Städer är särskilt utsatta för värmestress eftersom asfalterade och tätt bebyggda områden tenderar att lagra värme. Allt oftare förekommande och intensivare värmeböljor är en växande utmaning för folkhälsan och den urbana infrastrukturen.
En ny modell baserad på djupinlärning, utvecklad av universitetet i Freiburg och Karlsruhe Institute of Technology (KIT), beräknar med hög upplösning och över långa tidsperioder hur värmestressen kommer att utvecklas på varje kvadratmeter i en stad i framtiden. Modellen, som publicerats i Urban Climate, stöder städer i deras ansträngningar att anpassa sig till klimatförändringarna och ger stimulans till klimatvänlig stadsplanering.
Forskarna använde staden Freiburg för en fallstudie. Deep learning-systemet kombinerar geodata såsom byggnadshöjder och vegetationsstrukturer med väderprognoser eller klimatprognosdata såsom lufttemperatur och strålning. Modellen är lämplig för att förutsäga olika klimatscenarier, från ett klimat där uppvärmningen minskas tack vare effektiva klimatskyddsåtgärder till ett betydligt varmare klimat på grund av mycket höga utsläpp av växthusgaser.
Ökad värmestress förväntas för Freiburg
Med hjälp av deep learning-modellen simulerade forskarna det framtida urbana klimatet i Freiburg för 2070 till 2099 baserat på tre scenarier. I det mest pessimistiska scenariot skulle upp till 307 timmar per år med stark värmestress på mer än 32 °C ”upplevd” temperatur under dagen vara möjlig. Under referensperioden mellan 1990 och 2019 var det bara 135 timmar per år.
Antalet timmar med mycket stark värmestress på mer än 38 °C ”upplevd” temperatur kan till och med öka med en faktor 10: 71 timmar per år under perioden mellan 2070 och 2099, jämfört med sju timmar per år under referensperioden. I jämförelse ökar antalet timmar med stark värmestress i det scenariot med lägst uppvärmning endast till 149 per år. I detta scenario uppgår antalet timmar med mycket stark värmestress till 12.
Effekterna av värmestress i en stad är mångfacetterade. ”Faktorer som bebyggelsetäthet, vegetation och luftcirkulation avgör om ett område förblir relativt svalt eller om värmen ackumuleras”, förklarar Dr. Ferdinand Briegel, huvudförfattare till studien och postdoktorand vid KIT:s institut för meteorologi och klimatforskning.
Syftet med studien är att mäta värmestressen som påverkar representativa stadsområden i Freiburg, dvs. ett industriområde, ett bostadsområde med gamla träd och den historiska stadskärnan med medelhöga byggnader och lite vegetation. Resultaten visar att antalet värmetimmar ökar särskilt i industriområden på grund av de många asfalterade ytorna och den ringa skuggningen.
”Tätt bebyggda områden med gamla träd kastar skuggor under dagen, vilket gör att värmetimmarna ökar måttligt. På natten bromsar dock denna byggnads- och trädstruktur kylningsprocessen, så att värmen stannar kvar”, säger Briegel.
”Med vår djupinlärningsmodell kan vi analysera värmeutvecklingen virtuellt på grannskapsnivå”, säger professor Andreas Christen, ordförande för miljömeteorologi vid universitetet i Freiburg. ”Eftersom varje stad har sin egen utveckling, grönska och geografiska läge och därmed har en individuell struktur, är det avgörande att beräkna värmestressen så detaljerat som möjligt. Det är det enda sättet att utveckla anpassade åtgärder som effektivt kan skydda invånarna från extrem värme.”
Efter validering och anpassning till specifika förhållanden kan modellen anpassas och användas för vilken stad som helst.
Mer information: Ferdinand Briegel et al, Deep learning enables city-wide climate projections of street-level heat stress, Urban Climate (2025). DOI: 10.1016/j.uclim.2025.102564
