微软研究院推出了大规模大气基础模型Aurora，利用超过一百万小时的地球物理数据进行预训练，显著提升了空气质量、海洋波浪和热带气旋路径的预测精度与效率，计算速度提高约5000倍，推动气候和天气信息获取。

在第六届海洋数值预报与高性能计算论坛上，李本霞介绍了人工智能在海浪预报中的应用。我国自1965年开始海浪预报，现已发展出利用深度学习和云计算的智能预报系统，能在1分钟内完成72-96小时的预报，效率和精度均优于传统模式。该系统已在中国近海使用，并计划扩展至全球。

自1993年以来，卫星测高仪观测显示全球平均海平面每年上升3.4毫米。研究利用机器学习预测海平面变化未来模式，了解气候变化信号对海平面上升的贡献，并预测未来海平面变化。提出结合卫星观测和气候模型模拟的机器学习框架，预测未来30年海平面上升。通过训练全连接神经网络进行非线性融合，预测测高仪数值，并应用于未来气候模型预测海平面模式。提出将空间数据集分段成聚类，改进机器学习模型预测能力。