Nota do editor:esta postagem foi publicada originalmente em fevereiro de 2019 e foi atualizada para maior precisão e abrangência.
Os produtores agrícolas em todo o mundo estão propensos a riscos imprevisíveis de todos os tipos. Um dos fatores predominantes que interrompem a produção de alimentos agrícolas globalmente são os desastres naturais. Esses choques nos sistemas agroalimentares, incluindo secas, inundações, incêndios florestais, ciclones e a recente pandemia, só se tornaram mais intensos e frequentes, causando danos e destruição recorrentes. Por um lado, essas adversidades afetam os rendimentos e os preços e, consequentemente, os lucros dos produtores e a subsistência rural. Por outro, eles interrompem as cadeias de valor e ameaçam a segurança e a estabilidade alimentar global.
Entre 2008 e 2018, bilhões de dólares foram perdidos como resultado de declínios na produção agrícola e pecuária após desastres.
-
US$ 30 bilhões foram perdidos na África Subsaariana e no Norte da África
-
US$ 29 bilhões foram perdidos na América Latina e no Caribe
-
US$ 8,7 bilhões foram perdidos nos Pequenos Estados Insulares em Desenvolvimento (SIDS) no Caribe
-
US$ 49 bilhões foram perdidos na Ásia
Fonte:FAO
Uma forma desses produtores reduzirem sua exposição a esses riscos é adquirir um seguro de safra.
Um plano de seguro agrícola protege os produtores contra perdas de safra devido a calamidades naturais ou relacionadas ao clima ou perdas de receita devido a flutuações de preços de mercado. Também elimina o risco de empréstimos para o setor agrícola, permitindo que os agricultores paguem seus empréstimos, além de oferecer vários outros benefícios.
Esquema de seguro agrícola na Índia:Pradhan Mantri Fasal Bima Yojana
Em abril de 2016, o governo da Índia lançou seu esquema nacional de seguro agrícola conhecido como Pradhan Mantri Fasal Bima Yojana (PMFBY). O esquema de seguro agrícola é um dos maiores do mundo, oferecendo cobertura de risco para milhões de agricultores indianos.
Uma característica notável do PMFBY é que ele incentiva o uso de tecnologia moderna, como imagens de satélite, tecnologia de sensoriamento remoto, drones, inteligência artificial e aprendizado de máquina, para acelerar as avaliações de perda de safra.
Estimativa de rendimento usando experimentos de corte
Essas tecnologias avançadas também são benéficas para estimar os rendimentos das culturas com eficiência. Normalmente, os dados de rendimento são obtidos por meio de experimentos de corte de culturas ou CCEs. Refere-se a um método de avaliação que governos e órgãos agrícolas empregam para estimar o rendimento das culturas para um determinado ciclo de cultivo na região.
O método tradicional de CCE é baseado no método de componentes de rendimento onde os locais de amostragem são selecionados com base em uma amostragem aleatória da área total em estudo. A partir desses locais, os amostradores colhem a cultura de um tamanho e formato especificados da parcela (quadrado, retângulo, triângulo ou círculo com base na cultura). A colheita é então coletada e analisada para diversos parâmetros, como peso de biomassa, peso de grãos, umidade e outros aspectos indicativos, para estimar o rendimento final por hectare. Os dados coletados deste estudo são extrapolados para toda a região para fornecer uma avaliação razoavelmente confiável da produção média da área.
Os dados coletados dos CCEs são benéficos para várias partes interessadas na cadeia de valor agrícola. Embora o governo possa usá-lo para planejar políticas e programas relacionados ao setor, as seguradoras podem aproveitar essas informações para personalizar os produtos de seguro para a safra ou região com base em dados de desempenho reais. Também permite que eles verifiquem as reivindicações antes de liquidá-las.
Desafios na execução de experimentos de corte de corte
Sob o PMFBY, os estados devem executar pelo menos quatro CCEs para cada safra em cada vila panchayat (ou conselho) e enviar os dados de rendimento às companhias de seguros dentro de um mês da colheita. A maior falha da abordagem tradicional da CCE é que ela depende de muitas variáveis, como configuração administrativa, tipo e tamanho da equipe de campo, cooperação do agricultor e condições de colheita.
Especialmente em um cenário onde há quase 2,5 lakh conselhos de aldeia na Índia, a execução de inúmeros CCEs dentro de uma janela de colheita estreita e pessoal limitado provou ser um desafio. É preciso haver uma maneira mais eficiente de utilizar os recursos disponíveis e obter uma estimativa precisa do rendimento dentro da curta janela de colheita.
Amostragem inteligente apoiada por tecnologia
Em 2019, a amostragem inteligente foi introduzida pela primeira vez pelos cientistas do Mahalanobis National Crop Forecast Center (MNCFC) do Ministério da Agricultura e da Organização de Pesquisa Espacial Indiana (ISRO) por meio de nove estudos piloto em 23 distritos em 11 estados.
Comparado ao método tradicional de CCE usando amostragem aleatória, o uso de sensoriamento remoto e outros avanços tecnológicos fornecem uma estimativa de rendimento muito mais precisa e oportuna.
Para a temporada de Rabi em 2019, o governo central fez parceria com a Cropin para um estudo piloto com objetivos em mente:
-
Otimização de experimentos de corte de culturas para torná-los mais precisos, rápidos e escaláveis
-
Implementação de um mecanismo robusto e autogerenciado de resolução de disputas de reclamações para uma resolução rápida de disputas de reclamações
Criando um impacto com as soluções digitais da Cropin
O SmartRisk da Cropin é uma plataforma digital alimentada por IA e ML que usa imagens de satélite e modelos proprietários de detecção de culturas para identificar as parcelas mais adequadas para esses experimentos. Uma equipe de ciência de dados dedicada e altamente qualificada analisa milhões de pontos de dados para determinar as parcelas agrícolas que fornecerão a amostra mais precisa para a região.
No dia do experimento, os amostradores usam o SmartFarm, um aplicativo de gerenciamento de dados da fazenda, para capturar a localização e o tamanho precisos da parcela da fazenda e os detalhes do agricultor e da colheita. A captura desses dados usando o SmartFarm cria um registro digital de fácil acesso e garante que os dados de campo sejam precisos.
Os benefícios dos CCEs tecnologicamente auxiliados não se limitam à escolha das amostras adequadas para o estudo. Além de oferecer uma abordagem mais otimizada para amostragem, as soluções digitais também fornecem aos stakeholders relatórios científicos, escaláveis e precisos para processamento futuro.
Como as partes interessadas se beneficiam da intervenção digital
O uso de dados e tecnologia na agricultura tem um impacto de longo alcance no ecossistema agro e permite uma tomada de decisão mais eficiente e precisa ao longo do ciclo de cultivo. A abordagem inteligente e habilitada para tecnologia em relação ao CCE oferece muitos benefícios.
-
Governo:A aplicação da tecnologia aborda a questão da realização de um grande número de CCEs com uma força de trabalho limitada durante uma curta janela de colheita. O uso de uma plataforma digital como a da Cropin reduz a burocracia e as possibilidades subsequentes de erro humano. Além disso, a Cropin fornece gerentes de campo treinados para supervisionar o processo e coletar os dados necessários no aplicativo digital, reduzindo assim a carga sobre os amostradores. Com a ajuda desses métodos científicos, o governo pode melhorar a eficiência geral, utilizando seus recursos da melhor maneira possível.
-
Seguradoras:Os dados fornecem uma estimativa de produtividade mais precisa para a safra em questão e permitem a regularização tempestiva de sinistros de maneira mais justa. Os relatórios derivados da plataforma da Cropin são orientados por dados e precisos. Assim, elimina a possibilidade de reclamações fraudulentas ou desembolsos de pagamentos imprecisos. Também permite que as seguradoras personalizem esquemas e produtos de seguro agrícola com base em dados em tempo real coletados da região.
-
Agricultores:A digitalização do processo de CCE permite a liquidação justa de sinistros. Reduz o estresse do agricultor para fornecer provas de suas alegações, reduzindo também o esforço e o tempo gasto no processo.
Cropin participou recentemente de um governo nigeriano onde nossos modelos de aprendizado profundo para estimativa de rendimento permitiram que a Associação de Moagem de Farinha da Nigéria (FMAN) e outras partes interessadas estimassem o cultivo de trigo no norte da Nigéria. Leia mais aqui.
