در سال ۲۰۱۸، آژانس فضایی بریتانیا پیش‌بینی کرد که «انتظار می‌رود تغییرات آب و هوایی منجر به خطرات مرتبط با آب و هوای مکرر و شدیدتر شود. همچنین قابلیت پیش بینی را کاهش می دهد و توزیع جغرافیایی خطرات شدید آب و هوایی مانند دماهای شدید، سیل و خشکسالی، امواج گرما، آتش سوزی های وحشی و طوفان ها را تغییر می دهد. [۶]. این پیش بینی تا حد زیادی توسط بسیاری از رویدادهای شدید آب و هوایی تأیید شده است، که اغلب با شکسته شدن رکوردها [۱,۷]. بنابراین، بسیاری از محققان تحقیقات خود را بر روی کاهش خطر در مناطق مستعد بلایا با ایجاد یک اکوسیستم تغییر اقلیم انعطاف پذیر متمرکز کردند. [۸]، که در آن یک عامل کلیدی امنیت غذایی است [۹,۱۰]. عوامل دیگر احتمال شکست محصول را کاهش می دهند (یعنی آسیب دیده، بیمار یا از بین رفته اند). [۱۱]) و همچنین کاهش خطر آسیب به زیرساخت های مزرعه [۱۲].

این تحقیق به تغییر چارچوب ارزیابی ریسک آب و هوا به یک اکوسیستم پایدار مقاوم در برابر آب و هوا کمک می کند. این را می توان با (۱) پیش بینی مکان و زمان رویدادهای شدید آب و هوایی و (۲) اطمینان از تداوم کسب و کار کشاورزان و در نتیجه تأمین معیشت پایدار انجام داد. این با یافته های هیئت بین دولتی تغییرات آب و هوایی (IPCC) مطابقت دارد که ادعا می کند تغییرات آب و هوایی تخریب زمین را تشدید می کند. [۱].

اولیویرا [۷] یک بررسی سیستماتیک از مطالعات قبل و بعد از فاجعه انجام داد و اهمیت بازسازی بهتر در مرحله پس از فاجعه را در پرتو چارچوب سندای برجسته کرد. چارچوب فوق در سال ۲۰۱۵ توسط دفتر کاهش خطر بلایا با هدف دستیابی به هفت هدف پایدار جهانی تا سال ۲۰۳۰ منتشر شد. با توجه به موارد فوق، اثرات بلایای شدید آب و هوایی به عنوان تهدیدی برای امنیت غذایی و کشاورزی در نظر گرفته شد.

اصطلاح “تاب آوری” در اواخر قرن گذشته با چارچوب های مفهومی برجسته شد [۱۳]. لو و یانگ [۱۴] او استدلال کرد که فاجعه با یک عامل اجتماعی همراه است که می تواند با استفاده از شبکه های اجتماعی اندازه گیری شود. بر این اساس، وو و کوی [۱۵] توییت ها را زیر نظر گرفت و احساسات را در طول طوفان سندی اندازه گیری کرد.

بیمه به حفظ ثبات اقتصادی به ویژه برای جوامع آسیب پذیر کمک می کند [۲۲]. با این حال، به دلیل نوسانات آن در شرایط آب و هوایی، بسیاری از شرکت های بیمه پوشش بلایایی مانند سیل را متوقف کردند. [۵]. تأثیرات تغییرات آب و هوایی در مورد کشاورزان کوچک‌تر بیشتر است، زیرا آنها معمولاً به دلیل منابع محدود و موانع هزینه‌ای که در صورت جستجوی بیمه مزرعه با آن مواجه می‌شوند، ظرفیت مقابله را ندارند. [۶]. این را می توان با «نظریه هویت اجتماعی» توضیح داد، که ادعا می کند نسل ها و طبقات اجتماعی می توانند بر سیاست های آب و هوایی تأثیر بگذارند. [۲۳]. در همین حال، توسعه سیستم بیمه کشاورزی فرآیندی پیچیده و چند وجهی است که در آن سیستم تولید، انواع محصول، اندازه مزرعه، موقعیت مزرعه، در دسترس بودن داده ها، کانال های فروش و سایر عوامل خطر، ارائه بیمه نامه و تنظیم مناسب را برای بیمه گذاران دشوار می کند. حق بیمه مناسب [۲۴].

در بخش کشاورزی، از ۵۷۰ میلیون مزرعه خرده‌مالک جهان، ۸۷ درصد آن کمتر از ۲ هکتار است. [۲۵]. علاوه بر هزینه، بیمه کشاورزی در کشورهای در حال توسعه که بسیاری از مزارع کوچک در آن متمرکز هستند، به دلیل محدودیت‌های سازمانی و تکنولوژیک پایین است. [۲۶] و همچنین هزینه بالای تخمین/تأیید زیان [۲۷]. در منطقه آمریکای لاتین، تنها ۴ درصد از شرکت‌های کوچک و متوسط ​​(SMEs) که در تجارت کشاورزی کار می‌کنند، معمولاً به دلیل عدم حمایت دولتی، به جز مکزیک و برزیل، بیمه دارند. [۲۸]. علاوه بر این، حق بیمه حدود ۷۲ دلار در هکتار تخمین زده می شود که مقدار قابل توجهی برای صاحبان مزارع کوچک است. به طور کلی، زمین های کشاورزی بیمه شده در آمریکای لاتین ۲۹ میلیون هکتار از مجموع ۱۳۸ میلیون هکتار برآورد شده است. [۲۸]. در نتیجه، بسیاری از کشاورزان خرده‌مالک، گروه‌های تعاونی را به منظور بهبود بهره‌وری و گسترش خطرات تشکیل داده‌اند، همانطور که در بسیاری از مناطق کشاورزی کلمبیا، جایی که این تحقیق متمرکز است، وجود دارد.

تصمیمات مرتبط با بلایا دارای ماهیت اکتشافی هستند [۲۹] به جای داده محور بودن به طور مداوم، “بیمه پارامتریک” از شاخص هایی برای هدایت پرداخت های بیمه بر اساس آستانه های از پیش تعریف شده استفاده می کند. [۲۷]. به عبارت دیگر، پرداخت نهایی آن بر اساس تلفات فردی نیست، بلکه بر اساس یک معیار (اعم از بزرگی زلزله یا سرعت باد) تعیین می شود. در این تحقیق، ترکیبی از داده‌های EO، GIS، تجزیه و تحلیل مکانی و روش‌های یادگیری ماشین برای شناسایی معیارهای مناسب برای هر نوع فاجعه استفاده می‌شود، در حالی که استدلال می‌کند که پرداخت‌های بیمه همچنان می‌تواند با استفاده از فناوری یادگیری عمیق فردی شود.

بیمه پارامتریک زمانی که یک فاجعه از آستانه ای که توسط یک شاخص یا چند شاخص اندازه گیری می شود فراتر رود، پرداختی را به مدعیان ارائه می دهد. پذیرش بیمه پارامتریک چالش برانگیز و بحث برانگیز بوده است. فیگوایردو، مارتینا [۲۷] بیانگر این است که در قلب طراحی خود، بیمه پارامتریک اصول ارزیابی ریسک را نقض می‌کند، زیرا بدون توجه به زیان واقعی، پرداخت‌های خودکار را صادر می‌کند. با این وجود، بیمه پارامتریک در مورد محصولات کشاورزی رایج بوده است. چارچوبی برای چگونگی استفاده از بیمه پارامتریک در آفریقا توسط Ibarra و Securities ایجاد شد [۲۶]. متعاقباً، بسیاری از مطالعات بر جنبه‌های مختلف پذیرش چنین رمانی در کشورهای مختلف متمرکز شدند. به عنوان مثال، Figueiredo، Martina [27] تمرکز بر روش‌هایی برای برآورد خطرات با محاسبه احتمال وقوع سیل در جامائیکا با استفاده از مدل رگرسیون لجستیک. آنها مطالعه خود را بر این فرض استوار کردند که متغیر هدف ماهیت دوتایی دارد: فاجعه/بدون فاجعه. مطالعه ای توسط پروکوپچوک [۳۰] از دما، رطوبت و بارندگی برای تخمین سطح رشد غلات در اوکراین استفاده کرد و آن را به بیمه مرتبط کرد. با الهام از اهمیت پیش بینی پذیری و پیدایش یادگیری ماشینی، سزارینی، فیگوئرادو [۳۱] پیشنهاد ادغام چندین منبع داده‌های آب و هوا و سپس استفاده از تکنیک‌های یادگیری ماشینی نظارت شده (ML) مانند ماشین‌های بردار پشتیبان و شبکه‌های عصبی مصنوعی (ANN) برای طبقه‌بندی اثرات خشکسالی و سیل در جمهوری دومینیکن بین سال‌های ۲۰۰۰ و ۲۰۱۹٫ مطالعه بنسو، جسوالدو [۲۲] شاخص‌های آب‌وهوا در برزیل و چگونگی تأثیر آن بر مزارع سویا را بررسی کردند: آنها استدلال کردند که بلایا می‌توانند به هم مرتبط باشند و یک رویکرد ارزیابی خطر چندگانه را پیشنهاد کردند. هیلاری کلینتون، وزیر پیشین ایالات متحده، در جریان کنفرانس تغییرات آب و هوایی سازمان ملل متحد در سال ۲۰۲۳، نشان داد که با همکاری با مرکز تاب آوری بنیاد ارشت راک، پیشگام اصلاحات جدیدی در صنعت بیمه است تا بیمه پارامتریک را به عنوان شکلی از اقلیم بشناسد. تغییر انعطاف پذیری [۳].