Il rischio precipitazioni stima l'intensificarsi degli eventi di pioggia intensa, che possono danneggiare l'asset. Si valuta con tre indici di intensità (SDII, R95pTOT, R99pTOT) misurando quanto eventi futuri diventino rari rispetto al passato: più gli eventi intensi diventano frequenti, più alto è il rischio. Tra i tre indici si prende il peggiore.
Indicatore. Simple Daily Intensity Index (SDII), in mm/giorno; Very Wet Day precipitation (R95pTOT), in mm; Extremely Wet Day precipitation (R99pTOT), in mm.
Dati. Variabili SDII, R95pTOT e R99pTOT dal Copernicus Climate Data Store (CDS); per ciascuna è pre-adattata una distribuzione GEV sulla colonna dei massimi tra i membri dei modelli climatici. Periodo storico: 1850–1970. Scenari: SSP1-2.6 / SSP2-4.5 / SSP3-7.0 / SSP5-8.5.
Calcolo. Per ogni coppia (scenario, anno) si calcola, per ciascun indice, il periodo di ritorno tramite la funzione di sopravvivenza della GEV, limitato a 250 anni. Per il confronto con la GEV si usa il massimo multi-modello (x.max), non la media, perché la GEV è adattata sui massimi annuali storici tra i modelli. Ogni periodo di ritorno è mappato a un livello 0–5; il livello finale è il massimo dei tre.
Soglie → livello A–F.
• Per ciascuno dei tre indici, in base al tempo di ritorno (anni), soglie [5, 20, 50, 100, 250]: A: RP < 5
• B: 5–20
• C: 20–50
• D: 50–100
• E: 100–250
• F: ≥ 250
• il livello finale è il massimo tra i tre sotto-livelli.
Il periodo storico 1850–1970 e le soglie 5 / 20 / 50 / 100 / 250 anni sono scelte di xNatura senza fonte pubblicata. I valori mostrati sono la media dei modelli climatici, mentre la classe usa il valore più alto tra i modelli.
Da fisico a impatto. Il livello fisico (A–F) è combinato con la sensibilità del processo produttivo tramite la matrice di rischio (6 livelli fisici per 5 fasce di sensibilità) → livello di impatto. L'importo in euro di questo rischio è quello descritto nel paragrafo «Danno di produzione» (Versione 2026): il fattore di danno per classe della Versione 2025 non si usa più per questo rischio.
Danno di produzione. La pioggia conta per quello che fa al lavoro del sito più che all'edificio: si stima il valore aggiunto perso, in euro per addetto all'anno (moltiplicati per gli addetti del sito). Base: «stima xNatura», perché una stima regionale viene applicata a un singolo sito.
• Effetto: Kotz, Levermann e Wenz 2022 misurano, su 1.554 regioni dal 1979 al 2019, come cambia la produzione della manifattura e dei servizi con la pioggia annua dei giorni sopra il 99,9° percentile locale della pioggia giornaliera; l'effetto per mm è circa -0,02% della produzione e più piccolo nelle regioni più calde. Coefficienti della manifattura per industria, estrazione, energia, acqua e costruzioni, dei servizi per le altre attività (abbinamento di xNatura); l'agricoltura nello studio non è significativa e non ha perdita.
• Clima: per ciascuno di dieci modelli climatici (l'insieme ISIMIP3b), la pioggia giornaliera NASA NEX-GDDP-CMIP6, celle di 0,25° (circa 25 km), corretta sulle osservazioni (Thrasher et al. 2022); variazione tra i 20 anni attorno all'anno e il 1995-2014, poi la media dei modelli.
• La variazione si applica come cambiamento duraturo del livello della produzione, come fanno Waidelich et al. 2024 con le stesse funzioni. Dove piove meno che nel 1995-2014 lo studio implica un piccolo guadagno, mostrato come 0.
• Euro: quota persa × valore aggiunto annuo per occupato del paese e del settore dei processi produttivi del sito, come per lo stress termico e la qualità dell'aria (Eurostat in Europa, Banca Mondiale e ILO fuori).
Fonti.
• [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)).
Indicatore. Simple Daily Intensity Index (SDII), in mm/giorno; Very Wet Day precipitation (R95pTOT), in mm; Extremely Wet Day precipitation (R99pTOT), in mm.
Dati. Variabili SDII, R95pTOT e R99pTOT dal Copernicus Climate Data Store (CDS); per ciascuna è pre-adattata una distribuzione GEV sulla colonna dei massimi tra i membri dei modelli climatici. Periodo storico: 1850–1970. Scenari: SSP1-2.6 / SSP2-4.5 / SSP3-7.0 / SSP5-8.5.
Calcolo. Per ogni coppia (scenario, anno) si calcola, per ciascun indice, il periodo di ritorno tramite la funzione di sopravvivenza della GEV, limitato a 250 anni. Per il confronto con la GEV si usa il massimo multi-modello (x.max), non la media, perché la GEV è adattata sui massimi annuali storici tra i modelli. Ogni periodo di ritorno è mappato a un livello 0–5; il livello finale è il massimo dei tre.
Soglie → livello A–F.
• Per ciascuno dei tre indici, in base al tempo di ritorno (anni), soglie [5, 20, 50, 100, 250]: A: RP < 5
• B: 5–20
• C: 20–50
• D: 50–100
• E: 100–250
• F: ≥ 250
• il livello finale è il massimo tra i tre sotto-livelli.
Il periodo storico 1850–1970 e le soglie 5 / 20 / 50 / 100 / 250 anni sono scelte di xNatura senza fonte pubblicata. I valori mostrati sono la media dei modelli climatici, mentre la classe usa il valore più alto tra i modelli.
Da fisico a impatto. Il livello fisico (A–F) è combinato con la sensibilità del processo produttivo tramite la matrice di rischio (6 livelli fisici per 5 fasce di sensibilità) → livello di impatto. L'importo in euro di questo rischio è quello descritto nel paragrafo «Danno di produzione» (Versione 2026): il fattore di danno per classe della Versione 2025 non si usa più per questo rischio.
Danno di produzione. La pioggia conta per quello che fa al lavoro del sito più che all'edificio: si stima il valore aggiunto perso, in euro per addetto all'anno (moltiplicati per gli addetti del sito). Base: «stima xNatura», perché una stima regionale viene applicata a un singolo sito.
• Effetto: Kotz, Levermann e Wenz 2022 misurano, su 1.554 regioni dal 1979 al 2019, come cambia la produzione della manifattura e dei servizi con la pioggia annua dei giorni sopra il 99,9° percentile locale della pioggia giornaliera; l'effetto per mm è circa -0,02% della produzione e più piccolo nelle regioni più calde. Coefficienti della manifattura per industria, estrazione, energia, acqua e costruzioni, dei servizi per le altre attività (abbinamento di xNatura); l'agricoltura nello studio non è significativa e non ha perdita.
• Clima: per ciascuno di dieci modelli climatici (l'insieme ISIMIP3b), la pioggia giornaliera NASA NEX-GDDP-CMIP6, celle di 0,25° (circa 25 km), corretta sulle osservazioni (Thrasher et al. 2022); variazione tra i 20 anni attorno all'anno e il 1995-2014, poi la media dei modelli.
• La variazione si applica come cambiamento duraturo del livello della produzione, come fanno Waidelich et al. 2024 con le stesse funzioni. Dove piove meno che nel 1995-2014 lo studio implica un piccolo guadagno, mostrato come 0.
• Euro: quota persa × valore aggiunto annuo per occupato del paese e del settore dei processi produttivi del sito, come per lo stress termico e la qualità dell'aria (Eurostat in Europa, Banca Mondiale e ILO fuori).
Fonti.
• [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)).