当前位置: 首页 JCRQ1 期刊介绍(非官网)
Artificial Intelligence In Agriculture

Artificial Intelligence In Agriculture

SCIE

国际简称:Artificial Intelligence In Agriculture  参考译名:农业人工智能

  • 中科院分区

    1区

  • CiteScore分区

    Q1

  • JCR分区

    Q1

基本信息:
ISSN:2589-7217
是否OA:开放
是否预警:否
TOP期刊:是
出版信息:
出版地区:China
出版商:KeAi Communications Co., Ltd.
出版语言:English
研究方向:Engineering-Engineering (miscellaneous)
评价信息:
影响因子:16.1
CiteScore指数:29.1
SJR指数:2.496
SNIP指数:4.328
发文数据:
Gold OA文章占比:99.28%
研究类文章占比:84.42%
年发文量:77
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Artificial Intelligence In Agriculture期刊介绍

《Artificial Intelligence in Agriculture》是一本专注于农业人工智能领域的国际开放获取期刊,由中国科学院主管,科学出版社主办,科爱公司运营。该杂志自创刊以来,致力于成为具有国家代表性和广泛国际影响力的综合性、专业化学术期刊。杂志的目标是反映国际农业人工智能及智慧农业的新概念、新成果和新进展,服务于农业人工智能领域的科技人员,促进学术交流和智慧农业的发展。
期刊内容涵盖农业人工智能决策系统、基于AI的精准农业、智能传感器和物联网、农业机器人和自动化设备等理论和实践研究。杂志采用爱思唯尔Editorial Manager投审稿系统,并在ScienceDirect平台全文发布。该杂志已被DOAJ、Scopus等数据库收录,并在Scopus人工智能领域、农业与生物科学和工程领域中位列一区。此外,AIIA还入选了中国科技期刊卓越行动计划高起点新刊项目,并在2023年获得了科爱期刊的影响力大奖。

期刊简介Artificial Intelligence In Agriculture期刊介绍

《Artificial Intelligence In Agriculture》是一本农林科学优秀杂志。致力于发表原创科学研究结果,并为农林科学各个领域的原创研究提供一个展示平台,以促进农林科学领域的的进步。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农林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:

Cite Score数据(2026年6月最新版)Artificial Intelligence In Agriculture Cite Score数据

  • CiteScore:29.1
  • SJR:2.496
  • SNIP:4.328
学科类别 分区 排名 百分位
大类:Agricultural and Biological Sciences 小类:General Agricultural and Biological Sciences Q1 1 / 235

99%

大类:Agricultural and Biological Sciences 小类:Computer Science (miscellaneous) Q1 1 / 179

99%

大类:Agricultural and Biological Sciences 小类:Engineering (miscellaneous) Q1 3 / 300

99%

大类:Agricultural and Biological Sciences 小类:Computer Science Applications Q1 13 / 1022

98%

大类:Agricultural and Biological Sciences 小类:Artificial Intelligence Q1 12 / 570

97%

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Artificial Intelligence In Agriculture 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:是
大类学科 分区 小类学科 分区
农林科学 1区 AGRICULTURE, MULTIDISCIPLINARY 农业综合 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 1区 2区
期刊分区表(2025年3月升级版) 综述期刊:否 Top期刊:是
大类学科 分区 小类学科 分区
农林科学 1区 AGRICULTURE, MULTIDISCIPLINARY 农业综合 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 2区 2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Artificial Intelligence In Agriculture 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:AGRICULTURE, MULTIDISCIPLINARY SCIE Q1 1 / 95

99.5

学科:COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE SCIE Q1 8 / 210

96.4

学科:AGRICULTURE, MULTIDISCIPLINARY SCIE Q1 1 / 95

99.47

学科:COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE SCIE Q1 10 / 210

95.48

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:AGRICULTURE, MULTIDISCIPLINARY ESCI Q1 1 / 89

99.4

学科:COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE ESCI Q1 19 / 197

90.6

学科:AGRICULTURE, MULTIDISCIPLINARY ESCI Q1 5 / 89

94.94

学科:COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE ESCI Q1 22 / 198

89.14

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

本刊中国学者近年发表论文

  • 1、Multimodal remote sensing combination for maize LAI estimation: Stacking model development and phenology-specific feature sensitivity analysi

    Author: Wang, Baoju; Zhu, Junke; Sun, Shuai; Zhang, Lechun; Yan, Yu; Wang, Huizheng; Yang, Weiguang; Lan, Yubin

    Journal: ARTIFICIAL INTELLIGENCE IN AGRICULTURE. 2026; Vol. 16, Issue 2, pp. 873-888. DOI: 10.1016/j.aiia.2026.03.011

  • 2、Transformer-based cross-view LiDAR-orthomosaic fusion for geo-localization and digital modeling in apple orchard

    Author: Zheng, Yu; Huang, Andong; Li, Anqi; Kim, Do-Hwan; Shen, Yunde; Lee, Kyeong-Hwan

    Journal: ARTIFICIAL INTELLIGENCE IN AGRICULTURE. 2026; Vol. 16, Issue 2, pp. 804-819. DOI: 10.1016/j.aiia.2026.03.005

  • 3、Empowering Chinese medicinal agriculture through AI-driven technologies: A comprehensive revie

    Author: Zhang, Tingting; Wen, Jin; Tang, Yulu; Tong, Jinpeng; Li, Mingjie; Zhang, Zhongyi; Zhang, Xiaobo; Tian, Xi; Gu, Li

    Journal: ARTIFICIAL INTELLIGENCE IN AGRICULTURE. 2026; Vol. 16, Issue 2, pp. 889-910. DOI: 10.1016/j.aiia.2026.04.001

  • 4、Optimized modular transfer learning framework integrating PROSAIL and UAV-based hyperspectral reconstruction for cotton canopy water and nitrogen content retrieva

    Author: Yang, Weiguang; Fu, Huaiyuan; Xu, Weicheng; Wu, Jinhao; Liu, Shiyuan; Tan, Jiangtao; Wang, Chaofeng; Chen, Tingting; Lan, Yubin; Zhang, Lei

    Journal: ARTIFICIAL INTELLIGENCE IN AGRICULTURE. 2026; Vol. 16, Issue 2, pp. 764-787. DOI: 10.1016/j.aiia.2026.03.004

  • 5、Integrating hyperspectral radiation transfer modeling and deep transfer learning to estimate nitrogen density in winter wheat canopie

    Author: Yang, Bo; Zhou, Longfei; Yang, Guijun; Zhang, Guangsheng; Qi, Jingwei; Li, Changchun

    Journal: ARTIFICIAL INTELLIGENCE IN AGRICULTURE. 2026; Vol. 16, Issue 2, pp. 753-763. DOI: 10.1016/j.aiia.2026.03.003

  • 6、MA-UQNet: A multi-modal uncertainty quantification neural network for remote sensing-based wheat aboveground biomass estimatio

    Author: Wu, Qiang; Ma, Xinming; Wang, Jiao; Du, Yuke; Hou, Dingyi; Cheng, Jinpeng; Cao, Xiaoyu; Wang, Xiaochun; Yang, Hao; Yang, Guijun

    Journal: ARTIFICIAL INTELLIGENCE IN AGRICULTURE. 2026; Vol. 16, Issue 2, pp. 788-803. DOI: 10.1016/j.aiia.2026.03.007

  • 7、AgriMAPO: A multimodal automatic prompt optimization approach for crop disease classification using large language model

    Author: Shuai, Luyu; Zhu, Linchao; Yang, Yi; Lin, Tao

    Journal: ARTIFICIAL INTELLIGENCE IN AGRICULTURE. 2026; Vol. 16, Issue 2, pp. 911-925. DOI: 10.1016/j.aiia.2026.04.002

  • 8、PII-CNN-LSTM: A multi-modal deep learning framework integrating novel pollination importance index for predicting optimal apple pollination window

    Author: Manzoor, Shahram Hamza; Zhang, Zhao; Li, Hongwen; Zhang, Qu; Ahmed, Arshed; Yu, Shinning; Abid, Fazeel; Tahir, Naveed; Ye, Dapeng; Abdelhamid, Mahmoud A

    Journal: ARTIFICIAL INTELLIGENCE IN AGRICULTURE. 2026; Vol. 16, Issue 2, pp. 725-752. DOI: 10.1016/j.aiia.2026.03.001

投稿常见问题