Climate Economic Nexus

Climate-Economic Nexus MCP サーバー

ApifyForge で表示 | Apify Store で利用

---

クイックスタート

MCP クライアント（Claude Desktop、Cursor、Windsurf）に追加します：

{
  "mcpServers": {
    "climate-economic-nexus-mcp": {
      "url": "https://ryanclinton--climate-economic-nexus-mcp.apify.actor/mcp"
    }
  }
}

---

気候・経済統合評価では、Model Context Protocol を通じて、シナリオ分析、ティッピング・カスケードの検出、炭素市場の予測、物理的リスクの帰属分析を行うための定量的なツールを AI エージェントに提供します。この MCP サーバーは、NOAA、GDACS、World Bank、IMF、FRED、GBIF、IUCN、Eurostat など、稼働中の環境・経済データソース 18 件を統合し、公開済みの数学的フレームワーク 8 種を適用して、意思決定に役立つ構造化された結果を生成します。

このサーバーは Apify プラットフォーム上の Standby モードで常時稼働します。MCP 互換クライアント（Claude Desktop、Cursor、Windsurf、Cline）は、管理が必要なインフラストラクチャなしで、単一のエンドポイント URL 経由で接続できます。8 種すべてのツールはイベントごとの従量課金制です。実行した分析に対してのみ料金が発生します。

⬇️ アクセスできるデータ

データ項目	ソース	対象範囲
🌡️ 気象パターンと気候アラート	NOAA Weather Search	米国および世界
🌊 海面水位と地震活動	USGS Earthquake Search	世界
🌪️ リアルタイムの災害イベント（洪水、サイクロン、山火事）	GDACS Disaster Alerts	世界中
💨 大気質の測定値	OpenAQ Air Quality	世界の観測所
🌧️ 洪水リスクデータ	UK Flood Warnings	英国の河川・沿岸システム
🦋 種の出現記録（20 億件以上）	GBIF Biodiversity Search	世界
🔴 絶滅危惧種の評価	IUCN Red List Search	世界の生物種
📊 国別開発指標	World Bank Indicators	200 か国以上
💹 世界のマクロ経済予測	IMF Economic Data	世界各国の経済
📈 米国の経済時系列データ	FRED Economic Data	GDP、CPI、エネルギー
🏛️ OECD 加盟国の統計	OECD Statistics Search	OECD 加盟国
🇪🇺 EU の環境・経済統計	Eurostat Data Search	EU 加盟国
💱 リアルタイム為替レート（150 通貨以上）	Exchange Rate Tracker	世界
📉 過去の為替レート時系列データ	Exchange Rate History	時系列データ
📍 地理座標の解決	Nominatim Geocoder	世界
🏚️ 米国の災害宣言	FEMA Disaster Search	米国のすべてのイベント
🌍 気候適応プロジェクト	World Bank Projects Search	世界
🌤️ 複数日間の天気予報	Weather Forecast Search	世界各地

気候・経済統合 MCP を利用する理由

独自の気候・経済分析パイプラインを構築するには、NOAA、World Bank、IUCN など十数のソースからデータのライセンスを取得し、公表済みの損害関数を実装し、モンテカルロシミュレーションを実行して、そのすべてを保守する必要があります。これには何カ月ものエンジニアリング作業がかかります。それでも、複数のソースを統合した分析は実現できません。

この MCP サーバーは、データ収集と計算のレイヤー全体を担います。AI エージェントが自然言語によるクエリを単一のツールに送ると、サーバーは18のデータソースすべてに並列でリクエストを送り、ライブデータを使って数理モデルを調整し、意思決定支援にすぐ使える構造化 JSON の結果を返します。

エージェントが自動的に利用できるプラットフォームの機能：

• スタンバイモード — 呼び出しの間もサーバーが起動状態を維持するため、推論リクエストのコールドスタートによる遅延がありません
• 並列実行 — Promise.all を介して18のアクター呼び出しをすべて同時に実行し、ツールごとの遅延を最も遅い単一ソースの処理時間まで短縮します
• 支出上限 — セッションごとに予算の上限を設定でき、すべてのツールが課金前に上限を確認します
• API アクセス — 任意の MCP クライアントから接続できるほか、Python、JavaScript、cURL から直接分析を実行できます
• モニタリング — Apify プラットフォームのログに、デバッグ用としてすべてのデータソース呼び出し、結果件数、エラーが記録されます
• インテグレーション — Apify のインテグレーションを介して、出力を Zapier、Make、Google Sheets、Webhook、HubSpot に渡せます

⬆️ MCP ツール

ツール	価格	説明
simulate_integrated_assessment	$0.035	DICE の最適制御：3つの貯留層からなる炭素循環、2ボックスのエネルギー収支、割引効用の最大化を実行します。SCC、気温上昇のピーク、2°Cに達する年、炭素予算、最適な炭素税の推移を返します。18のアクターに問い合わせます。
detect_tipping_cascades	$0.030	AMOC、アマゾン、氷床、サンゴ礁、永久凍土を、Heaviside 結合を持つ連成 SDE として扱い、カスプカタストロフィーの分岐解析を行います。カスケードの確率、転換点に達した要素の数、システムリスク、要素ごとの分岐状態を返します。
quantify_damage_uncertainty	$0.030	ギブス法に類似した事後更新を行うベイズ階層損害モデル D(T) = a1·T + a2·T² を使用します。地域ごとの損害推定値、95・99パーセンタイルのテールリスク、モデル間の不一致スコアを返します。
optimize_robust_adaptation	$0.040	シナリオ空間での PRIM によるバンプハンティングと MOEA によるパレート最適化を実行します。コスト・頑健性・後悔のパレートフロント上の適応戦略、脆弱なシナリオボックス、戦略のランキングを返します。
downscale_spatial_impacts	$0.035	Matern-3/2 カーネルを使ったガウス過程による空間ダウンスケーリングを実行します。設定可能なグリッド解像度で、気温偏差、降水量、海面水位、損害の強度をマッピングします。
forecast_carbon_price_regimes	$0.030	Hamilton フィルターを用いたレジーム転換型ジャンプ拡散モデルです。低位安定、政策転換、高位変動の炭素価格レジームを特定します。遷移行列、90％予測信頼区間、ジャンプ確率を返します。
assess_biodiversity_economic_loss	$0.030	生息地格子上のパーコレーション理論を用いて、種・面積関係式 S = cA^z を適用します。地域ごとの生態系サービスの経済的損失を定量化し、生息地の連結性が崩壊するしきい値を特定します。
attribute_climate_damages	$0.030	Total Least Squares による最適フィンガープリンティングを実行します。観測された損害を人為起源の要素と自然変動の要素に分解し、帰属割合、検出統計量、シグナルのベータ値を返します。

気候・経済の統合評価におけるユースケース

気候リスクの財務情報開示

TCFD に沿った開示資料を作成する最高リスク管理責任者やサステナビリティチームは、RCP 2.6、4.5、8.5 の経路に基づく定量的なシナリオ分析を必要としています。simulate_integrated_assessment で物理的リスクの推移を分析し、downscale_spatial_impacts で資産単位の詳細さで気温と損害のエクスポージャーをマッピングできます。quantify_damage_uncertainty は、信頼性の高い開示説明に必要な信頼区間を提供します。

炭素市場戦略と排出量取引制度（ETS）の取引

排出量義務を管理する炭素取引デスクや企業のサステナビリティチームは、価格体制の転換が起きる前に予測する必要があります。forecast_carbon_price_regimes は、ハミルトンフィルターによる平滑化を伴うレジーム転換型ジャンプ拡散モデルを適用し、EU ETS やその他の市場が政策転換レジームに近づいている時期を特定します。各レジームにおける価格の90％信頼区間も算出します。

保険の自然災害モデリングと損失・損害評価

気候関連の財物保険や再保険の保険料を設定するアクチュアリーは、過去の損失データから人為的な気候シグナルと自然変動を切り分ける必要があります。attribute_climate_damages は、Allen and Stott（2003）で用いられたものと同じ枠組みである全最小二乗法による最適フィンガープリンティングを用いて、観測された損害のうち人為的強制力に起因する割合を算出し、根拠のある保険数理上の前提や気候訴訟の分析を支援します。

深い不確実性の下での適応投資計画

インフラ計画担当者、政府機関、開発金融機関には、中心的な予測だけでなく、幅広い将来シナリオにおいて優れた成果を上げる適応ポートフォリオが必要です。optimize_robust_adaptation は、患者ルール帰納法（PRIM）によるバンプハンティングで各戦略が失敗する具体的なシナリオの組み合わせを発見し、MOEA による多目的最適化で、コスト、損害の軽減、頑健性のバランスを取るパレートフロントを生成します。

ティッピングポイントの早期警告とシステミックリスクのモニタリング

相互に結びついた地球システム要素を追跡するリスクアナリストには、定性的な説明ではなく、分岐点への近さを示す定量的な指標が必要です。detect_tipping_cascades は、AMOC、アマゾンの森林枯死、西南極氷床、サンゴ礁、永久凍土の融解を連成したカスプ型カタストロフィーシステムとしてパラメーター化し、5,000回のオイラー・丸山モンテカルロ経路を実行して、連鎖の発生確率と、発生しやすいティッピングポイントの連鎖を推定します。

生物多様性と自然資本会計

TNFD の枠組みに基づいて報告を行う投資運用会社、規制機関、企業には、生息地の喪失によって危機にさらされる生態系サービスの経済的価値を定量化する必要があります。assess_biodiversity_economic_loss は、GBIF の出現データ、IUCN の脅威評価、世界銀行の国別指標を組み合わせ、生物群系ごとの種・面積損失の推定値と、生態系サービスの損失を金額換算した値を算出します。また、浸透理論を用いて連結性が崩壊するしきい値を特定します。

この MCP サーバーへの接続方法

このサーバーは Apify のスタンバイモードで動作し、永続的な /mcp エンドポイントを公開します。MCP クライアントに追加するだけで利用でき、デプロイや追加の設定は必要ありません。

Claude Desktop

claude_desktop_config.json に追加します。

{
  "mcpServers": {
    "climate-economic-nexus": {
      "url": "https://climate-economic-nexus-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

Cursor / Windsurf / Cline

MCP サーバーの設定で、エンドポイント https://climate-economic-nexus-mcp.apify.actor/mcp を指定し、Apify API トークンを Bearer 認証ヘッダーとして設定します。サーバーはすぐに利用可能で、起動を待つ必要はありません。

HTTP で直接接続（cURL）

# Call simulate_integrated_assessment directly
curl -X POST "https://climate-economic-nexus-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "simulate_integrated_assessment",
      "arguments": {
        "query": "global warming 2050 economic impact",
        "horizon_years": 80,
        "carbon_tax_init": 75
      }
    },
    "id": 1
  }'

Python

import httpx
import json

APIFY_TOKEN = "YOUR_APIFY_TOKEN"
MCP_URL = "https://climate-economic-nexus-mcp.apify.actor/mcp"

payload = {
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
        "name": "simulate_integrated_assessment",
        "arguments": {
            "query": "Southeast Asia flood risk economic damage 2050",
            "horizon_years": 100,
            "carbon_tax_init": 50
        }
    },
    "id": 1
}

response = httpx.post(
    MCP_URL,
    json=payload,
    headers={"Authorization": f"Bearer {APIFY_TOKEN}"}
)

result = response.json()
content = json.loads(result["result"]["content"][0]["text"])

print(f"Social Cost of Carbon: ${content['socialCostOfCarbon']:.2f}/tCO2")
print(f"Peak Warming: {content['peakWarming']:.2f}°C")
print(f"Year of 2°C: {content['yearOf2C']}")
print(f"Carbon Budget Remaining: {content['carbonBudgetRemaining']:.0f} GtCO2")

JavaScript

const APIFY_TOKEN = "YOUR_APIFY_TOKEN";
const MCP_URL = "https://climate-economic-nexus-mcp.apify.actor/mcp";

const response = await fetch(MCP_URL, {
  method: "POST",
  headers: {
    "Content-Type": "application/json",
    "Authorization": `Bearer ${APIFY_TOKEN}`
  },
  body: JSON.stringify({
    jsonrpc: "2.0",
    method: "tools/call",
    params: {
      name: "detect_tipping_cascades",
      arguments: {
        query: "AMOC collapse ice sheet tipping point",
        n_paths: 5000,
        horizon_years: 100
      }
    },
    id: 1
  })
});

const result = await response.json();
const data = JSON.parse(result.result.content[0].text);

console.log(`System Risk: ${(data.systemRisk * 100).toFixed(1)}%`);
console.log(`Cascade Probability: ${(data.cascadeProbability * 100).toFixed(1)}%`);
console.log(`Elements Near Bifurcation: ${data.tippedCount}`);

for (const element of data.elements) {
  console.log(`  ${element.name}: ${element.bifurcationType} (discriminant: ${element.discriminant.toFixed(3)})`);
}

出力例

simulate_integrated_assessment

{
  "socialCostOfCarbon": 187.42,
  "peakWarming": 2.81,
  "yearOf2C": 2061,
  "carbonBudgetRemaining": 312.7,
  "discountedUtility": 4821.6,
  "optimalCarbonTaxPath": [
    50.0, 51.5, 53.1, 54.7, 56.3, 58.0, 59.7, 61.5, 63.4, 65.3
  ],
  "trajectorySnapshots": [
    {
      "year": 2025, "temperature": 1.10, "temperatureOcean": 0.33,
      "carbonAtm": 851.0, "carbonUpper": 460.0, "carbonDeep": 1740.0,
      "output": 1.08e14, "damages": 0.00287, "abatement": 0.00914,
      "netOutput": 1.06e14, "carbonTax": 50.0, "emissions": 36.2
    },
    {
      "year": 2035, "temperature": 1.42, "temperatureOcean": 0.46,
      "carbonAtm": 906.3, "carbonUpper": 471.2, "carbonDeep": 1742.1,
      "output": 1.23e14, "damages": 0.00478, "abatement": 0.01123,
      "netOutput": 1.20e14, "carbonTax": 67.2, "emissions": 31.8
    }
  ],
  "totalTimesteps": 100
}

detect_tipping_cascades

{
  "systemRisk": 0.347,
  "tippedCount": 2,
  "cascadeProbability": 0.183,
  "elements": [
    {
      "name": "AMOC",
      "state": -0.412,
      "controlA": -1.823,
      "controlB": 0.091,
      "discriminant": -21.6,
      "nearBifurcation": true,
      "bifurcationType": "fold",
      "criticalDistance": 0.048
    },
    {
      "name": "Amazon",
      "state": 0.218,
      "controlA": -0.724,
      "controlB": 0.034,
      "discriminant": -0.34,
      "nearBifurcation": false,
      "bifurcationType": "stable",
      "criticalDistance": 0.312
    }
  ],
  "cascadeChains": [
    { "trigger": "AMOC", "affected": ["Amazon", "PermafrostArctic"], "severity": 0.71 }
  ],
  "pathCount": 5000
}

forecast_carbon_price_regimes

{
  "currentRegime": 1,
  "regimeNames": ["low-stable", "policy-transition", "high-volatile"],
  "regimeProbabilities": [0.18, 0.61, 0.21],
  "forecastMean": 84.3,
  "forecastStd": 22.7,
  "forecast90CI": [48.2, 124.6],
  "jumpProbability": 0.094,
  "transitionMatrix": [
    [0.92, 0.07, 0.01],
    [0.05, 0.88, 0.07],
    [0.03, 0.12, 0.85]
  ],
  "filteredPrices": [52.1, 54.3, 58.8, 61.2, 67.4, 71.9, 75.0, 78.3, 81.7, 84.3]
}

出力フィールド

simulate_integrated_assessment

フィールド	型	説明
socialCostOfCarbon	number	CO2が1トン追加された場合の限界損害額（$/tCO2）
peakWarming	number	対象期間における予測気温偏差の最大値（°C）
yearOf2C	number|null	2°Cの温暖化しきい値を超えると予測される年。超えない場合はnull
carbonBudgetRemaining	number	2°Cのしきい値に達するまでの残余炭素予算（GtCO2）
discountedUtility	number	シミュレーション期間全体の割引後効用の合計
optimalCarbonTaxPath	number[]	最適な炭素税の推移の最初の10年分（$/tCO2/year）
trajectorySnapshots	DICEState[]	10ステップごとの年間状態スナップショット（最大15件）
trajectorySnapshots[].year	number	暦年
trajectorySnapshots[].temperature	number	大気の気温偏差（°C）
trajectorySnapshots[].carbonAtm	number	大気中の炭素量（GtC）
trajectorySnapshots[].damages	number	総生産に占める気候損害の割合
trajectorySnapshots[].carbonTax	number	炭素税（$/tCO2）
trajectorySnapshots[].emissions	number	正味排出量（GtCO2/year）
totalTimesteps	number	シミュレーションした年間タイムステップの合計数

detect_tipping_cascades

フィールド	型	説明
systemRisk	number	システム全体のリスクスコア（0～1）
tippedCount	number	分岐点付近、または分岐点を超えたティッピング要素の数
cascadeProbability	number	1つ以上のカスケードが発生したモンテカルロ経路の割合
elements[]	TippingElement[]	要素ごとの分岐点分析
elements[].name	string	要素名（AMOC、Amazon、IceSheet、CoralReefs、PermafrostArctic）
elements[].discriminant	number	カスプ判別式 Δ = 8a³ + 27b²。負の値は双安定領域を示します
elements[].nearBifurcation	boolean	臨界距離が0.1未満の場合はTrue
elements[].bifurcationType	string	"fold"、"cusp"、または"stable"
elements[].criticalDistance	number	判別式のゼロ点集合からの距離
cascadeChains[]	object[]	発生したティッピング要素の連鎖
cascadeChains[].trigger	string	最初にティッピングする要素
cascadeChains[].affected	string[]	カスケードで影響を受ける下流の要素
cascadeChains[].severity	number	カスケードの深刻度（0～1）
pathCount	number	実行したモンテカルロ経路の数

quantify_damage_uncertainty

フィールド	型	説明
globalMeanDamage	number	世界GDPに占める損害割合の事後平均
globalDamageStd	number	損害推定値の事後標準偏差
tailRisk95	number	MCMC事後サンプルにおける損害の95パーセンタイル
tailRisk99	number	損害の99パーセンタイル（ファットテールリスク指標）
modelDisagreement	number	モデル間の不一致スコア（変動係数）
estimates[]	DamageEstimate[]	地域別の損害推定値
estimates[].region	string	世界の地域名
estimates[].meanDamage	number	地域別損害割合の事後平均
estimates[].ci95Lower	number	95%信用区間の下限
estimates[].ci95Upper	number	95%信用区間の上限

optimize_robust_adaptation

フィールド	型	説明
paretoFrontSize	number	パレートフロント上の戦略数
paretoFront[]	AdaptationStrategy[]	コスト・ロバスト性・後悔のパレートフロント上の戦略
paretoFront[].name	string	戦略名
paretoFront[].cost	number	実装コスト（10億米ドル）
paretoFront[].damageReduction	number	回避された損害の割合
paretoFront[].robustness	number	戦略が成功するシナリオの割合
paretoFront[].regretMax	number	全シナリオにおける最大後悔
primBoxes[]	PRIMBox[]	PRIM によって発見された脆弱なシナリオ領域
primBoxes[].coverage	number	ボックス内のシナリオの割合
primBoxes[].density	number	ボックス内の脆弱なシナリオの割合
vulnerableScenarios	number	成功する戦略がないシナリオの数

downscale_spatial_impacts

フィールド	型	説明
pointCount	number	空間フィールド内のグリッドポイント総数
points[]	SpatialPoint[]	異常予測を含む最大50個のグリッドポイント
points[].lat	number	緯度
points[].lon	number	経度
points[].predictedAnomaly	number	GP 事後平均気温偏差（°C）
points[].uncertainty	number	GP 事後標準偏差
meanAnomaly	number	全グリッドポイントの空間平均偏差
maxAnomaly	number	グリッドポイントの最大偏差
kernelParams	object	フィッティングされた Matern-3/2 カーネルのパラメーター（sigma2、lengthScale）
logMarginalLikelihood	number	GP の対数周辺尤度（モデル適合度）
hotspots[]	object[]	予測偏差が最も高い上位のグリッドポイント

forecast_carbon_price_regimes

フィールド	型	説明
currentRegime	number	最も確率の高い現在のレジームのインデックス（0、1、または2）
regimeNames	string[]	["low-stable", "policy-transition", "high-volatile"]
regimeProbabilities	number[]	ハミルトンフィルターの事後レジーム確率
transitionMatrix	number[][]	3×3 のレジーム遷移確率行列
forecastMean	number	予想炭素価格（$/tCO2）
forecastStd	number	予測標準偏差
forecast90CI	[number, number]	90% 信頼区間 [下限, 上限]
jumpProbability	number	予測期間に価格が急騰する確率
filteredPrices	number[]	ハミルトンフィルターで推定した直近20件の価格

assess_biodiversity_economic_loss

フィールド	型	説明
totalEconomicLoss	number	生態系サービスの損失総額（10億米ドル）
totalSpeciesLoss	number	推定される種の損失総数
regionsAbovePercolation	number	パーコレーション閾値を超える地域の数（連結性の崩壊）
globalConnectivity	number	世界の生息地連結性指数（0～1）
losses[]	BiodiversityLoss[]	地域ごとの内訳
losses[].region	string	地域名
losses[].habitatArea	number	生息地面積（km²）
losses[].speciesLoss	number	種・面積関係に基づく種の損失数
losses[].economicValue	number	生態系サービスの損失額（米ドル）
losses[].abovePercolation	boolean	生息地の分断がパーコレーション閾値を超えている場合は true
losses[].connectivityIndex	number	最大クラスターの割合から算出した地域の連結性

attribute_climate_damages

Field	Type	Description
attributableFraction	number	観測された被害のうち、人為的強制力に起因する割合
detected	boolean	検出統計量がカイ二乗しきい値を超える場合は True
detectionStatistic	number	d = β^T · (X^T · Cn⁻¹ · X)⁻¹ · β
residualVariance	number	要因分析後の未説明分散
totalObserved	number	観測された被害シグナルの合計規模
totalAttributed	number	要因に帰属する被害の規模
signals[]	object[]	シグナルごとの要因分析結果
signals[].name	string	シグナル名（人為的、自然など）
signals[].beta	number	このシグナルのスケーリング係数 β
signals[].betaStd	number	β 推定値の標準誤差
signals[].significant	boolean	95％信頼度でシグナルを検出できる場合は True

気候経済分析の実行コストはいくらですか？

すべてのツールはイベントごとの従量課金制です。ツールの呼び出しごとに1回の課金イベントが発生し、計算コストも含まれます。サブスクリプションや最低利用契約はありません。

ツール	1回あたりの料金	10回	100回
simulate_integrated_assessment	$0.035	$0.35	$3.50
detect_tipping_cascades	$0.030	$0.30	$3.00
quantify_damage_uncertainty	$0.030	$0.30	$3.00
optimize_robust_adaptation	$0.040	$0.40	$4.00
downscale_spatial_impacts	$0.035	$0.35	$3.50
forecast_carbon_price_regimes	$0.030	$0.30	$3.00
assess_biodiversity_economic_loss	$0.030	$0.30	$3.00
attribute_climate_damages	$0.030	$0.30	$3.00

Apify Free プランには毎月5ドル分のクレジットが含まれており、毎月約140～160回のツール呼び出しを無料で利用できます。MCP クライアントでセッションごとの最大支出額を設定できます。サーバーは課金前に上限を確認し、上限に達した場合は黙って失敗するのではなく、構造化されたエラーを返します。

これを、同等のシナリオモデリング機能に年間50,000～200,000ドルを請求するエンタープライズ向け気候データプラットフォーム（Bloomberg NEF、MSCI Climate、Verisk）と比較してください。

Climate-Economic Nexus MCP の仕組み

フェーズ1：18のアクターからの並列データ収集

各ツール呼び出しでは、Promise.all を介して最大18の Apify アクターが並列実行されます。各アクターの呼び出しには180秒のタイムアウトと256 MBのメモリ割り当てが設定されています。actor-client.ts のアクタークライアントは障害を適切に処理します。単一のデータソースが失敗しても、実行全体を中断するのではなく、空の配列を返します。結果はスコアリングエンジンに渡される前に、型付きコレクション（climateData、economicData、disasterData、biodiversityData、geoData）にまとめられます。

フェーズ2：データに基づくモデルの初期化

各数学モデルは、実行前に最新データに基づいて調整されます。たとえば、DICE モデルは NOAA と GDACS の記録から数値の気温偏差を抽出して baseTemp を設定し、World Bank と IMF から GDP の数値を取得して baseGdp を設定し、CO2 濃度データを読み込んで baseEmissions を初期化します。データソースから使用可能な数値が得られない場合、モデルは公表済みの IPCC/Nordhaus ベースライン定数を使用します。つまり、結果は固定のパラメーターセットではなく、実際の最新状況を反映します。

フェーズ 3：アルゴリズムの実行

キャリブレーション後に、8つの異なる数学的フレームワークが実行されます。

DICE 統合評価モデルでは、Nordhaus の3貯留槽炭素循環モデルを実装しています。M_ATM(t+1) = φ₁₁·M_ATM + φ₂₁·M_UP + E(t) とし、係数には2017年の DICE キャリブレーション値（φ₁₁ = 0.88、φ₁₂ = 0.0472 など）を使用します。2層のエネルギーバランスモデルでは、T_ATM(t+1) = T_ATM + ξ₁·(F(t) − λ·T_ATM − ξ₃·(T_ATM − T_OCEAN)) を用いて気温を更新します。気候フィードバック λ は1.18、放射強制力係数 η は3.68 W/m²です。炭素税は初期値から年率3％で引き上げられ、削減率は μ = min(carbonTax / backstopPrice, 1) で計算されます。

カスプカタストロフィー転換点では、5つの転換点要素それぞれを、Thom のカスプポテンシャル V(x;a,b) = x⁴/4 + ax²/2 + bx を使ってパラメーター化します。判別式 Δ = 8a³ + 27b² によって分岐集合への近さを判定します。モンテカルロ経路では、ヘヴィサイド結合を伴う連立 SDE を Euler-Maruyama 離散化法で計算します。x_i(t+dt) = x_i(t) + f_i(x)·dt + Σⱼ αᵢⱼ·H(xⱼ − θⱼ)·dt + σᵢ·√dt·Z。n_paths のデフォルト値は5,000です。

ガウス過程による空間ダウンスケーリングでは、Matern-3/2 カーネル k(r) = σ²·(1 + √3·r/l)·exp(−√3·r/l) を使用します。一般的な Matern 形式には、Lanczos ガンマ関数と修正ベッセル関数 K_ν の近似を使用します。GP の予測には μ* = K*ᵀ·(K + σₙ²·I)⁻¹·y を用い、事後分散は Σ* = K** − K*ᵀ·(K + σₙ²·I)⁻¹·K* です。コレスキー法に似た逆行列計算では、同じ入力クエリに対して再現性を確保するため、シード付き Mulberry32 PRNG を使用します。

炭素価格レジームの Hamilton フィルターでは、3つのレジームにわたり、レジーム固有のドリフトおよびボラティリティのパラメーターにジャンプ拡散ダイナミクスを重ねて、次の前向き再帰を実行します。ξ_{t|t} = (f(y_t|s_t) ⊙ ξ_{t|t−1}) / (1ᵀ·f(y_t|s_t) ⊙ ξ_{t|t−1})

フェーズ 4：構造化 JSON レスポンス

結果は JSON にシリアライズされ、MCP の text コンテンツ項目として返されます。MCP クライアントの制限内にレスポンスサイズを収めつつ分析の完全性を保つため、返却前に大きな配列を縮小します（例：10ステップごとの軌跡スナップショット、最大50点の空間データ、直近20件のフィルタリング済み価格）。

最良の結果を得るためのヒント

1. クエリには地理的な具体性を含めてください。 「沿岸部のバングラデシュにおける洪水リスク」と指定すると、「洪水リスク」よりも、NOAA、FEMA、Nominatim からより適切に調整された結果が得られます。Nominatim は地名を座標に変換し、空間ダウンスケーリンググリッドの基準となります。

2. 新しいトピックでは、まず simulate_integrated_assessment を使ってください。 これは18のデータソースすべてを呼び出し、気候と経済に関する最も幅広い情報を返します。SCC と気温軌跡の出力を使って、ほかのツールへの、より具体的な追加クエリを組み立ててください。

3. レポートで数値を引用する前に、quantify_damage_uncertainty を使ってください。 95パーセンタイルおよび99パーセンタイルのテールリスクは、平均推定値の3～5倍になることがよくあります。modelDisagreement フィールドは地域間の分散の大きさを示します。値が大きい場合、世界平均よりも地域別の内訳が重要です。

4. detect_tipping_cascades と attribute_climate_damages を組み合わせてください。 カスケード分析はどの要素が分岐点に近いかを特定し、寄与分析は駆動要因となる強制力のうち人為起源の割合を示します。組み合わせることで、「どれほど危機が迫っているか」と「どの程度私たちに責任があるか」の両方に答えられます。

5. 短期計画では horizon_years を50に、長期戦略では150に設定してください。 DICE モデルは年次のタイムステップで実行されるため、300年（最大値）にすると計算時間が増加します。耐用年数が30年のインフラでは、初期炭素税を高めに設定した50年の予測期間が最も有益です。

6. forecast_carbon_price_regimes は四半期ごとに使ってください。 炭素市場はレジームに依存し、新たな政策シグナルが現れると遷移確率が変化します。「EU ETS reform 2025」や「California AB 32 auction」など、最新情報を反映したクエリでツールを実行すると、価格に織り込まれる前に新たなレジーム変化を検出できます。

7. downscale_spatial_impacts の出力を資産レベルのリスク分析につなげてください。 最も高い異常値が予測されるグリッドポイントを含む hotspots 配列をジオコーダーや GIS システムに渡し、異常値の高いゾーン内にある物理的資産を特定してください。

ほかの Apify アクターとの組み合わせ

アクター	組み合わせ方法
Company Deep Research	まず気候経済シナリオ分析を実行し、次に SCC と移行リスクの分析結果を企業の詳細調査に渡して、発行体レベルの気候リスクを評価します
SEC EDGAR Filing Analyzer	気候損害の不確実性に関する出力を企業の10-Kに記載された気候リスクの開示情報と照合し、重要性のギャップを分析します
ESG Risk Assessment	寄与割合と転換点カスケードの確率を ESG スコアリングに入力し、物理的リスクの定量的な指標として使用します
Competitor Analysis Report	炭素価格レジームの予測を使って、異なる ETS レジームにおける競合他社の排出コストへのエクスポージャーを比較します
Federal Contract Intelligence	PRIM が特定した脆弱なシナリオ地域に関連する、政府の気候適応契約を特定します
Regulatory Change Tracker	forecast_carbon_price_regimes が特定したレジーム移行を引き起こす炭素価格政策の変更を監視します
Stock Intelligence Report	炭素の社会的費用の推定値をセクターの収益エクスポージャーに対応付け、気候要因を考慮した株式評価を行います

制限事項

• モデルは簡略化された実装であり、IPCC水準のシミュレーターではありません。 たとえば、DICEでは、完全な非線形動的計画法ではなく、年次のタイムステップと線形の炭素税最適化を使用します。結果はシナリオ分析やリスクの方向性評価には適していますが、専門家によるレビューなしに規制当局への提出に使用することはできません。
• データの較正精度はクエリの品質に左右されます。 データソースから数値が返されない場合（たとえば、抽象的なクエリに対してNOAAから気温の記録が返されない場合）、そのソースはベースライン定数にフォールバックします。地理的な場所を明確に指定した具体的なクエリほど、較正精度が高くなります。
• 呼び出しのたびに18個すべてのアクターが実行されます。 呼び出し間のキャッシュはありません。同じクエリを2回実行すると、イベントごとの料金が全額、2回発生します。
• 空間ダウンスケーリングのグリッド解像度は1～10度に制限されています。 このツールでは、1度未満の解像度や資産レベルの解像度は利用できません。より詳細な空間分析を行うには、ホットスポットの座標をエクスポートし、専用の地理空間サービスに渡してください。
• 炭素価格の予測対象は、短期から中期のレジーム動向です。 長期的な炭素価格の構造的モデル化（数十年先の絶対価格水準）は想定用途ではありません。レジームスイッチングモデルは、1～5年の期間における移行確率を特定するよう較正されています。
• 帰属分析の対象は、損害の集計シグナルです。 最適フィンガープリンティングの実装では、個々のイベントを切り離して帰属分析することはできません。GDACSとFEMAから返される災害記録の統計的アンサンブルを対象とします。単一イベントの帰属分析には、引き続き分野の専門家による反実仮想分析が必要です。
• 生物多様性のパーコレーションでは、デフォルトの50×50格子を使用します。 lattice_sizeを100に増やすと空間解像度が上がりますが、計算時間はO(n²)になります。格子サイズを100より大きくすることは推奨されません。
• 為替レートの正規化はUSDを基準としています。 損害推定値は、最新の為替レートを使用してUSDに正規化されます。複数通貨のポートフォリオを分析する場合は、絶対的なドル額ではなく、地域別の損害割合（GDPに占める割合）を参照してください。

❓ よくある質問

無料のApifyプランでは、月に何回ツールを呼び出せますか？ 無料プランには、月額5ドル分のクレジットが含まれています。1回あたり0.030～0.040ドルの場合、月に約125～165回のツール呼び出しが可能です。有料プランは月額49ドルからで、クレジットの上限が大幅に高くなります。

Climate-Economic Nexus MCPは実際の気候モデルを使用していますか？ 数学的なフレームワークには、査読済みの論文で発表された手法が実装されています。これには、NordhausのDICE統合評価モデル、ティッピングエレメント分析のためのThomのカスプ・カタストロフィー理論、帰属分析のためのAllenとStottの最適フィンガープリンティング、頑健な意思決定のためのLempertのPRIMが含まれます。これらは、信頼できる18のデータソースから得られた実データを用いて実行されます。結果はシナリオ分析であり、決定論的な予測ではありません。重大な意思決定に用いる際は、該当分野の資格を持つ専門家が解釈してください。

気温や損害の予測はどの程度正確ですか？ 予測には、較正済みモデルの実行結果が反映されており、IPCCのアンサンブル出力ではありません。不確実性は明示的に定量化されます。quantify_damage_uncertaintyは95パーセンタイルと99パーセンタイルのテールリスクを返し、detect_tipping_cascadesは5,000本のモンテカルロ経路にわたるカスケード確率分布を返し、downscale_spatial_impactsはすべてのグリッド点について事後標準偏差を返します。点推定値だけでなく、不確実性の範囲も使用してください。

サーバーが対応する予測期間を教えてください。 simulate_integrated_assessmentは最長300年の期間に対応します（デフォルトは100年で、2025年から年次のタイムステップを使用）。forecast_carbon_price_regimesは、短期から中期のレジーム移行（1～5年）を対象とします。downscale_spatial_impactsは、将来予測ではなく現状のスナップショットを生成します。detect_tipping_cascadesは、指定されたhorizon_yearsの期間にわたって実行されます（デフォルトは100年）。 TCFD、EU Taxonomy、その他の規制に基づく気候情報開示に利用できますか？ このツールは、TCFDの物理的リスクの枠組みに準拠したシナリオ分析の出力を生成し、EU Taxonomyで求められる定性的なシナリオ説明にも対応しています。コンプライアンス関連の届出には、気候リスクの有資格専門家による確認が必要です。このサーバーは規制関連の届出書類を作成するのではなく、その裏付けとなる定量的な入力データを生成します。

Bloomberg NEFやMSCI Climateとの違いは何ですか？ Bloomberg NEFとMSCI Climateは、専門のアナリストチーム、独自モデル、年間5万ドル以上からのライセンス料を備えたエンタープライズプラットフォームです。このMCPサーバーは、一般公開データに基づいて公開済みのオープンソース手法を実装するセルフサービス型のAPIです。エンタープライズライセンス費用をかけずに、独自のツール、AIワークフロー、研究パイプラインに気候分析を組み込みたいチームに適しています。

基盤となるデータソースの利用は合法ですか？ 18のデータソース（NOAA、USGS、GDACS、OpenAQ、World Bank、IMF、FRED、OECD、Eurostat、GBIF、IUCN、FEMAなど）はすべて、オープンデータまたは政府のオープンデータライセンスに基づいて一般公開されているデータを提供しています。このサーバーの利用に、非公開または有料のコンテンツのスクレイピングは含まれません。一般的な指針については、Apifyのウェブスクレイピングの合法性に関するガイドをご覧ください。

各ツール呼び出しにはどのくらい時間がかかりますか？ ツール呼び出しの所要時間は、データソースの応答時間によって異なります。サーバーはすべてのアクター呼び出しを並列に実行するため、実際の所要時間は最も応答の遅いデータソースとほぼ同じです（通常30～120秒）。simulate_integrated_assessmentは18個のアクターを呼び出すため、通常60～150秒かかり、最も時間がかかります。forecast_carbon_price_regimesはレイテンシの高い経済データソースの呼び出し数が少なく、通常30～90秒で完了します。

1回のエージェントとの会話で、複数のツールを順番に実行できますか？ はい。各ツール呼び出しは独立しています。よくあるパターンは、まずsimulate_integrated_assessmentを実行して状況を把握し、次にdetect_tipping_cascadesで連鎖リスクを確認し、最後にquantify_damage_uncertaintyでテールリスクの範囲を算出する方法です。各ツールの支出上限チェックにより、誤って上限を超えることを防げます。

18のデータソースのいずれかが利用できない場合はどうなりますか？ アクタークライアントは、障害を適切に処理します。各アクター呼び出しは個別にtry-catchでラップされており、失敗した場合は空の配列を返します。その後、モデルは利用できないデータソースの代わりに基準値を使用します。結果の精度は低下しますが、処理は継続されます。どのアクターが失敗したかはツールのログに記録されるため、データソースの可用性を調査できます。

このサーバーを独自のAIエージェントフレームワークに接続できますか？ はい。/mcpエンドポイントは、StreamableHTTPトランスポートを使ってHTTP経由でModel Context Protocol（MCP）を実装しています。LangChain（MCPアダプターを使用）、LlamaIndex、AutoGen、カスタムのエージェントループなど、MCPに対応するあらゆるフレームワークから接続できます。また、サーバーは生のtools/call JSON-RPCリクエストも受け付けるため、MCPライブラリを使わずに任意のHTTPクライアントから利用できます。

DICEの炭素の社会的費用はどのように算出されますか？ 炭素の社会的費用は、排出量が1 GtCO2増加した場合の限界損害の現在価値として算出されます。算出には、Nordhausの二次損害関数Ω(T) = 1/(1 + π₁·T + π₂·T²)（π₂ = 0.00236）を使用し、純粋時間選好率ρ = 1.5%で割り引きます。3貯留層の炭素循環モデルでは、DICE-2016の移行係数（φ₁₁ = 0.88）を使用して、大気中の炭素蓄積を追跡します。

改善にご協力ください

予期しない結果が発生した場合、またはツール呼び出しに失敗した場合は、実行共有を有効にしてください。より迅速に原因を調査できます。

1. アカウント設定 > プライバシーに移動します
2. 実行を公開アクターの作成者と共有するを有効にします

これにより、問題が発生した際に実行ログとデータソースの応答を確認できます。お客様のデータを閲覧できるのはアクターの開発者のみで、一般公開されることはありません。

連携

• Zapier — Zapier のワークフローから気候シナリオ分析を実行し、炭素の社会的費用の出力を Google Sheets や Airtable に取り込んでレポートを作成します
• Make — 月次の炭素価格レジームの監視を自動化し、レジーム移行のアラートを Slack やメールに送信します
• Google Sheets — DICE の軌跡スナップショットと地域別損害推定値をスプレッドシートに直接エクスポートし、取締役会向けのレポートを作成します
• Apify API — Python または JavaScript のパイプラインからプログラムで分析を実行し、既存の気候リスクプラットフォームに統合します
• Webhooks — 長時間実行される DICE シミュレーションやカスケード分析が完了したときに通知を受け取ります
• LangChain / LlamaIndex — 8 つすべてのツールを LangChain ツールまたは LlamaIndex クエリエンジンとして登録し、気候を考慮した RAG パイプラインを構築します

トラブルシューティング

特定のクエリを指定しても、ツールがデフォルト値／ベースライン値を返します。 通常、これはクエリから1つ以上のデータソースの数値データを取得できなかったことを意味します。クエリに地理的なコンテキストと関連する分野の用語（例：「転換点」ではなく「Amazon deforestation tipping 2050」）が含まれていることを確認してください。「climate」のような抽象的なクエリでは、NOAA、GDACS、World Bank から一致する数値データを取得しにくくなります。

MCP クライアントでツール呼び出しがタイムアウトします。 サーバーは18個のアクターに並列で処理を割り振り、それぞれに180秒のタイムアウトを設定しています。18個すべてのデータソースをクエリするツールでは、合計の実時間が2～3分に達する場合があります。MCP クライアントのツールのタイムアウトを300秒以上に設定してください。Claude Desktop のデフォルトのタイムアウトは60秒です。可能であれば、クライアントの設定で延長してください。

初回の呼び出しで支出上限に達したというエラーが表示されます。 これは、ツールの実行前に eventChargeLimitReached フラグが発動したことを意味します。Apify アカウントの残高を確認してクレジットを追加するか、アクター設定で実行時の支出上限を引き上げてください。最も一般的な原因は、無料プランの5ドル分のクレジットです。

すべての転換要素で cascadeProbability が0.0になります。 カスケードシミュレーションでは、クエリ文字列のハッシュから初期化されるシード付きの Mulberry32 PRNG を使用します。非常に短いクエリや1語だけのクエリでは、パラメーターの初期化が不適切になる場合があります。より詳しいクエリを試してください。「AMOC」よりも「AMOC Atlantic thermohaline circulation weakening Arctic warming」のほうが、豊かなパラメーター化が得られます。

attributableFraction が正確に1.0を返します。 これは、災害データにおける自然変動のベースラインがほぼゼロで、結果として人為的要因の割合がデフォルトで支配的になったことを示しています。ベースラインの調整に GDACS と FEMA が多様な災害記録を返すよう、クエリに具体的な極端気象イベントの種類（例：「2024 hurricane season damage attribution」）が含まれていることを確認してください。

責任ある利用

• 基盤となる18個すべてのデータソースは、オープンデータまたは政府のオープンデータライセンスのもとで公開データを提供しています。
• モデルの出力は確率論的なシナリオ分析です。専門家の確認なしに、規制、法務、金融の場で確定的な予測として提示しないでください。
• 出力を投資判断や公開情報の開示に使用する場合は、適用されるデータ保護規制および金融規制を遵守してください。
• ウェブスクレイピングの合法性に関するガイダンスについては、Apify のガイドを参照してください。

サポート

バグを発見した場合や機能をリクエストする場合は、このアクターのページの Issues タブで Issue を作成してください。カスタム連携、エンタープライズ向けデプロイ、または追加の数学的フレームワークについては、Apify プラットフォームからお問い合わせください。