ВОЗМОЖНОСТИ ИСПОЛЬЗОВАНИЯ СПУТНИКОВЫХ ДАННЫХ ПРИ СЕЛЬСКОХОЗЯЙСТВЕННОМ СТРАХОВАНИИ

Обложка

Цитировать

Полный текст

Аннотация

Проведен анализ возможности использования спутниковых данных для страхования посевов. Установлены особенности и основные направления использования спутниковых данных при сельскохозяйственном страховании. Показано, что спутниковые данные могут быть использованы для мониторинга состояния культур, оценки страховых рисков, оценки потерь урожая, а также для контроля состояния пастбищной растительности. Отмечена перспективность использования при страховании посевов наряду с космическими изображениями данных, получаемых с беспилотных летательных аппаратов.

Об авторах

Игорь Юрьевич Савин

Российский университет дружбы народов

Email: savin_iyu@pfur.ru
член-корреспондент РАН, доктор сельскохозяйственных наук, профессор Агроинженерного департамента Российского университета дружбы народов ул. Миклухо-Маклая, 8/2, г. Москва, Россия, 117198

Игорь Сергеевич Козубенко

Министерство сельского хозяйства РФ

Email: dit@mcx.ru
директор Департамента развития и управления государственными информационными ресурсами АПК Орликов пер., 1, г. Москва, Россия, 107078

Список литературы

  1. Wikipedia Insurance. Available from: http://en.wikipedia.org/wiki/Insurance [Accessed 15th April 2017].
  2. Herbold J. New approaches to agricultural insurance in developing economies // Finance for Food. Springer, Berlin, Heidelberg. 2014. P. 199-217.
  3. Towery N.G., Eyton J.R., Changnon Jr S.A., Dailey C.L. Remote sensing of crop hail damage. Illinois State Water Survey, 1975.
  4. Towery N.G. Some applications of remote sensing of crop-hail damage in the insurance industry. Circular 143/80 of the Illinois State Water Survey. Urbana, USA: Illinois Institute of Natural Resources, 1980.
  5. Alexander D., Smith K. Environmental hazards: assessing risk and reducing disaster // Progress in Physical Geography. 1993. Vol. 17. P. 504-504.
  6. Young F.R., Apan A., Chandler O. Crop hail damage: insurance loss assessment using remote sensing // Mapping and resource management: proceedings of RSPSoc2004. 2004.
  7. Rojas O., Vrieling A., Rembold F. Assessing drought probability for agricultural areas in Africa with coarse resolution remote sensing imagery // Remote sensing of Environment. 2011. Vol. 115. № 2. P. 343-352.
  8. Mathieu P.P. Space for Insurance. Environmental Finance. Available from: http://www.eomd.esa.int/files/document/131-176-149-30_200562910165.pdf [Accessed 15th April 2017].
  9. Савин И.Ю. и др. Спутниковый мониторинг воздействия засухи на растительность (на примере засухи 2010 года в России) // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. №. 1. С. 150-162.
  10. Tapiador F.J., Turk F.J., Petersen W., Hou A.Y., García-Ortega E., Machado L.A. et al. Global precipitation measurement: Methods, datasets and applications // Atmospheric Research. 2012. Vol. 104. P. 70-97.
  11. Damron JJ. Comparing Digital Flood Insurance Rate Maps (DFIRMS) to Interferometric Synthetic Aperture Radar (IFSAR) Products. No. ERDC/TEC-TR-01-1. Engineer research and development center Alexandria VA topographic engineering center, 2000.
  12. Sanders R., Shaw F., MacKay H., Galy H., Foote M. National flood modelling for insurance purposes: using IFSAR for flood risk estimation in Europe // Hydrology and Earth System Sciences Discussions. 2005. Vol. 9. № 4. P. 449-456.
  13. Peters A.J., Griffin S.C., Viña A., Ji L. Use of remotely sensed data for assessing crop hail damage // PE&RS, Photogrammetric Engineering & Remote Sensing. 2000. Vol. 66. № 11. P. 1349-1355.
  14. Smith A.M., Daub N., Nadeau C. Assessing hail damage in agricultural crops using MERIS data // Proceedings of the 26th Canadian Symposium on Remote Sensing, 14-16 June 2005, Wolfville, Canada. 2005. P. 365-371.
  15. Apan A., Chandle, O., Young F., Maraseni T. Opportunities and limitations of remote sensing for crop loss (hail damage) assessment in the insurance industry // Proceedings of the Spatial Sciences Institute Biennial Conference: Spatial Intelligence, Innovation and Praxis (SSC2005), 14-16 September 2005, Melbourne, Australia. 2005. P. 19-28.
  16. Capellades M.A., Reigber S., Kunze M. Storm damage assessment support service in the US Corn belt using RapidEye satellite imagery // Remote Sensing for Agriculture, Ecosystems, and Hydrology XI. International Society for Optics and Photonics. 2009. Vol. 7472. P. 747208.
  17. Савин И.Ю., Вернюк Ю.И., Фараслис И. Возможности использования беспилотных летательных аппаратов для оперативного мониторинга продуктивности почв // Бюллетень Почвенного института им. В.В. Докучаева. 2015. №. 80.
  18. Hobbs T.J. The use of NOAA-AVHRR NDVI data to assess herbage production in the arid rangelands of Central Australia // International Journal of Remote Sensing. 1995. Vol. 16. № 7. P. 1289-1302.
  19. Goward S.N., Tucker C.J., Dye D.G. North American vegetation patterns observed with the NOAA-7 advanced very high resolution radiometer // Vegetatio. 1985. Vol. 64. № 1. P. 3-14.
  20. Al-Bakri J.T., Taylo, J.C. Application of NOAA AVHRR for monitoring vegetation conditions and biomass in Jordan // Journal of Arid Environments. 2003. Vol. 54. № 3. P. 579-593.
  21. Fuller D.O. Trends in NDVI time series and their relation to rangeland and crop production in Senegal, 1987-1993 // International Journal of Remote Sensing. 1998. Vol. 19. № 10. P. 2013-2018.
  22. Prince S.D. Satellite remote sensing of primary production: comparison of results for Sahelian grasslands 1981-1988 // International Journal of Remote Sensing. 1991. Vol. 12. № 6. P. 1301-1311.
  23. Tucker C.J., Vanpraet C.L., Sharman M.J., Van Ittersum G. Satellite remote sensing of total herbaceous biomass production in the Senegalese Sahel: 1980-1984 // Remote sensing of environment. 1985. Vol. 17. № 3. P. 233-249.
  24. Hellmuth M.E., Osgood D.E., Hess U., Moorhead A., Bhojwani H. Index insurance and climate risk: Prospects for development and disaster management. New York, USA: International Research Institute for Climate and Society (IRI), 2009.
  25. Chantarat S., Mude A.G., Barrett C.B., Carter M.R. Designing index-based livestock insurance for managing asset risk in northern Kenya // Journal of Risk and Insurance. 2013. Vol. 80. № 1. P. 205-237.
  26. Rao K.N. Index based crop insurance // Agriculture and agricultural science procedia. 2010. Vol. 1. P. 193-203.
  27. Bokusheva R., Spivak L., Vitkovskaya I., Kogan F., Batyrbayeva M. Application of remotesensing data in the index-based insurance design // Geoscience and Remote Sensing Symposium (IGARSS), IEEE International. 2012. P. 5311-5314.
  28. Bobojonov I., Aw-Hassan A., Sommer R. Index-based insurance for climate risk management and rural development in Syria // Climate and Development. 2014. Vol. 6. № 2. P. 166-178.
  29. Patankar M. Comprehensive risk cover through remote sensing techniques in agriculture insurance for developing countries: A pilot project // ILO Microinsurance Innovation Facility Research Paper. 2011. № 6.
  30. Makaudze E.M., Miranda M.J. Catastrophic drought insurance based on the remotely sensed normalised difference vegetation index for smallholder farmers in Zimbabwe // Agrekon. 2010. Vol. 49. № 4. P. 418-432.
  31. Turvey C.G., Mclaurin M.K. Applicability of the Normalized Difference Vegetation Index (NDVI) in index-based crop insurance design // Weather, Climate, and Society. 2012. Vol. 4. № 4. P. 271-284.
  32. World Bank. Managing Agricultural Production Risk. The World Bank, Agriculture and Rural Development Department: Washington, USA, 2005.
  33. Johnson L. Agricultural index insurance through remote sensing: Experiences from east Africa // Remote Sensing Beyond Images; 2013. Available online: http://www.slideshare.net/ CIMMYT/l-johnson-sfsa-remote-sensing-public [Accessed 5th April 2017].
  34. Kidd C., Levizzani V. Status of satellite precipitation retrievals // Hydrology and Earth System Sciences. 2011. Vol. 15. № 4. P. 1109-1116.
  35. World Bank. NDVI Pasture Index-Based Insurance for Livestock Producers in South West Buenos Aires Province. Feasibility Study: Final Report. World Bank: Washington, USA, 2012.
  36. World Bank. NDVI Pasture Index-Based Insurance for Livestock Producers in URUGUAY. Feasibility Study: Final Report. World Bank: Washington, USA, 2013.
  37. Lou W., Ji Z., Sun K., Zhou J. Application of remote sensing and GIS for assessing economic loss caused by frost damage to tea plantations. Precision agriculture. 2013. Vol. 14. № 6. P. 606-620.
  38. Лупян Е.А., Барталев С.А., Савин И.Ю. Технологии спутникового мониторинга в сельском хозяйстве России // Аэрокосмический курьер. 2009. №. 6. С. 47-49.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».