DeepCyc

DeepCyc är Reasks globala modell för tropiska cyklonrisker för långsiktig och klimatjusterad riskbedömning. Händelseset som kalibreras endast på historiska data har svårt att visa hur risken förändras med havstemperaturer, vindskjuvning och styrmönster, och generaliserar dåligt till bassänger där få stormar observerats. DeepCyc använder istället maskininlärning driven av ERA5 reanalys och NCAR-CESM ensemblemedlemmar för att generera mer än 100 miljoner fysiskt realistiska stokastiska händelser betingade på tidigare, nuvarande och framtida klimat, med händelseset som sträcker sig från 1900 till 2100, kataloger för 20 000 och 100 000 år samt klimatscenarier (SSP1-2.6, SSP2-4.5, SSP5-8.5) fram till 2080.

Vindfält bygger på Reasks InCyc 1 km WRF-simuleringar, och en maskininlärningsbaserad terrängkorrigering omvandlar dem till lokala 3-sekunders vindbyar över verklig terräng, med hänsyn till råhet och topografi på platsen och upp till 3 km uppvind. Reasks publicerade beskrivning av denna terrängmodell bygger sina globala rutnät på SRTM 90 m höjddata (Shuttle Radar Topography Mission) och markanvändningskartor: 30 m US National Land Cover Database där tillgängligt och 500 m GLCNMO-produkt på övriga platser.

DeepCyc levereras som Maps (återkomsttidskartor för risk), Tracks (stokastiska spår och händelsekarakteristika) och Events (rutnätsbaserade vindavtryck) med 1 x 1 km upplösning över alla tropiska cyklonbassänger. Det tillhandahålls via Reasks REST API, via FTP för lokal lagring och genom distributörer som EigenRisk och Geosite. Reask använder det även för att prissätta parametriska försäkringar som Metryc sedan triggar. Publicerade användare inkluderar MS Amlin, som använde DeepCyc för att modellera förluster från orkaner i USA vid 2 °C uppvärmning, och Inigo, som använder Reasks klimatjusterade stokastiska spår i en av de två metoderna bakom sin säsongsprognos för orkaner 2025.