Calibration and application of DSSAT Model to estimate area yield index insurance premium for common bean at different growth stages and weather perils

Abstract:

CROPGRO-Dry bean model of Decision Support Tool for Agro technology Transfer (DSSAT) was calibrated and validated using observed yield data collected from field experiments conducted in three bean growing areas of Rwanda. These experiments were conducted to identify the most critical bean growth stage to natural bean disease pressure, drought stress and waterlogging and their impact on yield losses. The calibrated DSSAT showed good agreement with the observed bean yields with relative root mean square error (RRMSE) of around 0.5 for both drought and waterlogging and around 1.5 for no pesticide application. The findings revealed that GROPGRO-Dry bean model was an effective tool for predicting bean yield under the investigated crop growing conditions. The estimated yield losses due to investigated treatments were further used to estimate corresponding insurance premium rate of an area yield index insurance model. Drought affected most the seed filling stage with bean yield reduction rate estimated at 23% and a corresponding premium rate of 257 kg ha-1. Pod setting stage was the most sensitive to natural bean disease pressure with yield reduction rate of 30% and a corresponding premium rate of 467 kg ha-1. Seed filling was most sensitive to waterlogging with a yield reduction of 28% and a corresponding premium rate of 429 kg ha-1. This study provides scientific knowledge and basis that can inform insurers to set up area yield index insurance sub-products targeting to cover weather related perils with specific focus on crop developmental stages. Key words: Area yield index insurance, CROPGRO, Phaseolus vulgaris, premiums, Rwanda

Le modèle CROPGRO-Dry Bean de l'Outil d'Aide à la Décision pour le Transfert de Technologie Agro (DSSAT) a été étalonné et validé à l'aide des données de rendement observées collectées à partir d'expériences sur le terrain menées dans trois zones de culture de haricots du Rwanda. Ces expériences ont été menées pour identifier le stade de croissance du haricot le plus critique face à la pression naturelle de la maladie du haricot, au stress dû à la sécheresse et à l'engorgement et leur impact sur les pertes de rendement. Le DSSAT calibré a montré une bonne concordance avec les rendements de haricots observés avec une erreur quadratique moyenne relative (RRMSE) d'environ 0,5 pour la sécheresse et l'engorgement et autour de 1,5 pour aucune application de pesticide. Les résultats ont révélé que le modèle GROPGRO-haricot sec était un outil efficace pour prédire le rendement du haricot dans les conditions de croissance des cultures étudiées. Les pertes de rendement estimées dues aux traitements étudiés ont ensuite été utilisées pour estimer le taux de prime d'assurance correspondant d'un modèle d'assurance indicielle de rendement surfacique. La sécheresse a touché le plus la phase de remplissage des semences avec un taux de réduction du rendement des haricots estimé à 23% et un taux de prime correspondant de 257 kg ha-1. Le stade de la formation des cabosses était le plus sensible à la pression naturelle de la maladie du haricot avec un taux de réduction du rendement de 30% et un taux de prime correspondant de 467 kg ha-1. Le remplissage des semences était le plus sensible à l'engorgement avec une réduction de rendement de 28% et un taux de prime correspondant de 429 kg ha-1. Cette étude fournit des connaissances et des bases scientifiques qui peuvent informer les assureurs pour mettre en place des sous-produits d'assurance indicielle de rendement surfacique visant à couvrir les risques liés aux conditions météorologiques avec un accent particulier sur les stades de développement des cultures. Mots clés : Assurance indicielle de rendement surfacique, CROPGRO, Phaseolus vulgaris, primes, Rwanda

Language:

English

Date of publication:

2018

Country:

Rwanda

Region Focus:

East Africa

Author/Editor(s):

Ntukamazina, N.

Onwonga, R.N.

Sommer, R.