期刊名：Geosciences

期刊主页：https://www.mdpi.com/journal/geosciences

我们正处在一个前所未有的地球科学数据革命时代。如何从海量、多源的地学数据中提取核心知识？

以机器学习、深度学习为代表的人工智能技术，凭借其强大的非线性拟合、模式识别与预测能力，为解锁这些数据中蕴藏的巨大价值提供了革命性的解决方案。它不仅在数据处理、特征提取和模型构建上展现出卓越的效率，更在推动地球系统科学向更具预测性、精准性和智能化的方向演进。《Geosciences》期刊精选并汇编了【大数据与AI在地球科学中的应用】主题文献清单，旨在为读者提供一个窥见前沿的窗口，注入新的科研灵感与动力。

（1）人工智能驱动的地震风险减缓创新：面向未来的视角

AI-Driven Innovations in Earthquake Risk Mitigation: A Future-Focused Perspective

https://www.mdpi.com/2076-3263/14/9/244

Plevris, V. AI-Driven Innovations in Earthquake Risk Mitigation: A Future-Focused Perspective. Geosciences 2024, 14, 244.

（2）基于实验研究与机器学习的无粘性二元混合物砂-颗粒橡胶内部摩擦角分析

Internal Friction Angle of Cohesionless Binary Mixture Sand–Granular Rubber Using Experimental Study and Machine Learning

https://www.mdpi.com/2076-3263/13/7/197

Daghistani, F.; Baghbani, A.; Abuel Naga, H.; Faradonbeh, R.S. Internal Friction Angle of Cohesionless Binary Mixture Sand–Granular Rubber Using Experimental Study and Machine Learning. Geosciences 2023, 13, 197.

（3）利用遥感与机器学习技术探测与预测考古遗址——以阿联酋迪拜萨鲁克·哈迪德遗址为例

Detecting and Predicting Archaeological Sites Using Remote Sensing and Machine Learning—Application to the Saruq Al-Hadid Site, Dubai, UAE

https://www.mdpi.com/2076-3263/13/6/179

Ben-Romdhane, H.; Francis, D.; Cherif, C.; Pavlopoulos, K.; Ghedira, H.; Griffiths, S. Detecting and Predicting Archaeological Sites Using Remote Sensing and Machine Learning—Application to the Saruq Al-Hadid Site, Dubai, UAE. Geosciences 2023, 13, 179.

（4）岩石单轴抗压强度预测中经验法与人工智能技术的比较评价

Comparative Evaluation of Empirical Approaches and Artificial Intelligence Techniques for Predicting Uniaxial Compressive Strength of Rock

https://www.mdpi.com/2076-3263/13/10/294

Li, C.; Zhou, J.; Dias, D.; Du, K.; Khandelwal, M. Comparative Evaluation of Empirical Approaches and Artificial Intelligence Techniques for Predicting Uniaxial Compressive Strength of Rock. Geosciences 2023, 13, 294.

（5）地震相关电离层总电子含量异常检测方法的优化设置：基于意大利地区的长期验证

Optimal Setting of Earthquake-Related Ionospheric TEC (Total Electron Content) Anomalies Detection Methods: Long-Term Validation over the Italian Region

https://www.mdpi.com/2076-3263/13/5/150

Colonna, R.; Filizzola, C.; Genzano, N.; Lisi, M.; Tramutoli, V. Optimal Setting of Earthquake-Related Ionospheric TEC (Total Electron Content) Anomalies Detection Methods: Long-Term Validation over the Italian Region. Geosciences 2023, 13, 150.

（6）基于机器学习与频率比方法的滑坡易感性评估——应用XRAIN雷达获取的降雨数据

Landslide Susceptibility Assessment by Machine Learning and Frequency Ratio Methods Using XRAIN Radar-Acquired Rainfall Data

https://www.mdpi.com/2076-3263/14/6/171

Rodrigues Neto, J.M.d.S.; Bhandary, N.P. Landslide Susceptibility Assessment by Machine Learning and Frequency Ratio Methods Using XRAIN Radar-Acquired Rainfall Data. Geosciences 2024, 14, 171.

（7）联合国教科文组织全球地质公园与生成式人工智能：可持续发展与教育最佳实践面临的挑战

UNESCO Global Geoparks vs. Generative AI: Challenges for Best Practices in Sustainability and Education

https://www.mdpi.com/2076-3263/14/10/275

Martínez-Martín, J.E.; Rosado-González, E.M.; Martínez-Martín, B.; Sá, A.A. UNESCO Global Geoparks vs. Generative AI: Challenges for Best Practices in Sustainability and Education. Geosciences 2024, 14, 275.

（8）利用不同插值方法进行高分辨率大地水准面计算的重力数据网格化评估

Assessments of Gravity Data Gridding Using Various Interpolation Approaches for High-Resolution Geoid Computations

https://www.mdpi.com/2076-3263/14/3/85

Karaca, O.; Erol, B.; Erol, S. Assessments of Gravity Data Gridding Using Various Interpolation Approaches for High-Resolution Geoid Computations. Geosciences 2024, 14, 85.

（9）基于历史火山学数据的机器学习洞察：过去400年埃特纳火山侧向喷发研究

Machine Learning Insights into the Last 400 Years of Etna Lateral Eruptions from Historical Volcanological Data

https://www.mdpi.com/2076-3263/14/11/295

Malaguti, A.B.; Corradino, C.; La Spina, A.; Branca, S.; Del Negro, C. Machine Learning Insights into the Last 400 Years of Etna Lateral Eruptions from Historical Volcanological Data. Geosciences 2024, 14, 295.

（10）基于特征信息的数据驱动方法用于预测最大洪水淹没范围

A Feature-Informed Data-Driven Approach for Predicting Maximum Flood Inundation Extends

https://www.mdpi.com/2076-3263/13/12/384

Schmid, F.; Leandro, J. A Feature-Informed Data-Driven Approach for Predicting Maximum Flood Inundation Extends. Geosciences 2023, 13, 384.

特刊推荐：

水文地质中的人工智能和机器学习

AI and Machine Learning in Hydrogeology

https://www.mdpi.com/journal/geosciences/special_issues/8J9H121V2B

客座编辑：Ming Fan, Chaojie Cheng and Linqi Zhu

投稿截止日期: 28 February 2026

期刊简介：

Geosciences（ISSN 2076-3263）是一个国际同行评审的开放获取期刊，其发表研究论文、技术说明和评论文章等，并讨论关于所有跨学科方面的地球和行星科学。这包括固体地球、大气、水圈和生物圈保护区，以及相关问题的行星和空间科学（https://www.mdpi.com/journal/geosciences）。

本期刊的范围涵盖地质构造及其演化、晶体学与矿物学、能源与矿产资源的科学研究及勘探开发、内生和外生岩石学与地球化学、陨石学及行星地质学、地球动力学、地理信息技术在地球科学中的应用、水文学与水文地质学、地层学与沉积学、自然灾害及风险评估、工程地质、地质过程对气候变化的指示作用、古生物学、地质伦理及可持续资源利用、地质遗产与地质旅游及地质公园保护、医学和法医学地质学、地质标本收藏与博物馆研究、地球科学教育与能力建设、地球科学领域的国际合作，以及面向未来地球系统研究的交叉学科探索，旨在为地球科学及其相关领域提供多学科交叉的交流与创新平台。

投稿优势：

更快发表速度

期刊国内编委：

期刊动态：

Geosciences期刊在2025年6月设立了首届青年编委会，共招募了50名优秀青年学者加盟，共同助力期刊发展：

https://www.mdpi.com/about/announcements/12393

期刊2025年10月在中国成都CGU大会参展，与来自南京大学、中国科学院地质与地球物理研究所、中国科学院南京地质古生物研究所等机构的学者建立了深度联系，为期刊的后续合作与发展奠定基础：

https://www.mdpi.com/about/announcements/13152

期刊2025年12月在美国AGU大会参展，欢迎关注：

https://www.mdpi.com/about/announcements/13560

期刊2026年1月25-30日在新西兰国际沉积学大会参展，欢迎关注：