Satellite-based Crop Damage Estimation DNR 215/11

Satellite-based Crop Damage Estimation DNR 215/11 Rapport för Rymdstyrelsen november 2012

Satellite-based Crop Damage Estimation Nr: MS11/2253 Text: Michael Ledwith För mer information kontakta: Michael Ledwith (michael.ledwith@metria.se) Metria Box 25 154 104 51 Stockholm Besöksadress: Karlavägen 108 Tfn växel: 010-121 80 00 www.metria.se

Förord Denna rapport redovisar resultaten av en studie för att utvärdera möjligheten att identifiera och kvantifiera utspridningen och mängden av grödaskador efter en hagelstorm. Studien baseras på satellitbildsanalys med en tidserie av SPOT-5 högupplösta bilder som registreras före och efter stormen. Olika metoder och vegetationsindex testades för att avgöra hälsan av grödorna. Kvantifieringen baseras på empirisk data som sammaställdes av Agria. Projektet har finansierat av Rymdstyrelsen och bedrivits av Metria AB och Länsförsäkring Agria. Metria har ansvarats för utförande av projektet och analyserna. Från Metria har Michael Ledwith och Anna Engdal deltagit och från Agria Rasmus Troedsson.

2 Innehåll Förord... 1 Sammanfattning... 3 1 Inledning... 4 1.1 Bakgrund... 4 1.2 Mål och förväntade resultat... 4 2 Studieområde och indata... 5 3 Genomförande... 7 3.1 Val av metod... 7 3.1.1 Normalized Difference Vegetation Index (NDVI)... 7 3.1.2 Second Modified Soil Adjusted Vegetation Index... 8 3.1.3 Global Environmental Monitoring Index... 8 4 Analys... 10 4.1 Resultat... 10 4.1.1 Test av C GEMI metod... 12 4.1.2 Analys av anmälda grödaskador... 15 5 Operationellt scenario... 17 6 Slutsatser och rekommendationer... 18 7 Referenser... 19

3 Sammanfattning I början av sommaren 2010 svepte flera stormar över väst Skåne. Hagel regnade ner på jordbruksfält och åkermarker i Ängelholm, Åstorp och Helsingborg i sen maj och mitt i juni. LF Agria tog emot åtskilliga anmälningar för skördeförlust främst sockerbetor och raps. Nu är metoden för att uppskatta arealen och skadan en visuell tolkning av skadereglerare som besöker platsen. En exakt uppskattning kan vara svårt på grund av flera faktorer inklusive fältets storlek, höga grödor och ett begränsat sikte/överblick. Metria försöker utvärdera satellitbaserad fjärranalys som ett verktyg för att förse försäkringsbolag med ytterligare underlag om mängden av grödor och arealen som skadats så att informerade beslut kan möjliggöras. Två SPOT-5 högupplösta satellitbilder registrerades över studieområde en i början av juni och en vid slutet av månaden. Vegetationsanalyser utfördes för att bedöma grödahälsan och ett annat index (Global Environmental Monitoring Index) används för att kalkylera utspridningen av skador för varje jordbruksblock. Dessa värden konverteras i sin tur till ett massa-värde beroende på växtslaget. Summary In the early summer of 2010, two storms swept across western Skåne raining hail down upon the agricultural fields of Ängelholm, Åstorp and Helsingborg in late May and mid-june. LF Agria received several claims for damaged and destroyed crops primarily sugar beets and rapeseed. Currently, the method of evaluating the extent of damage involves a claims adjuster visiting the agricultural field and making a visual inspection. An accurate assessment can be difficult due to several factors including the size of the field, tall crops and lack of a visual overview. Metria proposed to determine if remote sensing could be utilized to provide the insurance company with additional information with respect to the amount of crops and area affected so that informed decisions could be made about the claim. Two SPOT-5 high resolution satellite images were acquired over the test area one in early June and one in late June. Differential vegetation indices were used to determine the health of the crops and the Global Environmental Monitoring Index was used to calculate the areal extent of damage per plot. These values were then converted to mass values depending on the crop in question.

4 1 Inledning 1.1 Bakgrund I tusental år har lantbruk, med andra ord kultur av djur och växter, spelat en nyckel roll i utvecklingen av civilisation. Dessutom är jordbruk ett av de viktigaste områdena för fjärranalys eftersom det är just jordbruk som upprätthåller människors bestånd. Utvärdering av grödans hälsotillstånd, och tidig upptäckning av växtsjukdomer, är kritisk för att säkerställa optimal produktivitet. Åverkan måste upptäckas tillräckligt tidigt för att ge bonden en chans att ta åtgärder. Satellit-baserad analys tillförs en snabb och kost-effektivt sätt att identifiera den rumsliga utvidgningen och utsträckningen av skadorna. När en hagelstorm förekommer tidigt under växtsäsongen är en noggrann bedömning av skadorna viktig om omplantering ska bli en option. Fjärranalys hjälper både bönderna och skadereglerare genom att dokumentera att grödorna växta normallt innan hagelstormen och beskriva det påverkade området. Numera utvärderas alla försäkringsanmälningar I Sverige oavsett kunden i fält av skadereglerare. Skadereglerarens uppgift är att hitta orsaken till förlust (t.ex. hagel) och omfattning samt allvar av skadorna. Det göras genom uppskattningar i fältet av skadereglerare som omvandlas till förluster baserad på referensdata (beroende på den specifika sorts gröda). Agria Djurförsäkring (Agria) behövs en bättre metod för att kalkylera de riktiga områdena som skadats av hagel och uppskatta omfattningen av skadorna. En fördel med denna tjänst skulle vara att tillförsäkra klienterna att alla anmälningar utvärderas med samma metod oavsett skadereglerare, kund eller grödan. Ytterligare kan utvärderingen göras snabbare och billigare än metoderna som används nuförtiden tillåter. En helfungerande metod kan uppskatta förluster oberoende av grödatyp och ge information om orsaken till skadan. 1.2 Mål och förväntade resultat Projektsmålen är: En pilotstudie för att hitta den bästa metoden för att upptäcka och uppskatta grödaskador; Att upptäcka och uppskatta grödaskador inom ett studieområde; Att utvärdera mättningarna med referensdata försedd av användaren; En kostnad-nytta-analys; och En beskrivning av ett potentiellt operationellt scenario.

5 2 Studieområde och indata Ett område mellan Ängelholm och Helsingborg drabbades av hagelstormar tre gånger under våren 2010 28 april, 28 maj samt 15 juni. Satellitbildsteckning över västra delen av Skåne var begränsad på grund av mycket moln men några överlappande bilder kunde identifieras. Figur 1 visar studieområdet (den röda ytterlinjen) som sträcker mellan Helsingborg, Landskrona och Åstorp. Figur 1- Studieområde mellan Helsingborg, Landskrona och Åstorp ( Google Earth, 2012). Hagelstormar förekom i ett ytterligare område i närheten till Eslöv under 2011 som också analyserades. Figur 2 visar kvarlevan av en hagelstorm som passerade genom södra Sverige i augusti 2011. Två molnfri SPOT-5 bilder från 2010 och tre SPOT-5 bilder från 2011 hittades som täcker hageldrabbade områden i Skåne (tabell 1) Tabell 2 är en sammanställning av några viktiga informationskällor och referensdata.

6 Satellitsensor ID Cellstorlek Registreringsdatum SPOT-5 054-236 10 m 2010-06-02 SPOT-5 053-226 10 m 2010-06-28 SPOT-5 053-235 10 m 2011-06-06 SPOT-5 053-236 10 m 2011-06-06 SPOT-5 054-235 10 m 2011-07-09 Tabell 1. Detaljer av satellitbilderna som användes inom studieprojektet. Figur 2- Kvarlevan av en hagelstorm som passerade genom södra Sverige i augusti 2011. Referensdata Relevans Agrias skadeanmälningsdatabas Identifikation av potentiella analysområden Jordbruksblockdatabas Avgränsning av fält och analysområden Google Earth Kartografisk information Google Maps Kartografisk information Tabell 2. Detaljer av några referensdata som användes inom studieprojektet.

7 3 Genomförande 3.1 Val av metod För att kunna identifiera utsträckningen av hagelskador måste hälsan av grödan innan hagelstormen etableras. Därför krävs analysen minst två bilder före och efter stormen. Enkla förändringsanalystekniker kan ge viktiga detaljer om vilka delar av fältet var friska i den första bilden och skadade i den andra. Innan förändringsanalysen bör bilderna bearbetas så att de spektrala signaturerna (dvs. histogram) i både bilder är likadana och att atmosfäriska effekter tas bort. Vegetation index används ofta för att framhäva särskilda egenskaper av vegetation i detta fall skadade stjälkar och löv. Det finns många olika metoder baserade på de röda och när-infraröd banden som ge en bild av växtens hälsa och friskhet. Övergripande arbetssteg: Studieområdet avgränsades till områden som drabbats av hagelstormar under de senaste tre åren med hjälp av Agrias skadeanmälningsdatabas. Analysområdet avgränsades till potentiella skadade områden med hjälp av visuella inspektioner och NDVI analys. Bilddata preparerades genom topp-av-atmosfär kalibrering och segmentering för att identifiera ihop sammanhängande fält. Bilddata testklassades för status- och förändringskartering. Preliminär metodik (GEMI) framarbetades. Testkartering av aktuell status utvärderades baserat på fältinformation och karteringsresultatet justerades mot fältinsamlad information. En slutgiltig kartering av aktuell status gjordes och slutresultatet utvärderades med stöd av tidigare insamlad samt ny fältinformation. 3.1.1 Normalized Difference Vegetation Index (NDVI) NDVI är ett värde som mäter mängden levande vegetation och har ett värde mellan -1 och +1. Frisk och levande vegetation har ofta hög reflektion i närainfraröda bandet och låg reflektion i röda bandet. Därför kan indexet hjälpa att kompensera för atmosfäriska variationer och olika synvinklar. NDVI-formulären, där R r är gråvärdet i det röda bandet och R nir är gråvärdet i det när-infraröda bandet beskrevs nedan:

8 3.1.2 Second Modified Soil Adjusted Vegetation Index Den reviderade versionen av modified soil-adjusted vegetation index (MSAVI2) är ett index som tar hänsyn till NDVI:s begränsningar när den används över områden med mycket bar jord till exempel åkermark. Resultat av en MSAVI2 analys är ett raster som representerar vegetations grönhet och har ett värde mellan -1 och +1. En signifikant begränsning av MSAVI2 är att det offrar känslighet till förändringar av vegetation för att korrigera för jordytans intensitet. Därför upptäcks det ibland förändringar i vegetation sämre än andra index. Det tenderar också att vara mer känsligt för ändringar över tid och atmosfäriska konditioner. 3.1.2.1 Jämförelse mellan NDVI och MSAVI2 Figur 3 nedan visar en visuell jämförelse mellan NDVI och MSAVI2 över samma område väster om Åstorp. Bilden till höger (MSAVI2) ger lite bättre kontrast mellan bar jord och gles vegetation. Med tanke på syftet att hitta hagelskador är det ingen stor skillnad mellan de två metoderna. Figur 3 - Jämförelse av två vegetationsindex. NDVI (tv) och MSAVI2 (th) ger ungefär samma information om vegetations status. Däremot kan MSAVI2 skilja små avvikelser i intensitet av jordytan. 3.1.3 Global Environmental Monitoring Index Global Environmental Monitoring Index (GEMI) är en icke-lineär kombination av spektrala signaturer där atmosfäriska effekter dämpas. Den byggs på andra välkända index som baseras på skillnaden mellan gråvärden i det röda bandet och det när-infraröd bandet. GEMI-formulären, där R r är gråvärdet i det röda bandet, R nir är gråvärdet i det när-infraröda bandet och N är antalet celler i referensområdet, beskrevs nedan.

9 ( ) ( ) ( ) Det C GEM -värdet ger information om vegetation specifik till ett fält. Ett medelvärde för GEMI kalkyleras över hela fältet baserad på vegetations spektralintensitet eller radians och fältets storlek. Baserad på resultaten av initialanalyser bestämdes det att C GEMI erbjöd den bästa möjligheten att identifiera och kvantifiera mängden och utspridningen av grödaskador. Föredelen med GEMI är att C GEMI -värdet är specifik till fältet som undersöks.

10 4 Analys 4.1 Resultat Baserat på en visuell inspektion av satellitbilder tillsammans med en analys av vegetations friskhet (NDVI) valdes sex mindre jordbruksblock för detaljerade undersökningar. Två områden ligger i Ängelholm kommun, två ligger i Åstorp kommun och två ligger i Helsingborg kommun. Utöver dessa områden hittades 13 kontroll fält utspridda i fyra kommuner (inklusive närliggande Bjuv kommun) som visas i figur 4. De analytiska resultaten från GEMI analysen visas i tabell 3. Område C GEMI värde Skadad areal (ha) Skadad areal (kg betor eq.) Procent skador (visuell tolkning) Procent skador/ändring (C GEMI ) 1 Ingeltorpsvägen 0,077 1,26 63 000 16 % 19 % 2 Ausås ängsvägen 0,066 0,67 33 500 17 % 22 % 3 Gamla Malmövägen 0,067 1,71 85 500 20 % 22 % 4 väg Rosendal 107 (a98) -0,023 - - diffus 61 % 5 Kölegårdsvägen (a99) -0,004 1,44 72 000 16 % (diffus) 39 % 6 Nära Ormastorps byaväg (kp6) -0,049 - - diffus 50 % 7 Kontroll fält 0 0,168 - - - 0 % 8 Kontroll fält 1-0,252 - - - 100% % 9 Kontroll fält 2-0,219 - - - 100% % 10 Kontroll fält 3-0,214 - - - 100 % 11 Kontroll fält 4-0,290 - - - 100 % 12 Kontroll fält 5 0,137 - - - 0 % 13 Kontroll fält 7-0,137 - - - 100 % 14 Kontroll fält 8-0,270 - - - 100 % 15 Kontroll fält 9-0,255 - - - 100 % 16 Kontroll fält 10-0,154 - - - 100 % 17 Kontroll fält 11 0,103 - - - 0 % 18 Kontroll fält 12 0,1156 - - - 0 % 19 Kontroll fält 13-0,343 - - - 100 % Tabell 3. Detaljer av analyserna inklusive kontroll fält. Kontrollpunkterna användes för att etablera C GEMI värden för fält som har ändrat drastiskt antigen från bar jord till heltäckt (0 %) med grödor eller från heltäckt till bar jord (100 %). Värdena för kontrollpunkterna plottades. En lineär regression analys användes för att estimera procentandelen av hagelstormskador per fält (figur 5).

Hagelskador (%) 11 Figur 4 - Överblick av studieområde med närliggande samhällen. Kontrollfälten syns i ljusgrön färg. 140% 120% 100% 80% Kontroll punkter 60% 40% 20% 0% -0.4-0.3-0.2-0.1 0 0.1 0.2 CGEMI -20% Figur 5 - Diagram av lineär regression som visar ungefärligt procent av hagelskador per jordbruksblock.

12 4.1.1 Test av C GEMI metod På grund av försäkringsbranschens procedurer är det exakt geografiska läget av de skadade grödorna inte angivet. Med andra ord tillhör adressen på skadeanmälan ägaren av försäkringsbrevet och inte det skadade fältet. Naturligtvis besöks platsen av skadereglerare. Metoden testade först over ett stort område för att bedöma hur svårt det är att upptäcka skadorna. Inga information om vilka åkrar som är skadade kändes innan analysen. Detta var för att avgöra metodens robusthet. 4.1.1.1 Område 1 (Ängelholm) Område 1 ligger i den syvästliga delen av Ängelholm kommun, ungefär halvvägs mellan Åstorp och Strövelstorp, längst Ingelstorpsvägen. Bara ungefär 60 % av fältet användes i analyses eftersom en del av fältet saknas i den andra (juni 28) bilden. Andelen som användes är ungefär 650 m lång och 100 m bredd i en nord-nordöst riktning. I den första bilden visar den nedre delen av fältet potentiellt skadad eller stressad vegetation indikerat av bar jord och områden med gles vegetation. Den andra bilden visar en mycket tydligare indikation av bar jord och den glesa vegetationen har nästan helt ändrat till bar jord (figur 6). Figur 7 visar en jämförelse av den relativa hälsan av vegetationen innan och efter hagelstormen. Den högra bilden (efter) visar tydligt en minskning av C GEMI värde som pekar på grödaskador eller stressade grödor. Det påverkade området är cirka 1,26 ha eller 16 % av den totala arealen av fältet (i detta fall är det bara portionen av fältet som användes i analysen) enligt en visuell tolkning av satellitbilden. GEMI-analysen förutsåg ett påverkat område av 1,55 ha, eller 19 % av den totala arealen. Skillnaden mellan de två resultaten är bara 0,29 ha eller 3,6 % av den totala arealen. Ungefär 63 000 kg grödor skulle vara skadade enligt analysen. Figur 6 - Jämförelse av satellitbilder över område 1 som registrerades två veckor innan och två veckor efter hagelstormen. Bilden på vänstra sidan togs den 2 juni 2010 och den på högra sidan togs den 28 juni 2010.

13 Figur 7 - Jämförelse av C GEMI värdena för de två datumen. Mörkare färger indikerar potentiella grödaskador. 4.1.1.2 Område 2 (Ängelholm) Område 2 ligger i den södra delen av Ängelholm kommun, ungefär tre kilometer västnordväst av Åstorp, längst Ausås ängsvägen. Fältet är ungefär 280 m lång och 145 m bredd i en öst-väst riktning. I den första bilden finns det inga tecken av stressad vegetation bara frisk vegetation. I den andra bilden syns ett tydligt arr (bar jord) från det nedre högra hörnet till mitt i fältet (figur 8). Figur 9 visar en jämförelse av den relativa hälsan av vegetationen innan och efter hagelstormen. Den högra bilden (efter) har ett svart område som tyder på en kraftig minskning av C GEMI värde. Det påverkade området är cirka 0,67 ha eller 17 % av den totala arealen av fältet enligt en visuell tolkning av satellitbilden. GEMI-analysen förutsåg ett påverkat område av 0,85 ha, eller 22 % av den totala arealen. Skillnaden mellan de två resultaten är bara 0,18 ha eller 4,7 % av den totala arealen. Ungefär 33 500 kg grödor skulle vara skadade enligt analysen. Figur 8 - Jämförelse av satellitbilder över område 2 som registrerades två veckor innan och två veckor efter hagelstormen. Bilden på vänstra sidan togs den 2 juni 2010 och den på högra sidan togs den 28 juni 2010.

14 Figur 9 - Jämförelse av C GEMI värdena för de två datumen. Mörkare färger indikerar potentiella grödaskador. 4.1.1.3 Område 3 (Åstorp) Område 3 ligger i den västra delen av Åstorp kommun, ungefär tre kilometer västnordväst av Åstorp, längst Nygårdsvägen. Fältet är ungefär 240 m lång och 160 m bredd i en öst-väst riktning. I den första bilden finns det inga tecken av stressad vegetation bara frisk vegetation. I den andra bilden är vegetation i mycket sämre skikt mindre frisk och glesare (figur 10). Figur 11 visar en jämförelse av den relativa hälsan av vegetationen innan och efter hagelstormen. Den högra bilden (efter) visar en generell minskning av C GEMI värde. Figur 10 - Jämförelse av satellitbilder över område 3 som registrerades två veckor innan och två veckor efter hagelstormen. Bilden på vänstra sidan togs den 2 juni 2010 och den på högra sidan togs den 28 juni 2010. På grund av den diffusa spridningen av skador i fältet var det opraktiskt att försöka uppskatta den skadade arealen av fältet enligt en visuell tolkning av satellitbilden. GEMI-analysen förutsåg ett påverkat område av 1,71 ha, eller 61 % av den totala arealen. En fördel av GEMI-metoden är att

15 det går att generellt uppskatta den skadade arealen när den traditionella metoden (visuell tolkning) inte är möjlig. Figur 11 - Jämförelse av C GEMI värdena för de två datumen. Mörkare färger indikerar potentiella grödaskador. 4.1.2 Analys av anmälda grödaskador Som nämndes tidigare är de faktiska adresserna av skadade grödorna okända. Trots det kan man göra vissa antagande för att klura ut med hög säkerhet vilken åkermark är kopplad till skadeanmälan (t.ex. fältet bör ligga nära ägarens adress, jämför grödor, jämför fältstorlek m.m.). Nedan beskrivs en djupare undersökning av några anmälda skördeförluster. 4.1.2.1 Fleninge I Fleninge var det väldigt lätt att reda ut vilket fält drabbades av hagelstormen. Enligt anmälan var växtslag höstraps och fältet är 9,6 ha. Spektralsignaturen av raps gör det lätt att känna igen det i en satellitbild. Figur 12 visar hur det kan gå att koppla fältet till anmälan. C GEMI -värdet för fältet tyder på att ungefär en tredje del av grödorna skadades. En visuell tolkning ger ungefärligt samma bild av skador (~3,2 ha). Skaderegleraren uppskattade raps skördeförlust till 3,5 % (1 344 kg). Skillnaden mellan de olika kalkylerade siffrorna kan till en stor del förklaras av två saker. Den första är att satellitbilderna ger information om vegetations status bara för en punkt i tid. Det är möjligt kanske till och med sannolikt att grödorna delvis har återhämtat sig till en viss grad och inte skulle betraktas som förstörda. Den andra förklaringen är att skadereglerare, som står vid marknivån, har inte en helt tillförlitligt metod för att uppskatta proportionen av skadade grödor över mycket stora områden/fält.

16 Figur 12 - Satellitbilder över det skadeanmälda området i Fleninge. De gula linjerna omfattar 9,6 ha och fältens spektralsignatur tyder på raps. Därför kunde fältet och skadeanmälan lätt kopplas ihop. 4.1.2.2 Kattarp I Kattarp anmäldes en förlust efter den 28 maj hagelstormen. Grödorna som påverkades inkluderar höstvete, vårkorn, havre och klöver över ett område av 65 ha. Skadereglerare besökte platsen åtta dagar efter stormen och beslöt att grödorna inte var permanent skadade. Satellitbilder över området (figur 13) bekräfta skadereglerarens bedömning. Återväxt av grödorna syns tydligt i den andra bilden. Figur 13 - Satellitbilder över det skadeanmälda området i Kattarp. De blå linjerna omfattar 66 ha. Tecken av växande vegetation i satellitbilden som togs 28 juni bekräftar att grödorna inte har allvarligt skadats. Ytterligare kan satellitbilderna användas för att verifiera anmälningar av missväxt där säden inte har grott som orsakar ett märkbart mönster. Det syns i det norra utvalda fältet i figur 13. I första bilden har sädan knappast börjat att gro. Tre veckor senare har säden växt ganska mycket fast med några bara platser. En tredje bild, t.ex. från juli, skulle kunna bekräfta en anmälning om missväxt.

17 5 Operationellt scenario Varje år börjar hagelsäsongen i södra Sverige i sen maj och håller på ungefärligt till slutet av augusti. Under denna tid är det nästan säkert att en hagel storm oavsett omfattning kommer att ske. En övervakningstjänst skulle kunna utnyttja detta faktum för att maximera möjligheten att identifiera och kvantifiera skördeförlust. Satellitbilder är den dyraste delen av en sådan tjänst. Vissa åtgärder kan tas för att minimera eller i bästa fallet eliminera datakostnaderna. Varje år framställs en heltäckande mosaik av högupplösta satellitbilder over Sverige. Denna täckning är tillgänglig via Saccess-programmet. Ytterligare kommer satellitbilder med hög kvalité att bli tillgänglig helt gratis efter de Sentinel satelliterna skjuts upp i 2013. Ett exempel av kostnaderna och potentiella besparingarna associerad med en övervakningstjänst ges i Tabell 4. Bildkälla Datakostnad (per ha) Analyskostnad (per ha) Total kostnaden (per ha) LF Agrias kostnad (per ha) Saccess 0 kr 0.12 kr 0.12 kr 0.20 kr Sentinel satelliter 0 kr 0.12 kr 0.12 kr 0.20 kr Beställd mottagning av satellitbild (t.ex. SPOT-5) 0.17 kr 0.12 kr 0.29 kr 0.50 kr Tabell 4 - Analys av kostnaderna associerade med en övervakningstjänst för att identifiera och kvantificera grödskador. I Sverige ligger de primära odlingsområdena i de södra delarna av landet huvudsakligen i Skåne. Det finns drygt 450 000 ha åkermark i Skåne (2005). En SPOT satellitbild täcker ungefär 3 600 km 2 eller uppskattningsvis en tredje del av regionen. Baserad på nuvarande priser för högupplösta SPOT-5 bilder är kostnaden per hektar ungefär 17 öre förutsett att hela bilden köps. Med tanken på en operationell tjänst kommer analyskostnaderna att bli relativt fast och oberoende av antal jordbruksblockar som analyseras. Bearbetningskostnaderna beror på antalet satellitbilder (1-4) och inte antalet enskilda fält (~81 000 i Skåne). För LF Agria som försäkrar over 50 % av marknaden är kostnaden för att övervaka alla försäkrade kunder i Skåne ungefär 50 öre per hektar per satellitbild.

18 6 Slutsatser och rekommendationer Den viktigaste slutsatsen av denna studie är att det är högst möjligt att identifiera och kvantifiera utspridningen av hagelskador med satellitbaserade fjärranalys tekniker. En kombination av vegetationsindex och statistiska beräkningar gör det genomförbar att med en noggrann och robust metod estimera arealen av hagelskadorna och extrapolera resultaten till faktiska massavärden. Med tanke på det har projektet uppfyllt det viktigaste målet. Dessutom kan den utvecklade metoden användas för att identifiera områden som drabbas av missväxt. Försäkringsbrev täcker också när säden inte gror och ett fält besök krävs om det blir en anmälning. En begränsning och det är oftast så med satellitbaserade undersökningar är tillgång till satellitbilder som täcker området vid den önskade tiden. Naturligtvis krävs det för att genomföra analysen. Däremot kommer den här begränsningen att ha mindre betydelse i den nära framtiden på grund av Sentinel-satellitkonstellationen. Sentinel-satelliter tillsammans med SPOT och LandSAT satelliter och i samband med andra källor som SACCESS kommer att reducera risken att inte ha bildtäckning före och efter en sommarstorm. Metoderna utvecklade I denna studie kan förkovras/justeras något för att förbättra uppskattningen och för att automatiskt kalkylera skördeförlust baserad på växtslaget. Detta skulle innebära en modifikation av försäkringsbranschens gällande metoder. Med en ytterligare bit av information, alltså jordblocksid, kunde fältet lätt och snabbt identifieras utan behovet av en tidskrävande manuell inspektion av satellitbilderna innan analysen. Metria rekommenderar en fortsättning av samarbete med Agria inom området övervakning av skördeförlust på grund av hagelskador eller missväxt. Till början föreslår Metria att fortsätta förse Agria med underlag som kan användas av skadereglerare för att bättre bedöma den skadade arealen.

19 7 Referenser Apan, A., et al, 2005. Opportunities and Limitations of Remote Sensing for Crop Loss (Hail Damage) Assessment in the Insurance Industry. Proceedings of SSC 2005 SIIP: The National Biennial Conference of the Spatial Sciences Institute, Melbourne, Australia, September 2005. Bently, M., Mote, T. och Thebpayna, T., 2002. Using Landsat to Identify Thunderstorm Damages in Agricultural Regions. Bulletin of the American Meteorological Society, 83 (3). Hohl, M., 2001. Relationship Between Hailfall Intensity and Hail Damage on Ground, Determined by Radar and Lightning Observations. PhD Thesis. Institute of Geography, University of Fribourg: Switzerland. Lillesand, T., and Keifer, R., 1994. Remote Sensing and Image Interpretation, 3 rd Edition, John Wiley and Sons. Vagts, T., Hail Damage Assessment to Corn, Northwest Iowa Crop Update Newsletter, Carroll, IA, USA, May 2004.