推薦合適期刊 投稿指導(dǎo) 助力快速見刊免費咨詢
European Journal Of Remote Sensing是地球科學(xué)領(lǐng)域的一本優(yōu)秀期刊。由Associazione Italiana di Telerilevamento出版社出版。該期刊主要發(fā)表地球科學(xué)領(lǐng)域的原創(chuàng)性研究成果。創(chuàng)刊于2012年,該期刊主要刊載REMOTE SENSING及其基礎(chǔ)研究的前瞻性、原始性、首創(chuàng)性研究成果、科技成就和進(jìn)展。該期刊不僅收錄了該領(lǐng)域的科技成就和進(jìn)展,更以其深厚的學(xué)術(shù)積淀和卓越的審稿標(biāo)準(zhǔn),確保每篇文章都具備高度的學(xué)術(shù)價值。此外,該刊同時被SCIE數(shù)據(jù)庫收錄,并被劃分為中科院SCI4區(qū)期刊,它始終堅持創(chuàng)新,不斷專注于發(fā)布高度有價值的研究成果,不斷推動地球科學(xué)領(lǐng)域的進(jìn)步。
同時,我們注重來稿文章表述的清晰度,以及其與我們的讀者群體和研究領(lǐng)域的相關(guān)性。為此,我們期待所有投稿的文章能夠保持簡潔明了、組織有序、表述清晰。該期刊平均審稿速度為平均 12周,或約稿 。若您對于稿件是否適合該期刊存在疑慮,建議您在提交前主動與期刊主編取得聯(lián)系,或咨詢本站的客服老師。我們的客服老師將根據(jù)您的研究內(nèi)容和方向,為您推薦最為合適的期刊,助力您順利投稿,實現(xiàn)學(xué)術(shù)成果的順利發(fā)表。
大類學(xué)科 | 分區(qū) | 小類學(xué)科 | 分區(qū) | Top期刊 | 綜述期刊 |
地球科學(xué) | 4區(qū) | REMOTE SENSING 遙感 | 4區(qū) | 否 | 否 |
大類學(xué)科 | 分區(qū) | 小類學(xué)科 | 分區(qū) | Top期刊 | 綜述期刊 |
地球科學(xué) | 3區(qū) | REMOTE SENSING 遙感 | 4區(qū) | 否 | 否 |
大類學(xué)科 | 分區(qū) | 小類學(xué)科 | 分區(qū) | Top期刊 | 綜述期刊 |
地球科學(xué) | 4區(qū) | REMOTE SENSING 遙感 | 4區(qū) | 否 | 否 |
大類學(xué)科 | 分區(qū) | 小類學(xué)科 | 分區(qū) | Top期刊 | 綜述期刊 |
地學(xué) | 3區(qū) | REMOTE SENSING 遙感 | 4區(qū) | 否 | 否 |
大類學(xué)科 | 分區(qū) | 小類學(xué)科 | 分區(qū) | Top期刊 | 綜述期刊 |
地球科學(xué) | 4區(qū) | REMOTE SENSING 遙感 | 4區(qū) | 否 | 否 |
大類學(xué)科 | 分區(qū) | 小類學(xué)科 | 分區(qū) | Top期刊 | 綜述期刊 |
地球科學(xué) | 4區(qū) | REMOTE SENSING 遙感 | 4區(qū) | 否 | 否 |
按JIF指標(biāo)學(xué)科分區(qū) | 收錄子集 | 分區(qū) | 排名 | 百分位 |
學(xué)科:REMOTE SENSING | SCIE | Q2 | 22 / 62 |
65.3% |
按JCI指標(biāo)學(xué)科分區(qū) | 收錄子集 | 分區(qū) | 排名 | 百分位 |
學(xué)科:REMOTE SENSING | SCIE | Q2 | 28 / 62 |
55.65% |
學(xué)科類別 | 分區(qū) | 排名 | 百分位 |
大類:Mathematics 小類:Applied Mathematics | Q1 | 46 / 635 |
92% |
大類:Mathematics 小類:Computers in Earth Sciences | Q1 | 15 / 73 |
80% |
大類:Mathematics 小類:General Environmental Science | Q1 | 51 / 233 |
78% |
大類:Mathematics 小類:Atmospheric Science | Q1 | 33 / 148 |
78% |
年份 | 2014 | 2015 | 2016 | 2017 | 2018 | 2019 | 2020 | 2021 | 2022 | 2023 |
年發(fā)文量 | 46 | 35 | 0 | 0 | 0 | 73 | 100 | 43 | 59 | 55 |
國家/地區(qū) | 數(shù)量 |
CHINA MAINLAND | 96 |
Italy | 40 |
GERMANY (FED REP GER) | 35 |
India | 19 |
Poland | 16 |
USA | 13 |
Czech Republic | 12 |
England | 11 |
France | 11 |
Iran | 11 |
機(jī)構(gòu) | 數(shù)量 |
CHINESE ACADEMY OF SCIENCES | 10 |
HELMHOLTZ ASSOCIATION | 10 |
CHINA UNIVERSITY OF MINING & TECHNOLOGY | 9 |
SALZBURG UNIVERSITY | 8 |
CONSIGLIO NAZIONALE DELLE RICERCHE (CNR) | 7 |
CZECH TECHNICAL UNIVERSITY PRAGUE | 7 |
RUHR UNIVERSITY BOCHUM | 6 |
SAPIENZA UNIVERSITY ROME | 6 |
UNIVERSITY OF BONN | 6 |
UNIVERSITY OF FLORENCE | 6 |
文章名稱 | 引用次數(shù) |
Analytical study of land surface temperature with NDVI and NDBI using Landsat 8 OLI and TIRS data in Florence and Naples city, Italy | 27 |
Planning airborne photogrammetry and remote-sensing missions with modern platforms and sensors | 25 |
Using Google Earth Engine to detect land cover change: Singapore as a use case | 24 |
Estimating defoliation of Scots pine stands using machine learning methods and vegetation indices of Sentinel-2 | 18 |
Atmospheric correction of Landsat-8/OLI and Sentinel-2/MSI data using iCOR algorithm: validation for coastal and inland waters | 18 |
Using of Sentinel-2 images for automation of the forest succession detection | 14 |
Sentinel-2A MSI and Landsat-8 OLI radiometric cross comparison over desert sites | 14 |
A rule-based approach for crop identification using multi-temporal and multi-sensor phenological metrics | 13 |
Comparing support vector machines with logistic regression for calibrating cellular automata land use change models | 13 |
The potentials of Sentinel-2 and LandSat-8 data in green infrastructure extraction, using object based image analysis (OBIA) method | 12 |
SCIE
影響因子 0.6
CiteScore 1.3
SCIE
影響因子 3.8
CiteScore 8.9
SCIE
影響因子 1.7
CiteScore 2.8
SCIE
影響因子 1.9
CiteScore 4.7
SCIE
影響因子 2.4
CiteScore 4.6
SCIE
影響因子 9
CiteScore 12.3
SCIE
影響因子 4.2
CiteScore 7.4
SCIE
影響因子 4.4
CiteScore 5.6
SCIE
影響因子 3
CiteScore 9.7
SCIE
影響因子 2
CiteScore 3.9
若用戶需要出版服務(wù),請聯(lián)系出版商:2-4 PARK SQUARE, MILTON PARK, ABINGDON, England, OXON, OX14 4RN。