气候驱动下的美国玉米损失概率翻倍：基于神经网络蒙特卡罗的交互式仿真

气候变化不仅威胁农业生产者，还施加着对相关公共机构和金融机构的压力。这些重要的食物系统参与者包括负责保障农户生计并支持应对持续全球变暖的政府实体。在美国玉米沟地地区，我们检查了气候驱动的作物损失风险，具体针对这样一个关键机构：美国联邦作物保险计划。具体而言，我们在政策敏感的“风险单元”尺度上预测气候驱动的作物损失的影响。通过我们提出的神经网络蒙特卡罗方法构建的模型，仿真预计将导致更频繁且更严重的损失，从而在中世纪导致年度玉米产量保险索赔概率成本效益的翻倍。我们还提供了一个开源管道和交互式可视化工具，以可配置的统计处理方式探索这些结果。总体而言，我们填补了当前理解在气候适应方面的重要空白，通过将现有的历史产量估计与气候预测相结合，在政策相关的细粒度尺度上预测作物损失指标。