In sintesi (30 secondi): il Global Building Atlas (Zhu et al. 2025, pubblicato su ESSD) ha mappato 20.476.805 edifici in Italia con footprint poligonale e altezza stimata. Noi abbiamo preso questo layer, l'abbiamo incrociato con le particelle catastali del WFS dell'Agenzia delle Entrate, abbiamo calcolato la fisica solare per ogni edificio (TMY PVGIS-SARAH3, modello termico Faiman, CAPEX 2026), e abbiamo pubblicato tutto.
Non è un rendering 3D da far vedere ai turisti. È un dataset. Ed è il più completo mai realizzato per l'Italia.
Cos'è il Global Building Atlas
A maggio 2025, il gruppo del Prof. Xiao Xiang Zhu (Technical University of Munich) ha pubblicato su Earth System Science Data il Global Building Atlas v1.0: una mappa mondiale degli edifici derivata da imagery Sentinel-2 e tecniche di machine learning. Per la prima volta, un singolo dataset fornisce:
- Footprint poligonale (non bounding box, non centroidi: il contorno reale dell'edificio)
- Altezza stimata (da GBA.LoD1, modello separato)
- Varianza dell'altezza (utile per distinguere tetti piani da tetti a falda)
- Fonte del dato (OSM, Microsoft Global, Planet — con licenze diverse)
Per l'Italia, sono 20,5 milioni di edifici. La copertura è pressoché totale: mancano solo alcune aree alpine con copertura nuvolosa persistente e qualche zona industriale con edifici molto complessi.
📥 Scarica gli aggregati per comune e provincia: Data Downloads. Dettaglio per edificio su app.zornade.com.
Come l'abbiamo arricchito
Il GBA dà la geometria. Noi abbiamo aggiunto tre strati.
1. Associazione catastale
Ogni edificio GBA è stato linkato alla particella catastale che lo contiene, usando spatial join PostGIS con index GiST. Il match rate è del 91% sul totale nazionale (scende all'84% in Trentino-Alto Adige, dove il WFS Catasto non copre tutto). Per ogni edificio sappiamo quindi:
- FID Zornade della particella contenente (se esiste)
- Comune catastale (codice Belfiore)
- Foglio catastale (se la particella ha il foglio)
Questo layer è quello che permette di passare da "edificio" a "proprietà immobiliare", ed è il più utile per applicazioni fiscali, assicurative, urbanistiche.
2. Fisica solare
Per ogni edificio abbiamo calcolato il potenziale fotovoltaico usando il modello orario PVGIS-SARAH3, inclinazione ottimale per latitudine, coefficienti termici Faiman, efficienza Huld 2011, CAPEX 2026. I dettagli tecnici sono nell'articolo dedicato. Il dato chiave: per la prima volta abbiamo un NPV, un LCOE e un payback per ogni singolo edificio italiano.
3. Classificazione d'uso (parziale)
Incrociando con CORINE Land Cover 2018 e Urban Atlas, abbiamo classificato la destinazione d'uso prevalente dell'area. Non è una classificazione catastale (quella richiederebbe l'incrocio con le categorie catastali dell'AdE, che non sono open), ma è un primo filtro che separa edifici in zone residenziali, industriali, commerciali, agricole.
Cosa si può fare con questo dataset
Pianificazione energetica comunale
Un comune può sapere esattamente quanti edifici ha, quanto sono grandi, quanto sono alti, qual è il loro potenziale solare, e quanta energia potrebbero produrre. Per una CER (Comunità Energetica Rinnovabile), è il dato di partenza.
Esempio concreto: il Comune di Reggio Emilia ha 34.822 edifici nel GBA. Il potenziale fotovoltaico totale (scenario moderno) è 612 GWh/anno — circa il 40% del consumo elettrico comunale. Non è un obiettivo raggiungibile (non tutti i tetti sono disponibili, non tutti gli edifici hanno proprietari interessati), ma è un tetto massimo fisico. E sapere dove sei rispetto al tetto massimo è il primo passo per qualsiasi politica energetica.
Valutazione immobiliare di portafoglio
Un fondo con 5.000 immobili in Italia può incrociare il proprio database col GBA e sapere per ogni immobile: superficie del tetto, potenziale solare, altezza edificio, classe di rischio sismico, zona alluvione. Non sostituisce la due diligence, ma la indirizza. In 200 millisecondi per immobile, non in 3 giorni di sopralluogo.
Ricerca urbana
Urbanisti, geografi, economisti possono usare il dataset per analisi di forma urbana, densità edilizia, sprawl. L'altezza degli edifici è un proxy di densità abitativa molto migliore del semplice conteggio edifici. E avere il footprint poligonale (non il centroide) permette di calcolare metriche di vicinanza, copertura del suolo edificato, rapporto di copertura.
I limiti (che sono importanti)
L'altezza non è precisa
Il GBA stima l'altezza da satellite (ombra proiettata + angolo di vista). Non è un rilievo. Su edifici isolati con forma semplice, l'errore è di circa 1,5-2 metri. Su edifici complessi (villette a schiera, centri storici con tetti disomogenei) può arrivare a 4-5 metri. Per distinguere un edificio di 2 piani da uno di 3 va bene. Per dire se il tetto è a 8,2 o 9,1 metri, no.
Non c'è distinzione tra residenziale e non residenziale
Il GBA ti dà il poligono. Non ti dice se dentro c'è un appartamento, un capannone, una chiesa o un rudere. La classificazione d'uso richiede fonti aggiuntive (catasto, OSM, CORINE) e ha accuratezza variabile. Per analisi sul solo residenziale, serve un ulteriore filtro. Noi lo applichiamo dove possibile usando i tag OSM e la classe CORINE, ma la copertura non è completa.
La licenza è un pasticcio
Il GBA combina tre fonti: OSM (ODbL, open), Microsoft Global (CC BY-NC 4.0, non commerciale), Planet (CC BY-NC 4.0). Questo significa che il dataset completo non è utilizzabile per scopi commerciali senza un accordo con Planet. I soli edifici OSM (~60% del totale) sono completamente open. È una limitazione fastidiosa, ma è lo stato dell'arte dei building footprint globali nel 2026.
Cosa viene dopo
Stiamo lavorando a tre cose:
- Classificazione d'uso migliorata: incrociare il GBA con le categorie catastali AdE (dove disponibili via API) per separare residenziale, commerciale, industriale.
- Stima della volumetria: altezza × footprint = volume. Con un fattore correttivo per la forma del tetto (a falda vs piano). È un'approssimazione, ma per analisi di densità urbana è già utile.
- Serie temporale: il GBA viene aggiornato. Vorremmo tracciare la variazione anno su anno dell'edificato — dove si costruisce, dove si demolisce.
Il dataset completo, con i limiti di licenza del caso, è disponibile su GitHub e interrogabile via API su app.zornade.com.