摘要
光学湍流对通信、定向能和成像系统构成了重大挑战，尤其是在大气边界层中。光学湍流强度的有效建模对于这些系统的开发和部署至关重要。然而，由于缺乏标准评估工具，特别是长期数据集、建模任务、评估指标和基准模型，导致不同方法和模型之间的有效比较变得困难。这不仅降低了结果的可重现性，还加剧了对局部微气候的过拟合问题。通过评估指标来表征性能可以为预测光学湍流强度的模型适用性提供一些见解，但这些指标不足以理解模型的相对质量。为此，我们引入了 \texttt{otbench} 包，这是一个用于严格开发和评估光学湍流强度预测模型的 Python 工具包。该工具包提供了一致的接口，用于在多种基准任务和数据集上评估光学湍流模型。 \texttt{otbench} 包含了一系列基准模型，包括统计模型、数据驱动模型和深度学习模型（deep learning models），以帮助理解不同模型之间的相对质量。此外，\texttt{otbench} 还支持添加新的数据集、任务和评估指标。该工具包可在 \url{https://github.com/cdjellen/otbench} 获取。