Cas à quatre classes

A metodologia aplicada ao estudo realizado em conjunto com o departamento agrícola da empresa Allianz Seguros durante uma safra seguiu o fluxo de processamento das informações apresentado acima para produzir os relatórios fim desses processos, com auxílio das organiza- ções identificadas no referido fluxograma que colaboraram na elaboração das análises que serão apresentadas junto aos resultados deste estudo.

Para cada uma das unidades de produção foi criado um mapa da área de plantio sobre base cartográfica de referência e cadastrados os dados listados abaixo para que os resultados pu- dessem ser analisados ao fim da safra frente à ocorrência de sinistros esperados para a região durante o período de cultivo em questão.

A seguir, breve descrição sobre diferentes dados coletados para compor as informações utili- zadas no estudo realizado para comprovar a tese de que a gestão do risco de produtividade destes cultivos pode ser aperfeiçoada por meio da modelagem espacial de parâmetros agrome- teorológicos.

4.1.1 Dados de manejo

Informação de extrema importância na metodologia aplica- da, devido à possibilidade de comparação com o zoneamen- to agrícola de risco climático e a elaboração de indicadores agrometeorológicos. No estudo realizado, foram usados os dados fenológicos das espécies cultivadas, seus ciclos de maturação fisiológica e as datas de semeaduras, apesar de existirem outras informações6 _{que foram coletadas pela Al-}

lianz Seguros sobre técnicas de cultivo adotadas por aqueles produtores.

6 _{Ver Anexo – XX com exemplo dos formulários aplicados pela Allianz Seguros aos produtores agrícolas.}

4.1.2 Dados de solos

Sempre devem ser obtidas informações sobre o tipo de solo e quando possível compara-las com mapas de solos disponíveis e análises laboratoriais para com- por as informações básicas de retenção de água no perfil ao nível de grandes grupos. As análises reali- zadas no estudo realizado levam em conta a textura dos solos, dividindo-os em três classes de retenção de água, para fins de cálculo do balanço hídrico.

4.1.3 Dados altimétricos

Informação relevante devido à existência de algumas culturas inscritas no zoneamento agrícola de risco climático com alta suscetibilidade ao evento de gea- das, a obtenção das bases de dados referentes à alti- tude se tornou importante. No estudo realizado, essas informações foram coletadas pelo satélite ASTER e em missões do ônibus espacial da NASA, que atual- mente disponibilizam bases de dados globais com diferentes resoluções e precisões na forma de Mode- los Digitais de Superfície que representam com bas- tante fidelidade a topografia do terreno.

4.1.4 Dados climatológicos

O levantamento e organização dos bancos de dados meteorológicos de toda a área em estudo são imprescindíveis para o acompanhamento agrometeorológico das lavouras. As variáveis essenciais para o monitoramento das lavouras são a temperatura máxima, temperatura mínima e a precipitação pluviométrica. Entretanto, é desejável contar também com dados de tempera- tura média compensada, radiação solar, velocidade de vento e umidade relativa do ar, os quais permitem análises mais detalhadas sobre a relação água-solo-planta-atmosfera.

Figura 4–Dados de solos

Figura 6 – Gráfico com indicação da temperatura média

4.1.5 Dados de vegetação

Plantas verdes com vida absorvem fortemente radiação solar na região do vermelho (0,6 m), para utilizar esta radiação como fonte de energia no processo de fotossíntese. Por outro lado, as células das plantas refletem fortemente na região do infravermelho próximo (0,8 m), visto que a energia neste domínio (comprimentos de onda maiores que 0,7 m) não é alta o bastan- te para sintetizar moléculas orgânicas. Portanto, combinando essas duas bandas é possível distinguir a presença de vegetação verde com vida.

O acrônimo NDVI significa Normalized Difference Vegetation Index. Traduzido para o por- tuguês como Índice de Vegetação por Diferença Normalizada, o NDVI é um índice de vege- tação e de forma mais específica se traduz por um indicador numérico que pode ser utilizado para analisar dados de sensoriamento remoto e determinar se o alvo observado contém vege- tação verde com vida.

Para o cálculo do NDVI, são utilizadas duas bandas espectrais que estão presentes na maioria dos sensores ópticos a bordo dos principais satélites de sensoriamento remoto da atualidade, uma localizada na região do vermelho (0.6 m) e outra localizada na região do infravermelho próximo (0.8 m) do espectro eletromagnético. A fórmula do NDVI é definida como a dife- rença entre a refletância no infravermelho próximo e no visível sobre a soma destas refletân- cias.

Segundo a Divisão de Satélites e Sistemas Ambientais do INPE7, ainda que o NDVI deva ser utilizado de forma cuidadosa quando empregado em estudos quantitativos, principalmente quando usado para se estimar diferentes propriedades da vegetação, este índice pode ser utili- zado para estudo do ciclo de crescimento da vegetação e na análise de eventuais perturbações em seu ciclo sazonal, como ainda usado em uma vasta gama de estudos como modelagem climática e hidrológica, incluindo o balanço de carbono, detecção de mudanças climáticas, estimativas de parâmetros da vegetação (cobertura vegetal, índice de área foliar), atividades agrícolas (monitoramento do ciclo de crescimento de culturas, modelagem do crescimento e produtividade de plantações), monitoramento de secas, detecção de desmatamentos, entre outras aplicações sugeridas para este índice de vegetação.