Уважаемые коллеги, доброго времени суток! Представляем вам французское научное издание Journal of Space Weather and Space Climate. Журнал имеет второй квартиль, издается в EDP Sciences, находится в открытом доступе, его SJR за 2020 г. равен 1,027, пятилетний импакт-фактор - 3,170, электронный ISSN - 2115-7251, предметные области - Науки о планетах, Наука об атмосфере. Вот так выглядит обложка:
Здесь два редактора - Анна Беленаки, контактные данные - belehaki@noa.gr
и Жан Лиленстен - : jean.lilensten@obs.ujf-grenoble.fr.
Дополнительный публикационный контакт - jswsc@edpsciences.org
Это международный мультидисциплинарный и междисциплинарный рецензируемый журнал с открытым доступом, в котором публикуются статьи по всем аспектам космической погоды и космического климата из широкого круга научных и технических областей, включая солнечную и гелиосферную физику, физику магнитосферы и ионосферы, физику космической плазмы, аэрономию, планетологию, радиологию, геофизику, биологию, медицину, космонавтику, аэронавтику, электротехнику, метеорологию, климатологию, экономику, информатику. К публикации принимаются регулярные исследовательские, технические, информационные статьи, приглашенные тематические исследования и обзорные статьи. Применяется три общих критерия для оценки представленных рукописей: качество, актуальность и общий интерес к сообществам, занимающимся космической погодой и космическим климатом. Рукописи должны соответствовать стандартам качества международных научных журналов и рецензироваться, как минимум, двумя внешними рецензентами. Требуется, чтобы все рукописи, представленные для публикации, содержали достаточно новой информации, необходимо представить результаты на фоне надлежащей ссылки на существующую работу и адекватные доказательства, подтверждающие выводы. Все рукописи должны быть написаны четко, кратко и всесторонне и включать необходимые и подходящие рисунки и таблицы. Материалы не должны быть одновременно представлены в другие журналы или находиться в них на рецензировании.
Адрес издания - https://www.swsc-journal.org/
Пример статьи, название - An operational approach to forecast the Earth’s radiation belts dynamics. Заголовок (Abstract) - The Ca index is a time-integrated geomagnetic index that correlates well with the dynamics of high-energy electron fluxes in the outer radiation belts. Therefore, Ca can be used as an indicator for the state of filling of the radiation belts for those electrons. Ca also has the advantage of being a ground-based measurement with extensive historical records. In this work, we propose a data-driven model to forecast Ca up to 24 h in advance from near-Earth solar wind parameters. Our model relies mainly on a recurrent neural network architecture called Long Short Term Memory that has shown good performances in forecasting other geomagnetic indices in previous papers. Most implementation choices in this study were arbitrated from the point of view of a space system operator, including the data selection and split, the definition of a binary classification threshold, and the evaluation methodology. We evaluate our model (against a linear baseline) using both classical and novel (in the space weather field) measures. In particular, we use the Temporal Distortion Mix (TDM) to assess the propensity of two time series to exhibit time lags. We also evaluate the ability of our model to detect storm onsets during quiet periods. It is shown that our model has high overall accuracy, with evaluation measures deteriorating in a smooth and slow trend over time. However, using the TDM and binary classification forecast evaluation metrics, we show that the forecasts lose some of their usefulness in an operational context even for time horizons shorter than 6 h. This behaviour was not observable when evaluating the model only with metrics such as the root-mean-square error or the Pearson linear correlation. Considering the physics of the problem, this result is not surprising and suggests that the use of more spatially remote data (such as solar imaging) could improve space weather forecasts. Key words: Space weather / Forecasting / Radiation belts / Machine learning / Solar wind