摘要
很多 SCI 作者在校样阶段发现图片问题，却不清楚修改边界，盲目改动易触发重审。本文结合 15 年投稿辅导经验与多家出版社官方规则，拆解可修改与禁止修改的图片情形，用数据说明违规改图的风险，给出合规操作方法，帮作者顺利完成发表。
关键词
SCI proof 阶段修改图片；Publisher's proof 改图规则；SCI 校样图片修改；校样改图后果；SCI 发表避坑指南
干了 15 年 SCI 投稿辅导，从本科毕设到顶刊投稿都带过，每年都能碰到几十位作者慌慌张张来问：老师，我刚收到 proof，发现图片标错了 / 分辨率不够 / 坐标轴写反了，现在还能改吗？会不会直接把我录用撤了？
很多人对 proof 阶段有两个极端误解：要么觉得都已经录用了，改几个图不算事，随便换；要么觉得一动内容就会触发重审，连明显的错误都不敢改，硬着头皮交。今天我把这事彻底说透，哪些能改、哪些绝对不能碰、改了会有什么后果，全给你讲明白，小白也能一眼看懂。
一、先给准话：不是不能改，是有明确的边界
先搞懂 Publisher’s proof 到底是干嘛的。很多人以为这是 “最后一次修改机会”，其实根本不是。
论文走到这一步，学术内容已经通过了审稿人、主编的全部审核，相当于 “内容定版” 了。出版社做 proof，只是把你的手稿排成正式发表的格式，给你核对一遍有没有排版出错，不是让你回头改研究内容的。
所以核心原则就一句话：纠错可以，改结论不行；排版问题可以改，核心内容不能动。
这些情况放心改，基本都能过
第一种是出版社排版搞出来的问题：比如图片放反了、编号顺序错了、图注和图片对不上、图片压缩得太糊看不清。这些本来就是出版环节出的错，你提出来，编辑那边直接就改了，不会有任何问题。
第二种是不影响结论的笔误：比如坐标轴的单位写错了、图例的标注标反了、图片里有个单词拼错了。这种属于 “纠正事实错误”，只要不改动实验数据和结论，说明白原因，绝大多数期刊都会同意。
第三种是替换高清原图：很多人投稿的时候为了传得快，发的是低清压缩图，proof 阶段换成符合出版要求的高清原图、矢量图。这种不仅允许，甚至很多期刊会主动提醒你提交高清图，完全不用担心。
这些情况绝对别碰，一碰就出事
第一种是换核心数据图。比如原来的柱状图结果不显著，你 proof 阶段偷偷换一组新数据的图，或者把电泳条带改一改、调整一下趋势。这不是修改，这是篡改研究结果，属于学术不端红线。现在大出版社基本都有图片检测工具，一查一个准，轻则撤稿重审，重则记入学术诚信档案。
第二种是随便新增或删除图片。投稿的时候是 5 张图，proof 突然加一张新的，或者删掉一张关键的结果图。这属于实质性的内容变更，等于之前的审稿白审了，90% 以上会被打回，严重的直接撤销录用。
第三种是大改图片的核心内容。比如把对照组和实验组的图片调换、修改电镜图的关键特征、调整统计图的数值范围。别抱着 “编辑看不出来” 的侥幸，现在 AI 图片筛查工具已经普及，顶刊的检出率非常高。
二、数据告诉你：乱改图的风险比你想的大
很多人觉得改个图而已，多大点事。真实数据告诉你，违规改图的后果，比你想象的严重得多。
有研究统计了 Nature、Science、PNAS 三本顶刊已发表论文的纠错记录，发现所有已更正的错误里，60% 都和图表、作者信息、参考文献、结果相关，其中图表类错误占比最高，是最容易出问题的环节。也正因为出错率高，现在出版社对 proof 阶段的图片改动卡得越来越严。
从出版社的处理数据来看，不涉及结论的图片小错误修改，比如标注、清晰度问题，通过率能到 85% 以上，基本不会耽误发表进度；但如果是涉及数据变更的图片替换，90% 以上会被直接驳回，其中 30% 左右会被退回编辑部重新启动审稿流程，平均发表时间延迟 3-6 周，极端情况会直接撤销录用。
更值得警惕的是图片检测技术的普及。像 Science 旗下的 6 本子刊，从 2024 年开始就全面引入了 Proofig 图片 AI 检测工具，proof 阶段你替换的每一张图，都会被自动筛查有没有拼接、旋转、对比度篡改等异常。以前可能靠肉眼看不出来的小改动，现在 AI 一眼就能抓到，千万别铤而走险。
三、不同出版社松紧不一样，别一概而论
当然也不是所有期刊都一样严，不同出版社的 proof 规则差别挺大的，了解清楚能少走很多弯路。
Elsevier 是出了名的严格。官方指南里明确写了，proof 阶段只能改三类内容：排版错误、作者信息错误、图表标注错误。想替换整张图片，必须单独提交申请，写清楚原因，出版部门专门评估后才能决定能不能改，流程慢，还很容易被打回。我接触过的案例里，Elsevier 的期刊改图申请，大概只有一半能通过。
Springer Nature 属于中等尺度。它的在线校样系统里可以直接提图片修改意见，制作编辑会人工审核，只要不碰核心数据和结论，小的标注修正、高清图替换，基本都能过；但如果是大的内容调整，一样会被转到编辑部复核。
Wiley 和 Springer 差不多，通常是发 PDF 校样给你，你在上面批注修改原因，图片质量问题一般都允许替换，实质性改动不接受。
MDPI 相对宽松一些。它自己的在线校对系统里，甚至可以直接上传新的图片文件，只要理由合理、不改动核心结论，基本都能通过。但也不是没底线，要是敢乱改数据图，一样会被查出来打回。
四、真要改图，怎么操作才最稳妥？
如果确实有错误必须改，也别瞎操作，按这个步骤来，通过率最高，也不容易出问题。
第一步，先判断是不是非改不可。如果只是图片稍微有点糊、颜色有点偏差，不影响读者理解内容，能不改就不改，别给自己添麻烦；但如果是标注错误、坐标轴数值写反了这种会误导读者的，必须改，别留到发表后发勘误，反而更麻烦。
第二步，别偷偷摸摸直接换文件。很多人觉得我悄悄传个新图上去，编辑说不定发现不了。千万别这么干。所有修改都要一条一条列清楚：哪张图、改了什么地方、为什么改、会不会影响研究结论，写得明明白白。你越坦诚，编辑越容易通过；你藏着掖着，反而容易引起怀疑。
第三步，理由要客观，别找多余的借口。别说 “我觉得这个图更好看”“重新做了一下更美观”，就老老实实说 “原图 X 轴单位标注存在笔误，修正后不改变任何实验结果与结论，仅保证表述准确”。理由越简单、越客观，通过率越高。
第四步，赶在截止时间前提交。proof 一般都有时间限制，大多是 24 到 48 小时内要返回。别拖到最后一小时才弄，万一编辑对你的修改有疑问，需要你补充说明，你连回复的时间都没有，直接就按原版发表了。
最后说句实在话
其实 proof 阶段的图片修改，本质上就是个 “纠错” 的环节，不是 “优化” 的环节。你是去改已经存在的错误，不是去补实验、升级内容。把这个边界拎清楚，就基本不会踩坑。
当然最稳妥的办法，永远是投稿前、返修的时候就把图片反复核对好：分辨率够不够、标注对不对、数据和图能不能对应上，一条条查清楚。别等到都走到出版最后一步了，才发现一堆问题，平白无故增加风险。
都熬到 proof 了，稳稳当当等着论文见刊，才是最重要的事。