地球系统科学的进展推动了地球系统数据立方体（ESDCs）的应用，为AI任务提供了高效的数据分析框架。研究构建了DeepExtremeCubes数据库，分析极端气候事件对生态的影响，并提升了数据处理效率。文章还探讨了数据科学与地理信息系统的结合，强调了机器学习在环境研究中的重要性及未来发展方向。

证据深度学习是地球系统科学建模的有力方法，可量化预测方差与模型不确定性，并通过敏感性分析解释预测。研究涵盖狄利克雷分布建模、随机集合卷积网络、Fisher信息重加权、贝叶斯分位回归等，在少样本分类、语义分割、OOD检测等任务中优于集成与MC-dropout，提升鲁棒性与校准性。