ترجمه فارسی مقاله دو برابر شدن احتمال از دست دادن ذرت ناشی از تغییرات اقلیمی در بیمه محصولات کشاورزی ایالات متحده: پیش‌بینی مکانی-زمانی و واکنش‌های احتمالی به سیاست‌ها

چکیده

Climate change not only threatens agricultural producers but also strains financial institutions. These important food system actors include government entities tasked with both insuring grower livelihoods and supporting response to continued global warming. We use an artificial neural network to predict future maize yields in the U.S. Corn Belt, finding alarming changes to institutional risk exposure within the Federal Crop Insurance Program. Specifically, our machine learning method anticipates more frequent and more severe yield losses that would result in the annual probability of Yield Protection (YP) claims to more than double at mid-century relative to simulations without continued climate change. Furthermore, our dual finding of relatively unchanged average yields paired with decreasing yield stability reveals targeted opportunities to adjust coverage formulas to include variability. This important structural shift may help regulators support grower adaptation to continued climate change by recognizing the value of risk-reducing strategies such as regenerative agriculture. Altogether, paired with open source interactive tools for deeper investigation, our risk profile simulations fill an actionable gap in current understanding, bridging granular historic yield estimation and climate-informed prediction of future insurer-relevant loss.

چکیده به فارسی (ترجمه ماشینی)

تغییرات آب و هوا نه تنها تولید کنندگان کشاورزی را تهدید می کند بلکه مؤسسات مالی را نیز تحت فشار قرار می دهد.این بازیگران مهم سیستم غذایی شامل نهادهای دولتی هستند که وظیفه خود را برای معیشت خود بیمه می کنند و هم از پاسخ به ادامه گرم شدن کره زمین حمایت می کنند.ما از یک شبکه عصبی مصنوعی برای پیش بینی بازده ذرت در آینده در کمربند ذرت ایالات متحده استفاده می کنیم و تغییرات نگران کننده ای را در معرض خطر نهادی در برنامه بیمه فدرال محصول قرار می دهیم.به طور خاص ، روش یادگیری ماشین ما ضررهای مکرر و شدیدتری را پیش بینی می کند که منجر به احتمال سالانه حفاظت از عملکرد (YP) می شود که نسبت به اواسط قرن نسبت به شبیه سازی ها بدون ادامه تغییرات آب و هوایی بیش از دو برابر است.علاوه بر این ، یافته های دوگانه ما از بازده متوسط ​​نسبتاً بدون تغییر جفت شده با کاهش ثبات عملکرد ، فرصت های هدفمند برای تنظیم فرمول های پوشش را نشان می دهد تا شامل تنوع شود.این تغییر ساختاری مهم ممکن است به تنظیم کننده ها کمک کند تا با شناخت ارزش استراتژی های کاهش ریسک مانند کشاورزی احیا کننده ، از سازگاری رشد دهنده در ادامه تغییرات آب و هوا حمایت کنند.درمجموع ، با ابزارهای تعاملی منبع باز برای تحقیقات عمیق تر ، شبیه سازی پروفایل ریسک ما شکاف عملی را در درک فعلی ، پل زدن برآورد عملکرد تاریخی گرانول و پیش بینی آگاهانه آب و هوا از از دست دادن مربوط به بیمه گر آینده پر می کند.