所屬分類： 加入收藏 SCIE 期刊 農(nóng)林科學 中科院 1區(qū) JCR Q1
農(nóng)業(yè)中的計算機和電子產(chǎn)品
農(nóng)業(yè)中的計算機和電子產(chǎn)品雜志簡介
- 出版商：Elsevier
- 出版語言：English
- TOP期刊：是
- 出版地區(qū)：ENGLAND
- 是否預警：否
- 是否OA：未開放
- 出版周期：Monthly
- 出版年份：1985
- 中文名稱：農(nóng)業(yè)中的計算機和電子產(chǎn)品
- 是否OA：未開放
農(nóng)業(yè)中的計算機和電子產(chǎn)品（國際簡稱COMPUT ELECTRON AGR，英文名稱Computers And Electronics In Agriculture）是一本未開放獲?。∣A）國際期刊，自1985年創(chuàng)刊以來，始終站在農(nóng)林科學研究的前沿。該期刊致力于發(fā)表在農(nóng)林科學領(lǐng)域各個方面達到最高科學標準和具有重要性的研究成果。全面反映該學科的發(fā)展趨勢，為農(nóng)林科學事業(yè)的進步提供了有力的支撐。期刊嚴格遵循職業(yè)道德標準，對于任何形式的抄襲行為，無論是文字還是圖形，一旦查實，均可能導致稿件被拒絕。
近年來，來自CHINA MAINLAND、USA、Spain、Brazil、Australia、Iran、GERMANY (FED REP GER)、India、France、Canada等國家和地區(qū)的研究者在《Computers And Electronics In Agriculture》上發(fā)表了大量的高質(zhì)量文章。該期刊內(nèi)容豐富，包括原創(chuàng)研究、綜述文章、專題觀點、論文預覽、專家意見等多種類型，旨在為全球該領(lǐng)域研究者提供廣泛的學術(shù)交流平臺和靈感來源。
在過去幾年中，該期刊保持了穩(wěn)定的發(fā)文量和綜述量，具體數(shù)據(jù)如下：
2014年：發(fā)表文章181篇、2015年：發(fā)表文章272篇、2016年：發(fā)表文章316篇、2017年：發(fā)表文章332篇、2018年：發(fā)表文章431篇、2019年：發(fā)表文章539篇、2020年：發(fā)表文章648篇、2021年：發(fā)表文章629篇、2022年：發(fā)表文章849篇、2023年：發(fā)表文章852篇。這些數(shù)據(jù)反映了期刊在全球農(nóng)林科學領(lǐng)域的影響力和活躍度，同時也展示了其作為學術(shù)界和工業(yè)界研究人員首選資源的地位?！禖omputers And Electronics In Agriculture》將繼續(xù)致力于推動農(nóng)林科學領(lǐng)域的知識傳播和科學進步，為全球農(nóng)林科學問題的解決貢獻力量。
期刊指數(shù)
- 影響因子：7.7
- 文章自引率：0.1445...
- Gold OA文章占比：16.52%
- CiteScore：15.3
- 年發(fā)文量：852
- 開源占比：0.092
- SJR指數(shù)：1.735
- H-index：96
- 出版撤稿文章占比：0.0015...
- SNIP指數(shù)：2.344
- OA被引用占比：0.0732...
- 出版國人文章占比：0.23
WOS期刊SCI分區(qū)（2023-2024年最新版）
| 按JIF指標學科分區(qū) | 收錄子集 | 分區(qū) | 排名 | 百分位 |
| 學科：AGRICULTURE, MULTIDISCIPLINARY | SCIE | Q1 | 2 / 89 |
98.3% |
| 學科：COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS | SCIE | Q1 | 12 / 169 |
93.2% |
| 按JCI指標學科分區(qū) | 收錄子集 | 分區(qū) | 排名 | 百分位 |
| 學科：AGRICULTURE, MULTIDISCIPLINARY | SCIE | Q1 | 1 / 89 |
99.44% |
| 學科：COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS | SCIE | Q1 | 11 / 169 |
93.79% |
中科院分區(qū)表
中科院SCI期刊分區(qū) 2023年12月升級版
| Top期刊 | 綜述期刊 | 大類學科 | 小類學科 |
| 是 | 否 | 農(nóng)林科學 1區(qū) |
AGRICULTURE, MULTIDISCIPLINARY
農(nóng)業(yè)綜合
COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS
計算機：跨學科應用
1區(qū)
2區(qū)
|
CiteScore（2024年最新版）
CiteScore 排名
| CiteScore | SJR | SNIP | CiteScore 排名 | ||||||||||||||||||||
| 15.3 | 1.735 | 2.344 |
|
學術(shù)指標分析
影響因子和CiteScore
自引率
影響因子：指某一期刊的文章在特定年份或時期被引用的頻率，是衡量學術(shù)期刊影響力的一個重要指標。影響因子越高，代表著期刊的影響力越大 。
CiteScore：該值越高，代表該期刊的論文受到更多其他學者的引用，因此該期刊的影響力也越高。
自引率：是衡量期刊質(zhì)量和影響力的重要指標之一。通過計算期刊被自身引用的次數(shù)與總被引次數(shù)的比例，可以反映期刊對于自身研究內(nèi)容的重視程度以及內(nèi)部引用的情況。
年發(fā)文量：是衡量期刊活躍度和研究產(chǎn)出能力的重要指標，年發(fā)文量較多的期刊可能擁有更廣泛的讀者群體和更高的學術(shù)聲譽，從而吸引更多的優(yōu)質(zhì)稿件。
期刊互引關(guān)系
| 序號 | 引用他刊情況 | 引用次數(shù) |
| 1 | COMPUT ELECTRON AGR | 1764 |
| 2 | BIOSYST ENG | 501 |
| 3 | REMOTE SENS ENVIRON | 386 |
| 4 | T ASABE | 260 |
| 5 | PRECIS AGRIC | 259 |
| 6 | SENSORS-BASEL | 257 |
| 7 | REMOTE SENS-BASEL | 218 |
| 8 | J FOOD ENG | 169 |
| 9 | AGR WATER MANAGE | 148 |
| 10 | J DAIRY SCI | 147 |
| 序號 | 被他刊引用情況 | 引用次數(shù) |
| 1 | COMPUT ELECTRON AGR | 1764 |
| 2 | SENSORS-BASEL | 574 |
| 3 | BIOSYST ENG | 385 |
| 4 | REMOTE SENS-BASEL | 379 |
| 5 | IEEE ACCESS | 342 |
| 6 | AGRONOMY-BASEL | 221 |
| 7 | FRONT PLANT SCI | 130 |
| 8 | PRECIS AGRIC | 124 |
| 9 | PLOS ONE | 116 |
| 10 | INT J AGR BIOL ENG | 115 |
高引用文章
- Deep learning in agriculture: A survey引用次數(shù)：266
- Deep learning models for plant disease detection and diagnosis引用次數(shù)：128
- Machine learning approaches for crop yield prediction and nitrogen status estimation in precision agriculture: A review引用次數(shù)：91
- Apple detection during different growth stages in orchards using the improved YOLO-V3 model引用次數(shù)：63
- A comparative study of fine-tuning deep learning models for plant disease identification引用次數(shù)：54
- IoT and agriculture data analysis for smart farm引用次數(shù)：53
- Computer vision and artificial intelligence in precision agriculture for grain crops: A systematic review引用次數(shù)：50
- Evolution of Internet of Things (IoT) and its significant impact in the field of Precision Agriculture引用次數(shù)：42
- Detection and classification of citrus diseases in agriculture based on optimized weighted segmentation and feature selection引用次數(shù)：41
- Fruit detection for strawberry harvesting robot in non-structural environment based on Mask-RCNN引用次數(shù)：40
