机器学习和深度学习在天气预报和大气混沌行为理解中得到广泛应用。科技公司和气象机构对构建地球数字孪生体表现出浓厚兴趣。文章回顾了先进的人工智能方法，提出基础模型用于即时预报和气候预测，并探讨其在火灾识别和气象现象预测中的应用。Aurora模型在空气污染和天气预报中表现出优越性能，显示基础模型在环境预测中的潜力。

该文综述机器学习在气候与环境预测中的应用，涵盖土壤温度与植被物候的SHAP分析、NeuroClim气候仿真框架、基于神经网络编码季节性气候预测的供应链需求预测改进、AutoODE动态系统预测、结合宏观气象与局部观测的混合模型、NeuralGCM高效天气气候预测、短期疾病预测中统计时间序列模型与机械模型的对比、结合遥感生成全球叶片特征图、Pangu-Weather准确性评估，以及用树模型预测光伏发电。