该文综述深度学习在风能与气象领域的应用，涵盖：用神经网络将低分辨率风场提升为高分辨率三维速度场，效果优于三线性插值；变分数据同化与深度学习结合的海面风速重建框架；Windformer通过分窗与移窗建模风速变化，MSE降低2至15个百分点；Pangu-Weather实现全球天气预报并超越传统数值方法；物理信息SR-GAN将三维风场分辨率提升9倍；以及基于少量压力传感器的气动力预测、深度知识学习风速功率预测、U-Nets风暴垂直速度评估和风速时空预测等研究。