[期刊模板]Journal of Geophysical Research: Machine Learning and Computation格式模板和投稿要求

Journal of Geophysical Research: Machine Learning and Computation（简称JGR: Machine Learning and Computation）是美国地球物理联盟（AGU）旗下专注于机器学习、人工智能、数据驱动方法和计算技术在地球与空间科学领域应用的开放获取期刊。期刊发表开发和探索创新统计分析、机器学习、人工智能以及数学模型等方法的研究，旨在推进地球与空间科学的知识发展。

注意：AGU与AJE美国期刊专家为合作关系，AGU推荐AJE的论文语言润色等服务，如作者使用AJE润色服务后，可将润色证明一并提交给AGU，以便最大限度的提高稿件接受率。

期刊主页：https://agupubs.onlinelibrary.wiley.com/journal/29935210

期刊简介

Journal of Geophysical Research: Machine Learning and Computation由AGU与Wiley合作出版，为全金色开放获取（Gold OA）期刊，所有文章立即免费开放。期刊致力于发表将先进计算和数据驱动方法应用于地球与空间科学的高质量原创研究，推动方法创新与地球科学发现的结合。采用单盲同行评审，强调方法的创新性、严谨验证以及对地球与空间科学的实际贡献。

期刊相关信息：

- 接受率：44%

- 提交到首次决定中位时间：42天

- 出版频率：持续在线出版（文章逐篇发布）

- 开放获取：全金色开放获取（Gold OA），所有文章立即开放

- 出版费用：Article Processing Charge (APC) 为 $2,500 USD（£2,080 GBP / €2,400 EUR）；Editorial和Commentary文章APC豁免；无投稿费或页费；低收入/中低收入国家对应作者自动减免/豁免（Research4Life及Wiley名单）；AGU提供资助支持，所有接受文章无论作者支付能力均会出版；机构或资助者支付选项可用

投稿注意事项

- 文章长度：鼓励清晰简洁；无严格硬性限制，但建议合理控制篇幅以突出方法创新与科学应用。

- Cover letter：推荐提交，说明方法创新点、对地球与空间科学的贡献及适合本期刊的原因。

- 初始投稿格式：灵活，使用AGU通用模板（Word或LaTeX），单文件含正文、图表、表格；PDF上传；修订时按规范。

- 数据可用性：遵循AGU Enabling FAIR Data政策，所有数据必须存入认可的社区存储库，提供DOI，并在文中声明并在参考文献中引用。

- 代码可用性：强烈鼓励（本期刊核心要求），提供源代码、配置文件、运行脚本等（推荐Zenodo、GitHub或CodeOcean），支持完全可重复性。

- Plain-Language Summary（通俗摘要）：推荐（非必选，但强烈鼓励），≤200–500字，用非专业语言解释研究意义和发现。

- 作者贡献：使用CRediT分类（强烈推荐）。

- 预印本政策：接受arXiv等预印本，投稿时声明；鼓励上传到ESSOAr。

- 审稿周期：中位42天至首次决定。

- 出版费用减免：自动适用于Research4Life国家对应作者；无资助作者可申请全豁免；所有接受文章均出版。

- 彩图费用：全OA，无额外费用。

- 投稿限制：高质量计算方法与地球科学结合的投稿优先；拒绝后可转移其他AGU期刊。

- 语言润色：建议专业服务；AGU支持非英语作者。

- 扩展论文：需显著新增内容，说明区别。

- 伦理要求：声明利益冲突（COI）；涉及人类/环境伦理需批准；遵循AGU科学伦理和DEIA政策。

- 期刊特有要求：强调数据驱动和计算方法的创新性及其在地球与空间科学中的应用；ORCID所有作者必填（通信作者强制）；支持Special Collections提案。

文章类型

Journal of Geophysical Research: Machine Learning and Computation主要发表：

- Research Articles：完整原创研究文章（方法开发与地球科学应用）。

- Commentaries：简短评论或观点文章（APC豁免）。

- Editorials：社论（APC豁免）。

投稿需通过AGU GEMS系统提交：https://jgr-machinelearning-submit.agu.org/

文章结构

一篇典型的Research Article包括以下部分（英文示例）：

- 标题：简洁、描述性，突出方法创新或地球科学应用。

示例：

A Deep Learning Framework for Improved Prediction of Global Ocean Eddy Kinetic Energy

- 作者信息：列出所有作者姓名、单位、邮箱、ORCID。

示例：

Department of Earth System Science, Tsinghua University, Beijing, China

Xiaodong Wang, Laure Zanna

- 作者贡献（CRediT）：推荐使用CRediT描述。

示例：

X.W.: Conceptualization, Methodology, Writing – Original Draft; L.Z.: Validation, Review & Editing.

- 通信作者：指定，提供邮箱和ORCID。

示例：

Correspondence to: Xiaodong Wang (xiaodong.wang@tsinghua.edu.cn)

- 摘要（Abstract）：≤250字，无参考文献。

- 通俗摘要（Plain-Language Summary）：推荐，解释研究意义。

- 关键词：3–8个。

示例：

machine learning, ocean eddies, deep learning, Earth system prediction, data-driven modeling

- 引言：背景、方法需求、研究目标。

- 正文：分节（Methods、Results、Discussion、Implications等）。

示例：

Methods

We developed a convolutional neural network trained on high-resolution model output... (Figure 1).

- 结论：总结主要发现、方法贡献、未来方向。

- 参考文献：AGU风格（作者-年制）。

- 致谢（可选）：资助、计算资源。

示例：

Funded by National Natural Science Foundation of China grant 42375045. Computing resources provided by Tsinghua University.

- 利益冲突声明：必填。

示例：

The authors declare no competing interests.

- 数据可用性（Open Research/Data Availability）：必选。

示例：

Training and validation data are available at Zenodo: https://doi.org/10.5281/zenodo.XXXXXXX

- 代码可用性：强烈推荐。

示例：

Source code and trained models are archived at Zenodo: https://doi.org/10.5281/zenodo.YYYYYYY

- 补充材料（可选）：额外图表、模型架构细节等。

格式要求

使用AGU/Wiley模板（Word或LaTeX），初始投稿单文件PDF。

- 字体与间距：Times New Roman或Arial，11–12 pt，双倍或1.5倍行距。

- 页边距：标准2.54 cm。

- 图表：嵌入正文；分辨率≥300 dpi；彩色支持（无额外费）；标题下方；高对比度，避免红绿。

- 公式：居中编号，如 (1)。

- 表格：标题上方。

- 参考文献：AGU风格，按字母顺序。示例：

Zanna, L., et al. (2025). Machine learning for ocean dynamics..., Journal of Geophysical Research: Machine Learning and Computation, 2, e2024ML001XXX. https://doi.org/10.1029/2024ML001XXX

伦理要求

- Competing interests：必填声明。

- Ethics approval：如适用，提供。

- Data availability：强制FAIR，存入存储库，提供DOI并引用。

- Code availability：强烈鼓励并常被视为必要条件。

补充材料

- 单独文件上传：PDF、Excel、MP4、代码包等。

- 用于放置详细模型架构、额外验证结果或大型数据集等，无额外费用。

示例：

Supporting Information S1: Model hyperparameters and extended performance metrics.

投稿过程

通过https://jgr-machinelearning-submit.agu.org/ 提交：

- 注册/登录，关联ORCID。

- 上传稿件、cover letter、CRediT、COI、数据/代码声明。

- 推荐审稿人（可选）。

- 声明预印本、数据/代码位置。

- 跟踪状态；修订提交track changes和逐点回复。

- 接受后支付APC（或申请豁免）。

最后

Journal of Geophysical Research: Machine Learning and Computation作为AGU旗下新兴全开放获取期刊，以44%的接受率和42天中位首次决定时间，为机器学习、人工智能与地球空间科学交叉研究提供了专属发表平台。AJE祝您投稿顺利！