Fijnmazige langdurige klimaatscenario's zijn nodig om toekomstige klimaatbestendige steden te creëren. Huidige regionale klimaatmodellen ontbreken echter de representatie van steden door hun grove resolutie en fysische parameterisaties die niet voldoen om stedelijke processen te simuleren. Het doel van dit project is om inzicht te verkrijgen in het stadsklimaat onder klimaatverandering door stedelijke aspecten te implementeren in klimaatdata via een nieuwe methode. Verschillende stedelijke vegetatiescenario's zullen worden toegepast om na te gaan of vegetatie een effectieve maatregel is om stedelijke opwarming te reduceren op lange termijn. Eerst zal nieuwe klimaatdata met een stedelijke imprint voor 20 Europese steden en 1 km horizontale resolutie worden geproduceerd en vergeleken met de huidige data zonder stedelijke imprint. Als tweede zullen stedelijke vegetatiescenario’s worden gemodelleerd om de impact van vegetatie in de 20 steden bij 1.5 °C, 2 °C en 3 °C globale opwarming te onderzoeken. Als laatste zal een nieuw machine learning algoritme, die minder rekenkracht vergt dan de huidige techniek, worden ontwikkeld en getest om klimaatprojecties aan 1 km resolutie te verkrijgen over alle Europese grootsteden. Dit zal worden volbracht met steun van experten uit onderzoeksgebieden machine learning, regionale en stedelijke klimaatmodellering. Ten slotte zal dit werk leiden tot een nieuwe techniek om klimaatdata te creëren en state-of-the-art klimaatprojecties over steden.