AGICore: A Traceable, Structurally Explainable Computational Framework for Assessing Nature-Based Solutions Under Urban Heat Risk

Öz

This study aims to address the concept of a “core code” in complex adaptive systems within a scientifically verifiable framework, rather than through abstract and difficult-to-validate approaches. In this context, urban heat island (UHI) risk and nature-based solutions (NbS) are evaluated under the AGICore framework, which provides a traceable and structurally explainable approach. The AGICore approach defines three fundamental components recurring across different scales: regulation (feedback and stability), agency (capacity for goal-directed action), and information (the cost of measurement and processing processes). These components are considered within the constraints of thermodynamics and information theory. Instead of proposing a single ultimate equation, a reduced dynamic representation based on observable variables and a traceable decision structure is proposed. This theoretical framework is evaluated using the Urban Heat Island Effect Ratio (UHIER)–LST dataset covering the period 2005–2022 for urban regeneration areas (NMURP and NAURP) in Ankara. In this context, the findings presented by Ozenen Kavlak et al. (2025) are reconsidered within the AGICore framework. The results indicate a decreasing trend in UHIER across the study area, while also showing that localized warming hotspots persist in certain sub-regions where transformation has been completed, and building density has increased. This situation suggests that the thermal effects of urban regeneration processes may vary depending on morphological characteristics, surface impermeability, and the composition of green infrastructure. The main contribution of the study is to present a framework that emphasizes spatial heterogeneity and mechanism-based evaluation rather than treating UHIER analysis as a single output indicator. This approach demonstrates that NbS evaluation should not be limited to changes in green area quantity but should be assessed considering surface energy balance and spatial intervention components.

Anahtar Kelimeler

• Urban heat island (UHI)
• Urban regeneration
• Nature-based solutions (NbS)
• Remote sensing (LST)
• Local climate zones (LCZ)
• Reproducibility

Proje Numarası

GAP-101183961

AGICore: Kentsel Isı Riski Bağlamında Doğa Temelli Çözümlerin Değerlendirilmesi için İzlenebilir ve Yapısal Olarak Açıklanabilir Bir Hesaplama Çerçevesi

Öz

Bu çalışma, karmaşık adaptif sistemlerin “çekirdek kodu” kavramını soyut ve doğrulanması güç yaklaşımlar yerine, bilimsel olarak denetlenebilir bir çerçevede ele almayı amaçlamaktadır. Bu doğrultuda, kentsel ısı adası (UHI) riski ve doğa temelli çözümler (NbS), izlenebilir ve yapısal olarak açıklanabilir bir yaklaşım sunan AGICore çerçevesi altında değerlendirilmiştir. AGICore yaklaşımı, farklı ölçeklerde tekrar eden üç temel bileşeni tanımlamaktadır: regülasyon (geri besleme ve kararlılık), ajans (hedefli eylem kapasitesi) ve enformasyon (ölçüm ve işleme süreçlerinin maliyeti). Bu bileşenler, termodinamik ve enformasyon kuramı sınırları çerçevesinde ele alınmıştır. Tek bir nihai denklem önerisi yerine, gözlenebilir değişkenler üzerinden indirgenmiş dinamik bir temsil ve izlenebilir bir karar yapısı önerilmiştir. Bu kuramsal çerçeve, Ankara’daki kentsel dönüşüm alanlarına (NMURP ve NAURP) ilişkin 2005–2022 dönemini kapsayan Urban Heat Island Effect Ratio (UHIER) – LST veri seti üzerinden değerlendirilmiştir. Bu bağlamda, Ozenen Kavlak et al. (2025) tarafından sunulan bulgular, AGICore yaklaşımı içinde yeniden ele alınmıştır. Bulgular, çalışma alanı genelinde UHIER etkisinin azalma eğilimi gösterdiğini ortaya koyarken, dönüşümü tamamlanmış ve yapı yoğunluğunun arttığı bazı alt bölgelerde yerel ısınma odaklarının sürdüğünü göstermektedir. Bu durum, kentsel dönüşüm süreçlerinin ısıl etkilerinin alanın morfolojik özellikleri, yüzey geçirimsizliği ve yeşil altyapı bileşimine bağlı olarak farklılaşabildiğine işaret etmektedir. Çalışmanın temel katkısı, UHIER analizini tekil bir çıktı göstergesi olarak ele almak yerine, mekânsal heterojenliği ve mekanizma temelli değerlendirmeyi öne çıkaran bir çerçeve sunmasıdır. Bu yaklaşım, NbS değerlendirmesinin yalnızca yeşil alan miktarındaki değişim üzerinden değil, yüzey enerji dengesi ve mekânsal müdahale bileşenleri dikkate alınarak yapılması gerektiğini ortaya koymaktadır.

Anahtar Kelimeler

• Kentsel ısı adası (UHI)
• Kentsel yenilenme
• Doğa temelli çözümler (NbS)
• Uzaktan algılama (LST)
• Yerel iklim bölgeleri (LCZ)
• Yeniden üretilebilirlik

Proje Numarası

GAP-101183961

Kaynakça

1. Ashby, W. R., (1956). An introduction to cybernetics. Chapman & Hall.
2. Ayala-Carrillo, M., Farfán, M., Cárdenas-Nielsen, H., & Lemoine-Rodríguez, R. (2022). Are wildfires in the wildland-urban interface increasing temperatures? A land surface temperature assessment in a semi-arid Mexican city.
3. Land, 11(12): 2105. [Erişim Tarihi: 01 Nisan 2026] https://www.mdpi.com/2073-445X/11/12/2105
4. Bowler, D. E., Buyung-Ali, L., Knight, T. M., & Pullin, A. S. (2010). Urban greening to cool towns and cities: A systematic review of the empirical evidence. Landscape and Urban Planning, 97(3): 147–155.
5. Friston, K.(2010). The free-energy principle: A unified brain theory? Nature Reviews Neuroscience, 11(2): 127–138.
6. Hajat, S., O’Connor, M., & Kosatsky, T. (2010). Health effects of hot weather: From awareness of risk factors to effective health protection. The Lancet, 375(9717): 856–863.
7. IPCC, (2021). Climate change 2021: The physical science basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press.
8. Landauer, R. (1961). Irreversibility and heat generation in the computing process. IBM Journal of Research and Development, 5(3): 183–191.

9. Lebo, T., Sahoo S., McGuinness, D., Belhajjame K., Cheney, J., Corsar, D., Garijo, D., Soiland-Reyes, S., Zednik, S., & Zhao, J.(2013). PROV-O: The PROV ontology (W3C Recommendation 30 April 2013). World Wide Web Consortium. [Erişim Tarihi: 01 Nisan 2026] https://www.w3.org/TR/prov-o/
10. Oke, T. R. (1982). The energetic basis of the urban heat island. Quarterly Journal of the Royal Meteorological Society, 108(455): 1–24.
11. Oke, T. R., (2002). Boundary layer climates. Routledge.
12. Ozenen Kavlak, M., Kürkçüoğlu, Senyel, M. A., Cabuk, A., Cabuk, S. N., & Cetin, M. (2025). A model for assessing the urban heat island effect in urban regeneration areas: Case of Mamak and the North Ankara. International Journal of Biometeorology.
13. Pearl, J. (2015). Theoretical impediments to machine learning with seven sparks from the causal revolution. arXiv preprint.
14. Peng, R. D.(2011). Reproducible research in computational science. Science, 334(6060): 1226–1227.
15. Rizwan, A. M., Dennis, L. Y. C., & Liu, C. (2008). A review on the generation, determination and mitigation of urban heat island. Journal of Environmental Sciences, 20(1): 120–128.
16. Shannon, C. E., & Weaver, W. (1949). The mathematical theory of communication. University of Illinois Press.
17. Simpson, C. H., Brousse, O., & Heaviside, C. (2024). Estimated mortality attributable to the urban heat island during the record-breaking 2022 heatwave in London. Environmental Research Letters.
18. Steffen, W., Richardson, K., Rockström, J., Cornell, S. E., Fetzer, I., Bennett, E. M., & Sörlin, S. (2015). Planetary boundaries: Guiding human development on a changing planet. Science, 347(6223): 1259855.
19. Stewart, I. D., & Oke, T. R. (2012). Local climate zones for urban temperature studies. Bulletin of the American Meteorological Society, 93(12): 1879–1900.
20. Tu, J. H., Rowley, C. W., Luchtenburg, D. M., Brunton, S. L. & Kutz, J. N. (2013). On dynamic mode decomposition: Theory and applications. Journal of Computational Dynamics, 1(2): 391–421.
21. Voogt, J. A., & Oke, T. R.(2003). Thermal remote sensing of urban climates. Remote Sensing of Environment, 86(3): 370–384.
22. Weng, Q., Lu, D., & Schubring, J. (2004). Estimation of land surface temperature–vegetation abundance relationship for urban heat island studies. Remote Sensing of Environment, 89(4): 467–483.
23. Wilkinson, M. D., Dumontier, M., Aalbersberg, I. J., Appleton, G., Axton, M., Baak, A., & Mons, B. (2016). The FAIR guiding principles for scientific data management and stewardship. Scientific Data, 3: 160018.
24. Xu, H. Q., & Che B. Q. (2004). Remote sensing of the urban heat island and its changes in Xiamen City of SE China. Journal of Environmental Sciences, 16: 276–281.
25. Ziter, C. D., Pedersen, E. J., Kucharik, C. J., &Turner, M. G. (2019). Scale-dependent interactions between tree canopy cover and impervious surfaces reduce daytime urban heat during summer. Proceedings of the National Academy of Sciences, 116(15): 7575–7580.