Consumi Energetici Domestici: Viaggio a Nottingham per Svelare Verità Nascoste con la MGWR!

Ciao a tutti! Oggi voglio portarvi con me in un’avventura scientifica un po’ particolare. Avete mai pensato a quanta energia consumiamo nelle nostre case e, soprattutto, a come e perché questi consumi cambiano da quartiere a quartiere, quasi da strada a strada? Beh, io sì, e la cosa mi ha sempre affascinato. Il consumo energetico domestico, pensate, contribuisce per oltre un quarto alle emissioni di carbonio nel Regno Unito. Capire cosa lo guida è fondamentale se vogliamo una transizione energetica equa verso l’obiettivo “zero emissioni”.

Si dice spesso che l’uso di energia sia un fenomeno spaziale, ma raramente ci si sofferma su come i fattori che lo influenzano varino geograficamente, almeno negli studi britannici. Ed è qui che entra in gioco la mia curiosità e uno strumento potentissimo: la regressione geograficamente ponderata multiscala (MGWR). Sembra un nome complicato, vero? In parole povere, è una tecnica statistica che ci permette di analizzare come la relazione tra il consumo energetico e i suoi “motori” (le caratteristiche delle case e delle famiglie) cambi nello spazio, e addirittura su scale diverse!

Per mettere alla prova questa idea, ho scelto un caso di studio emblematico: Nottingham, in Inghilterra. Perché proprio Nottingham? È una città con una situazione socio-economica un po’ difficile, con aree di forte deprivazione, ma allo stesso tempo vanta il più grande sistema di teleriscaldamento (District Heating – DH) del Regno Unito, che fornisce riscaldamento residenziale a basse emissioni di carbonio. Un mix intrigante, non trovate?

Cosa Influenza Davvero i Nostri Consumi? Un Puzzle Complesso

Prima di tuffarci nei dettagli di Nottingham, facciamo un passo indietro. Il consumo energetico domestico non è una cosa semplice, dettata solo da quanto teniamo accesi i riscaldamenti o da quanti elettrodomestici abbiamo. È un fenomeno multidisciplinare, un intreccio tra ingegneria (le case, gli impianti) e scienze sociali (chi ci vive, come ci vive).

Ho passato un bel po’ di tempo a spulciare la letteratura scientifica per capire quali fossero i principali “indiziati”. Generalmente, si dividono in due grandi categorie, che portano con sé delle incertezze:

• Caratteristiche demografiche ed economiche delle famiglie: queste creano incertezze socio-economiche. Parliamo di reddito, numero di componenti del nucleo familiare, situazione lavorativa, tipo di contratto d’affitto.
• Caratteristiche fisiche dell’abitazione: queste generano incertezze socio-tecniche. Qui rientrano il tipo di casa (villetta, appartamento, casa a schiera), il numero di stanze da letto, l’efficienza energetica dell’edificio, il tipo di riscaldamento centralizzato.

Molti studi nel Regno Unito hanno già identificato alcuni di questi fattori come significativi: case più grandi o con più camere da letto tendono a consumare di più, così come un reddito più alto o uno status lavorativo migliore. Al contrario, una migliore efficienza energetica o l’essere in affitto da enti sociali sembrano associati a consumi minori. Ma, come vedremo, la storia non è sempre così lineare quando si guarda da vicino.

La Magia della MGWR: Vedere Oltre la Media

La maggior parte degli studi precedenti utilizzava modelli di regressione “globali”, come la regressione lineare multipla (MLR). Questi modelli sono utili, ma hanno un grosso limite: assumono che la relazione tra, diciamo, il reddito e il consumo energetico sia la stessa in tutta l’area di studio. È un po’ come dire che una medicina ha lo stesso effetto su tutti i pazienti, indipendentemente dalle loro differenze individuali. Sappiamo che non è così!

Ecco perché la Geographically Weighted Regression (GWR) e la sua evoluzione, la Multiscale GWR (MGWR), sono così rivoluzionarie. La GWR parte da un principio semplice, quasi intuitivo, noto come la prima legge della geografia di Tobler: “ogni cosa è correlata a ogni altra cosa, ma le cose vicine sono più correlate delle cose lontane”. In pratica, la GWR calibra un modello di regressione diverso per ogni punto dell’area di studio, dando più peso alle osservazioni vicine. Questo ci permette di vedere come i coefficienti – cioè la forza e la direzione dell’influenza di un fattore – cambiano nello spazio.

La MGWR fa un ulteriore passo avanti. Mentre la GWR usa una singola “larghezza di banda” (una sorta di raggio d’influenza) per tutte le variabili, la MGWR capisce che non tutti i fattori agiscono sulla stessa scala spaziale. Alcuni potrebbero avere un impatto molto locale, altri più regionale. La MGWR assegna a ogni variabile la sua larghezza di banda ottimale. Immaginate di avere una lente d’ingrandimento che può regolare la sua messa a fuoco in modo diverso per ogni dettaglio che state osservando: ecco, la MGWR fa qualcosa di simile con i dati geografici!

Per il mio studio su Nottingham, ho analizzato i dati a livello di Lower Layer Super Output Area (LSOA). Le LSOA sono piccole aree geografiche usate per le statistiche censuarie, ognuna comprendente tra i 400 e i 1200 nuclei familiari. Questo livello di dettaglio è cruciale per cogliere le dinamiche locali che i modelli nazionali spesso mascherano.

Nottingham Sotto la Lente: Cosa Abbiamo Scoperto?

Prima di tutto, ho costruito un modello MLR tradizionale. E, come sospettavo, i suoi residui (cioè la parte di consumo energetico che il modello non riusciva a spiegare) mostravano una forte autocorrelazione spaziale. In pratica, le aree vicine con errori simili erano raggruppate, segno che il modello globale non stava catturando qualcosa di importante legato alla geografia. Questo ha confermato che avevamo bisogno di strumenti più sofisticati.

Sia la GWR che la MGWR hanno superato di gran lunga il modello MLR. Ma la MGWR è risultata la migliore, spiegando una porzione molto più ampia della variabilità nel consumo energetico (un R² aggiustato del 75,4% contro il 57,3% dell’MLR!).

La cosa più affascinante sono state le diverse scale spaziali a cui i vari fattori operano. Per esempio, l’efficienza energetica delle case e la percentuale di famiglie con 3 o più persone hanno mostrato di influenzare i consumi su scale molto piccole, quasi a livello di quartiere (coprendo rispettivamente solo il 10,3% e il 12,6% delle LSOA di Nottingham). Anche il reddito e la povertà energetica agivano su scale relativamente piccole. Altri fattori, come la disoccupazione, la percentuale di case a schiera o la presenza di teleriscaldamento, avevano invece un raggio d’azione molto più ampio, quasi a livello cittadino.

Relazioni Spazialmente Variabili ed Eterogenee: Un Quadro Complesso

Ma veniamo al sodo: come questi fattori influenzano il consumo energetico, e come cambia questa influenza da zona a zona? I risultati sono stati illuminanti e, in alcuni casi, sorprendenti.

• Abitazioni con 4 o più camere da letto: Come previsto, una maggiore percentuale di queste case è associata a consumi più alti, ma l’entità di questa associazione variava significativamente attraverso Nottingham.
• Disoccupazione: Anche qui, una maggiore disoccupazione tende ad accompagnarsi a consumi più elevati (forse perché le persone passano più tempo in casa), e questo effetto era più marcato in alcune zone rispetto ad altre.
• Case a schiera: Generalmente, una maggiore presenza di case a schiera (che condividono muri con i vicini, riducendo la dispersione di calore) è legata a consumi più bassi, ma anche qui con variazioni locali.
• Alloggi sociali (Social-rented): Una percentuale più alta di alloggi sociali è costantemente associata a consumi energetici inferiori in tutte le aree, sebbene con intensità variabile. Questo potrebbe riflettere una migliore efficienza energetica media di questi alloggi o, purtroppo, bisogni energetici non pienamente soddisfatti per vincoli economici.
• Teleriscaldamento (District Heating): Questo è un punto chiave per Nottingham! La presenza di teleriscaldamento è risultata associata a una riduzione significativa del consumo energetico (calcolato come somma di gas ed elettricità) in tutte le LSOA, con un impatto medio di riduzione di circa 61.550 kWh per ogni aumento dell’1% di famiglie allacciate. Un’ottima notizia per la decarbonizzazione!

E ora le sorprese, ovvero i fattori con relazioni spazialmente eterogenee, cioè che in alcune zone avevano un effetto positivo e in altre negativo:

• Efficienza energetica dell’abitazione: Ci si aspetterebbe che una migliore efficienza porti sempre a minori consumi. Ebbene, per la maggior parte di Nottingham era così. Ma in un quarto delle LSOA, sorprendentemente, una migliore efficienza era associata a consumi più alti! Questo potrebbe indicare il cosiddetto “effetto rebound” (risparmio e quindi consumo di più altrove) o che le persone non sanno usare al meglio i sistemi efficienti.
• Reddito familiare medio: Similmente, se in molte zone un reddito più alto significava consumi maggiori, in altre (quasi la metà del primo quantile) la relazione era inversa.
• Famiglie con 3 o più persone: L’effetto delle dimensioni del nucleo familiare era un vero e proprio mosaico, con associazioni positive in alcune aree e negative in altre.
• Povertà energetica (Fuel Poverty): Qui la faccenda si fa delicata. In circa metà delle LSOA, una maggiore povertà energetica era legata a consumi più alti (forse case poco efficienti che richiedono molta energia anche solo per un comfort minimo e inadeguato), mentre nell’altra metà a consumi più bassi (persone che non possono permettersi di consumare quanto necessiterebbero).
• Riscaldamento con energie rinnovabili: Anche qui, risultati contrastanti. In quasi metà delle LSOA, una maggiore percentuale di case con riscaldamento da rinnovabili era associata a consumi più alti. Questo potrebbe indicare problemi di efficienza degli impianti stessi o un uso non ottimale da parte dei residenti.

Cosa Ci Insegnano Questi Risultati? Politiche Su Misura, Non “Taglia Unica”

Questi risultati, a mio avviso, sono potentissimi. Ci dicono chiaramente che le politiche energetiche “taglia unica” rischiano di essere inefficaci o addirittura controproducenti. Se l’effetto dell’efficienza energetica o del reddito cambia così tanto da quartiere a quartiere, come possiamo pensare di applicare la stessa soluzione ovunque?

Le implicazioni per Nottingham, e potenzialmente per molte altre città, sono chiare:

1. Potenziare il teleriscaldamento: Visti i benefici consistenti, estendere le reti di teleriscaldamento a basse emissioni esistenti e sviluppare nuovi progetti dovrebbe essere una priorità.
2. Supporto mirato per le rinnovabili: Dove l’uso di rinnovabili per il riscaldamento coincide con consumi più alti, è necessario capire perché. Servono campagne informative sull’uso efficiente e, forse, controlli sulla qualità degli impianti.
3. Efficienza energetica con discernimento: Non basta migliorare l’isolamento o installare caldaie più efficienti. Bisogna accompagnare questi interventi con informazione e, nelle aree dove si osserva un aumento dei consumi, indagare sulle cause (effetto rebound, errato utilizzo, ecc.). Particolare attenzione va data alle famiglie a basso reddito.
4. Affrontare la povertà energetica in modo olistico: Le zone dove alta povertà energetica si traduce in alti consumi necessitano di interventi urgenti sull’efficienza delle abitazioni, accoppiati a misure per ridurre le bollette. Dove invece si traduce in bassi consumi, bisogna assicurarsi che i bisogni primari siano soddisfatti.
5. Coinvolgimento locale: Le decisioni devono essere prese ascoltando le comunità locali. Quello che funziona in un quartiere potrebbe non funzionare in un altro. Servono approcci “place-based”, basati sul luogo.

Questo studio, pur con i suoi limiti (dati di anni leggermente diversi per alcune variabili, focus solo su Nottingham), apre la strada a un modo nuovo di pensare la decarbonizzazione energetica domestica. La MGWR ci ha fornito una “mappa” delle complessità, mostrandoci che dietro le medie si nascondono realtà locali molto diverse.

La transizione verso un futuro a zero emissioni nette deve essere rapida, ma anche equa. E per essere equa, deve tener conto delle specificità di ogni territorio e di ogni comunità. Spero che questo piccolo viaggio a Nottingham vi abbia convinto che, a volte, per vedere il quadro generale, bisogna prima guardare molto, molto da vicino!

Fonte: Springer