El riesgo de precipitaciones estima la intensificación de los eventos de lluvia intensa, que pueden dañar el activo. Se evalúa con tres índices de intensidad (SDII, R95pTOT, R99pTOT) midiendo cuánto se vuelven raros los eventos futuros respecto al pasado: cuanto más frecuentes se vuelven los eventos intensos, mayor es el riesgo. Entre los tres índices se toma el peor.
Indicador. Simple Daily Intensity Index (SDII), en mm/día; Very Wet Day precipitation (R95pTOT), en mm; Extremely Wet Day precipitation (R99pTOT), en mm.
Datos. Variables SDII, R95pTOT y R99pTOT del Copernicus Climate Data Store (CDS); para cada una está preajustada una distribución GEV sobre la columna de los máximos entre los miembros de los modelos climáticos. Periodo histórico: 1850–1970. Escenarios: SSP1-2.6 / SSP2-4.5 / SSP3-7.0 / SSP5-8.5.
Cálculo. Para cada par (escenario, año) se calcula, para cada índice, el periodo de retorno mediante la función de supervivencia de la GEV, limitado a 250 años. Para la comparación con la GEV se usa el máximo multimodelo (x.max), no la media, porque la GEV se ajusta sobre los máximos anuales históricos entre los modelos. Cada periodo de retorno se mapea a un nivel 0–5; el nivel final es el máximo de los tres.
Umbrales → nivel A–F.
• Para cada uno de los tres índices, según el periodo de retorno (años), umbrales [5, 20, 50, 100, 250]: A: RP < 5
• B: 5–20
• C: 20–50
• D: 50–100
• E: 100–250
• F: ≥ 250
• el nivel final es el máximo entre los tres subniveles.
El periodo histórico 1850–1970 y los umbrales de 5 / 20 / 50 / 100 / 250 años son elecciones de xNatura sin fuente publicada. Los valores mostrados son la media de los modelos climáticos, mientras que la clase usa el valor más alto entre los modelos.
De físico a impacto. El nivel físico (A–F) se combina con la sensibilidad del proceso productivo mediante la matriz de riesgo (6 niveles físicos por 5 franjas de sensibilidad) → nivel de impacto. El importe en euros de este riesgo es el descrito en el párrafo «Daño a la producción» (Versión 2026): el factor de daño por clase de la Versión 2025 ya no se usa para este riesgo.
Daño a la producción. La lluvia cuenta por lo que hace al trabajo del sitio más que al edificio: se estima el valor añadido perdido, en euros por empleado y año (multiplicado por los empleados del sitio). Base: «estimación de xNatura», porque una estimación regional se aplica a un solo sitio.
• Efecto: Kotz, Levermann y Wenz 2022 miden, en 1.554 regiones de 1979 a 2019, cómo cambia la producción de la industria manufacturera y de los servicios con la lluvia anual de los días por encima del percentil 99,9 local de la lluvia diaria; el efecto por mm es de alrededor de -0,02 % de la producción y menor en las regiones más cálidas. Coeficientes de la industria manufacturera para industria, minería, energía, agua y construcción, de los servicios para las demás actividades (correspondencia de xNatura); la agricultura no es significativa en el estudio y no tiene pérdida.
• Clima: para cada uno de diez modelos climáticos (el conjunto ISIMIP3b), la lluvia diaria NASA NEX-GDDP-CMIP6, celdas de 0,25° (unos 25 km), corregida con observaciones (Thrasher et al. 2022); variación entre los 20 años en torno al año y 1995-2014, luego la media de los modelos.
• La variación se aplica como un cambio duradero del nivel de la producción, como hacen Waidelich et al. 2024 con las mismas funciones. Donde llueve menos que en 1995-2014 el estudio implica una pequeña ganancia, que se muestra como 0.
• Euros: cuota perdida × valor añadido anual por persona ocupada del país y del sector de los procesos productivos del sitio, como para el estrés térmico y la calidad del aire (Eurostat en Europa, Banco Mundial y OIT fuera).
Fuentes.
• [Copernicus Climate Data Store (CDS)](Copernicus Climate Data Store (CDS))
• [Indices for monitoring changes in extremes based on daily temperature and precipitation data](Indices for monitoring changes in extremes based on daily temperature and precipitation data)
• [ETCCDI Climate Change Indices](ETCCDI Climate Change Indices)
• [Climate Change 2021: The Physical Science Basis](Climate Change 2021: The Physical Science Basis)
• [Kotz et al. 2022, The effect of rainfall changes on economic production](Kotz et al. 2022, The effect of rainfall changes on economic production)
• [Waidelich et al. 2024, Climate damage projections beyond annual temperature](Waidelich et al. 2024, Climate damage projections beyond annual temperature)
• [Thrasher et al. 2022, NASA Global Daily Downscaled Projections, CMIP6](Thrasher et al. 2022, NASA Global Daily Downscaled Projections, CMIP6)
• [Eurostat, national accounts by industry (nama_10_a64)](Eurostat, national accounts by industry (nama_10_a64))
• [World Bank, gross value added at basic prices](World Bank, gross value added at basic prices)
• [ILOSTAT, employment (ILO modelled estimates)](ILOSTAT, employment (ILO modelled estimates)).
Indicador. Simple Daily Intensity Index (SDII), en mm/día; Very Wet Day precipitation (R95pTOT), en mm; Extremely Wet Day precipitation (R99pTOT), en mm.
Datos. Variables SDII, R95pTOT y R99pTOT del Copernicus Climate Data Store (CDS); para cada una está preajustada una distribución GEV sobre la columna de los máximos entre los miembros de los modelos climáticos. Periodo histórico: 1850–1970. Escenarios: SSP1-2.6 / SSP2-4.5 / SSP3-7.0 / SSP5-8.5.
Cálculo. Para cada par (escenario, año) se calcula, para cada índice, el periodo de retorno mediante la función de supervivencia de la GEV, limitado a 250 años. Para la comparación con la GEV se usa el máximo multimodelo (x.max), no la media, porque la GEV se ajusta sobre los máximos anuales históricos entre los modelos. Cada periodo de retorno se mapea a un nivel 0–5; el nivel final es el máximo de los tres.
Umbrales → nivel A–F.
• Para cada uno de los tres índices, según el periodo de retorno (años), umbrales [5, 20, 50, 100, 250]: A: RP < 5
• B: 5–20
• C: 20–50
• D: 50–100
• E: 100–250
• F: ≥ 250
• el nivel final es el máximo entre los tres subniveles.
El periodo histórico 1850–1970 y los umbrales de 5 / 20 / 50 / 100 / 250 años son elecciones de xNatura sin fuente publicada. Los valores mostrados son la media de los modelos climáticos, mientras que la clase usa el valor más alto entre los modelos.
De físico a impacto. El nivel físico (A–F) se combina con la sensibilidad del proceso productivo mediante la matriz de riesgo (6 niveles físicos por 5 franjas de sensibilidad) → nivel de impacto. El importe en euros de este riesgo es el descrito en el párrafo «Daño a la producción» (Versión 2026): el factor de daño por clase de la Versión 2025 ya no se usa para este riesgo.
Daño a la producción. La lluvia cuenta por lo que hace al trabajo del sitio más que al edificio: se estima el valor añadido perdido, en euros por empleado y año (multiplicado por los empleados del sitio). Base: «estimación de xNatura», porque una estimación regional se aplica a un solo sitio.
• Efecto: Kotz, Levermann y Wenz 2022 miden, en 1.554 regiones de 1979 a 2019, cómo cambia la producción de la industria manufacturera y de los servicios con la lluvia anual de los días por encima del percentil 99,9 local de la lluvia diaria; el efecto por mm es de alrededor de -0,02 % de la producción y menor en las regiones más cálidas. Coeficientes de la industria manufacturera para industria, minería, energía, agua y construcción, de los servicios para las demás actividades (correspondencia de xNatura); la agricultura no es significativa en el estudio y no tiene pérdida.
• Clima: para cada uno de diez modelos climáticos (el conjunto ISIMIP3b), la lluvia diaria NASA NEX-GDDP-CMIP6, celdas de 0,25° (unos 25 km), corregida con observaciones (Thrasher et al. 2022); variación entre los 20 años en torno al año y 1995-2014, luego la media de los modelos.
• La variación se aplica como un cambio duradero del nivel de la producción, como hacen Waidelich et al. 2024 con las mismas funciones. Donde llueve menos que en 1995-2014 el estudio implica una pequeña ganancia, que se muestra como 0.
• Euros: cuota perdida × valor añadido anual por persona ocupada del país y del sector de los procesos productivos del sitio, como para el estrés térmico y la calidad del aire (Eurostat en Europa, Banco Mundial y OIT fuera).
Fuentes.
• [Copernicus Climate Data Store (CDS)](Copernicus Climate Data Store (CDS))
• [Indices for monitoring changes in extremes based on daily temperature and precipitation data](Indices for monitoring changes in extremes based on daily temperature and precipitation data)
• [ETCCDI Climate Change Indices](ETCCDI Climate Change Indices)
• [Climate Change 2021: The Physical Science Basis](Climate Change 2021: The Physical Science Basis)
• [Kotz et al. 2022, The effect of rainfall changes on economic production](Kotz et al. 2022, The effect of rainfall changes on economic production)
• [Waidelich et al. 2024, Climate damage projections beyond annual temperature](Waidelich et al. 2024, Climate damage projections beyond annual temperature)
• [Thrasher et al. 2022, NASA Global Daily Downscaled Projections, CMIP6](Thrasher et al. 2022, NASA Global Daily Downscaled Projections, CMIP6)
• [Eurostat, national accounts by industry (nama_10_a64)](Eurostat, national accounts by industry (nama_10_a64))
• [World Bank, gross value added at basic prices](World Bank, gross value added at basic prices)
• [ILOSTAT, employment (ILO modelled estimates)](ILOSTAT, employment (ILO modelled estimates)).