未发生明显改变;各处理对1年生叶δ^(13)C的影响均不显著;表明瞬时和长期水分利用效率的变化不同步,且马尾松的水分利用效率对干旱的响应较早;在各处理下,各库器官中的δ^(13)C均大于源叶,茎干和根中的δ^(13)C与源叶δ^(13)C的相关系数较大,且与1年生叶呈极显著正相关,各库器官的δ^(13)C主要受源叶δ^(13)C供应的影响。表明环境变化导致水分利用效率的变化将引起各库器官δ^(13)C发生改变。研究结果可为揭示马尾松幼苗对气候变化的响应机制提供参考。

关键词：干旱遮荫水分利用效率 δ^(13)C 马尾松幼苗

来源：评论

学校读者我要写书评

暂无评论

杉阔混交林自疏边界线研究

引用

林业科学研究 2024年第5期37卷 1-12页

作者：王柏昌韩媛媛孙洪刚何功秀国家林业和草原局华东调查规划院浙江杭州310019 中国林业科学研究院亚热带林业研究所浙江杭州311400 林木资源高效生产全国重点实验室(中国林业科学研究院亚热带林业研究所) 中南林业科技大学林学院湖南长沙410004

[目的]正确揭示混交林自然稀疏机制,是实现森林可持续经营目标的基础。[方法]本研究利用1991~2016年福建、江西和安徽省森林资源连续清查数据,采用线性回归分析、随机边界分析和分位数回归分析,研究树种混交、纬度变化和立地条件对杉阔... 详细信息

[目的]正确揭示混交林自然稀疏机制,是实现森林可持续经营目标的基础。[方法]本研究利用1991~2016年福建、江西和安徽省森林资源连续清查数据,采用线性回归分析、随机边界分析和分位数回归分析,研究树种混交、纬度变化和立地条件对杉阔混交林密度和生长之间自疏轨迹的影响规律。[结果]相较于杉木纯林,杉阔混交林自疏线呈上移且趋于平缓的状态。不管采用何种拟合方式,杉阔混交林自疏线与纯林自疏线变化规律基本一致,未偏离-1.605。混交比例对杉阔混交林自疏斜率具有正向影响,纬度和立地条件具有负向影响。线性回归模型拟合得到的是混交林的林分平均密度,分位数回归拟合得到的最大林分密度线受分位数值的影响,随机边界分析可以避免主观选择自疏拟合数据的缺陷,是混交林最大密度线的最佳拟合方法。[结论]杉阔混交林自疏轨迹与杉木纯林相一致,主要受混交比例、纬度和立地条件的影响,采用随机边界分析方法可以得到混交林最大林分密度,本研究可为杉阔混交林密度确定和调控提供实践指导。

关键词：杉阔混交林林分自疏树种混交纬度立地条件

来源：评论

学校读者我要写书评

暂无评论

与年龄无关的马尾松优势高生长模型研究

引用

林业科学研究 2023年第2期36卷 178-185页

作者：张可欣刘宪钊国红刘丹雷渊才中国林业科学研究院资源信息研究所国家林业和草原局森林经营与生长模拟重点实验室北京100091

[目的]通过构建与年龄无关的理论生长方程,用于预测在年龄未知或不是有效影响因子时的马尾松人工林优势高。[方法 ]基于常用的Hossfeld IV、Lundqvist-Kolf、Richards、Schumacher等4个理论生长方程,推导其不含年龄因子的差分形式,构建... 详细信息

[目的]通过构建与年龄无关的理论生长方程,用于预测在年龄未知或不是有效影响因子时的马尾松人工林优势高。[方法 ]基于常用的Hossfeld IV、Lundqvist-Kolf、Richards、Schumacher等4个理论生长方程,推导其不含年龄因子的差分形式,构建与地位指数相关的可变参数、与年龄无关的马尾松优势高模型。[结果 ]在4种基础理论生长模型中,以Richards模型建立的与年龄有关的马尾松人工林优势高生长模型效果最优。与年龄无关模型的拟合精度均高于与年龄有关模型的拟合精度,Richards模型和Korf模型差分形式建立的与年龄无关的马尾松人工林优势高生长模型效果最优。在引入地位指数时,Hossfeld模型的拟合精度提高效果最明显,且以设定k为可变参数时,建立与年龄无关的马尾松人工林优势高生长模型效果最优。[结论 ]在异龄林或年龄难以获得时,与年龄无关的理论生长模型能够预测优势高的生长,将地位指数与可变参数建立函数关系代入模型拟合后,模型精度提高,可以更好地应用于预测林分生长。

关键词：差分方程年龄无关方法生长模型优势高

来源：评论

学校读者我要写书评

暂无评论

胡颓子科叶绿体基因组系统发育分析与演化趋势推断

引用

西北植物学报 2024年第6期44卷 891-903页

作者：罗晗睿王罗云张建国曾艳飞中国林业科学研究院林业研究所国家林业和草原局林木培育重点实验室北京100091 浙江省农业科学院浙江省柑橘研究所浙江台州318020

[目的]探索胡颓子科叶绿体基因组演化趋势,为胡颓子科植物物种鉴定以及资源开发利用提供理论依据。[方法]该研究从头组装并注释了沙棘属和野牛果属共4个类群的叶绿体基因组,结合已发表的叶绿体基因组序列,比较了胡颓子科各类群叶绿体基... 详细信息

[目的]探索胡颓子科叶绿体基因组演化趋势,为胡颓子科植物物种鉴定以及资源开发利用提供理论依据。[方法]该研究从头组装并注释了沙棘属和野牛果属共4个类群的叶绿体基因组,结合已发表的叶绿体基因组序列,比较了胡颓子科各类群叶绿体基因组的基因构成、重复序列和结构特征,建立了系统发育树,并通过高分化区定位了该科叶绿体基因组的潜在DNA条形码区域。[结果]胡颓子科各属叶绿体基因组在四分体结构、基因数量和排列上高度相似;沙棘属和野牛果属的反向重复区(IR)和整个基因组重复序列数目较胡颓子属有扩张和增加的趋势。胡颓子科18个类群的叶绿体全基因组序列的系统发育树中,胡颓子属个体聚为一支,最先分化出来,沙棘属和野牛果属各自聚为一支,具有最近的共同祖先;从长单拷贝区(LSC)和短单拷贝区(SSC)筛选出3个DNA条形码候选区,其中ycf1基因的鉴定效果最佳。[结论]胡颓子科的叶绿体基因组结构保守,但其非编码区序列在各属间存在明显差异,且IR区序列与重复序列在演化过程中分别有扩张和增多的趋势。研究选定的DNA条形码序列能很好区分胡颓子科各属之间以及胡颓子属内物种间关系。

关键词：胡颓子科叶绿体基因组系统发育 DNA条形码

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：