International Journal Of Remote Sensing杂志是一本国际优秀期刊，是一本未开放获取期刊。该杂志近三年影响因子分别为：2023年3、2022年3.4、2021年3.531。该杂志近三年CiteScore评价分区分别为：2023年7区、2022年7区、2021年6.5区。该刊专门致力于推进IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY领域的研究，涵盖了IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY领域的各个方面，汇集所有专家，促进IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY领域的更好协作和信息共享。该期刊为IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY领域的科研人员提供了一个高影响力的论坛，使该领域的科研人员、从业人员和学生能够接触到尖端的经验性调查分析、学术对话以及行业科研成果的最新发展。通过收录高质量的原创论文和评论论文，促进IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY领域的应用与发展。该期刊还将该领域的创新与应用，以提高研究的质量和实用性。近年来在该刊上发文的国家和地区主要有：Zimbabwe（发文量2）、Wales（发文量1）、Vietnam（发文量10）、Ukraine（发文量1）、USA（发文量202）、UNITED ARAB EMIRATES（发文量5）。

International Journal Of Remote Sensing是一本由Taylor and Francis Ltd.出版社发行的知名IMAGING SCIENCE & PHOTOGRAPHIC TECHNOLOGY期刊。该杂志社联系方式TAYLOR & FRANCIS LTD, 4 PARK SQUARE, MILTON PARK, ABINGDON, ENGLAND, OXON, OX14 4RN。审稿过程是确保期刊质量的关键环节。International Journal Of Remote Sensing杂志的审稿速度平均需要 约4.0个月 。这一时间周期既体现了编辑部对稿件质量的严格把关，也反映了审稿专家对学术研究的尊重和支持。在这个过程中，作者们可以充分利用这段时间对自己的研究成果进行完善和优化，以提高论文的质量和影响力。如果您对该期刊感兴趣，并希望了解更多关于投稿流程、投稿要求和技巧的信息，您可以咨询本站的客服老师，我们将帮助您了解期刊的投稿要求、审稿流程以及可能遇到的问题，并根据您的具体情况提供相应的建议和解决方案。

International Journal Of Remote Sensing杂志近期中国学者发表的论文主要有：

• 1、A fast and accurate parametric model of estimating thermal infrared atmospheric parameters: a case study for LANDSAT 8 TIRS sensorAuthor: Ni, Li; Wu, Hua
• 2、Identification of tea plantations in typical plateau areas with the combination of Sentinel-1/2 optical and radar remote sensing data based on feature selection algorithmAuthor: Gao, Shanchuan; Tang, Bo-Hui; Huang, Liang; Chen, Guokun
• 3、LSCB: a lightweight feature extraction block for SAR automatic target recognition and detectionAuthor: Zhou, Guangyu; Yu, Jimin; Zhou, Shangbo
• 4、Hybrid transformer-CNN networks using superpixel segmentation for remote sensing building change detectionAuthor: Liang, Shike; Hua, Zhen; Li, Jinjiang
• 5、Spectral-spatial-sparse unmixing with superpixel-oriented graph LaplacianAuthor: Li, Zhi; Feng, Ruyi; Wang, Lizhe; Zeng, Tieyong
• 6、Scale transfer learning of hyperspectral prediction model of heavy metal content in maize: From laboratory to satelliteAuthor: Li, Yanru; Yang, Keming; Zhao, Hengqian