Agricoltura, il telerilevamento applicato alla stima dei danni

Le assicurazioni agricole operano da tempo al fine di tutelare il reddito e il patrimonio degli agricoltori, evitando che fenomeni atmosferici improvvisi comportino il fallimento di numerose imprese agricole.

A titolo d'esempio, ben 240mila ettari a mais vengono assicurati ogni anno in Italia, garantendo un frutto pendente di circa 500 milioni di euro.

Le compagnie assicurative si avvalgono della consulenza di figure professionali come periti agrari, geometri, dottori agronomi e forestali per la quantificazione dei danni in campagna. Questi stimano il danno con l'ausilio dell'esperienza personale e di alcuni metodi elaborati fin dagli anni '60 del XX secolo. Tuttavia, tali metodi sono influenzati dall'esperienza dei tecnici e risultano pertanto poco accurati e dipendenti dalla soggettività della persona preposta alla stima.

(Fonte: Fabio Inverardi)

Recentemente, sono stati proposti metodi innovativi basati sulla stima dei parametri biofisici delle colture attraverso la radiazione emessa e riflessa dalla vegetazione. Si sono così diffuse diverse tipologie di piattaforme (come quad, droni e satelliti) in numerosi ambiti agronomici, incluso l'ambito della stima del danno alla produzione.

In tale contesto, il lavoro di tesi ha riguardato la valutazione di alcuni Indici Vegetativi (Vi) elaborati da dati Sentinel-2 (S2) e la loro caratterizzazione come possibili estimatori qualitativi e quantitativi del danno prodotto dagli agenti atmosferici. Nello specifico, l'intero lavoro ha avuto lo scopo di valutare una possibile correlazione tra la diminuzione di un Vi e un danno alla vegetazione e l'esistenza di una relazione matematica tra la variazione di un indice vegetativo e la percentuale di danno attribuita.

(Clicca sull'immagine per ingrandirla)

(Fonte: Fabio Inverardi)

Tramite una metodologia innovativa si è operato al fine di:

• collezionare una serie di immagini multispettrali satellitari della Lombardia (Italia);
• ricercare numerosi campi di mais assicurati e soggetti ad un evento atmosferico dannoso nel periodo primaverile-estivo;
• recuperare informazioni relative il metodo estimativo operato dai tecnici al fine di interpretare i dati assicurativi.

Con questo materiale, è stato avviato il lavoro di elaborazione che ha portato alla creazione di 2 database: il primo di 74 immagini multispettrali satellitari S2 e il secondo di 125 appezzamenti coltivati a mais, comprensivi di ubicazione dei campi, data dell'evento atmosferico ed entità del danno. Dalle immagini S2 sono state eliminate quelle che presentavano un'eccessiva copertura nuvolosa, mentre le rimanenti sono state ricampionate a 10 metri con il metodo Nearest Neighbor e da esse sono stati ricavati sei Vi (Ndvi, Arvi, Mcari, Savi, Msavi, Msavi2) tramite la Sentinel Application Platform (Snap). Infine, è stato stimato l'indice Lai a partire da questi indici vegetativi e per ciascuno di essi.
 

(Clicca sull'immagine per ingrandirla)

(Fonte: Fabio Inverardi)

Tramite il software Qgis è stato possibile collegare gli indici vegetativi e l'indice Lai agli appezzamenti al fine di ottenere una sequenza temporale dell'andamento degli indici riferiti alle singole colture coltivate.
Infine, si è effettuata una differenza tra il valore degli indici ottenuti in una situazione successiva all'evento dannoso e quelli calcolati in precedenza all'evento (ΔVi), con lo scopo di valutare il comportamento degli indici e confrontarlo con i dati assicurativi recuperati dai tecnici delle assicurazioni.

I risultati ottenuti da questo lavoro sono:

• la classificazione per scopi di una coltura (mais di primo e secondo raccolto) dove il gruppo di indici più performanti è stato il "soil-adjusted" (Savi, Msavi, Msavi2);
• si è individuato il valore ottimale per discernere i campi danneggiati da quelli non danneggiati tramite la variazione dei Vi. Utilizzando l'indice Msavi, l'Overall accuracy è pari al 73,3%;
• l'indice Lai non può essere utilizzato come estimatore del danno: la relazione matematica tra Lai e percentuale di danno è generalmente scarsa, anche se gli indici "soil-adjusted" riescono a superare R2 = 0,5.

(Clicca sull'immagine per ingrandirla)

(Fonte: Fabio Inverardi)

In pratica, è stato sperimentato un metodo che permette di:

• classificare il territorio con ottima accuratezza, aumentando il dettaglio informativo ottenibile;
• definire quali appezzamenti sono danneggiati da un evento atmosferico o valutare dati di annate precedenti;
• avere un'indicazione della gravità dell'evento all'interno di un comprensorio.

Più parti economiche potrebbero nutrire interesse verso questo tipo di innovazione:

• le compagnie assicurative agricole, per meglio organizzare le proprie risorse umane nella rilevazione dei danni;
• i consorzi di difesa, per valutare il danno a livello comprensoriale ed intervenire al fianco degli agricoltori;
• gli agricoltori, per meglio comprendere come un evento atmosferico possa aver danneggiato la propria azienda;
• gli enti pubblici, che richiedono strumenti di controllo.

Fabio Inverardi, categoria "Economia agraria"
(Fonte: Fabio Inverardi)

Scarica la tesi completa di Fabio Inverardi

Per eventuali contatti: fabio.inverardi95@gmail.com

---

AgroInnovation Award è il premio di laurea istituito da Image Line in collaborazione con l'Accademia dei Georgofili al fine di promuovere la diffusione di approcci innovativi, strumenti digitali e l'utilizzo di internet in agricoltura.



Leggi le tesi vincitrici della quinta edizione.