Mit dem Schwerpunkt auf relevanten Indikatoren für die Verfolgung der städtischen Hitze und wie diese in eine intelligente, klimaresistente Stadtplanung einfließen können, befasste sich die Sitzung mit Methoden zur Bewertung und Modellierung von UHI. Die beiden Ansätze Oberflächen-UHI und Überdachungs-UHI wurden verglichen, gefolgt von einer Erläuterung der UHI-Typologien, die aus der statistischen Modellierung und der Analyse der Saisonalität des Phänomens in mehr als 120.000 städtischen Ballungsräumen in Europa abgeleitet wurden.

Darüber hinaus wurden Instrumente zur Simulation der Auswirkungen von Städten auf die Atmosphäre sowie Beispiele für ihre Anwendung vorgestellt. In einem Experiment wurde der Albedo-Effekt der Dachbeschichtung von Gebäuden in Berlin bewertet, wobei sich herausstellte, dass eine helle Farbe einen vernachlässigbaren Einfluss auf die Verringerung der UHI hat.  Es wurden verschiedene Datenquellen für die Überwachung von UHI vorgestellt, von denen einige frei zugänglich sind, wie z. B. NETATMO, das sich auf Temperaturdaten aus der Bevölkerung stützt.
Die Sitzung befasste sich auch mit den Auswirkungen der Hitzebelastung in Städten, indem die Ergebnisse einer Forschungsarbeit zur Modellierung von Veränderungen der Mindesttemperaturen für die Sterblichkeit in Abhängigkeit vom Klimawandel und vom sozioökonomischen Fortschritt in 3.820 Städten vorgestellt wurden. Die Sitzung befasste sich auch mit Lösungen zur Anpassung an die Hitze, wie z. B. dem Oaseneffekt, bei dem die Verdunstungskälte zur Abschwächung der städtischen Hitze genutzt wird.

Mehr Informationen: Presentation and Recording (for registered users) at the Connective Cities Community Platform

Mini-Wälder oder Miyawaki-Wälder wurden als Beispiele für bewährte Verfahren vorgestellt, da sie die Verdunstungskälte erhöhen und die biologische Vielfalt schützen. Begrünte Fassaden und begrünte Dächer sind ebenfalls eine gute Lösung, da sie zu einer stärkeren Begrünung beitragen und die städtische Hitze abmildern. Es wurden Beispiele für Beschattungsstrategien in Sevilla, Chile und in der traditionellen islamischen Architektur diskutiert. Darüber hinaus lernten die Teilnehmer das HEAL-Projekt kennen, das Informationen und Anpassungskonzepte zum Thema Hitzestress im Allgemeinen bereitstellt und über eine App eine hitzeangepasste Mobilität für Stadtbewohner ermöglicht. Die Teilnehmer erfuhren auch, wie Stadtplanung und Bauwesen zur Kühlung städtischer Gebiete eingesetzt werden können, indem Baumaterialien mit geringer Wärmeleitfähigkeit verwendet, Frischluft-/Grünkorridore angelegt und reflektierende Beläge verwendet werden.

Zusammenfassend lässt sich sagen, dass die meisten Lösungen auf alten Erfahrungen beruhen, d.h. sie sind nicht neu, aber mit Hilfe der Physik könnten sie effizienter sein. Es gibt keine Patentlösung, aber lokal angepasste Lösungen sind die klimarelevantesten.

Mehr Informationen: Presentation and Recording (for registered users) at the Connective Cities Community Platform

In Heidelberg wurde ein von GEO-NET entwickeltes KI-Modell zur Mustererkennung eingesetzt, das vorhandene Datensätze ähnlich wie eine statistische Korrelationsanalyse analysiert. Allerdings sollten Stadtplaner bei der Interpretation solcher Ergebnisse Vorsicht walten lassen, da verzerrte oder fehlerhafte Trainingsdaten zu falschen Schlussfolgerungen führen können. Im Gegensatz zu dynamischen Modellen (z. B. Strömungsdynamik), bei denen die Zeit eine implizite Variable ist und sich die Vorhersagen auf zukünftige Zustände konzentrieren, stützen sich KI-Modelle auf Daten aus der Vergangenheit und können neu entstehende Muster nicht erkennen. Um Fehler zu reduzieren, ist eine empirische Validierung nach wie vor unerlässlich. Künstliche neuronale Netze (ANN) und KI-Methoden sind zwar wirksam bei der Erkennung von Mustern wie UHI, ihre Leistung hängt jedoch von regionsspezifischen Merkmalen ab, und ihre hohen Rechenkosten können eine Einschränkung darstellen.

Wichtigste Erkenntnis: Obwohl KI in Zukunft eine immer wichtigere Rolle spielen wird, ist es wichtig zu erkennen, dass KI-Modelle zwar reich an Daten, aber arm an Wissen sind, was eine sorgfältige Interpretation und Validierung erfordert.

Mehr Informationen: Presentation and Recording (for registered users) at the Connective Cities Community Platform