La Climate Risk Analysis è il processo che consente di identificare, analizzare e quantificare gli impatti dei cambiamenti climatici su attività, asset, infrastrutture e reti.

Integrando dati climatici, geospaziali e informazioni operative, trasforma il rischio in indicazioni utili per supportare le decisioni, proteggere la continuità operativa e pianificare interventi di adattamento.

Quando il rischio viene letto nel contesto in cui operano persone, asset e territori, diventa una guida per decidere con maggiore consapevolezza.

In questo articolo approfondiremo:

• Che cos’è la Climate Risk Analysis e quali rischi considera
• Quali dati servono per analizzare il rischio climatico
• Come si svolge una Climate Risk Analysis
• Climate Risk Analysis per asset, infrastrutture e reti lineari
• Climate Risk Analysis, CSRD, TCFD e doppia materialità
• Dall’analisi del rischio alle decisioni per la resilienza climatica

Che cos’è la Climate Risk Analysis e quali rischi considera

La Climate Risk Analysis valuta come gli eventi climatici possano influenzare il funzionamento di organizzazioni, infrastrutture e sistemi produttivi. L’obiettivo è stimare gli impatti potenziali per individuare le priorità di intervento e supportare decisioni più efficaci.

L’analisi considera due categorie di rischio.

I rischi fisici, centrali per la gestione di asset e infrastrutture, comprendono:

• Rischi acuti, come alluvioni, frane, incendi boschivi, piogge estreme, raffiche di vento e caduta alberi.
• Rischi cronici, come ondate di calore, siccità, aumento delle temperature e innalzamento del livello del mare.

Questi fenomeni possono compromettere continuità operativa, sicurezza, prestazioni e costi di gestione. Facciamo alcuni esempi concreti:

• Una cabina di trasformazione allagata può interrompere l’erogazione a intere aree servite
• Una frana può isolare per giorni un tratto di strada in area montana
• Una raffica di vento può abbattere un elettrodotto e causare un blackout esteso

Ai rischi fisici si affiancano i rischi di transizione, legati all’evoluzione normativa, tecnologica e di mercato, che possono incidere sul valore degli asset e sulle strategie aziendali.

Comprendere dove il rischio può interrompere il funzionamento di un sistema è il primo passo per costruire una resilienza concreta.

Quali dati servono per analizzare il rischio climatico

Una Climate Risk Analysis efficace nasce dall’integrazione di dati provenienti da fonti diverse. I dati climatici storici consentono di analizzare gli eventi osservati, mentre gli scenari climatici previsionali permettono di stimarne l’evoluzione su differenti orizzonti temporali.

Queste informazioni vengono integrate con dati geospaziali e territoriali, come immagini satellitari, modelli digitali del terreno, cartografia e caratteristiche del territorio, insieme alle informazioni specifiche degli asset, tra cui localizzazione, caratteristiche tecniche, stato manutentivo e criticità operative.

L’analisi mette in relazione quattro elementi fondamentali.

Il valore dei dati non dipende dalla loro quantità, ma dalla capacità di trasformarli in decisioni che rendono infrastrutture e territori più resilienti.

La qualità della Climate Risk Analysis dipende dalla capacità di integrare dati climatici e informazioni specifiche dell’organizzazione, trasformandoli in una valutazione del rischio realmente utile per definire priorità di intervento e strategie di adattamento.

Scopri come Airis integra questi elementi in un unico modello e restituisce un impatto misurabile per ogni asset.

Come si svolge una Climate Risk Analysis

Una Climate Risk Analysis segue un processo strutturato che trasforma dati climatici e geospaziali in informazioni utili per valutare il rischio e definire le priorità di intervento.

Definire il perimetro dell’analisi

La prima fase consiste nel definire l’ambito della valutazione, individuando:

• Asset e infrastrutture
• Reti e territori
• Processi operativi

Il perimetro può includere una sottostazione esposta a rischio alluvionale, un tratto di binario soggetto a deformazione nei giorni di calore estremo, o una galleria stradale su un versante instabile.

Vengono inoltre stabiliti gli orizzonti temporali e gli scenari climatici più coerenti con gli obiettivi dell’organizzazione.

Analizzare esposizione e vulnerabilità

Per ogni elemento vengono analizzati:

• I pericoli climatici rilevanti
• Il livello di esposizione
• La vulnerabilità fisica e operativa
• Le dipendenze e le interconnessioni con altri asset
• I possibili effetti indiretti o a cascata

Questa fase permette di comprendere dove il rischio può produrre gli impatti più significativi.

Quantificare e prioritizzare i rischi

L’ultima fase consiste nel stimare:

• Probabilità degli eventi
• Intensità dei fenomeni
• Conseguenze fisiche, operative ed economiche

I rischi vengono quindi classificati in base alla loro rilevanza e trasformati in:

• Mappe di rischio
• Indicatori
• Risk score
• Priorità operative

In questo modo l’analisi supporta la pianificazione degli interventi e l’allocazione delle risorse.

Climate Risk Analysis per asset, infrastrutture e reti lineari

L’analisi di un singolo asset richiede un approccio diverso rispetto a quella di un’infrastruttura distribuita sul territorio.

Una rete lineare non può essere valutata come la semplice somma di punti indipendenti. È necessario considerare:

• Continuità geografica
• Interdipendenze tra gli asset
• Nodi critici
• Tratte più vulnerabili
• Effetti a cascata

Proteggere una rete significa comprendere come il rischio si propaga lungo le sue connessioni, non soltanto dove si manifesta.

Airis analizza queste dinamiche a livello di singolo asset e di rete estesa, individuando i tratti più esposti.

Questo approccio è particolarmente utile per:

• DSO e reti di distribuzione elettrica
• TSO e reti di trasmissione
• Operatori stradali
• Operatori ferroviari

Trova applicazione anche nelle telecomunicazioni e in altre infrastrutture distribuite, consentendo di confrontare numerosi segmenti di rete, identificare quelli più esposti e definire le priorità di intervento.

Climate Risk Analysis, CSRD, TCFD e doppia materialità

La Climate Risk Analysis supporta reporting, governance e pianificazione strategica, aiutando le organizzazioni a valutare gli impatti finanziari che i cambiamenti climatici possono avere su asset, infrastrutture e continuità operativa.

Contribuisce inoltre alla valutazione della doppia materialità, considerando:

• Gli impatti dell’organizzazione su ambiente e società
• I rischi e le opportunità climatiche che possono influenzare l’organizzazione

Le informazioni prodotte rappresentano un supporto per i requisiti della CSRD e per le raccomandazioni della TCFD, integrando il rischio climatico nei processi decisionali senza limitarsi al solo adempimento normativo.

Dall’analisi del rischio alle decisioni per la resilienza climatica

I risultati della Climate Risk Analysis consentono di:

• Definire le priorità di adattamento
• Pianificare manutenzioni e investimenti
• Programmare interventi infrastrutturali
• Rafforzare business continuity, sicurezza e affidabilità del servizio
• Ottimizzare l’allocazione delle risorse

L’analisi deve essere aggiornata periodicamente per integrare nuovi dati climatici, scenari previsionali e cambiamenti degli asset.

Il dato climatico crea valore quando viene trasformato in decisioni operative che aumentano la resilienza di asset, infrastrutture e territori.

Con Airis, Eoliann mette a disposizione una piattaforma che integra dati climatici, informazioni geospaziali e caratteristiche degli asset in un unico ambiente di analisi.

Grazie a modelli di rischio ad alta risoluzione, consente di valutare l’evoluzione dei rischi fisici in diversi scenari climatici e di individuare le aree che richiedono interventi prioritari.

La piattaforma supporta organizzazioni e gestori di infrastrutture nel:

• Analizzare il rischio climatico a livello di singolo asset, infrastruttura o rete
• Confrontare scenari climatici presenti e futuri
• Identificare esposizione, vulnerabilità e priorità di intervento
• Supportare decisioni su manutenzioni, investimenti e strategie di adattamento
• Integrare la valutazione del rischio nei processi di pianificazione e governance

Scopri come trasformare il rischio climatico in decisioni operative: prenota una demo personalizzata di Airis.

FAQ

Che differenza c’è tra Climate Risk Analysis e Climate Risk Assessment?

I due termini sono spesso utilizzati come sinonimi. In generale, la Climate Risk Analysis è più focalizzata sull’elaborazione e sulla quantificazione dei dati, mentre il Climate Risk Assessment comprende l’intero processo di valutazione del rischio.

Quali sono i principali rischi climatici per imprese e infrastrutture?

I principali rischi comprendono rischi fisici e rischi di transizione. Tra i rischi fisici rientrano alluvioni, incendi boschivi, raffiche di vento, frane, piogge estreme, siccità, caduta alberi e ondate di calore.

Quali dati vengono utilizzati in una Climate Risk Analysis?

Una Climate Risk Analysis integra dati climatici storici e previsionali, scenari climatici, dati geospaziali, immagini satellitari e informazioni specifiche sugli asset.

Come si analizza il rischio climatico di una rete lineare?

L’analisi considera la continuità geografica della rete, i nodi critici, le tratte più vulnerabili, le interdipendenze tra gli asset e i possibili effetti a cascata.

In che modo la Climate Risk Analysis supporta CSRD e doppia materialità?

Supporta la valutazione dei rischi finanziari legati al clima, il reporting di sostenibilità e la pianificazione strategica, contribuendo anche all’analisi della doppia materialità.

Ogni quanto deve essere aggiornata una Climate Risk Analysis?

L’analisi dovrebbe essere aggiornata periodicamente e ogni volta che cambiano dati climatici, scenari, asset o perimetro operativo.

Il contesto

Terna è il gestore della Rete di Trasmissione Nazionale italiana, una delle più estese d’Europa. Quotata nell’indice FTSE MIB, gestisce circa 76.000 km di linee ad alta e altissima tensione e centinaia di stazioni di trasformazione, garantendo sicurezza, continuità e qualità del servizio elettrico nel Paese.

Nel 2024 Terna ha testato i modelli predittivi di Eoliann, basati su intelligenza artificiale e dati satellitari, con l’obiettivo di costruire una mappatura del pericolo idraulico più completa e uniforme. Un passaggio essenziale per identificare le aree della rete più esposte e orientare in modo più mirato gli interventi di rafforzamento.

Le mappe delle Autorità di Bacino, pur restando il riferimento ufficiale, coprono solo il 39% del territorio nazionale per quanto riguarda i tiranti idrici, con dati spesso eterogenei tra distretti. Le mappe del Joint Research Centre europeo offrono una copertura più estesa, ma escludono i bacini più piccoli e hanno una risoluzione che non consente di cogliere bene elementi locali come le opere di difesa idraulica.

È in questo contesto che Terna ha avviato un Proof of Concept con Eoliann, nell’ambito del programma Innovation Bootcamp “Data Science for Resilience”, per sviluppare un approccio capace di superare i limiti delle fonti esistenti. 

Il progetto

Il progetto, concluso a marzo 2024, è stato sviluppato congiuntamente da Terna ed Eoliann attraverso un doppio approccio: da una parte simulazioni idrauliche numeriche 2D, utili a generare mappe fisicamente accurate; dall’altra l’applicazione del modello di machine learning Airis Flood, per verificare la possibilità di estendere l’analisi a scala nazionale.

Terna ha selezionato tre aree pilota in Piemonte, ciascuna attorno a una stazione di trasformazione interessata da eventi alluvionali documentati negli anni precedenti. Questa scelta ha permesso di confrontare i risultati del progetto con dati reali di alta qualità messi a disposizione da ARPA Piemonte.

1. Simulazioni numeriche idrauliche 2D

Per ciascuna area, Eoliann ha sviluppato simulazioni idrologiche e idrauliche 2D utilizzando esclusivamente dati di Earth Observation, tra cui modello digitale del terreno, precipitazioni, copertura del suolo e rete idrografica.

Le simulazioni hanno prodotto mappe di altezza e velocità dell’acqua a 30 metri di risoluzione, per tre periodi di ritorno – 20, 100 e 200 anni – coerenti con il quadro normativo di riferimento.

2. Validazione contro eventi reali e fonti ufficiali

I risultati sono stati confrontati in modo sistematico attraverso il confronto con tre fonti indipendenti:

• i rilievi di eventi alluvionali reali forniti da ARPA Piemonte;
• le mappe delle Autorità di Bacino del Po;
• le mappe del Joint Research Centre europeo.

Questo ha permesso di misurare non solo la qualità della simulazione, ma anche il valore aggiunto rispetto agli strumenti già disponibili.

3. Applicazione del modello AI Airis Flood

Sulle stesse aree è stato poi applicato Airis Flood, il modello di machine learning di Eoliann per la stima del tirante idrico, già operativo a livello europeo.

Il modello combina variabili geomorfologiche, climatiche e urbanistiche per fornire una lettura continua e omogenea del pericolo alluvionale a 30 metri di risoluzione, colmando le principali lacune delle fonti pubbliche.

Confronto tra l’estensione dell’evento alluvionale reale e la mappa di tirante idrico simulata.

I risultati

Il progetto ha prodotto mappe di altezza dell’acqua per le tre aree pilota e per i tre periodi di ritorno considerati, validandole sia rispetto a eventi alluvionali reali sia rispetto alle principali fonti ufficiali.

I risultati hanno confermato l’affidabilità dei modelli idraulici.  

Stima della velocità dell’acqua

Tramite le simulazioni idrauliche sono state generate mappe della velocità dell’acqua, una grandezza che le fonti pubbliche oggi non forniscono ma che è essenziale per valutare il rischio su sostegni e stazioni.

Validazione su eventi reali

Nel confronto con le estensioni degli eventi alluvionali documentati da ARPA Piemonte, le simulazioni idrauliche hanno mostrato un buon livello di coerenza, restituendo risultati complessivamente affidabili nella rappresentazione delle aree interessate.

Scalabilità dell’approccio

Il modello di machine learning testato nel contesto del PoC, ha permesso di esplorare la possibilità di estendere l’analisi oltre il perimetro pilota e di costruire una lettura più uniforme del pericolo idraulico su scala nazionale.

Copertura completa

A differenza delle fonti pubbliche, il modello di Eoliann offre copertura continua del territorio, con estensioni degli allagamenti stimate a 30 metri di risoluzione. Questo permette di superare sia le lacune di copertura sia le disomogeneità presenti nelle fonti ufficiali.

Perché conta

Il progetto con Terna mostra che rafforzare la resilienza di una rete nazionale significa prima di tutto renderne il rischio più leggibile, con dati coerenti, continui e utilizzabili.

Perché solo quando il pericolo viene misurato in modo uniforme – e nelle sue grandezze fisiche più rilevanti – diventa possibile capire dove intervenire, con quale priorità e su quali asset.

Vuoi mettere Airis alla prova sui tuoi asset? Richiedi una demo!

La Direttiva CER introduce un nuovo approccio alla resilienza dei soggetti critici, chiedendo di valutare e gestire i rischi che possono compromettere la continuità dei servizi essenziali.

La Direttiva UE 2022/2557, recepita in Italia con il D.Lgs. 134/2024, entra nel vivo nel 2026 con l’individuazione dei soggetti critici e l’avvio degli obblighi operativi.

Per le organizzazioni non basta più dimostrare la conformità normativa.

Diventa necessario comprendere come eventi naturali, cambiamenti climatici e altri fattori di rischio possano influenzare infrastrutture e servizi essenziali.

In questo articolo analizziamo cosa prevede la normativa e quali implicazioni ha per energia, trasporti e infrastrutture di telecomunicazione.

Direttiva CER: cos’è e perché il 2026 è un anno decisivo

La Direttiva CER (Critical Entities Resilience), ovvero la Direttiva UE 2022/2557, è la normativa europea che rafforza la resilienza dei soggetti critici chiamati a garantire servizi essenziali.

L’obiettivo è migliorare la capacità di prevenire, resistere, rispondere e riprendersi da eventi che potrebbero comprometterne il funzionamento.

La direttiva supera il precedente concetto di infrastruttura critica e introduce quello più ampio di soggetto critico, includendo le organizzazioni che erogano servizi essenziali per il funzionamento della società e dell’economia.

In Italia la normativa è stata recepita con il D.Lgs. 134/2024, che definisce il percorso di attuazione nazionale della resilienza dei soggetti critici.

Il 2026 segna l’avvio della fase operativa della Direttiva CER. Le principali scadenze previste sono:

• 17 gennaio 2026 – individuazione dei soggetti ritenuti critici secondo i criteri stabiliti dalla normativa.
• 17 luglio 2026 – adozione dell’elenco nazionale dei soggetti critici e successiva notifica ai soggetti inclusi.

Questo processo si inserisce nella prima “Strategia nazionale per la resilienza dei soggetti critici”, prevista dal decreto di recepimento e finalizzata a rafforzare la capacità del Paese di affrontare rischi naturali, tecnologici e di altra natura.

Quali obblighi comporta l’adeguamento alla Direttiva CER

Gli obblighi in breve

1. Valutare i rischi che possono interrompere i servizi essenziali.
2. Individuare asset, funzioni e interdipendenze critiche.
3. Adottare misure tecniche e organizzative proporzionate.
4. Predisporre e aggiornare il piano di resilienza.
5. Gestire e notificare gli incidenti rilevanti.

Principali obblighi per i soggetti critici

Un soggetto viene identificato come soggetto critico quando eroga uno o più servizi essenziali, opera attraverso infrastrutture presenti sul territorio nazionale e un’interruzione delle proprie attività potrebbe produrre effetti negativi rilevanti per la collettività o per il sistema economico.

La definizione è contenuta all’articolo 2, comma 1 (lettera a) del D.Lgs. 134/2024: “«soggetto critico»: un soggetto pubblico o privato individuato, ai sensi dell’articolo 8, nell’ambito delle categorie di soggetti che operano nei settori e sottosettori di cui all’allegato A, che costituisce parte integrante del presente decreto”.

Per questi soggetti la Direttiva CER introduce un insieme di obblighi che vanno oltre la semplice conformità documentale.

Ogni organizzazione deve:

• Effettuare una valutazione dei rischi che possono compromettere la continuità dei servizi essenziali.
• Considerare rischi naturali, eventi causati dall’uomo, interdipendenze ed effetti a cascata.
• Individuare gli asset e le infrastrutture indispensabili all’erogazione del servizio.
• Adottare misure tecniche, organizzative e di sicurezza proporzionate ai rischi individuati.
• Prevedere misure di prevenzione, protezione, risposta e ripristino.
• Integrare misure di adattamento ai cambiamenti climatici.
• Predisporre e aggiornare un piano di resilienza.
• Nominare un referente responsabile.
• Notificare gli incidenti rilevanti secondo le modalità previste.

L’adeguamento alla Direttiva CER non coincide con la produzione di documenti. La valutazione dei rischi deve tradursi in interventi concreti, proporzionati al livello di esposizione e orientati a garantire la continuità dei servizi essenziali.

Cosa significa la Direttiva CER per energia, trasporti e telecomunicazioni

La Direttiva CER adotta un approccio multirischio, che comprende anche eventi naturali e cambiamenti climatici.

La resilienza non riguarda solo la sicurezza fisica o informatica, ma anche la capacità delle infrastrutture di continuare a operare durante eventi come alluvioni, incendi, ondate di calore, frane o fenomeni meteorologici estremi.

Energia

Nel settore energetico la valutazione riguarda impianti di produzione, sottostazioni, linee elettriche e reti di distribuzione.

La Direttiva CER richiede di identificare gli asset maggiormente esposti a fenomeni come alluvioni, caldo estremo, incendi, vento intenso, frane e siccità, valutandone il potenziale impatto sulla continuità del servizio.

Queste analisi supportano la definizione delle priorità di manutenzione, degli interventi di protezione, della ridondanza delle infrastrutture e delle misure di adattamento climatico.

Trasporti

Per il settore dei trasporti l’attenzione si concentra su reti ferroviarie e stradali, porti, aeroporti e principali nodi logistici.

L’obiettivo è individuare le tratte e le infrastrutture maggiormente vulnerabili agli eventi naturali, valutando le possibili interruzioni del servizio, l’accessibilità delle reti e la disponibilità di percorsi alternativi.

Queste informazioni consentono di pianificare gli investimenti e rafforzare la continuità operativa delle infrastrutture più strategiche.

Telecomunicazioni

Per i soggetti formalmente individuati come critici, la valutazione riguarda torri, stazioni radio base, nodi di rete e collegamenti distribuiti. In Italia, tuttavia, il D.Lgs. 134/2024 prevede per i soggetti critici di questo settore l’applicazione della specifica disciplina settoriale e non dei principali obblighi operativi CER.

La valutazione del rischio climatico richiede di individuare gli asset maggiormente esposti a caldo estremo, vento, incendi, frane e alluvioni, considerando anche le dipendenze energetiche, territoriali e logistiche.

Queste analisi supportano la definizione delle priorità di manutenzione, degli interventi di protezione, della ridondanza della rete e delle misure di adattamento necessarie a garantire la continuità del servizio.

Come Airis supporta la valutazione e la gestione del rischio climatico

La Direttiva CER richiede di valutare il rischio naturale in modo strutturato, considerando l’esposizione degli asset e la loro capacità di garantire la continuità dei servizi essenziali.

Le analisi basate esclusivamente sui dati storici non sono sufficienti.

I cambiamenti climatici stanno modificando frequenza, intensità e distribuzione degli eventi estremi, rendendo necessario integrare scenari futuri e valutazioni previsionali.

Airis è la piattaforma di Eoliann che rende i rischi climatici prevedibili attraverso l’analisi della probabilità, dell’intensità e dell’impatto fisico ed economico degli eventi su asset e reti infrastrutturali.

La piattaforma integra dati satellitari, informazioni geospaziali e modelli proprietari di intelligenza artificiale per analizzare sia le condizioni attuali sia gli scenari climatici futuri, con una copertura europea e proiezioni fino al 2050.

Airis è progettata per gestire sia asset puntuali, come impianti e sottostazioni, sia infrastrutture lineari, come reti elettriche, strade e ferrovie. Questo permette di valutare portafogli estesi di asset mantenendo una lettura omogenea del rischio.

L’analisi restituisce mappe di esposizione, confronta gli scenari climatici e individua gli hotspot in cui gli impatti attesi risultano più significativi.

Gli asset vengono classificati in funzione della loro vulnerabilità e del potenziale impatto sulla continuità operativa, così da supportare la definizione delle priorità di intervento.

Queste informazioni aiutano i gestori delle infrastrutture a:

• Pianificare misure di resilienza e adattamento
• Orientare gli investimenti
• Programmare la manutenzione
• Prendere decisioni basate su dati oggettivi e scenari forward-looking

Vuoi capire come Airis può supportare la valutazione del rischio climatico dei tuoi asset?
Chiedi una demo

Airis e Direttiva CER

Valuta il rischio climatico dei tuoi asset.

Prova Airis

FAQ

Che cos’è la Direttiva CER?

La Direttiva CER (Critical Entities Resilience) è la normativa europea che rafforza la resilienza dei soggetti critici che gestiscono servizi essenziali. Richiede di valutare i rischi, adottare misure di protezione e predisporre piani per garantire la continuità operativa.

Quali obblighi prevede la Direttiva CER per i soggetti critici?

I soggetti critici devono valutare i rischi naturali e antropici, individuare gli asset essenziali, adottare misure di resilienza, predisporre un piano di resilienza e notificare gli incidenti rilevanti secondo quanto previsto dalla normativa.

Qual è la differenza tra Direttiva CER e Direttiva NIS2?

La Direttiva CER riguarda la resilienza fisica e operativa dei soggetti critici rispetto a eventi naturali e altre minacce. La Direttiva NIS2 disciplina invece la sicurezza delle reti e dei sistemi informativi. Le due normative affrontano aspetti diversi ma complementari della resilienza delle infrastrutture.

La Direttiva CER si applica anche alle infrastrutture di telecomunicazione?

Sì. Le infrastrutture digitali rientrano tra i settori individuati dalla Direttiva CER. In Italia, tuttavia, ai soggetti critici di questo settore si applica la specifica disciplina settoriale e non i principali obblighi operativi previsti dalla CER.

Con quale frequenza deve essere aggiornata la valutazione dei rischi?

La Direttiva CER richiede che la valutazione dei rischi venga mantenuta aggiornata e rivista periodicamente, oltre che in occasione di cambiamenti rilevanti che possano modificare il profilo di rischio dell’organizzazione o delle infrastrutture.

Come possono i modelli predittivi supportare la resilienza delle infrastrutture critiche?

I modelli predittivi permettono di stimare come il rischio climatico possa evolvere nel tempo e quale impatto potenziale possa avere sugli asset. Integrando dati satellitari, informazioni geospaziali e scenari climatici futuri, supportano la prioritizzazione degli interventi, la pianificazione della manutenzione e le decisioni di adattamento, rafforzando la continuità dei servizi essenziali.

Se negli ultimi anni vi è sembrato che le alluvioni colpissero più spesso e con effetti più gravi, i numeri confermano la vostra percezione: in Europa, negli ultimi trenta anni i danni economici hanno superato i 170 miliardi di euro (Re Soil Foundation / MIIR – The multiple impact of the devastating floods in Europe), con una frequenza degli eventi estremi in aumento rispetto alla media del secolo scorso.
Misurare il rischio alluvionale, modellarlo e comprenderlo significa mettere chi gestisce infrastrutture critiche nelle condizioni di prevedere e prevenire il suo impatto futuro su asset, territori e comunità.
Dove può arrivare l’acqua? Con quale profondità? Con quale probabilità? E come possono cambiare queste condizioni negli scenari climatici futuri?
In questo articolo entriamo nel merito di questa catena tecnica: come si stima il pericolo alluvionale, quali approcci esistono, quali sono i loro punti di forza e quali limiti è necessario conoscere per interpretare correttamente i risultati. 

Per stimare un rischio climatico alluvionale servono tre elementi distinti, che gli esperti del settore identificano con pericolo, esposizione e vulnerabilità.
Il pericolo (hazard in inglese) è la pericolosità del fenomeno fisico, e stima ad esempio dove può arrivare l’acqua in caso di esondazione fluviale, che livello raggiunga e con che frequenza il fenomeno può ripresentarsi.
L’esposizione (exposure) definisce ciò che si trova in quell’area (edifici, reti, persone).
La vulnerabilità (vulnerability) indica quanto questi elementi siano fragili rispetto all’intensità dell’evento in questione.
Se la stima di questi tre elementi è già intrinsecamente difficile, il cambiamento climatico aggiunge un ulteriore fattore di complessità, modificando la componente di pericolo nel futuro. Per proiettare il rischio alluvionale nel futuro è necessario sapere quali saranno le condizioni climatiche nei prossimi anni. A tal proposito si usano scenari climatici condivisi a livello internazionale, i cosiddetti SharedSocioeconomic Pathways (SSP), rappresentazioni future plausibili del clima ottenute a partire da ipotesi su emissioni, crescita demografica e sviluppo economico. 

Una stima di rischio alluvionale oggi segue una catena logica che parte dagli asset e produce indicatori socio-econometrici utilizzabili per prendere decisioni informate.
Il primo passo è la localizzazione degli elementi da valutare (geocoding): un impianto, un tratto di rete, un edificio pubblico. Questa informazione viene quindi sovrapposta alle mappe di pericolosità, che descrivono dove l’acqua può estendersi, con quale profondità e con quale probabilità. 

Oggi le mappe di pericolosità vengono costruite soprattutto attraverso due metodologie prevalenti: le simulazioni numeriche, radicate nella fisica del fenomeno, e i modelli di intelligenza artificiale, che sfruttano archivi satellitari sempre più ampi per stimare il rischio su scale geografiche più estese. 

Il primo approccio si basa su un modello idrologico (spesso un modello matematico) che traduce le precipitazioni in portata, cioè nella quantità d’acqua che scorre nel fiume in un dato momento in risposta alla pioggia caduta nel bacino a monte. Successivamente, un modello idraulico, spesso in configurazione 1D (lungo il corso d’acqua) o 2D (sull’intera piana alluvionale), simula dove si diffonde l’acqua, quanto è profonda e con quale velocità scorre. Questi modelli incorporano vincoli fisici reali (topografia, argini, ponti, scarichi), e sono molto preziosi per le analisi locali ad alta risoluzione. Il loro limite principale è però la scalabilità: sono lenti, costosi e difficili da estendere a interi bacini o a copertura continentale. 

Per rispondere all’esigenza di scalare l’analisi su aree sempre più vaste, negli ultimi anni si è diffuso un secondo approccio, quello che adottiamo e sviluppiamo in Eoliann, basato su tecnologie emergenti che combinano modelli di intelligenza artificiale con dati satellitari sempre più ricchi e diffusi. A differenza delle simulazioni numeriche, che partono da equazioni fisiche e da dati di dettaglio locale, questo metodo si appoggia soprattutto a osservazioni del territorio viste dall’alto: immagini radar SAR (Synthetic Aperture Radar), che possono rilevare la presenza dell’acqua anche attraverso la nuvolosità, modelli digitali del terreno che descrivono la morfologia del suolo o ne derivano le proprietà, e archivi di inondazioni passate che documentano dove l’acqua si è effettivamente estesa in eventi precedenti. In pratica, il satellite non misura direttamente il rischio alluvionale, ma fornisce informazioni spaziali continue su un’area molto ampia (spesso continentale o globale) che altrimenti sarebbe impossibile coprire con la stessa rapidità. 

Queste informazioni devono poi essere opportunamente processate da un modello di intelligenza artificiale addestrato per riconoscere i pattern che legano le caratteristiche meteo-climatiche, morfologiche e antropiche al rischio alluvionale. Tale addestramento, noto come training, è il cuore di questo approccio: si forniscono al modello da addestrare migliaia di esempi in cui sono note sia le condizioni di input (precipitazioni, quota del terreno, urbanizzazione, vicinanza ai corsi d’acqua, etc.) sia l’esito osservato (estensione, profondità o velocità dell’inondazione). Il modello impara progressivamente a riconoscere quali combinazioni di fattori si associano a inondazioni di diversa intensità, senza che lo sviluppatore debba codificare esplicitamente ogni legame fisico. Una volta addestrato, il modello può essere usato per fare inferenza: applicato a un’area nuova, stima la pericolosità alluvionale sulla base di ciò che ha imparato dagli esempi precedenti. Il più grande vantaggio è la velocità: una volta costruito, può produrre mappe di rischio su vaste estensioni geografiche in tempi molto inferiori rispetto a una catena idrologica-idraulica completa. Allo stesso tempo, è chiaro il limite:la qualità dell’output dipende dalla qualità e dalla rappresentatività dei dati con cui il modello è stato addestrato. Se ad un modello viene chiesto di stimare il rischio alluvionale in un contesto eccessivamente diverso dagli esempi visti durante la fase di addestramento, la stima rischia di essere meno affidabile. 

Il vero potenziale, però, non sta nel sostituire le simulazioni numeriche, ma nel combinarle. Le mappe basate su intelligenza artificiale e dati satellitari offrono copertura e velocità; le simulazioni fisiche offrono precisione locale e interpretabilità. Usate insieme, possono compensare i rispettivi limiti: il modello satellitare può fornire informazioni territoriali di contesto sulle condizioni di un possibile pericolo alluvionale, mentre le simulazioni numeriche possono validare o servire da addestramento per le stime del modello di intelligenza artificiale, soprattutto nei punti critici come argini, infrastrutture o bacini con difese idrauliche complesse. In questo approccio ibrido, l’intelligenza artificiale non scopre leggi fisiche ignorate alla scienza: riconosce pattern statistici nei dati. Per questo, nel lavoro che facciamo in Eoliann, li consideriamo strumenti complementari. 

I paragrafi precedenti descrivono come si misura il pericolo alluvionale: dove può arrivare l’acqua, con quale intensità e con quale frequenza. Ma il pericolo da solo non basta a stimare il rischio. Servono due ulteriori informazioni: l’esposizione, cioè cosa si trova nell’area potenzialmente allagata (edifici, infrastrutture, persone); e la vulnerabilità, cioè quanto questi elementi siano fragili di fronte a un’inondazione di data intensità. Senza esposizione e vulnerabilità, una mappa di pericolosità resta una descrizione del fenomeno fisico, non una base per decidere. Qui entrano in gioco le curve danno-profondità: relazioni empiriche che collegano la profondità dell’acqua al danno atteso su un asset o su un’attività. Applicandole a ciascun asset esposto e combinando opportunamente le informazioni di pericolo e vulnerabilità, si ottengono diversi indicatori econometrici, come ad esempio l’Expected Annual Damage (EAD), cioè il danno medio annuo atteso. Questa è una delle metriche utilizzata più spesso per confrontare rischi diversi, prioritizzare interventi o alimentare analisi assicurative e di investimento. Gli ultimi passaggi sono la proiezione su scenari climatici futuri e la validazione, cioè il confronto dei risultati con eventi osservati o con mappe ufficiali delle autorità, dove disponibili, per verificare se i risultati del modello siano solidi abbastanza da supportare una decisione. 

Nonostante progressi tecnologici e metodologici significativi, la stima del rischio alluvionale presenta ancora limiti strutturali.
Il primo riguarda i dati: la qualità, la risoluzione e le informazioni su argini, muri e difese idrauliche restano disomogenee tra paesi e bacini, con il rischio di introdurre distorsioni e bias nelle stime.
Il secondo riguarda l’incertezza associata alle stime climatiche dei modelli regionali e globali, spesso elevata soprattutto su scala locale. Qui serve una precisazione: le metodologie di stima del pericolo alluvionale descritte in precedenza possono essere molto accurate sul dettaglio locale, ma rischiano di essere poco precise se i dati di input (come, ad esempio, le stime dei modelli climatici) sono altamente incerti. In altre parole, il modello può simulare o predire bene l’inondazione, ma la sua stima sarà comunque condizionata dall’incertezza sui dati meteo-climatici in input. Non è un dettaglio tecnico: significa che due analisi sullo stesso asset, con ipotesi climatiche diverse ma entrambe plausibili, possono arrivare a risultati anche distanti tra loro. Per questo, le stime di rischio alluvionale non si basano di solito su un singolo modello climatico, ma su un insieme di modelli (un cosiddetto ensemble), permettendo di ridurre il rischio di errori sistematici legati a un singolo approccio. Stimare, verificare e comunicare questa incertezza fa parte del lavoro. 

Di fronte a questi limiti, in Eoliann stiamo costruendo una direzione diversa.
Un framework ibrido che mette insieme, in un unico flusso operativo, fisica del fenomeno, dati geospaziali ad alta risoluzione, modelli probabilistici e di intelligenza artificiale e requisiti regolatori.
Non si tratta di ripartire da zero, gran parte degli ingredienti esiste già: modelli idrologico-idraulici consolidati, mappe satellitari, archivi climatici, standard normativi. Il nostro lavoro consiste nel farli dialogare tra loro in modo nuovo: prendere il meglio di ciascun approccio, riconoscerne i limiti e ricombinarli in un sistema che sia più di quanto ogni componente possa offrire da sola. Le simulazioni numeriche restano il riferimento per la precisione locale e, dove necessario, per generare o validare esempi di addestramento del modello di intelligenza artificiale. I dati satellitari ampliano la copertura e forniscono informazioni di contesto territoriale sulle condizioni che possono precedere un’inondazione. L’intelligenza artificiale permette una stima del rischio alluvionale in tempo quasi reale e accelera la copertura dove serve scala. A questo si aggiungono i record di eventi alluvioni passati per validare il framework e i requisiti regolatori per garantire trasparenza e aggiornabilità. Sul fronte dell’incertezzastiamo lavorando per l’integrazione di modelli ensemble.
Il senso del nostro approccio ibrido è tutto qua: utilizzare il meglio di ciascuna componente per determinare il rischio alluvionale nel modo più accurato possibile trasformando l’informazione in conoscenza utile in chiave decisionale, per chi oggi ha la responsabilità di scegliere per il futuro di territori e comunità.

Questo articolo è a cura della Climate Risk Models Unit di Eoliann e inaugura la rubrica “Eoliann Lens”, una serie di approfondimenti sulla tecnologia e sulle metodologie che stanno dietro al nostro lavoro. 

In due articoli precedenti abbiamo analizzato elementi fondamentali: il Climate Risk Assessment come processo per valutare esposizione e vulnerabilità, e il Climate Risk Model, che trasforma dati in valutazioni quantitative del rischio.

Resta però una domanda fondamentale: come rendere queste analisi accessibili, aggiornabili e utilizzabili da chi deve prendere decisioni ogni giorno?

È qui che entra in gioco un Climate Risk Assessment Tool, una piattaforma che permette di integrare dati climatici, geospaziali e operativi per identificare gli asset più esposti, stimarne la vulnerabilità, confrontare scenari futuri e definire priorità di intervento.

Con lo strumento giusto, analisi complesse diventano informazioni utili a team diversi, dal risk management all’asset management, fino a chi si occupa di operations, manutenzione, sostenibilità e pianificazione strategica.

In questa guida approfondiamo tutto ciò che riguarda un Climate Risk Assessment Tool:

• Cos’è e quali vantaggi garantisce
• Le sue funzionalità
• Come riconoscere una soluzione enterprise
• I vantaggi di una dashboard di climate intelligence
• Gli errori da evitare
• La piattaforma Airis

Cos’è un Climate Risk Assessment Tool e quali sono i suoi benefici

Un Climate Risk Assessment Tool è una piattaforma digitale progettata per analizzare, visualizzare e prioritizzare i rischi climatici fisici che possono influenzare asset, infrastrutture e attività operative.

Per produrre valutazioni realmente utili deve integrare informazioni provenienti da fonti diverse, tra cui:

• Dati climatici storici
• Scenari climatici futuri
• Dati geospaziali
• Informazioni sugli asset
• Modelli di esposizione e vulnerabilità

Per comprendere il suo ruolo è utile collegarlo ai concetti introdotti negli articoli precedenti.

Il Climate Risk Assessment definisce il processo di valutazione del rischio.
Il Climate Risk Model elabora scenari, probabilità e possibili impatti.
Il Climate Risk Assessment Tool rende queste informazioni accessibili e utilizzabili da persone, team e funzioni aziendali differenti. È il punto di incontro tra analisi e decisione.

Il vero valore emerge quando il rischio smette di descrivere ciò che potrebbe accadere e inizia a orientare ciò che possiamo fare.

Benefici della piattaforma

Per chi gestisce asset e infrastrutture, i vantaggi più concreti sono:

• Analisi più rapide e aggiornabili
• Valutazioni più granulari fino al singolo asset
• Riduzione dell’incertezza nelle decisioni
• Supporto alla pianificazione della resilienza
• Migliore allocazione degli investimenti
• Collaborazione tra risk manager, asset manager, operations e sustainability team

Quando il rischio diventa leggibile nel contesto degli asset, diventa anche più semplice individuare dove intervenire oggi per ridurre gli impatti di domani.

Sapere che un territorio è esposto a precipitazioni estreme è utile. Capire quali asset possono essere coinvolti, con quali conseguenze operative e in quale orizzonte temporale, rende quell’informazione utilizzabile nelle decisioni.

Funzionalità di un Climate Risk Assessment Tool

Non tutte le piattaforme offrono lo stesso livello di supporto alle decisioni.

La scelta di un Climate Risk Assessment Tool non dovrebbe basarsi esclusivamente sull’interfaccia o sulla qualità delle visualizzazioni. Ciò che conta davvero è la capacità di supportare decisioni operative, finanziarie e strategiche attraverso dati affidabili e analisi contestualizzate sugli asset.

È proprio attraverso funzionalità specifiche che dati e analisi diventano strumenti concreti a supporto delle decisioni. Tra le più rilevanti troviamo:

Asset mapping

Permette di caricare e geolocalizzare gli asset, classificandoli in base a tipologia, criticità e funzione operativa.

Un gestore ferroviario, ad esempio, può visualizzare l’intera rete e distinguere le tratte strategiche da quelle secondarie per valutarne il diverso livello di esposizione.

Hazard screening

Consente di analizzare i principali fenomeni climatici rilevanti per il contesto operativo:

• Alluvioni
• Ondate di calore
• Siccità
• Incendi
• Vento estremo
• Frane

L’obiettivo è comprendere quali minacce richiedono maggiore attenzione e dove si concentrano.

Scenario analysis

Permette di confrontare scenari climatici differenti e valutare come il rischio possa evolvere nel tempo.

Per un’infrastruttura energetica, ad esempio, può significare confrontare il livello di esposizione attuale con quello previsto al 2030 o al 2050.

Risk scoring

Attribuisce punteggi di rischio agli asset sulla base di esposizione, vulnerabilità e potenziali impatti.

Questo consente di individuare rapidamente gli elementi più critici e definire priorità di intervento.

Data visualization

Mappe interattive, dashboard e indicatori sintetici aiutano a trasformare dati complessi in informazioni leggibili da team diversi.

Economic impact assessment

Permette di valutare possibili danni economici, downtime operativi e conseguenze sui costi di investimento o gestione.

Export e integrazione

Le piattaforme più evolute consentono l’esportazione dei dati, l’utilizzo di API e l’integrazione con sistemi aziendali esistenti.

Come ogni funzionalità contribuisce alle decisioni

Integrazione dati meteo-climatici

Nell’articolo dedicato al Climate Risk Model abbiamo visto come dati climatici e geospaziali rappresentino gli input necessari per costruire le analisi di rischio. Quando si valuta un Climate Risk Assessment Tool, i dati diventano un criterio per comprendere se è in grado di fornire analisi affidabili, aggiornate e coerenti con il caso d’uso.

Per questo è importante comprendere quali tipologie di dati vengono integrate e come vengono utilizzate:

• Dati storici, utili per analizzare eventi già avvenuti
• Dati near real-time, utilizzati per monitoraggio, alert ed early warning
• Scenari climatici futuri, fondamentali per investimenti e pianificazione
• Dati satellitari ed Earth Observation, utili per osservare il territorio e i suoi cambiamenti
• Dati geospaziali, necessari per contestualizzare il rischio rispetto agli asset
• Dati asset-level, indispensabili per collegare il rischio climatico alle caratteristiche operative delle infrastrutture

La qualità di un tool si misura nella capacità di trasformare dati diversi in una lettura unica e coerente del rischio.

Checklist per valutare l’integrazione dati meteo-climatici

Oltre a questi aspetti è importante valutare copertura geografica, frequenza di aggiornamento, gestione dell’incertezza e coerenza metodologica delle analisi.

Differenza tra tool generici e soluzioni enterprise

La scelta di una piattaforma non dipende soltanto dalle funzionalità disponibili, ma soprattutto dal tipo di decisioni che deve supportare.

Una valutazione preliminare del rischio richiede esigenze diverse rispetto alla gestione di reti, impianti e asset distribuiti sul territorio. Per questo, nella pratica, è utile distinguere tra tool generici e soluzioni enterprise.

Tool generici

I tool generici sono spesso utilizzati per ottenere una prima lettura del rischio climatico.

Generalmente si basano su indicatori sintetici e consentono di individuare rapidamente le aree potenzialmente più esposte a determinati fenomeni climatici.

Per questo risultano particolarmente utili nelle attività di:

• Screening preliminare
• Analisi esplorative
• Prime valutazioni territoriali
• Identificazione delle aree che richiedono approfondimenti successivi

Pur offrendo una panoramica efficace del rischio, presentano alcuni limiti quando le decisioni riguardano asset specifici, continuità operativa o pianificazione degli investimenti.

Soluzioni enterprise

Le soluzioni enterprise sono progettate per supportare organizzazioni che gestiscono asset multipli, infrastrutture critiche e processi decisionali articolati.

Consentono di integrare dati climatici, territoriali e aziendali all’interno di un unico ambiente di analisi, lavorando fino al livello del singolo asset.

Tra le principali caratteristiche troviamo:

• Analisi asset-level
• Integrazione con sistemi e processi aziendali
• Gestione di grandi portafogli di asset
• Supporto a scenari climatici e valutazioni di impatto
• Prioritizzazione degli interventi
• Supporto alle decisioni operative e finanziarie

Queste piattaforme trovano applicazione in ambiti come:

• Risk management
• Asset management
• Operations
• Business continuity
• Pianificazione degli investimenti

Confronto e differenze tra tool generici ed enterprise

La differenza emerge chiaramente in situazioni operative reali.

Un tool generico può indicare che una determinata area è esposta a rischio alluvione.

Una soluzione enterprise aiuta a identificare gli asset più vulnerabili nell’area, quali impatti potrebbero subire e quali interventi meritano priorità.

Per infrastrutture critiche, dati aggiornati, integrazione nei processi aziendali e continuità delle analisi diventano fattori decisivi.

I vantaggi delle dashboard di climate intelligence

La quantità di dati che alimenta un Climate Risk Assessment Tool può diventare rapidamente difficile da interpretare.

Per questo una dashboard di climate intelligence ha un compito preciso: rendere comprensibili informazioni complesse senza semplificarle eccessivamente.

Leggere il rischio in modo efficace richiede la possibilità di passare dal quadro generale al singolo asset, confrontando scenari, livelli di esposizione e priorità di intervento.

Una lettura di questo tipo richiede:

• Mappe interattive del territorio e degli asset
• Filtri per asset, area geografica, hazard e scenario climatico
• Indicatori di esposizione
• Indicatori di vulnerabilità
• Risk score sintetici
• Trend temporali
• Alert e soglie critiche configurabili

L’obiettivo è fornire informazioni che aiutino a prendere decisioni più rapide e consapevoli.

I vantaggi delle dashboard emergono quando vengono utilizzate da specifiche figure aziendali:

• Un operations manager può individuare gli asset maggiormente esposti a heat stress e programmare azioni preventive.
• Un asset manager può definire priorità di manutenzione su tratte ferroviarie, impianti o reti più vulnerabili.
• La direzione strategica può confrontare diverse opzioni di investimento e valutare interventi di adattamento.
• Un sustainability manager può analizzare scenari climatici futuri e monitorarne le implicazioni sugli asset.
• Un risk manager può integrare il rischio climatico all’interno del framework ERM aziendale e confrontarlo con altri fattori di rischio.

Quando tutti osservano lo stesso scenario attraverso una base informativa condivisa, diventa più semplice coordinare priorità, investimenti e strategie di adattamento.

Errori da evitare nella scelta del software

La scelta di un Climate Risk Assessment Tool può influenzare direttamente la qualità delle analisi e delle decisioni che ne derivano. Per questo è importante andare oltre le caratteristiche più visibili e valutare attentamente dati, metodologia e capacità di integrazione.

Se non si vogliono fare errori, è necessario evitare di:

Scegliere solo in base all’interfaccia

Una buona esperienza utente è importante, ma non sostituisce la qualità dei dati, la trasparenza metodologica e la solidità delle analisi.

Valutare solo il prezzo

Un tool economico ma poco integrabile può produrre risultati difficili da utilizzare nei processi aziendali e richiedere attività aggiuntive di gestione e verifica.

Ignorare la granularità dei dati

Decisioni asset-level richiedono dati sufficientemente dettagliati. Informazioni troppo aggregate possono nascondere differenze rilevanti tra asset apparentemente simili.

Trascurare la verifica degli hazard coperti

Ogni organizzazione è esposta a rischi differenti. È fondamentale verificare che la piattaforma analizzi gli hazard realmente rilevanti per il proprio contesto operativo e territoriale.

Trascurare l’integrazione enterprise

Se il tool non dialoga con sistemi, processi e dataset aziendali, il rischio è creare un ulteriore silos informativo difficile da mantenere e utilizzare.

Confondere reporting e decision support

Produrre report non significa necessariamente supportare decisioni operative. Il valore della piattaforma dipende dalla capacità di trasformare i dati in priorità, scenari e azioni concrete.

Best practice nella valutazione di una piattaforma

Prima di scegliere un Climate Risk Assessment Tool, è utile:

• Valutare la piattaforma attraverso un caso d’uso reale
• Coinvolgere funzioni aziendali diverse nel processo di selezione
• Verificare dati, metodologia, integrazione e scalabilità
• Richiedere esempi concreti di output su asset e scenari climatici

La qualità di uno strumento si misura soprattutto nella sua capacità di supportare decisioni che riguardano asset reali e contesti operativi concreti.

Airis: il tool di Climate Risk Assessment di Eoliann

Nel corso dell’articolo abbiamo visto come la scelta di un Climate Risk Assessment Tool dipenda da diversi fattori: qualità dei dati, granularità delle analisi, robustezza metodologica, capacità di integrazione e supporto alle decisioni.

Airis nasce proprio per rispondere a queste esigenze in contesti che coinvolgono asset strategici e infrastrutture critiche.

La piattaforma sviluppata da Eoliann consente di integrare dati climatici, geospaziali e informazioni sugli asset per analizzare il rischio fisico in modo contestualizzato e supportare attività di pianificazione, adattamento e gestione operativa.

Le sue principali funzionalità:

• Integrazione di dati climatici e geospaziali
• Analisi asset-level su infrastrutture e sistemi critici
• Visualizzazione dei rischi tramite dashboard interattive
• Supporto alla valutazione di scenari climatici futuri
• Identificazione delle priorità operative e di investimento
• Supporto a continuità operativa e strategie di resilienza

Un Climate Risk Assessment Tool esprime il suo valore quando trasforma dati e scenari in priorità operative chiare.

Scopri come supportare la valutazione del rischio climatico su asset e infrastrutture, prova Airis sul tuo portafogli!

FAQ

Un Climate Risk Assessment Tool richiede competenze climatiche specialistiche?

No. Le piattaforme più evolute rendono il rischio climatico comprensibile anche a figure come risk manager, asset manager e responsabili delle operations attraverso dashboard, indicatori e visualizzazioni intuitive.

Quanto tempo serve per l’implementazione?

Dipende dal numero di asset e dal livello di integrazione richiesto. In genere il processo comprende raccolta dati, configurazione delle analisi e attivazione delle funzionalità per i diversi team aziendali.

Come si mantiene aggiornato?

Attraverso l’aggiornamento periodico di dati climatici, scenari e informazioni sugli asset, mantenendo le analisi allineate all’evoluzione del contesto operativo e ambientale.

Chi dovrebbe partecipare alla scelta del tool?

Risk management, asset management, operations, sostenibilità e business continuity. Coinvolgere funzioni diverse aiuta a valutare correttamente esigenze operative e decisionali.

Un Climate Risk Assessment Tool può supportare il reporting ESG?

Sì. Può fornire dati e analisi utili per documentare esposizione ai rischi climatici, impatti potenziali e strategie di adattamento all’interno dei processi di reporting e disclosure.

Quando il clima cambia più rapidamente delle infrastrutture, la differenza non la fa la capacità di reagire all’evento, ma quella di comprenderne in anticipo le possibili conseguenze.

Se il Climate Risk Assessment definisce il processo con cui si analizzano hazard, esposizione e vulnerabilità, il Climate Risk Model rappresenta il motore analitico che permette di stimare probabilità degli eventi climatici, intensità dei fenomeni, fragilità degli asset, impatti economici e funzionali e priorità di intervento.

Il suo obiettivo è rendere il rischio misurabile e utilizzabile nelle decisioni, non descriverlo in modo teorico.

In questo articolo parliamo di:

• Cos’è un Climate Risk Model
• In cosa si differenzia dai climate change models
• Quali dati utilizza
• Come lavora con scenari probabilistici
• Come viene validato
• Come supporta CAPEX, OPEX, continuità operativa e resilienza

Che cos’è un Climate Risk Model

Un Climate Risk Model è un modello analitico progettato per stimare il rischio climatico fisico su asset, infrastrutture, reti, processi operativi e sistemi aziendali. Combina dati climatici, geospaziali, fisici, operativi ed economici per trasformare informazioni complesse in indicatori utilizzabili per il processo decisionale.

Nel Climate Risk Assessment vengono analizzate tre dimensioni fondamentali: hazard, exposure, vulnerability.

Il Climate Risk Model integra queste componenti e le traduce in valutazioni quantitative o semi-quantitative degli impatti attesi.

La finalità non è prevedere il meteo o determinare con certezza assoluta cosa accadrà in futuro. Il modello serve piuttosto a stimare scenari plausibili di rischio e a supportare decisioni concrete su dove intervenire, con quale priorità e con quale livello di investimento.

Il valore di un modello non si misura dalla capacità di eliminare l’incertezza, ma dalla sua capacità di renderla leggibile e governabile.

In questo modo il rischio climatico smette di essere un’informazione isolata e diventa un elemento integrabile nei processi aziendali e nelle strategie di adattamento.

Differenza tra Climate Risk Model e Climate Change Models

I due strumenti sono diversi ma complementari, perché rispondono a domande differenti:

• Climate Change Model → “come cambia il clima?”
• Climate Risk Model → “che impatto può avere questo cambiamento sui miei asset?”

Climate Change Models

I Climate Change Models simulano l’evoluzione del sistema climatico nel tempo. Analizzano variabili come:

• Temperature
• Precipitazioni
• Livello del mare
• Frequenza degli eventi estremi
• Intensità degli hazard
• Pattern climatici futuri

Questi modelli aiutano a comprendere come potrebbe evolvere il clima nei prossimi decenni sulla base di differenti scenari emissivi.

Climate Risk Models

I Climate Risk Models aggiungono alle variabili dei Climate Change Models ulteriori livelli di analisi collegati agli asset e alle attività che devono essere protetti:

• Asset fisici
• Infrastrutture critiche
• Vulnerabilità locali
• Costi operativi
• Perdite economiche
• Continuità del servizio
• Priorità decisionali

Esempio di integrazione dei due modelli

Immaginiamo un impianto industriale situato vicino a un fiume in un’area che negli ultimi decenni ha registrato eventi alluvionali sempre più frequenti.

Un Climate Change Model può mostrare che, nei prossimi trent’anni, in quel territorio aumenteranno intensità e frequenza delle precipitazioni estreme, rendendo più probabili episodi di esondazione.

Un Climate Risk Model utilizza queste informazioni per valutare come quel cambiamento potrebbe incidere sull’impianto. Può stimare la probabilità di allagamento delle aree produttive, i possibili danni alle apparecchiature, i giorni di fermo attività attesi e gli impatti economici associati, aiutando a definire priorità di intervento e investimenti per l’adattamento.

Due modelli, due prospettive sul rischio: sintesi delle differenze

Perché utilizzare un Climate Risk Model per asset e infrastrutture?

Due asset apparentemente simili possono presentare livelli di rischio molto diversi in base alla loro posizione geografica, alla quota altimetrica, alla vicinanza a fiumi, coste o aree franose, alle caratteristiche costruttive, al livello di manutenzione, alla ridondanza operativa, alle dipendenze da reti esterne e alla loro criticità per la continuità operativa.

Un Climate Risk Model serve a capire come il rischio può tradursi in conseguenze concrete sugli asset e quali interventi possono ridurne gli impatti nel tempo.

Permette di:

• Identificare le strutture più esposte
• Stimare impatti fisici ed economici
• Definire priorità di intervento
• Supportare piani di adattamento
• Ridurre downtime e costi non previsti
• Rafforzare la resilienza delle infrastrutture critiche

È attraverso la capacità di collegare scenari climatici, vulnerabilità e possibili conseguenze che il rischio diventa una variabile concreta a supporto delle decisioni.

Da un modello accurato è possibile stabilire che:

• Una linea ferroviaria esposta a heat stress può richiedere interventi sui materiali o nuove strategie manutentive.
• Una sottostazione elettrica situata in un’area soggetta a incendi boschivi può richiedere fasce di protezione, sistemi di monitoraggio dedicati e interventi per ridurre la vulnerabilità delle infrastrutture più esposte.
• Un nodo logistico esposto a precipitazioni estreme può generare ritardi lungo l’intera supply chain, mentre una rete idrica soggetta a periodi prolungati di siccità può richiedere investimenti in ridondanza e fonti alternative di approvvigionamento.

Come il modello supporta le decisioni

Modelli probabilistici di rischio climatico

I modelli probabilistici di rischio climatico rappresentano oggi uno degli approcci più avanzati nella valutazione del rischio fisico.

A differenza dei modelli deterministici, non restituiscono un singolo valore assoluto, ma producono una distribuzione di possibili scenari, associando a ciascuno una probabilità di accadimento.

Questo approccio è particolarmente utile perché il rischio climatico contiene inevitabilmente margini di incertezza.

Questo tipo di modello può stimare:

• Probabilità di accadimento di un evento
• Intensità attesa
• Frequenza di superamento di soglie critiche
• Danno potenziale
• Impatto economico medio

Tra gli output più utilizzati troviamo:

• Annual Expected Loss (AEL) → esempio: perdita economica media annua attesa di 500.000 €
• Risk Score → esempio: asset classificato con rischio elevato pari a 8,5/10
• Downtime Probability → esempio: 25% di probabilità di fermo operativo entro il 2050
• Scenario 1-in-100 years → esempio: evento con probabilità dell’1% di verificarsi ogni anno

Quando il rischio viene tradotto in informazioni chiare, diventa più semplice valutare le opzioni disponibili e orientare le decisioni.

Chi gestisce asset e infrastrutture può:

• Confrontare diverse opzioni di investimento
• Valutare i trade-off tra possibili interventi
• Definire livelli di rischio accettabile
• Stabilire priorità di adattamento sulla base di evidenze quantitative

Dati di input per un Climate Risk Model

La qualità di un modello dipende direttamente dalla qualità dei dati che lo alimentano.

Più i dati sono accurati, granulari e aggiornati, maggiore sarà l’affidabilità delle stime prodotte.

Nel Climate Risk Assessment i dati geospaziali rappresentano già una componente fondamentale. All’interno di un Climate Risk Model diventano invece uno degli elementi centrali per la simulazione degli scenari e la quantificazione degli impatti.

Le principali categorie di input comprendono:

Dati climatici

• Serie storiche
• Temperature
• Precipitazioni
• Vento
• Siccità
• Livello del mare
• Scenari climatici futuri

Dati geospaziali

• Coordinate degli asset
• Altimetria
• Uso del suolo
• Distanza da fiumi o coste
• Mappe di pericolosità

Dati sugli asset

• Tipologia infrastrutturale
• Età
• Materiali
• Standard progettuali
• Stato manutentivo

Dati operativi ed economici

• Costi di fermo impianto
• Costi manutentivi
• CAPEX
• OPEX
• Criticità operativa

Il ruolo dei dati nella costruzione del modello

Come avviene la validazione dei modelli di rischio

La validazione dei modelli di rischio è ciò che permette di distinguere un risultato affidabile da un output difficile da interpretare o utilizzare nelle decisioni.

Per questo ogni Climate Risk Model deve essere sottoposto a verifiche continue che ne valutino solidità, coerenza e capacità di rappresentare il rischio in modo realistico.

Questo richiede analisi condotte su più livelli:

• Backtesting su dati passati
• Controllo delle assunzioni alla base del modello
• Verifica della qualità e completezza dei dataset utilizzati
• Analisi di sensibilità rispetto alle variabili più rilevanti

La validazione non serve soltanto a misurare l’accuratezza delle simulazioni. Serve anche a comprendere come il modello reagisce al cambiamento delle condizioni iniziali e quanto siano solide le sue stime in contesti differenti.

Per questo un modello non dovrebbe essere valutato esclusivamente per la sua complessità tecnica. Diventano altrettanto importanti:

• Trasparenza delle metodologie utilizzate
• Coerenza dell’impianto analitico
• Possibilità di aggiornamento nel tempo
• Capacità di produrre insight realmente utilizzabili

Uno degli errori più comuni consiste nell’affidarsi a un output numerico senza comprendere le ipotesi, i limiti e i margini di incertezza che ne influenzano il risultato.

Le best practice più avanzate non si limitano a restituire un risultato numerico. Ogni output viene accompagnato da spiegazioni metodologiche, livelli di confidenza e scenari alternativi che aiutano a interpretare correttamente il rischio e a utilizzarlo nelle decisioni.

Integrazione dei modelli nei processi aziendali

Un Climate Risk Model crea valore solo quando diventa parte del processo decisionale. Non è uno strumento da consultare occasionalmente, ma una base informativa che supporta scelte operative, strategiche e di investimento.

L’integrazione dei modelli nei processi aziendali contribuisce a migliorare attività come:

• Asset management
• Manutenzione predittiva
• Business continuity
• Pianificazione degli investimenti
• Procurement
• Risk management
• Strategie di adattamento climatico

Perché questo avvenga, il modello deve essere inserito in un processo continuo che accompagna l’intero ciclo di gestione degli asset.

L’integrazione del modello nei processi aziendali si sviluppa attraverso alcune attività chiave:

• Raccolta e aggiornamento delle informazioni sugli asset
• Modellazione del rischio sulla base di dati climatici, territoriali e operativi
• Identificazione e prioritizzazione degli asset più critici
• Definizione degli interventi di mitigazione, adattamento o protezione
• Monitoraggio continuo e aggiornamento periodico degli scenari

Il modello non deve essere considerato un’analisi una tantum. Per continuare a supportare decisioni efficaci deve evolvere insieme agli asset, alle condizioni operative e agli scenari climatici, diventando uno strumento vivo capace di accompagnare l’organizzazione nel tempo.

Dal modello alla decisione: il ruolo di Airis

Ogni decisione resiliente nasce dalla capacità di collegare ciò che potrebbe accadere a ciò che è possibile fare oggi.

Airis è la piattaforma sviluppata da Eoliann per trasformare dati climatici complessi in indicazioni operative.

Integrando dati climatici, geospaziali e asset-level, consente di analizzare il rischio fisico su infrastrutture e asset strategici, osservandone l’evoluzione in diversi scenari climatici.

Attraverso mappe, indicatori e modelli ad alta risoluzione, Airis permette di:

• Integrare dati climatici, territoriali e informazioni sugli asset in un unico ambiente di analisi
• Modellare il rischio fisico su infrastrutture e reti
• Visualizzare scenari presenti e futuri fino al singolo asset
• Identificare esposizione, vulnerabilità e priorità di intervento
• Supportare decisioni relative a CAPEX, OPEX e continuità operativa
• Pianificare azioni di adattamento basate su evidenze quantitative

In questo modo il rischio climatico diventa un’informazione utilizzabile per definire priorità, indirizzare gli investimenti e preparare asset e infrastrutture alle condizioni future.

Scopri come trasformare il rischio climatico in decisioni operative: prenota una demo personalizzata di Airis!

FAQ

Quali dati servono per costruire un climate risk model?

Un Climate Risk Model utilizza diverse categorie di dati, tra cui dati climatici storici e futuri, informazioni geospaziali, caratteristiche fisiche degli asset, indicatori di vulnerabilità, costi operativi, CAPEX, OPEX e informazioni sulla criticità dell’asset per il business o per la continuità operativa.

Perché usare modelli probabilistici nel rischio climatico?

Il rischio climatico è caratterizzato da un livello intrinseco di incertezza. I modelli probabilistici consentono di valutare molteplici scenari possibili, stimare probabilità di accadimento e quantificare diversi livelli di impatto, fornendo una base più robusta per le decisioni di adattamento e investimento.

Come un Climate Risk Model supporta CAPEX e OPEX?

Un Climate Risk Model aiuta a identificare dove investire per ridurre vulnerabilità future e dove intervenire per contenere costi operativi, manutenzioni straordinarie, downtime e inefficienze. In questo modo supporta una pianificazione più efficace sia degli investimenti infrastrutturali sia della gestione operativa nel lungo periodo.

Ieri i territori che conoscevamo rimanevano inalterati per decenni. Poi il clima ha iniziato a cambiare velocemente, trasformando equilibri che sembravano destinati a durare. 

Per questo oggi il Climate Risk Assessment è uno strumento decisionale indispensabile per proteggere asset strategici, ridurre interruzioni operative e programmare investimenti con maggiore consapevolezza.

Vediamo come metodologie operative, dati geospaziali e analisi della vulnerabilità aiutano a comprendere il rischio climatico e a rafforzare la resilienza delle infrastrutture.

Valutazione del rischio climatico per infrastrutture critiche

La valutazione del rischio climatico per infrastrutture critiche è il processo attraverso cui si analizzano esposizione, vulnerabilità e impatti potenziali degli eventi climatici su sistemi essenziali.

Parliamo di centrali elettriche, linee ferroviarie, reti idriche, data center, impianti industriali e di tutti quei sistemi da cui dipendono servizi essenziali per la vita quotidiana e la sicurezza delle persone.

In un Climate Risk Assessment efficace, il rischio climatico viene generalmente analizzato attraverso tre componenti principali:

• Hazard: rappresenta il pericolo climatico, come alluvioni, ondate di calore, incendi o siccità.
• Exposure: riguarda invece la presenza dell’asset in un’area esposta al fenomeno. Due infrastrutture identiche possono avere livelli di rischio molto diversi semplicemente per la loro localizzazione.
• Vulnerability: misura la capacità dell’asset di resistere, adattarsi e continuare a funzionare in presenza di stress climatici.

È proprio l’integrazione dinamica di queste tre dimensioni che rende il Climate Risk Assessment uno strumento realmente operativo. Non basta sapere che un evento può verificarsi. Dobbiamo capire quali asset verranno coinvolti, quanto sono vulnerabili e quali conseguenze possono prodursi nel tempo.

Come mappare la vulnerabilità degli asset

La vulnerabilità degli asset è uno degli elementi più importanti nella valutazione del rischio climatico. È il fattore che permette di trasformare una mappa di rischio in una decisione concreta.

Due infrastrutture esposte allo stesso evento climatico possono reagire in modo completamente diverso a seconda delle loro caratteristiche fisiche, operative e sistemiche.

Per questo la mappatura della vulnerabilità richiede un approccio multilivello.

1. Identificazione degli asset critici

Il primo passo consiste nell’identificare gli asset strategici e classificarli in base a:

• Funzione strategica
• Impatto sul business
• Criticità per la continuità del servizio
• Livello di interdipendenza con altri sistemi

Un nodo ferroviario, una sottostazione elettrica o un data center possono avere effetti sistemici molto diversi in caso di interruzione.

2. Analisi delle caratteristiche fisiche

La seconda fase riguarda le caratteristiche strutturali dell’asset.

Entrano in gioco elementi come:

• Materiali costruttivi
• Età dell’infrastruttura
• Standard progettuali
• Capacità di resistenza agli eventi estremi

Infrastrutture progettate decenni fa spesso non sono state costruite per operare nelle condizioni climatiche attuali.

3. Valutazione delle condizioni operative

Anche il modo in cui un asset viene utilizzato influenza la sua vulnerabilità.

A incidere sulla vulnerabilità sono soprattutto:

• Carichi di lavoro
• Condizioni ambientali
• Livelli di manutenzione
• Stress termici e funzionali

Un’infrastruttura già vicina ai propri limiti operativi tende a essere più vulnerabile durante eventi climatici estremi.

4. Analisi delle dipendenze sistemiche

Uno degli errori più comuni consiste nel valutare singoli asset in modo isolato.

In realtà, molte infrastrutture critiche funzionano all’interno di ecosistemi interconnessi. Una vulnerabilità può propagarsi lungo supply chain, reti energetiche, sistemi digitali e nodi logistici.

Per questo le best practice più avanzate adottano un approccio sistemico, capace di leggere relazioni, dipendenze e possibili effetti a cascata.

Rischi fisici per infrastrutture critiche

I rischi fisici per infrastrutture critiche rappresentano gli impatti diretti che gli eventi climatici possono generare su asset, reti e sistemi operativi.

Nel Climate Risk Assessment questi rischi vengono generalmente distinti in due categorie principali: rischi acuti e rischi cronici.

Rischi acuti

I rischi acuti sono eventi improvvisi e ad alta intensità.

Qui entrano in gioco fenomeni come:

• Alluvioni
• Tempeste
• Incendi boschivi
• Frane
• Precipitazioni estreme

Questi fenomeni possono provocare danni strutturali immediati, interruzioni operative e perdita di continuità dei servizi.

Un’alluvione può bloccare infrastrutture di trasporto e compromettere sottostazioni elettriche. Un incendio può interrompere reti energetiche e telecomunicazioni. Una frana può isolare interi territori.

Rischi cronici

I rischi cronici si sviluppano invece nel lungo periodo.

In questi contesti diventano rilevanti fenomeni come:

• Aumento delle temperature medie
• Innalzamento del livello del mare
• Stress idrico
• Degrado progressivo delle condizioni ambientali

Questi fenomeni tendono a ridurre gradualmente performance, affidabilità e durata delle infrastrutture.

Un’infrastruttura energetica esposta a ondate di calore prolungate, ad esempio, può subire contemporaneamente riduzioni di efficienza e picchi di domanda energetica. Questo genera uno stress operativo crescente che aumenta il rischio di interruzioni.

Impatti operativi e scenari futuri

Quando questi fenomeni si intensificano, gli impatti possono tradursi in:

• Interruzioni nella distribuzione di energia, gas e acqua
• Blocco di collegamenti logistici, ferrovie, aeroporti, autostrade, porti
• Danni a sistemi di comunicazione, data center, server, reti telefoniche
• Aumento della manutenzione su reti e impianti critici
• Maggiore frequenza di guasti e interruzioni operative

Per questo il Climate Risk Assessment non può limitarsi ai dati storici.

Le analisi più evolute guardano oltre ciò che è già accaduto. Integrano scenari climatici futuri e modelli probabilistici per capire come il rischio potrebbe trasformarsi nel tempo e quali sistemi potrebbero diventare più esposti nei prossimi decenni.

Dati geospaziali per il Climate Risk Assessment

Il vero salto qualitativo nel Climate Risk Assessment avviene quando il rischio viene letto in relazione al territorio, agli asset e agli scenari che possono modificarne l’esposizione nel tempo.

Per costruire questa lettura servono fonti diverse, capaci di restituire sia la dimensione climatica sia quella fisica e operativa dell’infrastruttura:

• Modelli climatici globali e regionali, come CMIP, Coupled Model Intercomparison Project, e scenari IPCC, Intergovernmental Panel on Climate Change
• Dati satellitari Earth Observation
• Dataset topografici
• Dati meteorologici storici
• Informazioni geolocalizzate sugli asset

L’integrazione di questi dati geospaziali per il climate risk permette di collegare ogni infrastruttura al proprio contesto ambientale e climatico, osservando come esposizione e vulnerabilità possano evolvere nei diversi scenari futuri.

In questo modo diventa possibile localizzare gli asset, sovrapporli alle mappe di rischio e simulare scenari futuri per comprendere dove potrebbero emergere vulnerabilità, interruzioni operative o impatti fisici più rilevanti.

Per trasformare dati climatici e territoriali in indicazioni utilizzabili nelle decisioni, queste analisi seguono generalmente un processo articolato in più fasi.

Leggere il rischio con maggiore precisione significa riuscire a orientare meglio le decisioni, prepararsi in anticipo alle avversità e proteggere efficacemente l’ambiente e le persone.

Continuità operativa e resilienza degli asset

L’obiettivo finale del Climate Risk Assessment non è produrre dati. È rafforzare la continuità operativa e la resilienza degli asset.

Quando il rischio viene compreso in modo chiaro e contestualizzato sugli asset, diventa possibile passare da una gestione reattiva a una pianificazione predittiva. Questo significa preparare infrastrutture e sistemi a operare anche in condizioni climatiche diverse rispetto al passato.

Le principali leve operative riguardano mitigazione, adattamento e pianificazione.

1. Mitigazione

Le strategie di mitigazione puntano a ridurre direttamente l’esposizione e gli impatti.

In questi casi diventano importanti interventi come:

• Protezioni fisiche
• Barriere anti-alluvione
• Rinforzi strutturali
• Sistemi di protezione degli impianti

2. Adattamento

L’adattamento riguarda invece l’evoluzione delle infrastrutture per renderle più resilienti nel tempo.

Nella pratica, questo porta spesso a:

• Redesign infrastrutturale
• Aggiornamento degli standard progettuali
• Revisione delle capacità operative
• Adeguamento alle nuove condizioni climatiche

3. Pianificazione operativa

Anche la pianificazione operativa incide direttamente sulla capacità di mantenere continuità e risposta durante eventi climatici estremi.

Per mantenere continuità operativa diventano centrali azioni come:

• Piani di emergenza
• Sistemi di backup
• Ridondanza operativa
• Procedure di continuità del servizio

La relazione tra analisi e azione è diretta

Senza analisi del rischio climatico le decisioni tendono a essere reattive.
Con un Climate Risk Assessment strutturato diventa invece possibile anticipare criticità, definire priorità e rafforzare la resilienza degli asset.

Dal dato alla decisione: il ruolo delle piattaforme avanzate

La crescente complessità del Climate Risk Assessment rende sempre più difficile gestire dati climatici, scenari e vulnerabilità attraverso strumenti tradizionali.

Le organizzazioni hanno bisogno di piattaforme capaci di integrare informazioni diverse, trasformarle in insight operativi e supportare decisioni più rapide, contestualizzate e difendibili.

Per questo stanno diventando sempre più rilevanti strumenti capaci di offrire:

• Piattaforme integrate
• Analytics avanzati
• Modelli predittivi
• Sistemi di visualizzazione intuitiva

Le soluzioni più evolute permettono di osservare il rischio sugli asset, confrontare scenari futuri e comprendere come vulnerabilità e impatti possano evolvere nel tempo.

Airis traduce questo approccio in una lettura del rischio che integra dati satellitari, modelli climatici e informazioni geospaziali sugli asset.

La piattaforma permette di trasformare dati complessi in indicatori e mappe utilizzabili per supportare pianificazione, resilienza operativa e investimenti infrastrutturali: con una demo, puoi provarla sui tuoi asset.

FAQ

Cos’è un Climate Risk Assessment applicato agli asset?

È un processo che analizza esposizione, vulnerabilità e impatti climatici sugli asset fisici per supportare decisioni strategiche, operative e di resilienza.

Quali infrastrutture sono considerate critiche?

Reti energetiche, trasporti, sistemi idrici, telecomunicazioni e impianti industriali strategici sono considerate infrastrutture critiche perché garantiscono continuità dei servizi essenziali.

Perché i dati geospaziali sono fondamentali?

Permettono di correlare posizione degli asset, scenari climatici e livelli di rischio con maggiore precisione, supportando analisi predittive e decisioni più informate.

Come migliorare la resilienza degli asset?

Attraverso valutazione preventiva del rischio climatico, pianificazione operativa e interventi strutturali basati su dati e scenari evolutivi.

Il Gruppo CVA è uno dei principali produttori italiani di energia rinnovabile, con oltre 1,3 GW di capacità installata distribuita tra impianti idroelettrici, eolici e fotovoltaici. Interamente pubblico e controllato dalla Regione Autonoma Valle d’Aosta, opera lungo l’intera filiera dell’energia green e gestisce, attraverso la controllata DEVAL, la quasi totalità della rete di distribuzione elettrica regionale. 

In un percorso di crescita che punta anche al raddoppio della capacità installata, CVA ha scelto di rafforzare la resilienza climatica delle proprie infrastrutture con strumenti capaci di leggere il rischio in modo più quantitativo, granulare e orientato al futuro. 

Per chi gestisce reti elettriche in territori montani il rischio climatico ha una complessità specifica. Le infrastrutture si sviluppano in valli strette, attraversano aree a elevata pericolosità idrogeologica e sono esposte contemporaneamente a rischi diversi, come alluvioni, incendi e frane. Le mappe ufficiali restano un riferimento essenziale, ma non sempre offrono la granularità necessaria per prendere decisioni a livello di singolo asset. Le analisi ingegneristiche puntuali, al contrario, richiedono tempi lunghi e sono difficili da estendere a scala regionale. 

A questo si aggiunge una dimensione ormai imprescindibile, quella prospettica: non basta più conoscere il rischio di oggi, serve capire come potrà evolvere nei prossimi decenni, per orientare investimenti, adattamento e priorità operative. 

È in questo contesto che CVA ha avviato una collaborazione con Eoliann, selezionando come primo perimetro di analisi una parte della rete elettrica e 20 cabine in Valle d’Aosta, per passare a un approccio più avanzato alla valutazione del rischio climatico.

 Il progetto 

CVA ed Eoliann hanno sviluppato insieme un progetto basato sulla tecnologia di Airis. A differenza di un’analisi limitata alla sola pericolosità, il lavoro ha coperto l’intera catena del rischio: dalla probabilità e intensità degli eventi alla vulnerabilità degli asset, fino alla stima del danno economico atteso. 

CVA ha fornito i dati geospaziali della rete, ha guidato la selezione degli asset pilota e ha messo a disposizione la propria conoscenza del territorio per la validazione dei risultati. 

1. Segmentazione e analisi degli asset

Le linee elettriche sono state suddivise in segmenti di 30 metri, in modo coerente con la risoluzione dei modelli. Ogni segmento e ciascuna cabina sono stati poi analizzati attraverso i modelli proprietari di Eoliann, addestrati su dati satellitari, variabili climatiche e caratteristiche geomorfologiche del territorio. 

2. Pericolosità e intensità degli eventi

L’analisi ha considerato due rischi principali: 

• Alluvioni, valutate attraverso la profondità di inondazione su periodi di ritorno di 20, 100 e 200 anni 

• Incendi, analizzati tramite Fire Weather Index (FWI) su periodi di ritorno di 2, 10 e 30 anni 

È stato inoltre incluso un primo approfondimento sul rischio frane. 

3. Vulnerabilità e danno economico atteso

Per ciascun asset, Airis ha stimato non solo la pericolosità, ma anche la vulnerabilità specifica in base alla tipologia infrastrutturale e la Perdita Annua Attesa (AAL), una metrica che sintetizza l’impattoeconomico medio del rischio nel tempo. 

Ogni asset ha ricevuto così un Indice di Pericolo e un Indice di Rischio su scala 0–10. 

4. Proiezioni climatiche al 2040 e 2050

Tutte le analisi sono state condotte sia sullo scenario attuale sia su scenari climatici futuri, con orizzonti 2040 e 2050 e scenari RCP 4.5 e RCP 8.5. 

Questo ha permesso a CVA di leggere non solo il rischio presente, ma anche la sua possibile evoluzione nel tempo, in linea con i principali requisiti europei in materia di disclosure e adattamento.

Mappa dell’indice di rischio alluvionale sulla rete elettrica – Baseline 2025 

I risultati 

Il progetto ha restituito un profilo di rischio completo per oltre 3.600 segmenti di rete e 20 cabine, con una lettura che va dalla pericolosità fino alla stima del danno economico atteso, includendo anche proiezionial 2040 e 2050. 

Valore generato 

Una lettura completa del rischio 

CVA dispone non solo di una misura della pericolosità, ma anche di una stima della vulnerabilità e della perdita economica attesa per ciascun asset. 

Una visione anche sul futuro 

Le proiezioni al 2040 e 2050 permettono di pianificare gli investimenti di adattamento guardando all’evoluzione del rischio, non solo alla fotografia attuale. 

Priorità più chiare per gli interventi 

Linee e cabine più esposte sono state identificate con precisione, offrendo una base quantitativa per orientare manutenzione e resilienza. 

Più rischi, un’unica lettura 

Alluvioni, incendi e frane sono stati analizzati con la stessa logica e sulla stessa base dati, restituendo una visione più integrata del rischio.  

Perché conta 

Il progetto con CVA mostra bene che cosa significa passare da una lettura frammentata del rischio a una visione più completa, capace di tenere insieme presente e futuro. 

Perché rafforzare la resilienza di una rete non significa solo sapere dove si concentra il rischio oggi, ma anche capire come potrà cambiare nel tempo – e iniziare a decidere di conseguenza.

Vuoi mettere Airis alla prova sui tuoi asset? Richiedi una demo! 

Il rischio climatico viene ancora trattato come un tema distante. Ma per infrastrutture, reti e asset critici è già un fattore che incide su come funzionano, su quanto resistono, su quanto valgono, soprattutto in presenza di eventi climatici estremi. 

Quando cambia questa prospettiva, cambia anche il modo di decidere. 

Per questo la Climate Risk Analytics diventa una leva per rafforzare, adattare e far evolvere i sistemi da cui dipendono servizi e territori. 

Cos’è il rischio climatico 

Il rischio climatico rappresenta la probabilità che eventi legati al cambiamento climatico generino impatti negativi su reti energetiche, trasporti, telecomunicazioni, asset fisici critici.
Può essere analizzato attraverso diverse categorie: 

• Rischi fisici, acuti (eventi improvvisi come alluvioni, incendi o tempeste) o cronici (fenomeni progressivi come aumento delle temperature o siccità). 

• Rischi di transizione, legati al cambiamento di regole, tecnologie e mercati mentre si evolve il sistema energetico e industriale. 

• Rischi di responsabilità, dovuti a conseguenze legali ed economiche quando impatti e perdite vengono attribuiti a chi non ha prevenuto o gestito il rischio. 

Attraverso un’analisi approfondita del rischio climatico è possibile trasformare la conoscenza in una strategia capace di guidare scelte, interventi e investimenti nel tempo. 

Dal rischio alla resilienza: perché dobbiamo agire oggi 

Il clima cambia più rapidamente di quanto molte infrastrutture riescano ad adattarsi, aumentando l’esposizione agli eventi climatici estremi. 

Quando una linea elettrica si ferma, una rete di trasporto si interrompe o un impianto va in stress, il problema riguarda la continuità dei servizi, l’impatto sulle comunità, la fiducia delle persone. 

Per questo oggi il rischio climatico è direttamente collegato al concetto di resilienza. Significa proteggere ciò che esiste e preparare sistemi e asset a funzionare in condizioni diverse da quelle del passato. 

Questo richiede un cambio di approccio: dal reagire agli eventi al prendere decisioni prima che accadano.

Che cos’è la Climate Risk Analytics 

La Climate Risk Analytics è un processo che combina dati, modelli previsionali e scenari evolutivi per stimare l’impatto del clima su infrastrutture e asset.

La Climate Risk Analytics non si limita a descrivere il rischio. Lo rende utilizzabile per: 

• Valutare l’esposizione reale delle infrastrutture 

• Stimare impatti fisici ed economici 

• Confrontare scenari futuri 

• Supportare decisioni operative e strategiche 

Il punto di discontinuità rispetto agli approcci tradizionali è chiaro. 

Si supera l’uso di soli dati storici e mappe statiche, costruendo una lettura dinamica, predittiva e centrata su asset, reti energetiche, telecomunicazioni, trasporti. 

Come si misura il rischio climatico 

La misurazione del rischio climatico si sviluppa attraverso: 

• Raccolta dati – dati climatici, satellitari e informazioni sugli asset. 

• Analisi dell’esposizione – dove e come gli asset sono esposti agli eventi. 

• Valutazione della vulnerabilità – quanto un asset è sensibile a un determinato evento. 

• Modellazione degli impatti – stima di danni fisici ed economici. 

I modelli più avanzati combinano Earth Observation, machine learning e modelli climatici per simulare scenari futuri. Così anche minime variazioni possono essere evidenziate ed elaborate, per tracciare nuove strade verso un mondo più resiliente. 

Componenti della Climate Risk Analytics 

Che cos’è la Climate Intelligence e perché è fondamentale oggi 

La Climate Intelligence è l’insieme di metodi e strumenti che trasformano dati climatici complessi in informazioni utili per prendere decisioni.
Permette di individuare pattern, leggere segnali deboli e anticipare come il rischio climatico si distribuisce su reti e infrastrutture. 

Scenario Analysis: come valutare i futuri cambiamenti climatici 

La Climate Change Scenario Analysis utilizza modelli climatici per simulare possibili evoluzioni future del rischio climatico.
Queste simulazioni si basano su diversi percorsi di emissioni e consentono di valutare come cambierà il rischio nel tempo.
Sono fondamentali per pianificare investimenti di lungo periodo. 

Cos’è un Climate Risk Index e come si usa 

Il Climate Risk Index è un indicatore sintetico che misura il livello di rischio climatico di un’area o di un asset. Può includere variabili come frequenza degli eventi, intensità e vulnerabilità. Serve per confrontare territori, prioritizzare interventi e comunicare il rischio in modo chiaro. 

Come funzionano i software per l’analisi dei rischi climatici 

I software per l’analisi dei rischi climatici trasformano dati complessi in mappe e indicatori che rendono visibile come il rischio prende forma ed evolve nel tempo. 

Esistono due principali approcci: 

• Strumenti statici basati su dataset predefiniti e analisi puntuali. 

• Modelli dinamici aggiornati continuamente e capaci di simulare scenari. 

I sistemi più avanzati utilizzano AI e dati satellitari per analisi ad alta granularità e proiezioni oltre i 20 anni, trasformando il rischio da elemento reattivo a leva decisionale. 

Nuovi paradigmi di Climate Risk Analysis: Airis

L’analisi del rischio climatico non può più essere fatta attraverso mappe statiche e dataset storici delle autorità. Questo approccio non permette di stimare probabilità, intensità e impatti fisici ed economici degli eventi climatici su asset e reti.  

Airis cambia il paradigma, passando da un’analisi geografica a una lettura asset-based e posizionandosi come soluzione avanzata di climate risk analytics. 

Unendo dati satellitari, modelli fisici e machine learning, permette di: 

• Visualizzare come il rischio si distribuisce lungo reti e nodi critici 

• Confrontare scenari nel tempo e coglierne le evoluzioni 

• Tradurre il rischio in impatti concreti e metriche utilizzabili 

Airis è lo strumento per la climate resilience che trasforma dati complessi in decisioni operative. 

Perché la Climate Risk Analytics è rilevante per aziende, investimenti ed ESG 

Il rischio climatico entra direttamente nelle scelte che guidano investimenti, protezione del valore e gestione nel tempo. 

Inoltre, oggi sono le normative (es. TCFD, CSRD) a imporre di valutare e integrare il rischio climatico nelle scelte. In ambito ESG, questo fattore diventa centrale per misurare solidità e capacità di adattamento nel tempo. 

Per chi gestisce asset, reti e infrastrutture, tutto questo deve portare a: 

• Proteggere il valore degli asset 

• Migliorare la capacità decisionale 

• Rispondere a requisiti normativi 

Per investitori e assicurazioni significa poter valutare meglio rischio e rendimento. 

In questo contesto, la Climate Risk Analytics diventa la leva per costruire strategie solide e capaci di adattarsi nel tempo. 

FAQ

1. Come si integra la Climate Risk Analytics nei processi decisionali aziendali?

   Si integra nei processi di investimento, pianificazione e gestione degli asset, fornendo dati e scenari che aiutano a valutare rischi e priorità prima di prendere decisioni.

2. Quali dati servono per avviare un’analisi del rischio climatico?

   Servono dati sugli asset, informazioni geografiche e dati climatici storici e previsionali, che vengono integrati per valutare esposizione, vulnerabilità e impatti.

3. Quanto è affidabile una previsione del rischio climatico?

   Non fornisce certezze, ma scenari probabilistici basati su modelli scientifici, utili per confrontare opzioni e prendere decisioni più informate.

4. Quali settori beneficiano maggiormente della Climate Risk Analytics?

   Infrastrutture, energia, trasporti, real estate e finanza sono tra i più esposti, perché dipendono da asset fisici sensibili agli eventi climatici.

5. Qual è la differenza tra analisi del rischio climatico e gestione del rischio?

   L’analisi misura e interpreta il rischio, mentre la gestione definisce le azioni da intraprendere per ridurlo o adattarsi ai suoi effetti. 

Ci sono idee che nascono da un’intuizione. E poi ce ne sono altre che nascono da una tensione più precisa: la sensazione che il mondo stia cambiando più velocemente degli strumenti che abbiamo per leggerlo.

Eoliann è nata così.

Da una domanda che ci sembrava insieme semplice e radicale: come si prende una realtà sempre più instabile, imprevedibile e complessa, e la si rende comprensibile abbastanza da poterci agire sopra?

Era una domanda sul clima, certo. Ma anche sul modo in cui prendiamo decisioni: sul divario tra quello che sappiamo e quello che riusciamo davvero a fare.

Da lì è cominciato il nostro percorso.

2022: da un’idea a una visione condivisa

Eoliann ha nel nome un omaggio alla sua genesi: Vento, venture building program nato per accompagnare la creazione di nuove imprese ad alto potenziale, che si tiene ogni anno a OGR Tech a Torino.

In quel contesto, Roberto, Chiara, Emidio e Giovanni hanno iniziato a dare forma alla visione di Eoliann, lavorando per sei mesi per definire il perimetro del progetto, per mettere a fuoco i primi elementi del framework tecnologico e per verificare la solidità dell’idea.

A giugno 2022, Eoliann è stata ufficialmente fondata come Società Benefit. Nel novembre dello stesso anno, con la chiusura di un investimento pre-seed da 1,5 milioni di euro da parte di Primo Space ed Exor Ventures, avevamo tutto quello che serviva per trasformare le idee in realtà, con l’aiuto di un team eccezionale.

2023: le prime conferme

Il 2023 è stato l’anno in cui abbiamo iniziato a vedere la nostra traiettoria prendere forma.

Nell’ottobre 2023, dopo essere stati selezionati tra i 10 finalisti del programma Data Science for Resilience, Terna è diventato il nostro primo cliente. Per noi è stata una tappa decisiva: il momento in cui il nostro lavoro ha iniziato a misurarsi con una sfida concreta, complessa e ad alto impatto.

Nel novembre 2023, Eoliann è stata inclusa nella classifica ESGFinTech100 di FinTech Global.

Nel dicembre 2023, NTT DATA ha riconosciuto il potenziale del nostro percorso, avviando con noi una partnership strategica.

2024: apertura internazionale

Il 2024 ha segnato un’ulteriore accelerazione.

Nel febbraio 2024, siamo stati l’unica startup non statunitense selezionata per partecipare al Wharton School Cypher Accelerator, uno dei programmi più prestigiosi nel panorama internazionale.

Nel marzo 2024, abbiamo raggiunto il terzo posto nella classifica Great Place To Work Italia: un riconoscimento che per noi ha avuto un valore speciale, perché racconta il tipo di cultura che vogliamo costruire.

Nell’aprile 2024, siamo diventati partner dell’Agenzia Spaziale Europea attraverso il programma InCubed. Un passaggio importante, che ha rafforzato il nostro lavoro sull’integrazione tra osservazione satellitare, modellazione e capacità predittiva.

Nel frattempo, abbiamo continuato a lavorare con attori infrastrutturali e istituzionali come Terna, CVA e Regione Piemonte, definendo sempre meglio il nostro modo di lavorare: con rigore scientifico, visione e applicabilità concreta.

2025: una nuova fase

Nell’ottobre 2025 abbiamo chiuso un round Seed da 4,25 milioni di euro, un passaggio fondamentale per accelerare il nostro sviluppo, ampliare la copertura dei rischi climatici e sostenere la nostra espansione internazionale.

È stata una tappa che abbiamo vissuto con entusiasmo e gratitudine. A guidare questo aumento di capitale è stata Montage Ventures, insieme a CDP Venture Capital SGR, Primo Capital, Terna SpA Forward e OpenEconomics.

Nello stesso anno è arrivata anche la menzione speciale ENI Joule for Entrepreneurship, conferita al Quirinale dal Presidente della Repubblica: un riconoscimento che ci ricorda il perché più alto del nostro impegno.

2026: Airis

Dopo questo percorso, nel 2026 il nostro lavoro ha preso una forma ancora più chiara in Airis, la nostra piattaforma proprietaria di climate risk analytics e resilience intelligence.

Airis nasce per tradurre anni di ricerca, sviluppo e confronto sul campo in uno strumento concreto: analizzare esposizioni e vulnerabilità, valutare il rischio climatico su diversi scenari temporali e quantificare danni diretti e indiretti, offrendo una base operativa per pianificare interventi, definire priorità e supportare decisioni più informate.

Per noi, Airis è la sintesi di tutto il lavoro di questi anni, il punto in cui visione, tecnologia e applicazione si incontrano e si aprono al mondo.

Guardandoci indietro, guardando avanti

Ripercorrere la storia di Eoliann oggi significa rivedere una sequenza di tappe, ma soprattutto riconoscere una tensione che è rimasta la stessa dall’inizio: trasformare l’incertezza in capacità di azione.

Nel tempo abbiamo capito che costruire tecnologia, per noi, non significa solo costruire accuratezza. Significa anche costruire vicinanza: sviluppare strumenti capaci di essere comprensibili, rilevanti, adottabili, pensati per stare accanto alle decisioni, non sopra di esse.

Per questo non ci interessa alimentare l’idea di un futuro solo minaccioso. Ci interessa contribuire a costruire strumenti per abitarlo meglio.

Eoliann, in fondo, continua a nascere ogni volta che troviamo un modo migliore per leggere il rischio, ogni volta che rendiamo una decisione più informata, ogni volta che aiutiamo qualcuno a vedere nell’imprevedibile non solo una minaccia, ma uno spazio in cui intervenire.

Ed è ancora da lì che vogliamo partire: da questa idea ostinata e luminosa, che anche in un mondo più instabile si possa capire meglio, scegliere meglio, prepararsi meglio.