El rápido crecimiento de las operaciones de aviación global ha convertido su impacto ambiental negativo en una preocupación internacional. La modelización precisa del consumo de combustible de las aeronaves, las emisiones y el ruido es un requisito previo para informar sobre nuevos procedimientos operativos, tecnologías y políticas hacia un futuro más sostenible para la aviación. En la última década, debido a los avances en tecnologías de grandes datos y algoritmos efectivos, el análisis transformador basado en datos ha comenzado a desempeñar un papel sustancial en el análisis del impacto ambiental de la aviación. La integración de métodos estadísticos y de aprendizaje automático en el flujo de trabajo ha hecho que dicho análisis sea más eficiente y preciso. Al resumir y clasificar los trabajos representativos en esta área de intersección, este artículo de revisión tiene como objetivo extraer las tendencias de investigación predominantes y sugerir oportunidades de investigación para el futuro. La sección de visión general de la metodología presenta un proceso de desarrollo y un panorama comprensivo de los métodos estadísticos y de aprendizaje automático para investigadores aplicados. En la sección principal, los trabajos relevantes en la literatura se organizan en siete temas de aplicación: , , , , , , y . Cada tema contiene información de fondo, discusión en profundidad y un resumen de trabajos representativos. El artículo concluye con la propuesta de cinco oportunidades futuras para esta área de investigación.