Forskere har præsenteret UHI-Bench, den første benchmark, der systematisk evaluerer AI-modellers evne til at modellere byvarmeøer (UHI) ved at kombinere to forskellige målemetoder: overfladetemperatur (LST-UHI) og nærmarklufttemperatur (AirT-UHI). Ifølge arXiv-papiret fanger de to metoder fysisk forskellige aspekter af byvarme, og at erstatte den ene med den anden kan væsentligt skævvride billedet af menneskers varmeeksponering.
Benchmarken evaluerer over 20 baseline-modeller fra fire model-familier på fem opgaver i 20 byer fordelt på ni Köppen-klimaklasser. Resultaterne viser, at ingen model er uniformt bedst, men at fundamentmodeller forbliver konsekvent konkurrencedygtige og stabile. Miljømæssige kovariater forbedrer generelt præstationen, men deres nytte varierer afhængigt af kilde og opgave.
For beslutningstagere, der arbejder med klimatilpasning eller byplanlægning, er det vigtigste resultat, at overførbarhed på tværs af byer bedre forklares af overlap i UHI-regimer end af klimazone-lighed. Det betyder, at en model trænet i én by kan overføres til en anden by med lignende varmemønstre, selvom de ligger i forskellige klimaer. Dette kan hjælpe byer med sparsomme data, især i udviklingslande, hvor der er få målestationer.
UHI-Bench leverer også en standardiseret pipeline og datasæt, hvilket giver praktisk vejledning til urban varmemodellering og fremmer klimadata-lighed.
