Detecção escalável de àreas de sultivo usando imagens de satélite NDVI

A agricultura é um setor essencial para a economia global e a segurança alimentar, porém sua produção é suscetível a fatores climáticos e ambientais, criando desafios para a gestão de seguros. No contexto dos seguros rurais, a precisão na estimativa de produção agrícola é crucial para as seguradoras, permitindo a avaliação correta de riscos e a verificação eficaz de sinistros. O seguro indexado, que se baseia em métricas como precipitação ou rendimento médio, destaca-se pela sua eficiência operacional, mas depende criticamente de dados confiáveis. Este trabalho visa aprimorar a qualidade dos dados fornecidos pelo Instituto de Resseguros do Brasil (IRB) ao verificar a acurácia dos pontos georreferenciados de apólices de seguro rural, buscando garantir que estes representem áreas de cultivo ativas. A pesquisa utiliza imagens de satélite do Sentinel-2 e tecnologias de sensoriamento remoto para classificar áreas de cultivo, analisando séries temporais de índices de vegetação e usando o Índice de Vegetação por Diferença Normalizada (NDVI) para identificar padrões de crescimento. Através do Google Earth Engine, foi possível realizar operações em escala para o cálculo do NDVI e seu desvio padrão, permitindo a classificação de áreas de cultivo com base na variação do índice ao longo do ano. Esta metodologia não só oferece uma solução escalável para o IRB como também estabelece
um procedimento aplicável a outras seguradoras e stakeholders do setor. Os resultados demonstraram uma precisão significativa na classificação, com índices de acurácia, precisão e recall elevados, validando a eficácia do modelo para
identificar áreas de cultivo em larga escala. A análise manual com o QGIS e o ajuste do modelo utilizando a função sigmoid permitiram refinar as classificações, otimizando o corte para pontos de cultivo e quantificando a incerteza das previsões. Em conclusão, o trabalho contribui para a gestão de riscos agrícolas mais precisa e eficiente, além de fomentar a integração de tecnologias de ponta, como sensoriamento remoto e análise geoespacial, no aprimoramento dos dados para seguros rurais.