地球科学智能是过去十年地球科学领域最重大的变革之一，它以大数据与人工智能为核心驱动力，深度融合地球科学领域知识，重塑传统研究范式。本文系统梳理了地球科学智能的科学内涵、关键算法演进、重点应用领域、重大科学计划，并分析了当前面临的挑战与未来发展方向。地球科学智能的发展经历了从专家系统到数据学习、再到物理引导与知识-数据融合的范式跃迁。关键算法从大数据挖掘、机器学习向深度学习、知识图谱、大语言模型持续迭代，迁移学习、强化学习与贝叶斯推断在少样本学习、智能决策与不确定性量化方面展现出独特优势。在应用层面，非结构化地质信息的机器可读表达为知识图谱构建奠定了基础，三维地质智能建模在深部结构重建与成矿信息提取方面取得重要进展，人工智能找矿预测实现了从二维靶区圈定到三维深部预测的跨越，矿区生态环境动态监测形成了“空-天-地”立体监测网络与“感知-分析-预警-决策”闭环监管模式。此外，深时数字地球、玻璃地球、OneGeology、化学地球等重大科学计划为地球科学智能也提供了数据基础设施与国际化协作平台。当前，地球科学智能仍面临多模态数据融合未彻底突破、模型“黑箱”问题突出、物理一致性缺失、数据质量与知识体系不完备、跨学科协同与工程化落地存在瓶颈等挑战。未来应聚焦全链条覆盖、多模态融合、可解释性建模与科研基础设施智能化升级，推动地球科学智能从“算法探索”向“学科重构”跨越。本次专辑收录的论文展示了该领域的最新研究进展，为同行提供了有价值的参考案例。
Yongzhang Zhou (Sun,) studied this question.