Iago Alvarenga e Silva
Título
A CLIMATE-INFORMED REGIONAL CROP FORECASTING FRAMEWORK APPLIED TO MAIZE YIELD FOR THE BRAZILIAN SEMI-ARID: ENHANCING AGRICULTURAL RISK ASSESSMENT AND CROP INSURANCE DESIGN
Resumo
O aumento da frequência de eventos climáticos extremos tem impactado negativamente a produtividade agrícola e a segurança alimentar global. Esse impacto é particularmente acentuado em regiões semiáridas de países subdesenvolvidos, onde as perdas agrícolas afetam significativamente a renda dos pequenos agricultores. Os serviços climáticos, ao produzirem, traduzirem e entregarem informações climáticas, permitem que os diversos atores tomem decisões informadas, reduzindo os riscos relacionados ao clima e aumentando a resiliência. As previsões climáticas sazonais têm sido fundamentais na mitigação de perdas agrícolas associadas a esses eventos, ao facilitarem o planejamento agrícola. No entanto, ainda existem obstáculos para traduzir os resultados dessas previsões para utilização no setor agrícola. Este estudo desenvolve um sistema probabilístico de previsão de produtividade de milho para a região semiárida brasileira, integrando previsões climáticas sazonais do modelo ECHAM/RSM97 com o modelo agrícola Noah-MP-Crop, com o objetivo de apoiar a gestão do risco agrícola e otimizar a precificação de seguros rurais. Primeiramente, foram identificadas as principais restrições climáticas e ambientais à produção de milho, relacionando variáveis meteorológicas à variabilidade da produtividade. Em seguida, o modelo Noah-MP-Crop foi calibrado para simular a fisiologia da vegetação e o crescimento das culturas. As previsões sazonais de 2009 a 2021 foram então aplicadas para simular a produtividade de milho híbrido e não híbrido. Por fim, avaliou-se o potencial dessas previsões probabilísticas para a precificação de seguros agrícolas.
Os resultados demonstram que o modelo Noah-MP-Crop reproduz com precisão a variabilidade histórica da produtividade do milho, especialmente do milho híbrido. Além disso, as previsões probabilísticas superaram as previsões de referência históricas, principalmente nas áreas mais produtivas da região de estudo. A abordagem probabilística mostrou potencial para aplicação na avaliação de risco agrícola e na precificação de seguros rurais. Os resultados destacam o potencial do sistema proposto para apoiar a tomada de decisões agrícolas e o desenvolvimento de políticas no semiárido brasileiro.
Abstract
The increasing frequency of extreme weather events, such as droughts and floods, has a negative impact on global agricultural productivity and food security. This impact is particularly pronounced in semi-arid regions of underdeveloped countries, where agricultural losses significantly affect the income of smallholder farmers. Climate services, by producing, translating, and delivering climate information, enable stakeholders to make informed decisions, thereby reducing climate-related risks and enhancing resilience. Seasonal climate forecasts have been instrumental in mitigating agricultural losses associated with these events by facilitating agricultural planning. Nevertheless, obstacles remain in translating meteorological data from seasonal forecasts into actionable crop yield predictions. This study develops a probabilistic maize forecasting system for the Brazilian semiarid region by integrating seasonal climate forecasts from ECHAM/RSM97 with the Noah-MP-Crop process-based model to support agricultural risk assessment and improve crop-insurance pricing. First, the key climatic and environmental constraints on maize production were identified by relating meteorological variables to yield variability. Next, the Noah-MP-Crop model was calibrated to simulate vegetation physiology and crop growth. Seasonal forecasts from 2009 to 2021 were then applied to simulate hybrid and non-hybrid maize yields. Finally, the potential of these probabilistic forecasts for crop-insurance pricing was evaluated. The results demonstrate that the Noah-MP-Crop model accurately reproduces historical maize yield variability, particularly for hybrid maize. Moreover, the probabilistic forecasts outperformed historical reference forecasts, especially in the most productive areas of the study region. The probabilistic approach showed potential to application of this system in crop risk assessment and crop insurance pricing. The results underscore the potential of the proposed system to support agricultural decision-making and policy development in semiarid Brazil.
