DeepCyc

DeepCyc er Reasks globale tropiske cyklonrisikomodel til langsigtet og klima-justeret risikovurdering. Begivenhedssæt, der kun er kalibreret på den historiske rekord, har svært ved at vise, hvordan risikoen ændrer sig med havtemperaturer, vindskær og styremønstre, og generaliserer dårligt til bassiner, hvor få storme er observeret. DeepCyc bruger i stedet maskinlæring drevet af ERA5 reanalyse og NCAR-CESM ensemblemedlemmer til at generere mere end 100 millioner fysisk realistiske stokastiske begivenheder betinget af fortidens, nutidens og fremtidens klimaer, med begivenhedssæt, der spænder fra 1900 til 2100, kataloger for 20.000 og 100.000 år samt klimascenarier (SSP1-2.6, SSP2-4.5, SSP5-8.5) til 2080.

Vindfelter bygger på Reasks InCyc 1 km WRF-simuleringer, og en maskinlæringsbaseret terrænkorrigering omdanner dem til lokale 3-sekunders vindstød over reelt terræn, hvor der tages højde for ruhed og topografi på stedet og op til 3 km opstrøms. Reasks offentliggjorte beskrivelse af denne terrænmodel bygger sine globale gitter på SRTM 90 m højde (Shuttle Radar Topography Mission) og landdækningskort: 30 m US National Land Cover Database hvor tilgængelig og 500 m GLCNMO-produkt andre steder.

DeepCyc leveres som Maps (risikokort for tilbagevendende perioder), Tracks (stokastiske baner og begivenhedskarakteristika) og Events (gitterbaserede vindaftryk) med 1 x 1 km opløsning på tværs af alle tropiske cyklonbassiner. Det leveres via Reasks REST API, via FTP til lokal lagring og gennem distributører som EigenRisk og Geosite. Reask bruger det også til at prissætte parametriske dækninger, som Metryc derefter aktiverer. Offentliggjorte brugere inkluderer MS Amlin, som brugte DeepCyc til at modellere amerikanske orkan-tab under 2 °C opvarmning, og Inigo, som bruger Reasks klima-betingede stokastiske baner i en af de to metoder bag deres sæsonudsigt for orkaner i 2025.