ES2572534A1 - Sistema de tasación automática de daños producidos por riesgos meteorológicos en cultivos e infraestructuras - Google Patents

Sistema de tasación automática de daños producidos por riesgos meteorológicos en cultivos e infraestructuras Download PDF

Info

Publication number
ES2572534A1
ES2572534A1 ES201630037A ES201630037A ES2572534A1 ES 2572534 A1 ES2572534 A1 ES 2572534A1 ES 201630037 A ES201630037 A ES 201630037A ES 201630037 A ES201630037 A ES 201630037A ES 2572534 A1 ES2572534 A1 ES 2572534A1
Authority
ES
Spain
Prior art keywords
meteorological
risk
crops
module
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
ES201630037A
Other languages
English (en)
Other versions
ES2572534B1 (es
Inventor
Laura LÓPEZ CAMPANO
Andrés MERINO SUANCES
José Luis SÁNCHEZ GÓMEZ
Eduardo GARCÍA ORTEGA
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Universidad de Leon
Original Assignee
Universidad de Leon
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Universidad de Leon filed Critical Universidad de Leon
Priority to ES201630037A priority Critical patent/ES2572534B1/es
Publication of ES2572534A1 publication Critical patent/ES2572534A1/es
Application granted granted Critical
Publication of ES2572534B1 publication Critical patent/ES2572534B1/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Environmental & Geological Engineering (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Technology Law (AREA)
  • Animal Husbandry (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Atmospheric Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Development Economics (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

Sistema de tasación automática de daños producidos por riesgos meteorológicos en cultivos e infraestructuras, que comprende: - una interfaz (10) para seleccionar localización geográfica (L) y riesgo meteorológico (R); - un módulo de observación (12) para obtener datos meteorológicos (M) e información cartográfica (C) de la localización geográfica (L) incluyendo tipo de cultivo o infraestructuras; - un módulo de evaluación de riesgo (14) para estimar, en función de los datos meteorológicos (M), los niveles de riesgo (NR) asociados a la localización geográfica (L); - un módulo de tasación de daños (16) para estimar, según los niveles de riesgo (NR) y la información cartográfica (C), la tasación de daños (D) en los cultivos y/o infraestructuras de cada localización (L) seleccionada, clasificando los daños en distintos niveles; - un módulo de representación (18) para representar los niveles de riesgo (NR) y de tasación de daños (D) en una base cartográfica asociada. El módulo de observación permite incorporar datos aportados por un vehículo aéreo no tripulado o por un observador meteorológico.

Description

Campo de la invención La presente invención se encuadra en los sectores de la meteorología, riesgos agrometeorológicos y prevención de riesgos y seguros.
10 Antecedentes de la invención En la actualidad , en materia de observación y predicción meteorológica una de las aplicaciones más demandadas por los gestores de riesgos es conocer de manera cuasi-real dónde se están produciendo daños en cultivos o infraestructuras causados por los riesgos meteorológicos. El proceso de estimación de daños o tasación no se realiza de manera
15 automática, sino que es necesario evaluar in situ los mismos por lo que este sistema es lento y presenta un elevado coste. Por otro lado, el cambio climático está modificando los patrones tanto de frecuencia como de intensidad de algunos eventos meteorológicos extremos. El proceso de adaptación al cambio climático debe incluir un sistema de detección y seguimiento de riesgos meteorológicos que permita mostrar información y alertas en
20 tiempo real.
Sin embargo, actualmente no existe ningún método ni sistema que permita la tasación de los daños agrometeorológicos ni en infraestructuras en tiempo real y sin necesidad de que un tasador revise las fincas o infraestructuras dañadas in situ. Igualmente, no existe un sistema
25 que permita la identificación fenológica de los cultivos, salvo el examen in situ. La presente invención resuelve los mencionados problemas
Descripción de la invención La invención se refiere a un sistema de tasación automática de daños producidos por
30 riesgos meteorológicos sobre cultivos e infraestructuras. El sistema incluye una interfaz configurada para seleccionar una localización geográfica y un riesgo meteorológico determinado. El sistema comprende además un módulo de observación que permite capturar información cartográfica de la localización geográfica seleccionada (incluyendo datos del tipo de cultivo y/o de las infraestructuras existentes en dicha localización
35 geográfica) y datos meteorológicos en tiempo real mediante un sistema de detección
remoto, mediante una red de estaciones meteorológicas o mediante un vehículo aéreo no tripulado. El sistema también incluye un módulo de evaluación de riesgo configurado para estimar los niveles de riesgos asociados a dicha localización geográfica de acuerdo con las variables meteorológicas del módulo de observación. Adicionalmente, el sistema incluye un módulo de tasación de daños para la tasación automática y remota de daños agrometeorológicos (basada en el estado fenológico de los cultivos y en la peligrosidad del riesgo meteorológico registrado) y de daños en las infraestructuras de la localización geográfica seleccionada, clasificando los daños en distintos niveles. Un módulo de representación se encarga de representar los niveles de riesgo y de tasación de daños en una base cartográfica asociada. Finalmente, el sistema puede aportar recomendaciones de cómo actuar ante las diferentes alertas.
El módulo de observación puede estar configurado para obtener los datos meteorológicos a partir de un sistema de observación externo al sistema. El sistema de observación externo puede incluir un satélite, un radar meteorológico, una estación meteorológica, una estación de descargas eléctricas, un vehículo aéreo no tripulado equipado con un radiómetro que compara datos previos al evento meteorológico con datos posteriores al mismo, o un informador meteorológico.
El módulo de observación está preferiblemente configurado para obtener la información cartográfica a partir de una base de datos. El módulo de evaluación de riesgo puede estar configurado para estimar los niveles de riesgo asociados a la localización seleccionada mediante una comparación de los datos meteorológicos capturados sobre dicha localidad con unos valores de referencia.
La información cartográfica puede incluir además el estado fenológico de los cultivos. El estado fenológico de los cultivos se puede obtener a partir de una estación meteorológica situada en la localización seleccionada y provisionada de al menos una cámara de video para el seguimiento de la fenología in situ. La información cartográfica puede incluir la vulnerabilidad de las infraestructuras para cada tipo de riesgo meteorológico.
Los riesgos meteorológicos que se contemplan pueden comprender precipitaciones intensas de lluvia, nieve, lluvia engelante, temperaturas extremas, heladas, condiciones de suelo deslizante por causa meteorológica, niebla o condiciones de baja visibilidad, niebla engelante, tormentas, tormentas con granizo, racha de viento máxima.
El módulo de evaluación de riesgo está preferentemente configurado para evaluar la intensidad y la duración de un determinado riesgo meteorológico. El módulo de tasación de daños puede realizar la tasación automática de daños agrometeorológicos basada en el
5 estado fenológico de los cultivos y en la peligrosidad del riesgo meteorológico registrado, incluyendo la intensidad y duración del mismo.
Breve descripción de los dibujos A continuación se pasa a describir de manera muy breve una serie de dibujos que ayudan a 10 comprender mejor la invención y que se relacionan expresamente con una realización de dicha invención que se presenta como un ejemplo no limitativo de ésta.
La Figura 1 muestra un diagrama esquemático del sistema de la presente invención.
15 La Figura 2 representa un ejemplo de una imagen con la probabilidad de precipitaciones de granizo.
La Figura 3 representa una imagen con la tasación de daños causados sobre cereal en la peninsula, teniendo en cuenta la probabilidad de precipitaciones de granizo de la Figura 2.
Las Figuras 4 y 5 muestran dos tablas empleadas para la obtención del mapa de riesgo de granizo de la Figura 2.
La Figura 6A ilustra un ejemplo de mapa de probabilidad de granizo para un día concreto. 25 Las Figuras 6B a 6F muestran diferentes mapas de daños provocados en ese día por las granizadas en diferentes cultivos o infraestructuras.
Descripción detallada de la invención La presente invención se refiere a un sistema que muestra información meteorológica en
30 tiempo real y además informa sobre la detección y seguimiento de riesgos meteorológicos que afectan a cultivos y/o infraestructuras. Adicionalmente, el sistema permite tasar de manera automática los daños registrados sobre los cultivos o las infraestructuras permitiendo una evaluación rápida de los daños causados.
35 El sistema 1 comprende una serie de módulos interconectados, tal y como se muestra en el
diagrama esquemático de la Figura 1. El sistema 1 comprende una interfaz 10 que permite a un usuario seleccionar una o varias localizaciones geográficas (L) y al menos un riesgo meteorológico (R) determinado. La interfaz puede estar configurada para que el usuario pueda introducir información sobre la localización seleccionada, o para enviar y recibir información de otro usuario o de un gestor de riesgos.
Un módulo de observación 12 en tiempo real se encarga de gestionar y obtener, para la localización geográfica (L) seleccionada, datos meteorológicos (M) de diferentes sistemas de observación externos 20, como por ejemplo: datos satelitales, de radares meteorológicos, de estaciones meteorológicas, de descargas eléctricas, datos observacionales de vehículos aéreos no tripulados o datos de informadores meteorológicos. Además, el módulo de observación 12 obtiene información cartográfica (C) de la localización seleccionada, donde dicha información incluye al menos datos del tipo de cultivo asociado al territorio y/o de las infraestructuras existentes en la localización determinada.
El sistema 1 también comprende un módulo de evaluación de riesgo 14 que estima el nivel de cada riesgo meteorológico (NR) seleccionado asociado a cada localización geográfica (L) de acuerdo con los datos meteorológicos (M) recibidos del módulo de observación 12. El módulo de evaluación de riesgo 14 permite obtener sobre un sistema de información cartográfica los datos observacionales interpolados de manera que es posible conocer las condiciones meteorológicas en cualquier punto.
El módulo de evaluación de riesgo 14 incluye un gestor de datos que permite clasificar los niveles de riesgo meteorológico en función de detenninados umbrales de peligrosidad. Por ejemplo, el módulo de evaluación de riesgo 14 calcula la probabilidad de granizo a partir de imágenes de satélite y clasifica el riesgo de granizo en "bajo" (valores inferiores al 50% de probabilidad), "medio" (valores entre el 50 y el 70%) y "alto" (valores entre el 70% ye1100% de probabilidad). Cuando estos umbrales, establecidos teniendo en cuenta las caracteristicas climáticas del territorio, sean superados, se emite una alerta especifica para cada riesgo meteorológico considerado.
Por tanto, la presente invención proporciona una herramienta que permite conocer las condiciones meteorológicas presentes en una determinada ubicación así como facilitar alertas meteorológicas al usuario final. El sistema según la presente invención es
especialmente adecuado para evaluar la extensión y duración de un determinado riesgo meteorológico.
Los riesgos meteorológicos considerados son, al menos, precipitaciones intensas de lluvia, nieve o lluvia engelante, temperaturas extremas, heladas o condiciones de suelo deslizante por causa meteorológica, niebla o condiciones de baja visibilidad, niebla engelante, tormentas, tormentas con granizo y racha de viento máxima. No obstante, es posible introducir otros riesgos meteorológicos posteriormente en el sistema .
En un área de estudio determinada se puede disponer de datos observacionales de diversos sistemas de seguimiento: datos de una red de estaciones meteorológicas, datos de radar, datos de una red de descargas eléctricas y datos de satélite. En el sistema, es posible incluir datos observacionales aportados por un vehiculo aéreo no tripulado (como temperatura o valores radiativos). Los datos aportados por los diversos sistemas observacionales se integran en una red de datos conjunta y la información es interpolada y pixelada para todo el territorio.
La Figura 2 muestra, a modo de ejemplo, un mapa de riesgo 30 (también denominado cartografía o mapa de peligrosidad), en el que se observa, en diferentes tonalidades de grises las probabilidades de precipitaciones de granizo estimadas en el territorio español de la Peninsula Ibérica, obtenidas a partir del módulo de evaluación de riesgo 14.
La elaboración del mapa de riesgo 30 que realiza el módulo de evaluación de riesgo 14 permite la transformación de los valores de los parámetros meteorológicos (M) en niveles de riesgo (NR) asociado. Para la misma localización (L) seleccionada, se dispone de bases de datos 22 con información cartográfica (C) relativa a las características de usos del suelo, esto es, información del tipo de cultivo y/o tipo de las infraestructuras existentes en la localización.
El sistema 1 también comprende, como se muestra en la Figura 1, un módulo de tasación de daños 16 que realiza la tasación automática de daños en los cultivos y/o estructuras. Para la estimación de daños en cultivos, el módulo de tasación de daños 16 combina el mapa de riesgo 30 obtenido por el módulo de evaluación de riesgo 14 junto con el tipo de cultivo (cereal, vid, olivo, frutales, etc.) y el estado fenológico de la planta, obtenido a partir de la información cartográfica (C). El módulo de tasación de daños 16 permite obtener finalmente la tasación de daños (D) en los cultivos clasificando este daño en distintos niveles. Los datos del estado fenológico de la planta se pueden obtener, por ejemplo, a partir de una estación meteorológica situada en la localización seleccionada y provisionada de una cámara de video que permita el seguimiento preciso de la fenología in situ .
La Figura 3 representa un ejemplo de una imagen con el mapa de tasación de daños 40 causados sobre cereal en la península teniendo en cuenta las probabilidades de precipitaciones de granizo de la Figura 2.
Para la tasación de daños en infraestructuras, el módulo de tasación de daños 16 estima el daño considerando el mapa de riesgo 30 y un mapa de vulnerabilidad de infraestructuras para cada tipo de riesgo meteorológico (R).
El sistema 1 comprende también un módulo de representación (18), que representa en pantalla el mapa de riesgo 30 (Figura 2) y el mapa de tasación de daños 40 (Figura 3) asociados respectivamente a los niveles de riesgo (NR) y la tasación de daños (D).
A continuación se explica en detalle, ya modo de ejemplo, la obtención del mapa de riesgo 30 de la Figura 2 a partir de un diseño experimental que permite identificar las precipitaciones de granizo. El diseño experimental implica un total de cinco procesos internos para conseguir determinar las precipitaciones de granizo con elevada resolución tanto temporal como espacial:
1.
Recepción de imágenes de radiómetro: Las imágenes son recibidas de un medio de información radiométrico externo. Estas imágenes pueden pertenecer a diferentes bandas radiométricas (es decir, a diferentes longitudes de onda en función de la resolución radiométrica) del instrumento. Este medio radiométrico puede encontrarse en un satélite, en un avión no tripulado o en cualquier otra plataforma de observación.
2.
Transformación a formato .NAT: Las imágenes recibidas son transformadas a un formato tipo .NAT.
3.
Transformación a formato .NetCDF.: Las imágenes en formato .NAT son transformadas a un formato tipo NetCDF.
4. Obtención de la probabilidad de convección: Sobre cada uno de los valores
numéricos (pixeles) de las imagen es tipo NetCDF se aplica la fórmula (1) para obtener la probabilidad de convección (Pcoovecci6n), un valor para cada uno de los píxeles de la imagen que varía entre Oy 1:
exp(Zl) pcollvecciOtl (1)
l+exp(Zl)
dónde Z,= 1492.636+ 1.188'X, -5.186'X, + 2.226'X, -1.659')(" -0.884'X, -7.62rX, 0.009810*X7 + 0.026309*X8 + 0.007047*X9. La correspondencia entre los valores de X y las bandas espectrales se muestra en la tabla de la Figura 4. Los valores de X representan el
10 centro de diferentes bandas espectrales (centro del canal en micrómetros).
5. Obtención de la probabilidad de granizo: Sobre cada uno de los valores numéricos (píxeles) dónde la probabilidad de convección (Pcoovección) sea igualo superior a 0.5 se aplica la fórmula (2), a través de la cual se obtiene la probabilidad de granizo (Pgrani.l:O):
p . = exp(z,) (2) gramzo 1+exp(z, )
dónde, Z l = 115.039 -0.624*Y1 -2.18*Y 2 + 0.118*Y 3+ 0.010955*Y 4. La correspondencia entre los valores de Y y las bandas espectrales se muestra en la tabla de la Figura 5. Los valores de Y representan el centro de diferentes bandas espectrales (centro del canal en micrómetros). Finalmente, se obtiene un valor numérico en cada uno de los pixeles que
20 mide la probabilidad de precipitaciones de granizo (en tanto por uno), lo cual puede representarse en una imagen en colores o escala de grises diferentes para distintas bandas de probabilidad, como el ejemplo mostrado en la Figura 2.
Continuando con el ejemplo anterior, una vez se obtiene el mapa de probabilidad de granizo
25 (mapa de riesgo 30 de la Figura 2), y conocidos el estado fenológico de la planta y el mapa con información cartográfica (C) sobre los tipos de cultivos, se puede calcular la tasación de los daños de una granizada sobre cereal. A continuación se explica en detalle, ya modo de ejemplo, el cálculo de la tasación de daños sobre cereal para la obtención del mapa de tasación de daños 40 de la Figura 3.
Si en un pixel en el que según la base de datos de tipos de cultivo se encuentra cereal, la
probabilidad de granizo es superior al 50% y se encuentra en una época entre el1 de abril y el 31 de noviembre (estado fenológico vulnerable), se considera que el daño es "daño moderado". Si en ese pixel la probabilidad de granizo se mantiene durante más de un umbral determinado (e.g. 15 minutos), el daño pasa a ser "daño fuerte". Si no se llega a 5 probabilidades del 50% sobre la superficie cultivada se considera "daño débil". Si nos encontramos fuera de esas fechas la tasación es de "sin daños." Las fechas de los estados fenológicos vulnerables varían para cada tipo de cultivo y están calculadas de acuerdo a normativa legal y artículos de investigación, siendo accesibles desde una base de datos, por ejemplo la misma base de datos 22 con la información cartográfica (C). Todos los cálculos
10 se realizan de manera automática mediante diversos scripts.
En la Figura 5A se muestra un ejemplo de mapa de probabilidad de granizo diario obtenido para un día concreto. Las Figuras 58 a 6F representan el mapa de daños (clasificados en "sin daño", "daño débil", "daño moderado" y "daño fuerte") provocados por las granizadas en
15 diferentes cultivos o infraestructuras el mismo día de la Figura 6A: -Daños en los cultivos de cereal (Figura 68). -Daños en los cultivos de frutales (Figura 6e). -Daños en los cultivos de vid (Figura 6D). -Daños en los cultivos de olivo (Figura 6E). Ese día no se produjeron daños sobre
20 plantaciones de olivo. -Daños sobre las infraestructuras (Figura 6F). Este tipo de representación permite conocer dónde se han registrado granizadas en carreteras o zonas pobladas.

Claims (9)

  1. REIVINDICACIONES
    1. Sistema de tasación automática de daños producidos por riesgos meteorológicos en cultivos e infraestructuras, caracterizado por que comprende: -una interfaz (10) para seleccionar al menos una localización geográfica (L) y al menos un riesgo meteorológico (R);
    -
    un módulo de observación (12) configurado para obtener datos meteorológicos (M) e información cartográfica (C) de cada localización geográfica (L) seleccionada, donde la información cartográfica (C) incluye al menos datos del tipo de cultivo o de las infraestructuras existentes en la localización geográfica (L) determinada;
    -
    un módulo de evaluación de riesgo (14) configurado para estimar, para cada riesgo meteorológico (R) seleccionado y en función de los datos meteorológicos (M), los diferentes niveles de riesgo (NR) asociados en cada localización geográfica (L);
    -
    un módulo de tasación de daños (16) configurado para estimar, de acuerdo con los niveles de riesgo (NR ) y la información cartográfica (C), la tasación de daños (D) en los cultivos o infraestructuras de cada localización (L) seleccionada, clasificando los daños en distintos niveles;
    -
    un módulo de representación (18) configurado para representar los niveles de riesgo (NR) y de tasación de daños (D) en una base cartográfica asociada.
  2. 2.
    Sistema según la reivindicación 1, caracterizado por que el módulo de observación (12) está configurado para obtener los datos meteorológicos (M) a partir de al menos un sistema de observación externo (20).
  3. 3.
    Sistema según la reivindicación 2, caracterizado por que el al menos un sistema de
    observación externo (20) incluye al menos uno de los siguientes: -un satélite, -un radar meteorológico, -una estación meteorológica, -una estación de descargas eléctricas, -un vehículo aéreo no tripulado equipado con un radiómetro que compara datos previos al evento meteorológico con datos posteriores al mismo, -un informador meteorológico.
  4. 4. Sistema según cualquiera de las reivindicaciones anteriores, caracterizado por que el
    módulo de observación (12) está configurado para obtener la información cartográfica (C) a partir de una base de datos (22).
    5 5. Sistema según la reivindicación 1, donde el módulo de evaluación de riesgo (14) está configurado para estimar los niveles de riesgo (NR) asociados a la localización seleccionada mediante una comparación de los datos meteorológicos capturados sobre dicha localidad con unos valores de referencia.
    10 6. Sistema según cualquiera de las reivindicaciones anteriores, caracterizado por que la información cartográfica (C) incluye el estado fenológico de los cultivos.
  5. 7. Sistema según la reivindicación 6, caracterizado por que el estado fenológico de los cultivos se obtiene a partir de una estación meteorológica situada en la localización
    15 seleccionada y provisionada de al menos una cámara de video para el seguimiento de la fenología in situ.
  6. 8. Sistema según cualquiera de las reivindicaciones anteriores, caracterizado por que la
    información cartográfica (C) incluye la vulnerabilidad de las infraestructuras para cada tipo 20 de riesgo meteorológico.
  7. 9. Sistema según cualquiera de las reivindicaciones anteriores, caracterizado por que los riesgos meteorológicos comprenden al menos uno cualquiera de los siguientes: -precipitaciones intensas de lluvia,
    25 -nieve, -lluvia engelante, -temperaturas extremas, -heladas, -condiciones de suelo deslizante por causa meteorológica,
    30 -niebla o condiciones de baja visibilidad, -niebla engelante,
    -tormentas, -tormentas con granizo, -racha de viento máxima.
  8. 10. Sistema según cualquiera de las reivindicaciones anteriores, caracterizado por que el módulo de evaluación de riesgo (14) está configurado para evaluar la intensidad y la duración de un determinado riesgo meteorológico.
  9. 11 . Sistema según cualquiera de las reivindicaciones anteriores, caracterizado por que el módulo de tasación de daños (16) realiza la tasación automática de daños agrometeorológicos basada en el estado fenológico de los cultivos y en la peligrosidad del riesgo meteorológico registrado, incluyendo la intensidad y duración del mismo.
ES201630037A 2016-01-15 2016-01-15 Sistema de tasación automática de daños producidos por riesgos meteorológicos en cultivos e infraestructuras Active ES2572534B1 (es)

Priority Applications (1)

Application Number Priority Date Filing Date Title
ES201630037A ES2572534B1 (es) 2016-01-15 2016-01-15 Sistema de tasación automática de daños producidos por riesgos meteorológicos en cultivos e infraestructuras

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
ES201630037A ES2572534B1 (es) 2016-01-15 2016-01-15 Sistema de tasación automática de daños producidos por riesgos meteorológicos en cultivos e infraestructuras

Publications (2)

Publication Number Publication Date
ES2572534A1 true ES2572534A1 (es) 2016-06-01
ES2572534B1 ES2572534B1 (es) 2017-03-10

Family

ID=56078291

Family Applications (1)

Application Number Title Priority Date Filing Date
ES201630037A Active ES2572534B1 (es) 2016-01-15 2016-01-15 Sistema de tasación automática de daños producidos por riesgos meteorológicos en cultivos e infraestructuras

Country Status (1)

Country Link
ES (1) ES2572534B1 (es)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050197774A1 (en) * 2004-03-02 2005-09-08 Masashi Egi Method, program, and system for estimating weather risk
WO2007103402A2 (en) * 2006-03-08 2007-09-13 Guy Carpenter & Company, Inc. Spatial database system for generation of weather event and risk reports
US20100085197A1 (en) * 2008-10-06 2010-04-08 International Business Machines Corporation System and method of damage prevention from weather occurrences
US9087312B1 (en) * 2015-01-23 2015-07-21 Iteris, Inc. Modeling of costs associated with in-field and fuel-based drying of an agricultural commodity requiring sufficiently low moisture levels for stable long-term crop storage using field-level analysis and forecasting of weather conditions, grain dry-down model, facility metadata, and observations and user input of harvest condition states

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050197774A1 (en) * 2004-03-02 2005-09-08 Masashi Egi Method, program, and system for estimating weather risk
WO2007103402A2 (en) * 2006-03-08 2007-09-13 Guy Carpenter & Company, Inc. Spatial database system for generation of weather event and risk reports
US20100085197A1 (en) * 2008-10-06 2010-04-08 International Business Machines Corporation System and method of damage prevention from weather occurrences
US9087312B1 (en) * 2015-01-23 2015-07-21 Iteris, Inc. Modeling of costs associated with in-field and fuel-based drying of an agricultural commodity requiring sufficiently low moisture levels for stable long-term crop storage using field-level analysis and forecasting of weather conditions, grain dry-down model, facility metadata, and observations and user input of harvest condition states

Also Published As

Publication number Publication date
ES2572534B1 (es) 2017-03-10

Similar Documents

Publication Publication Date Title
US20250390821A1 (en) Method for utility infrastructure monitoring
Navarro et al. The application of Unmanned Aerial Vehicles (UAVs) to estimate above-ground biomass of mangrove ecosystems
RU2596246C2 (ru) Система наблюдения и способ обнаружения засорения или повреждения аэродрома посторонними предметами
Hall et al. Sea ice surface temperature product from MODIS
Wetherley et al. Megacity-scale analysis of urban vegetation temperatures
MX2012006717A (es) Metodo y sistema para el calculo del crecimiento de la vegetacion en relacion con un objeto de interes.
US20180348760A1 (en) Automatic Change Detection System
Silva et al. A spatially explicit approach to assess the collision risk between birds and overhead power lines: a case study with the little bustard
US20200051242A1 (en) Determining risk posed by vegetation
US20180180768A1 (en) Apparatus for radiometric correction and orthorectification of aerial imagery
WO2022042906A1 (en) Method and system for encoding image data representing a geographical line
CA3131764A1 (en) Method and system for utility infrastructure condition monitoring, detection and response
Xue et al. Assessment of canopy vigor information from kiwifruit plants based on a digital surface model from unmanned aerial vehicle imagery
KR102347925B1 (ko) 기상 관측 이미지를 이용한 기상 재해 위험 지역 예측 시스템 및 그 방법
Ferreira et al. Identification of desertification-sensitive areas in the Brazilian Northeast through vegetation indices
Gowravaram et al. UAS-based multispectral remote sensing and NDVI calculation for post disaster assessment
ES2572534B1 (es) Sistema de tasación automática de daños producidos por riesgos meteorológicos en cultivos e infraestructuras
Yahaya et al. Urbanisation effect on the occurrence of urban Heat Island over Kano Metropolis, Nigeria
KR102373278B1 (ko) 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법
Wang et al. Spatial and temporal dynamics of lakes in Nam Co Basin, 1991–2011
CN109446289B (zh) 一种基于环境风险的电网gis精细预警系统
WO2017105177A1 (es) Sistema de procesamiento de imágenes para análisis multiespectral e hiperespectral en agricultura de precisión.
McInerney et al. A rapid assessment using remote sensing of windblow damage in Irish forests following Storm Darwin.
Isa et al. Utilizing Tree Risk Assessment (TRA) and Unmanned Aerial Vehicle (UAV) as a pre-determine tree hazard identification
Fardani et al. Spatial-Temporal Analysis Between Landcover Change And Urban Surface Temperature of Bekasi City, Indonesia

Legal Events

Date Code Title Description
FG2A Definitive protection

Ref document number: 2572534

Country of ref document: ES

Kind code of ref document: B1

Effective date: 20170310