当前位置：首页 SCI 期刊数学 Spatial Statistics(非官网)

Spatial StatisticsSCIE

国际简称：SPAT STAT-NETH 参考译名：空间统计

中科院分区
2区
CiteScore分区
Q1
JCR分区
Q1

基本信息：: ISSN：2211-6753; 是否OA：未开放; 是否预警：否; TOP期刊：是

出版信息：: 出版地区：ENGLAND; 出版商：Elsevier BV; 出版语言：English; 出版周期：4 issues/year; 出版年份：2012; 研究方向：GEOSCIENCES, MULTIDISCIPLINARY-MATHEMATICS, INTERDISCIPLINARY APPLICATIONS

评价信息：: 影响因子：2.1; H-index：17; CiteScore指数：4; SJR指数：0.805; SNIP指数：1.127

发文数据：: Gold OA文章占比：31.87%; 研究类文章占比：100.00%; 年发文量：68; 自引率：0.2173...; 开源占比：0.144; 出版撤稿占比：; 出版国人文章占比：0.04; OA被引用占比：0.0740...

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Spatial Statistics期刊介绍

Spatial Statistics publishes articles on the theory and application of spatial and spatio-temporal statistics. It favours manuscripts that present theory generated by new applications, or in which new theory is applied to an important practical case. A purely theoretical study will only rarely be accepted. Pure case studies without methodological development are not acceptable for publication.

Spatial statistics concerns the quantitative analysis of spatial and spatio-temporal data, including their statistical dependencies, accuracy and uncertainties. Methodology for spatial statistics is typically found in probability theory, stochastic modelling and mathematical statistics as well as in information science. Spatial statistics is used in mapping, assessing spatial data quality, sampling design optimisation, modelling of dependence structures, and drawing of valid inference from a limited set of spatio-temporal data.

期刊简介Spatial Statistics期刊介绍

《Spatial Statistics》自2012出版以来，是一本数学优秀杂志。致力于发表原创科学研究结果，并为数学各个领域的原创研究提供一个展示平台，以促进数学领域的的进步。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数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：
国际TOP期刊
数学
MATHEMATICS, INTERDISCIPLINARY APPLICATIONS
SCIE
中科院2区
非预警

Cite Score数据（2024年最新版）Spatial Statistics Cite Score数据

CiteScore：4
SJR：0.805
SNIP：1.127

学科类别	分区	排名	百分位
大类：Mathematics 小类：Statistics and Probability	Q1	47 / 278	83%
大类：Mathematics 小类：Computers in Earth Sciences	Q2	30 / 73	59%
大类：Mathematics 小类：Management, Monitoring, Policy and Law	Q2	175 / 399	56%

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Spatial Statistics 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
数学	2区	MATHEMATICS, INTERDISCIPLINARY APPLICATIONS 数学跨学科应用 STATISTICS & PROBABILITY 统计学与概率论 GEOSCIENCES, MULTIDISCIPLINARY 地球科学：综合 REMOTE SENSING 遥感	2区 2区 3区 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Spatial Statistics 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	Q3	127 / 253	50%
学科：MATHEMATICS, INTERDISCIPLINARY APPLICATIONS	SCIE	Q2	43 / 135	68.5%
学科：REMOTE SENSING	SCIE	Q3	33 / 62	47.6%
学科：STATISTICS & PROBABILITY	SCIE	Q1	26 / 168	84.8%

按JCI指标学科分区	收录子集	分区	排名	百分位
学科：GEOSCIENCES, MULTIDISCIPLINARY	SCIE	Q2	74 / 253	70.95%
学科：MATHEMATICS, INTERDISCIPLINARY APPLICATIONS	SCIE	Q2	36 / 135	73.7%
学科：REMOTE SENSING	SCIE	Q2	23 / 62	63.71%
学科：STATISTICS & PROBABILITY	SCIE	Q1	26 / 168	84.82%

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
USA48
England18
Italy17
France15
Spain14
GERMANY (FED REP GER)11
Netherlands11
CHINA MAINLAND9
Canada9
Brazil8

本刊中国学者近年发表论文

1、Space–time covariance functions based on linear response theory and the turning bands method
Author: Dionissios T. Hristopulos, Ivi C. Tsantili

Journal: Spatial Statistics, 2017, Vol.22, 321-337, DOI:10.1016/j.spasta.2017.07.001
2、Regional economy and development: A viewpoint and application of spatial statistics
Author: Yong Ge, Xi Zhao

Journal: Spatial Statistics, 2017, Vol.21, 337-338, DOI:10.1016/j.spasta.2017.04.004
3、A likelihood-based spatial statistical transformation model (LBSSTM) of regional economic development using DMSP/OLS time-series nighttime light imagery
Author: Chang Li, Guie Li, Yujia Zhu, Yong Ge, Hsiang-te Kung, Yijin Wu

Journal: Spatial Statistics, 2017, Vol.21, 421-439, DOI:10.1016/j.spasta.2017.03.004
4、Space–time variability analysis of poverty alleviation performance in China’s poverty-stricken areas
Author: Yong Ge, Yue Yuan, Shan Hu, Zhoupeng Ren, Yijin Wu

Journal: Spatial Statistics, 2017, Vol.21, 460-474, DOI:10.1016/j.spasta.2017.02.010
5、Understanding the inconsistent relationships between socioeconomic factors and poverty incidence across contiguous poverty-stricken regions in China: Multilevel modelling
Author: Zhoupeng Ren, Yong Ge, Jinfeng Wang, Jingyao Mao, Qi Zhang

Journal: Spatial Statistics, 2017, Vol.21, 406-420, DOI:10.1016/j.spasta.2017.02.009
6、An evaluation of China’s urban agglomeration development from the spatial perspective
Author: Xiao-lu Gao, Ze-ning Xu, Fang-qu Niu, Ying Long

Journal: Spatial Statistics, 2017, Vol.21, 475-491, DOI:10.1016/j.spasta.2017.02.008
7、Effects of different sampling densities on geographically weighted regression kriging for predicting soil organic carbon
Author: Huichun Ye, Wenjiang Huang, Shanyu Huang, Yuanfang Huang, Shiwen Zhang, Yingying Dong, Pengfei Chen

Journal: Spatial Statistics, 2017, Vol.20, 76-91, DOI:10.1016/j.spasta.2017.02.001
8、Utilizing spatial association analysis to determine the number of multiple grids for multiple-point statistics
Author: Hexiang Bai, Yong Ge, Gregoire Mariethoz

Journal: Spatial Statistics, 2016, Vol.17, 83-104, DOI:10.1016/j.spasta.2016.06.003