随着计算机技术和大数据的进步，深度学习尤其是卷积神经网络已成为处理网格结构大规模数据的主流技术，特别是在计算机视觉领域。卷积神经网络也开始应用于大气科学领域，针对多角度、多尺度的气象数据进行处理。本文综述了卷积神经网络及其在大气科学中的应用进展，总结如下：通过网络深度、宽度的优化和量级压缩，卷积神经网络的准确率和效率显著提升，成为计算机视觉任务的主流技术；卷积神经网络能高效处理气象数据，已应用于气象目标识别、极端事件检测、数值模式改进及干旱气象事件预报等方面，显示出良好的应用前景；卷积神经网络在大气科学中的应用尚处于探索阶段，且面临气象数据复杂、模型结构改进需求和可解释性差等挑战，需深入研究以推动其发展。
