当前位置：首页 SCI 期刊地球科学 Geoscientific Model Development(非官网)

Geoscientific Model DevelopmentSCIE

国际简称：GEOSCI MODEL DEV 参考译名：地球科学模型开发

中科院分区
3区
CiteScore分区
Q1
JCR分区
Q1

基本信息：: ISSN：1991-959X; E-ISSN：1991-9603; 是否OA：开放; 是否预警：否; TOP期刊：否

出版信息：: 出版地区：GERMANY; 出版商：Copernicus Gesellschaft mbH; 出版语言：English; 出版周期：12 issues/year; 出版年份：2008; 研究方向：GEOSCIENCES, MULTIDISCIPLINARY

评价信息：: 影响因子：4; H-index：59; CiteScore指数：8.6; SJR指数：2.055; SNIP指数：1.319

发文数据：: Gold OA文章占比：99.82%; 研究类文章占比：98.52%; 年发文量：338; 自引率：0.0980...; 开源占比：0.9923; 出版撤稿占比：0; 出版国人文章占比：0.05; OA被引用占比：1

投稿咨询加急见刊

英文简介期刊介绍 CiteScore数据中科院SCI分区 JCR分区发文数据常见问题

英文简介Geoscientific Model Development期刊介绍

Geoscientific Model Development (GMD) is an international scientific journal dedicated to the publication and public discussion of the description, development, and evaluation of numerical models of the Earth system and its components. The following manuscript types can be considered for peer-reviewed publication:

* geoscientific model descriptions, from statistical models to box models to GCMs;

* development and technical papers, describing developments such as new parameterizations or technical aspects of running models such as the reproducibility of results;

* new methods for assessment of models, including work on developing new metrics for assessing model performance and novel ways of comparing model results with observational data;

* papers describing new standard experiments for assessing model performance or novel ways of comparing model results with observational data;

* model experiment descriptions, including experimental details and project protocols;

* full evaluations of previously published models.

期刊简介Geoscientific Model Development期刊介绍

《Geoscientific Model Development》自2008出版以来，是一本地球科学优秀杂志。致力于发表原创科学研究结果，并为地球科学各个领域的原创研究提供一个展示平台，以促进地球科学领域的的进步。该刊鼓励先进的、清晰的阐述，从广泛的视角提供当前感兴趣的研究主题的新见解，或审查多年来某个重要领域的所有重要发展。该期刊特色在于及时报道地球科学领域的最新进展和新发现新突破等。该刊近一年未被列入预警期刊名单，目前已被权威数据库SCIE收录，得到了广泛的认可。

该期刊投稿重要关注点：

预计审稿时间：较慢,6-12周
地球科学
GEOSCIENCES, MULTIDISCIPLINARY
SCIE
中科院3区
非预警

Cite Score数据（2024年最新版）Geoscientific Model Development Cite Score数据

CiteScore：8.6
SJR：2.055
SNIP：1.319

学科类别	分区	排名	百分位
大类：Mathematics 小类：Modeling and Simulation	Q1	22 / 324	93%
大类：Mathematics 小类：General Earth and Planetary Sciences	Q1	15 / 195	92%

CiteScore 是由Elsevier(爱思唯尔)推出的另一种评价期刊影响力的文献计量指标。反映出一家期刊近期发表论文的年篇均引用次数。CiteScore以Scopus数据库中收集的引文为基础，针对的是前四年发表的论文的引文。CiteScore的意义在于，它可以为学术界提供一种新的、更全面、更客观地评价期刊影响力的方法，而不仅仅是通过影响因子(IF)这一单一指标来评价。

历年Cite Score趋势图

中科院SCI分区Geoscientific Model Development 中科院分区

中科院 2023年12月升级版 综述期刊：否 Top期刊：否

大类学科	分区	小类学科	分区
地球科学	3区	GEOSCIENCES, MULTIDISCIPLINARY 地球科学：综合	3区

中科院分区表 是以客观数据为基础，运用科学计量学方法对国际、国内学术期刊依据影响力进行等级划分的期刊评价标准。它为我国科研、教育机构的管理人员、科研工作者提供了一份评价国际学术期刊影响力的参考数据，得到了全国各地高校、科研机构的广泛认可。

中科院分区表 将所有期刊按照一定指标划分为1区、2区、3区、4区四个层次，类似于“优、良、及格”等。最开始，这个分区只是为了方便图书管理及图书情报领域的研究和期刊评估。之后中科院分区逐步发展成为了一种评价学术期刊质量的重要工具。

历年中科院分区趋势图

JCR分区Geoscientific Model Development JCR分区

2023-2024 年最新版

按JIF指标学科分区	收录子集	分区	排名	百分位
学科：GEOSCIENCES, MULTIDISCIPLINARY	SCIE	Q1	41 / 253	84%

按JCI指标学科分区	收录子集	分区	排名	百分位
学科：GEOSCIENCES, MULTIDISCIPLINARY	SCIE	Q1	33 / 253	87.15%

JCR分区的优势在于它可以帮助读者对学术文献质量进行评估。不同学科的文章引用量可能存在较大的差异，此时单独依靠影响因子(IF)评价期刊的质量可能是存在一定问题的。因此，JCR将期刊按照学科门类和影响因子分为不同的分区，这样读者可以根据自己的研究领域和需求选择合适的期刊。

历年影响因子趋势图

发文数据

2023-2024 年国家/地区发文量统计

国家/地区数量
USA298
GERMANY (FED REP GER)238
England176
France147
CHINA MAINLAND93
Netherlands86
Switzerland74
Australia71
Canada66
Spain59

本刊中国学者近年发表论文

1、Forecasting tropical cyclone tracks in the northwestern Pacific based on a deep-learning model
Author: Wang, Liang; Wan, Bingcheng; Zhou, Shaohui; Sun, Haofei; Gao, Zhiqiu

Journal: GEOSCIENTIFIC MODEL DEVELOPMENT. 2023; Vol. 16, Issue 8, pp. 2167-2179. DOI: 10.5194/gmd-16-2167-2023
2、Climate impacts of parameterizing subgrid variation and partitioning of landsurface heat fluxes to the atmosphere with the NCAR CESM1.2
Author: Yin, Ming; Han, Yilun; Wang, Yong; Sun, Wenqi; Deng, Jianbo; Wei, Daoming; Kong, Ying; Wang, Bin

Journal: GEOSCIENTIFIC MODEL DEVELOPMENT. 2023; Vol. 16, Issue 1, pp. 135-156. DOI: 10.5194/gmd-16-135-2023
3、A nonhydrostatic oceanic regional model, ORCTM v1, for internal solitary wavesimulation
Author: Huang, Hao; Song, Pengyang; Qiu, Shi; Guo, Jiaqi; Chen, Xueen

Journal: GEOSCIENTIFIC MODEL DEVELOPMENT. 2023; Vol. 16, Issue 1, pp. 109-133. DOI: 10.5194/gmd-16-109-2023
4、WRF-ML v1.0: a bridge between WRF v4.3 and machine learning parameterizations and its application to atmospheric radiative transfer
Author: Zhong, Xiaohui; Ma, Zhijian; Yao, Yichen; Xu, Lifei; Wu, Yuan; Wang, Zhibin

Journal: GEOSCIENTIFIC MODEL DEVELOPMENT. 2023; Vol. 16, Issue 1, pp. 199-209. DOI: 10.5194/gmd-16-199-2023
5、Ocean Modeling with Adaptive REsolution (OMARE; version 1.0) - refactoring the NEMO model (version 4.0.1) with the parallel computing framework of JASMIN - Part 1: Adaptive grid refinement in an idealized double-gyre case
Author: Zhang, Yan; Wang, Xuantong; Sun, Yuhao; Ning, Chenhui; Xu, Shiming; An, Hengbin; Tang, Dehong; Guo, Hong; Yang, Hao; Pu, Ye; Jiang, Bo; Wang, Bin

Journal: GEOSCIENTIFIC MODEL DEVELOPMENT. 2023; Vol. 16, Issue 2, pp. 679-704. DOI: 10.5194/gmd-16-679-2023
6、Monthly-scale extended predictions using the atmospheric model coupled with a slab ocean
Author: Wang, Zhenming; Zhang, Shaoqing; Jin, Yishuai; Jia, Yinglai; Yu, Yangyang; Gao, Yang; Yu, Xiaolin; Li, Mingkui; Lin, Xiaopei; Wu, Lixin

Journal: GEOSCIENTIFIC MODEL DEVELOPMENT. 2023; Vol. 16, Issue 2, pp. 705-717. DOI: 10.5194/gmd-16-705-2023
7、SHAFTS (v2022.3): a deep-learning-based Python package for simultaneous extraction of building height and footprint from sentinel imagery
Author: Li, Ruidong; Sun, Ting; Tian, Fuqiang; Ni, Guang-Heng

Journal: GEOSCIENTIFIC MODEL DEVELOPMENT. 2023; Vol. 16, Issue 2, pp. 751-778. DOI: 10.5194/gmd-16-751-2023
8、AttentionFire_v1.0: interpretable machine learning fire model for burned-area predictions over tropics
Author: Li, Fa; Zhu, Qing; Riley, William J.; Zhao, Lei; Xu, Li; Yuan, Kunxiaojia; Chen, Min; Wu, Huayi; Gui, Zhipeng; Gong, Jianya; Randerson, James T.

Journal: GEOSCIENTIFIC MODEL DEVELOPMENT. 2023; Vol. 16, Issue 3, pp. 869-884. DOI: 10.5194/gmd-16-869-2023