ACC-0006 · Software accessori · Livello avanzato

Come valutare l'affidabilità e i limiti di estrapolazione di una legge di pioggia

Lunghezza delle serie, incertezza dei quantili e campo di validità

Ultimo aggiornamento: 2026-09-15

In sintesi

Una legge di pioggia può adattarsi bene ai dati osservati e restare molto incerta quando viene estesa a tempi di ritorno o durate lontani dal campione. L'affidabilità va giudicata considerando qualità e lunghezza delle serie, stabilità del modello, intervalli di confidenza e coerenza territoriale.

I parametri stimati sono numeri determinati, ma dipendono da un campione finito. L'incertezza cresce nella coda della distribuzione e fuori dal campo delle durate osservate; deve quindi essere comunicata insieme al valore di progetto.

Confrontare l'orizzonte osservato con quello di progetto

La numerosità effettiva non coincide sempre con gli anni compresi tra prima e ultima misura: occorre considerare lacune, cambi di strumento e omogeneità. Quanto più il tempo di ritorno richiesto supera la lunghezza utile della serie, tanto più il risultato dipende dal modello adottato.

Nel campo osservato i modelli possono essere simili; procedendo verso tempi di ritorno elevati cresce la dispersione dei quantili.

Stimare un intervallo e non soltanto un quantile

Intervalli di confidenza, bootstrap e confronto fra modelli rendono visibile la dispersione dei quantili. L'ampiezza dell'intervallo deve essere letta come informazione progettuale, non come difetto da nascondere scegliendo più cifre decimali.

Verificare la stabilità dei parametri

Ripetere la stima su sottoperiodi o rimuovendo a turno gli eventi più influenti aiuta a capire se pochi valori governano la coda. Forti variazioni dei parametri o del quantile segnalano che l'estrapolazione richiede particolare cautela.

Dichiarare il campo delle durate rappresentate

Una relazione calibrata su durate orarie non è automaticamente valida per pochi minuti o per più giorni. L'estensione deve essere sostenuta da dati specifici, relazioni regionali o una formulazione distinta, soprattutto per bacini molto rapidi.

Controllare l'ipotesi di stazionarietà

Cambiamenti climatici, urbanizzazione della stazione o modifiche strumentali possono introdurre tendenze o discontinuità. Un modello non stazionario richiede dati e motivazioni adeguati; una tendenza apparente in una serie breve non basta da sola a giustificarlo.

Integrare l'informazione locale con quella regionale

Analisi regionali e stazioni vicine possono stabilizzare la stima quando la serie locale è breve, purché omogeneità climatica, quota e regime pluviometrico siano verificati. Non è corretto trasferire parametri solo per prossimità geografica.

Procedura operativa

1. Ricostruire periodo, lacune e metadati della serie. 2. Confrontare lunghezza osservata, durate e tempi di ritorno richiesti. 3. Valutare adattamento, stabilità e influenza degli estremi. 4. Calcolare intervalli di confidenza o scenari alternativi. 5. Verificare stazionarietà e coerenza regionale. 6. Dichiarare campo di validità e incertezza residua.

Errori frequenti

• Giudicare la curva soltanto dal coefficiente di adattamento.
• Confondere numero di anni e numero di dati validi.
• Estrapolare alle durate brevi una legge calibrata su durate orarie.
• Omettere intervalli e sensibilità dei quantili elevati.
• Trasferire una curva da una stazione non rappresentativa.

Indicazioni conclusive

L'affidabilità non è una proprietà assoluta della legge: dipende dall'uso che se ne fa. Un risultato tecnicamente corretto espone dati, ipotesi, intervalli e distanza tra osservazione ed estrapolazione.

Software correlati

• SofTCatStudio - Legge di pioggia

Domande frequenti

No. Il giudizio dipende da qualità dei dati, modello, analisi regionale, incertezza e conseguenze progettuali.

Non necessariamente; rende esplicita l'incertezza e permette verifiche di sensibilità e scelte più consapevoli.

Solo con una giustificazione basata su dati, formulazioni o studi regionali coerenti con il campo esteso.