Applicazione di approcci quantitativi e qualitativi per la stima di vulnerabilità e impatto alluvionale su edifici a scala territoriale

La crescente frequenza e intensità degli eventi alluvionali che hanno interessato il territorio italiano negli ultimi anni ha reso sempre più urgente lo sviluppo di strumenti affidabili per la valutazione della vulnerabilità e dell’impatto alluvionale a scala territoriale. In questo contesto si colloca il presente lavoro di tesi, che ha per obiettivo il confronto di approcci qualitativi e quantitativi in riferimento alla vulnerabilità e conseguenze delle alluvioni su edifici residenziali. Il caso studio riguarda un insieme di edifici colpiti dall’evento alluvionale del 15 settembre 2022 nelle Marche, per i quali è disponibile un database post-evento. A partire da questo dataset sono stati implementati in ambiente R l’indice di vulnerabilità proposto da Stephenson e D’Ayala (2014), basato sulle caratteristiche degli edifici, e l’indice di impatto di Leal et al. (2021), che integra esplicitamente le variabili di hazard. In parallelo, gli stessi dati sono stati utilizzati come input per il modello di danno economico INSYDE (Dottori et al., 2016) e per la versione aggiornata INSYDE 2.0 (Di Bacco et al., 2024), al fine di stimare le perdite economiche attese alle diverse componenti edilizie. Sono stati quindi effettuati confronti a scala territoriale tra le distribuzioni degli indici e delle perdite economiche, dai quali è emerso che le metodologie considerate presentano nature e scale diverse, rendendo non immediata la comparazione diretta dei risultati. Per ridurre questa eterogeneità si è proposto di trasporre gli indici qualitativi delle metodologie fattoriali in termini di perdite economiche tramite l’introduzione di un valore di sostituzione. Questa riformulazione consente di migliorare il confronto con le stime di danno economico di INSYDE, pur evidenziando una coerenza solo parziale tra le diverse graduatorie e confermando la presenza di discrepanze legate alla diversa sensibilità dei modelli rispetto alle variabili considerate e alle ipotesi alla base di ciascun approccio.