当前位置: 首页 JCRQ4 期刊介绍(非官网)
Russian Meteorology And Hydrology

Russian Meteorology And Hydrology

SCISCIE

国际简称:RUSS METEOROL HYDRO+  参考译名:俄罗斯气象水文

  • 中科院分区

    4区

  • CiteScore分区

    Q3

  • JCR分区

    Q4

基本信息:
ISSN:1068-3739
E-ISSN:1934-8096
是否OA:未开放
是否预警:否
TOP期刊:否
出版信息:
出版地区:RUSSIA
出版商:Pleiades Publishing
出版语言:English
出版周期:Monthly
出版年份:2007
研究方向:METEOROLOGY & ATMOSPHERIC SCIENCES
评价信息:
影响因子:0.5
H-index:14
CiteScore指数:1.2
SJR指数:0.254
SNIP指数:0.523
发文数据:
Gold OA文章占比:1.05%
研究类文章占比:98.44%
年发文量:128
自引率:0.2857...
开源占比:0
出版撤稿占比:
出版国人文章占比:0
OA被引用占比:
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Russian Meteorology And Hydrology期刊介绍

Russian Meteorology and Hydrology is a peer reviewed journal that covers topical issues of hydrometeorological science and practice: methods of forecasting weather and hydrological phenomena, climate monitoring issues, environmental pollution, space hydrometeorology, agrometeorology.

期刊简介Russian Meteorology And Hydrology期刊介绍

《Russian Meteorology And Hydrology》自2007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SCI、SCIE收录,得到了广泛的认可。

该期刊投稿重要关注点:

Cite Score数据(2026年6月最新版)Russian Meteorology And Hydrology Cite Score数据

  • CiteScore:1.2
  • SJR:0.254
  • SNIP:0.523
学科类别 分区 排名 百分位
大类:Chemical Engineering 小类:Fluid Flow and Transfer Processes Q3 73 / 99

26%

大类:Chemical Engineering 小类:Water Science and Technology Q4 224 / 279

19%

大类:Chemical Engineering 小类:Atmospheric Science Q4 137 / 160

14%

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Russian Meteorology And Hydrology 中科院分区

《新锐期刊分区表》(2026年3月发布) 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 4区 METEOROLOGY & ATMOSPHERIC SCIENCES 气象与大气科学 4区
期刊分区表(2025年3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 4区 METEOROLOGY & ATMOSPHERIC SCIENCES 气象与大气科学 4区
期刊分区表(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 4区 METEOROLOGY & ATMOSPHERIC SCIENCES 气象与大气科学 4区
期刊分区表(2022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 4区 METEOROLOGY & ATMOSPHERIC SCIENCES 气象与大气科学 4区
期刊分区表(2021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 4区 METEOROLOGY & ATMOSPHERIC SCIENCES 气象与大气科学 4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Russian Meteorology And Hydrology JCR分区

2025-2026年最新版
按JCI指标学科分区 收录子集 分区 排名 百分位
学科:METEOROLOGY & ATMOSPHERIC SCIENCES SCIE Q4 113 / 114

1.3

学科:METEOROLOGY & ATMOSPHERIC SCIENCES SCIE Q4 112 / 114

2.19

2024-2025年最新版
按JCI指标学科分区 收录子集 分区 排名 百分位
学科:METEOROLOGY & ATMOSPHERIC SCIENCES SCIE Q4 108 / 111

3.2

学科:METEOROLOGY & ATMOSPHERIC SCIENCES SCIE Q4 107 / 111

4.05

2023-2024年最新版
按JCI指标学科分区 收录子集 分区 排名 百分位
学科:METEOROLOGY & ATMOSPHERIC SCIENCES SCIE Q4 94 / 110

15

学科:METEOROLOGY & ATMOSPHERIC SCIENCES SCIE Q4 101 / 110

8.64

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

国家/地区发文量统计
  • 国家/地区数量
  • Russia303
  • GERMANY (FED REP GER)5
  • Iran5
  • USA5
  • France4
  • REPUBLIC OF GEORGIA4
  • CHINA MAINLAND3
  • Kazakhstan3
  • BELARUS2
  • India2

本刊中国学者近年发表论文

  • 1、Detection of Rapidly Developing Convection Using Rapid Scan Data from the FY-2F Satellit

    Author: Liu, Jia; Zhang, Qian

    Journal: RUSSIAN METEOROLOGY AND HYDROLOGY. 2026; Vol. 51, Issue 2, pp. 131-139. DOI: 10.3103/S1068373924600302

  • 2、Extraction of the Water Body Information on the Wuhan Section of the Yangtze River Based on Gaofen-1 Remote Sensing Image

    Author: He, Z.; Zhang, J.; Zhu, W.; Dan, X

    Journal: RUSSIAN METEOROLOGY AND HYDROLOGY. 2025; Vol. 50, Issue 3, pp. 232-239. DOI: 10.3103/S1068373924600156

  • 3、Anomaly Detection Method for Meteorological Data Based on Neural Networks (vol 50, pg 102, 2025

    Author: Guan, A. Y.; Zhu, C. S.; Kong, L. W.; Nan, Y. J.; Lu, P. Y.; Liu, S.; Zhao, Y. F

    Journal: RUSSIAN METEOROLOGY AND HYDROLOGY. 2025; Vol. 50, Issue 3, pp. 254-254. DOI: 10.3103/S1068373925030112

  • 4、Anomaly Detection Method for Meteorological Data Based on Neural Network

    Author: Guan, A.; Zhu, Ch.; Kong, L.; Nan, Y.; Lu, P.; Liu, Sh.; Zhao, Y

    Journal: RUSSIAN METEOROLOGY AND HYDROLOGY. 2025; Vol. 50, Issue 2, pp. 102-114. DOI: 10.3103/S1068373924600338

投稿常见问题

通讯方式:ALLERTON PRESS INC, 18 WEST 27TH ST, NEW YORK, USA, NY, 10001。