DeepCyc

DeepCyc er Reasks globale tropiske syklonrisikomodell for langsiktig og klima-justert risikovurdering. Hendelsessett kalibrert kun på historiske data sliter med å vise hvordan risiko endres med havtemperaturer, vindskjær og styringsmønstre, og generaliserer dårlig til bassenger hvor få stormer er observert. DeepCyc bruker i stedet maskinlæring drevet av ERA5 reanalyse og NCAR-CESM ensemblemedlemmer for å generere mer enn 100 millioner fysisk realistiske stokastiske hendelser betinget av fortid, nåtid og fremtidige klima, med hendelsessett som spenner fra 1900 til 2100, kataloger på 20 000 og 100 000 år, og klimascenarier (SSP1-2.6, SSP2-4.5, SSP5-8.5) til 2080.

Vindfelt henter data fra Reasks InCyc 1 km WRF-simuleringer, og en maskinlæringsbasert terrengkorreksjon konverterer dem til lokale 3-sekunders vindkast over reelt terreng, med hensyn til ruhet og topografi på stedet og opptil 3 km oppstrøms. Reasks publiserte beskrivelse av denne terrengmodellen bygger sine globale rutenett fra SRTM 90 m høyde (Shuttle Radar Topography Mission) og landdekke-kart: 30 m US National Land Cover Database der tilgjengelig og 500 m GLCNMO-produkt ellers.

DeepCyc leveres som Maps (risikokart for returperioder), Tracks (stokastiske spor og hendelseskarakteristikker) og Events (rutenettede vindavtrykk) med 1 x 1 km oppløsning over alle tropiske syklonbassenger. Det leveres via Reasks REST API, via FTP for lokal lagring, og gjennom distributører som EigenRisk og Geosite. Reask bruker det også til å prise parametriske dekninger som Metryc deretter utløser. Offentlige brukere inkluderer MS Amlin, som brukte DeepCyc til å modellere tap fra orkaner i USA under 2 °C oppvarming, og Inigo, som bruker Reasks klima-tilpassede stokastiske spor i en av de to metodene bak sin sesongmessige orkanprognose for 2025.