Cascade modelling for urban climate: dynamic and statistical downscaling for the assessment and mitigation of intra-urban heat stress in Nicosia

Abstract

Urban areas in the Eastern Mediterranean and Middle East region are increasingly vulnerable to extreme heat due to the combined effects of climate change and the Urban Heat Island (UHI) phenomenon. High-resolution urban climate information is essential for understanding intra-urban thermal variability, identifying future hotspots, and supporting effective climate heat mitigation measures. This thesis developed and applied an integrated cascade modelling framework for urban climate assessment under present and future climate conditions in Nicosia, Cyprus, linking global, regional, local, and microscale processes through the integration of dynamical and machine learningbased statistical downscaling approaches. The first part of the thesis focused on the development and evaluation of a highresolution (1km) urban climate modelling using the Weather Research and Forecasting (WRF) model, coupled with the Single-Layer Urban Canopy Model and the Local Climate Zones (LCZ) classification scheme, driven by ERA5 data. The simulations successfully reproduced the observed spatial and temporal variability of near-surface air temperature, relative humidity, and land surface temperature, while highlighting pronounced thermal contrasts among LCZ classes, with compact low-rise areas (LCZ3) exhibiting the strongest nocturnal UHI intensity. The second part extended the framework to future climate projections and compared the dynamical and statistical downscaling approaches. WRF dynamically downscaled CMIP6 data to generate high-resolution projections for a historical and a future period under the SSP2-4.5 scenario. Multiple Linear Regression, Artificial Neural Networks, and Convolutional Neural Networks were evaluated for the statistical downscaling of daily T2max and T2min, with the latter exhibiting the highest overall performance. Ensemble projections revealed a pronounced summertime warming signal by the mid- 21st century, with increases of 1.9°C and 1.1°C for T2max and T2min, respectively, and identified intra-urban hotspots, primarily concentrated within LCZ3. Finally, the framework was extended to the microscale using the ENVI-met model to assess thermal comfort and evaluate different heat mitigation measures. Pocket parks produced the strongest improvements, whereas cool materials reduced air temperature but increased thermal stress in highly exposed areas due to enhanced reflection. Overall, this thesis demonstrates the importance of integrated multi-scale urban climate modelling for assessing future urban heat exposure and supporting climateresilient urban planning.

Οι αστικές περιοχές στην περιοχή της Ανατολικής Μεσογείου και της Μέσης Ανατολής είναι ολοένα και πιο ευάλωτες σε ακραίες θερμοκρασίες λόγω των συνδυασμένων επιπτώσεων της κλιματικής αλλαγής και του φαινομένου της Αστικής Θερμικής Νησίδας (ΑΘΝ). Η πληροφορία του αστικού κλίματος σε υψηλή χωρική ανάλυση είναι απαραίτητη για την κατανόηση της ενδοαστικής θερμικής μεταβλητότητας, τον εντοπισμό μελλοντικών θερμών σημείων (hotspots) και την υποστήριξη αποτελεσματικών μέτρων μετριασμού της αστικής θερμότητας. Η παρούσα διατριβή ανέπτυξε και εφάρμοσε ένα ολοκληρωμένο πλαίσιο κλιμακωτής μοντελοποίησης για την αξιολόγηση του αστικού κλίματος υπό τις παρούσες και μελλοντικές κλιματικές συνθήκες στη Λευκωσία της Κύπρου, συνδέοντας παγκόσμια, περιοχική, τοπική και μικροκλίμακα μέσω της ενσωμάτωσης του δυναμικού και του βασισμένου στη μηχανική μάθηση στατιστικού υποβιβασμού κλίμακας. Το πρώτο μέρος της διατριβής επικεντρώθηκε στην ανάπτυξη και αξιολόγηση μοντελοποίησης του αστικού κλίματος σε υψηλή χωρική ανάλυση (1km) χρησιμοποιώντας το μοντέλο Weather Research and Forecasting (WRF), συζευγμένο με το Single-Layer Urban Canopy Model και ενσωματώνοντας μια ταξινόμηση της πόλης σε Τοπικές Κλιματικές Ζώνες (Local Climate Zones, LCZ), τροφοδοτούμενο με δεδομένα ERA5. Οι προσομοιώσεις αναπαρήγαγαν επιτυχώς την παρατηρούμενη χωρική και χρονική μεταβλητότητα της θερμοκρασίας του αέρα και της σχετικής υγρασίας κοντά στην επιφάνεια καθώς και της θερμοκρασίας της επιφάνειας, ενώ παράλληλα επισήμαναν έντονες θερμικές αντιθέσεις μεταξύ των διαφορετικών LCZ, με τις πυκνοδομημένες περιοχές χαμηλών κτιρίων (LCZ3) να παρουσιάζουν την ισχυρότερη ένταση νυχτερινής ΑΘΝ. Το δεύτερο μέρος επέκτεινε το πλαίσιο σε μελλοντικές κλιματικές προβλέψεις και συνέκρινε τη δυναμική και τη στατιστική μέθοδο υποβιβασμού κλίμακας. Το WRF χρησιμοποιήθηκε για το δυναμικό υποβιβασμού των CMIP6 δεδομένων για να παράξει προβλέψεις υψηλής χωρικής ανάλυσης για μια ιστορική και μια μελλοντική περίοδο υπό το SSP2-4.5 σενάριο. Οι μέθοδοι της Πολλαπλής Γραμμικής Παλινδρόμησης, των Τεχνητών Νευρωνικών Δικτύων και των Συνελικτικών Νευρωνικών Δικτύων αξιολογήθηκαν για το στατιστικό υποβιβασμό της ημερήσιας μέγιστης (T2max) και ελάχιστης (T2min) θερμοκρασίας αέρα, με την τελευταία να παρουσιάζει την υψηλότερη συνολική απόδοση. Οι συνδυασμένες προβλέψεις έδειξαν ένα έντονο καλοκαιρινό σήμα θέρμανσης μέχρι τα μέσα του 21ου αιώνα, με αυξήσεις 1.9°C και 1.1°C για τη T2max και τη T2min, αντίστοιχα, και εντόπισαν ενδοαστικά hotspots, συγκεντρωμένα κυρίως εντός της LCZ3. Τέλος, το πλαίσιο επεκτάθηκε στη μικροκλίμακα χρησιμοποιώντας το μοντέλο ENVImet για την αξιολόγηση της θερμικής άνεσης καθώς και διαφορετικών μέτρων μετριασμού της θερμότητας. Τα πάρκα τσέπης παρήγαγαν τις ισχυρότερες βελτιώσεις, ενώ τα ψυχρά υλικά μείωσαν τη θερμοκρασία του αέρα αλλά αύξησαν τη θερμική καταπόνηση σε περιοχές με υψηλή έκθεση λόγω της ισχυρότερης ανάκλασης. Συνολικά, αυτή η διατριβή αναδεικνύει τη σημασία της ολοκληρωμένης κλιμακωτής μοντελοποίησης για την αξιολόγηση της μελλοντικής έκθεσης στην αστική θερμότητα και την υποστήριξη ενός σχεδιασμού ανθεκτικού στην κλιματική αλλαγή.