Dati remoti per il supporto alle politiche di controllo e alle strategie assicurative in agricoltura

This research responds to a request of the Agriculture Department of the Piedmont Region, based on the need of a monitoring methodology able to use the free satellite available data. The area of the research is the Cuneo agricultural context. The proposal may be an operational prototype both for the regional audits of the EU payment requests, and for the support to the insurance companies as a dynamic template to define their fares. Thus, the main objective of this work has been to explore the potential of passive optical remote sensing obtained from free and available data, to monitor crops with the aim of creating a service prototype that can be used to support control policies and insurance strategies. Such an operating instrument would have a strategic role for insurance companies, allowing the implementation of services that could be worth to: a) better calibrate the amount of annual fares, with the desired intent to reduce them; b) to quantify the effects of catastrophic events in an objective and repeatable manner. The free data previously mentioned are the satellite images of the TERRA (MODIS sensor) and the Sentinel-2 (MSI sensor) missions available free of charge by NASA and ESA respectively, whose characteristics are suitable for the collection of information on crops present in the study area. A first analysis was carried out starting from year 2002 using the low-resolution MODIS data (500 m) to make a temporal reading in the climatological key of the area; Sentinel-2 data was used instead to compare and observe the differences between the years 2016 and 2017 at higher resolution (10 m). The research made possible: ¿ to describe the temporal evolution of the area over the medium term by verifying any effects related to climate change (MODIS scale); ¿ to map the main crops based on their phenological trend deduced as the time sequence of NDVI (Sentinel-2 scale). ¿ to recognize the succession of some agronomic practices and possible crop anomalies (corn, wheat, lawn and maize in succession to ryegrass); ¿ to localize, depending on the crop, the areas with the greatest and lowest relative force against which to calibrate the possible determination of insurance premiums. In order to validate the results obtained, we used a "confusion matrix", crossing the map of the classes recognized based on the NDVI index time profiles with the data on the declarations for the application for European contributions, made available by the Piedmont Region. The latter, based on the statements made by farmers, report the intended use of the particles and the type of crop used. The total accuracy was 86% for 2016 and 76% for 2017. Further considerations have concerned the comparison between years (2016 and 2017) in order to find out the possibility of deducting from the index profiles the effects of the different meteorological conditions in relation to the different cultivation types.

Il presente lavoro risponde ad una esplicita richiesta della Direzione Agricoltura della Regione Piemonte intesa a proporre una metodologia di monitoraggio, basata su dati satellitari gratuiti, del contesto agricolo cuneese. La proposta, se opportunamente ingegnerizzata, potrebbe costituire un prototipo operativo sia per i controlli regionali delle richieste di pagamento EU, che per il supporto alle compagnie assicurative per la definizione dei premi. È stata quindi preliminarmente effettuata una ricerca finalizzata a chiarire i principali aspetti delle politiche di controllo e delle istanze assicurative ordinariamente condotte. L'obiettivo principale di questo lavoro è stato quello di esplorare le potenzialità del telerilevamento ottico passivo da dati gratuiti, per il monitoraggio delle colture con l'obbiettivo di creare un prototipo di servizio utilizzabile per supportare le politiche di controllo e le strategie assicurative. Dal punto di vista del tema assicurativo, un tale strumento operativo rivestirebbe un ruolo strategico permettendo all'assicurazione di aumentare i suoi servizi che potrebbero essere utilizzati per: a) meglio calibrare l'entità dei premi annuali, con l'auspicato intento di farli diminuire; b) quantificare in modo oggettivo e ripetibile gli effetti di eventi catastrofici. I dati gratuiti a cui si fa riferimento in questo lavoro sono costituiti da immagini satellitari delle missioni TERRA (sensore MODIS) e Sentinel-2 (sensore MSI) disponibili gratuitamente rispettivamente da NASA ed ESA, le cui caratteristiche risultano adatte alla derivazione di informazioni sulle colture presenti nell'area di studio. Una prima analisi è stata effettuata a partire dall'anno 2002 utilizzando i dati MODIS a bassa risoluzione (500 m) per operare una lettura temporale in chiave climatologica dell'area; i dati Sentinel-2 sono stati utilizzati invece per confrontare e osservare le differenze tra gli anni 2016 e 2017 a più alta risoluzione (10 m). Sulla base dell'analisi condotta è stato possibile: ¿ descrivere l'evoluzione temporale dell'area sul medio periodo verificando eventuali effetti collegati ai cambiamenti climatici (scala di MODIS); ¿ mappare le principali colture sulla base del loro andamento fenologico dedotto come successione temporale di NDVI (scala di Sentinel-2), riconoscere la successione di alcune pratiche agronomiche ed eventuali anomalie colturali (mais, grano, prato e mais in successione a loietto); ¿ localizzare, dipendentemente dalla coltura, le aree a maggiore e minore vigore ¿relativo¿ rispetto alle quali calibrare l'eventuale determinazione dei premi assicurativi. Per validare i risultati ottenuti è stata utilizzata una ¿matrice di confusione¿ incrociando la mappa delle classi riconosciute sulla base dei profili temporali di indice NDVI con i dati relativi alle dichiarazioni per la domanda dei contributi europei, messi a disposizione dalla Regione Piemonte. Queste, come noto riportano, sulla base delle dichiarazioni rese dagli agricoltori, la destinazione d'uso delle particelle e la tipologia di coltura utilizzata. L'accuratezza totale è risultata dell'86% per l'annata 2016 e del 76% per quella 2017. Ulteriori considerazioni hanno riguardato il confronto tra anni (2016 e 2017) con particolare riferimento alla possibilità di dedurre dai profili di indice gli effetti delle diverse condizioni meteorologiche in relazione ai differenti tipi colturali.