Se ti occupi di analisi territoriale, urbanistica, protezione civile o modellazione del rischio in Italia, sai bene che la granularità dei dati demografici fa tutta la differenza. I dati ISTAT per sezione di censimento sono fondamentali, ma restano vincolati a confini amministrativi che non sempre riflettono la reale distribuzione delle persone sul territorio. I dataset raster globali, d'altro canto, offrono copertura continua ma ciascuno porta con sé limiti specifici: chi ha la risoluzione giusta non ha sempre le stime demografiche aggiornate, e viceversa.
Con questo progetto abbiamo voluto colmare quel divario. Il risultato è un layer raster di popolazione per l'intera Italia, a risoluzione di circa 30 metri per pixel, che combina il meglio di due fonti open data tra le più autorevoli disponibili oggi: il High Resolution Settlement Layer (HRSL) di Meta e le stime WorldPop R2025A constrained.
Perché un altro dataset di popolazione?
La domanda è legittima. Esistono già diversi dataset di popolazione gridded per l'Italia - da GHS-POP a WorldPop, fino allo stesso HRSL. Il problema è che nessuno di questi, preso singolarmente, soddisfa tutti i requisiti di un'analisi territoriale di precisione:
HRSL (Meta/CIESIN) offre una risoluzione spaziale eccellente (~30 m), con pesi dasymetrici derivati da immagini satellitari ad alta risoluzione e algoritmi di deep learning. Tuttavia, le stime di popolazione associate risalgono al 2020 e non vengono aggiornate con la stessa frequenza delle proiezioni demografiche WorldPop.
WorldPop R2025A constrained fornisce stime demografiche proiettate al 2025, calibrate sulle proiezioni ONU e il censimento, distribuite esclusivamente su aree edificate. La risoluzione, però, è di 100 metri - adeguata per analisi nazionali, ma insufficiente per studi a scala urbana o sub-comunale.
La nostra pipeline fonde queste due fonti: usa la geometria fine dell'HRSL come scheletro spaziale e vi sovrappone le stime demografiche WorldPop, ottenendo un raster che eredita il meglio di entrambi i mondi.
Come funziona la fusione dasymetric
Il cuore del metodo è una disaggregazione dasymetric a finestra mobile. L'idea è semplice nel principio ma richiede attenzione nei dettagli implementativi.
Fase 1: Fusione HRSL + WorldPop 2020
Per ogni pixel WorldPop a 100 m, esiste una griglia corrispondente di circa 3×3 pixel HRSL a 30 m. La pipeline:
Estrae i pesi HRSL entro ciascuna cella WorldPop: i valori HRSL fungono da indicatori relativi di dove le persone vivono effettivamente, con una precisione spaziale molto superiore.
Normalizza i pesi: la somma dei pesi HRSL all'interno di ogni cella WorldPop viene portata a 1. Se la cella WorldPop contiene, ad esempio, 150 persone e i pesi HRSL indicano che il 60% della popolazione si concentra nel pixel in basso a sinistra, quel pixel riceverà 90 persone.
Gestisce i gap: non tutti i pixel WorldPop hanno corrispondenza HRSL, e viceversa. Quando una cella WorldPop contiene popolazione ma nessun peso HRSL, la pipeline cerca pesi nei pixel circostanti con un meccanismo di espansione progressiva - prima 1 pixel di raggio, poi 2, fino a 10. Se neppure l'espansione funziona, la popolazione viene distribuita uniformemente.
Il risultato è un raster "fuso" a ~30 m che conserva esattamente il totale di popolazione WorldPop 2020 (circa 60 milioni di persone), ma con una distribuzione spaziale molto più granulare.
Fase 2: Proiezione al 2025
Una volta ottenuto il raster fuso 2020, la proiezione al 2025 è concettualmente lineare:
- Si calcola il rapporto di crescita R = WorldPop_2025 / WorldPop_2020 per ogni cella a 100 m.
- Si moltiplica ogni pixel fuso 2020 per il rapporto della cella WorldPop corrispondente.
Dove WorldPop indica crescita (R > 1), la popolazione cresce proporzionalmente in ogni sub-pixel; dove indica declino, decresce. Il risultato finale stima circa 59,2 milioni di persone per il 2025, coerente con le proiezioni demografiche nazionali.
Il dataset in numeri
Visualizzazione: l'Italia vista attraverso la popolazione
La mappa seguente mostra l'intero layer di popolazione 2025, sovrapposto a una basemap Dark Matter. I colori passano dal blu scuro (bassa densità) al teal (densità media), per arrivare all'arancione e rosso nelle aree metropolitane più dense.
Emergono immediatamente i pattern che ci si aspetta: le grandi aree metropolitane di Roma, Milano, Napoli e Torino come nuclei incandescenti; la dorsale appenninica quasi vuota; le coste adriatica e tirrenica densamente popolate; la Pianura Padana come un continuum urbano quasi ininterrotto.
Ma la vera forza del dataset si apprezza nello zoom. Ecco il confronto tra il raster HRSL grezzo (che fornisce i pesi spaziali), il nostro raster fuso a 30 m e il WorldPop originale a 100 m, per il centro di Roma:
E per Milano Centro:
Nel pannello di sinistra si vedono i pesi HRSL: una mappatura molto dettagliata degli edifici, ma senza valori di popolazione assoluti affidabili. Nel pannello di destra, WorldPop a 100 m: stime demografiche solide, ma dove ogni pixel copre un isolato intero. Il pannello centrale è il nostro output: la risoluzione dell'HRSL con la calibrazione demografica di WorldPop.
Distribuzione della popolazione per pixel
Non tutti i pixel sono uguali. La maggior parte dei pixel abitati contiene frazioni di persona - in linea con la natura sub-building della risoluzione a 30 m. Ma la distribuzione ha una coda lunga che si estende fino a decine di persone per pixel nelle aree più dense.
L'istogramma mostra la distribuzione su scala logaritmica. La mediana si colloca su valori molto bassi (tipicamente sotto 1 persona/pixel), perché la maggior parte dei pixel abitati copre porzioni di un singolo edificio. Il 95° percentile e il 99° percentile identificano le aree ad alta e altissima densità - quei pixel che corrispondono a edifici multipiano nei centri urbani.
Densita di popolazione: il contrasto urbano-rurale
Un modo efficace per apprezzare la distribuzione della popolazione sul territorio italiano e guardare la densita assoluta, espressa in persone per km2 su base WorldPop a 100 m:
I colori passano dal blu scuro delle aree rurali e montane al teal delle zone suburbane, fino all'arancione e rosso dei centri metropolitani piu densi. Emergono con nettezza i nuclei di Roma, Milano, Napoli e Torino, il continuum urbano della Pianura Padana, e la rarefazione delle aree interne appenniniche.
Riguardo alla dinamica temporale, va notato che WorldPop R2025A constrained per l'Italia applica un fattore di scala demografico nazionale uniforme (circa -1,3% tra 2020 e 2025, in linea con le proiezioni ISTAT/ONU). Questo significa che la distribuzione spaziale relativa resta invariata tra i due anni: cio che cambia e il livello assoluto, non la geografia. Per analisi di variazione demografica a livello sub-nazionale, consigliamo di incrociare questo dataset con le statistiche ISTAT per comune o sezione di censimento.
Come scaricare e usare il dataset
Il dataset e disponibile come GeoTIFF scaricabile gratuitamente dalla nostra sezione Data Downloads. Il file pesa 678 MB e puo essere aperto con qualsiasi software GIS: QGIS, ArcGIS, Google Earth Engine, o direttamente con librerie Python come rasterio e GDAL.
Zornade.com - Layer di popolazione Italia ad alta risoluzione (~30m), basato su dati HRSL (Meta/CIESIN, CC BY) e WorldPop R2025A constrained (CC BY 4.0).
Limiti e considerazioni
Come ogni dataset derivato, anche questo porta con sé i limiti delle fonti originali:
L'HRSL è basato su immagini del 2018-2020: nuove costruzioni successive non sono mappate nei pesi dasymetrici. La proiezione WorldPop compensa parzialmente, ma la geometria resta ancorata al 2020.
Le stime WorldPop constrained escludono le aree non edificate: per definizione, pixel senza insediamenti rilevati hanno popolazione zero. Questo è corretto nella maggioranza dei casi, ma può sottostimare insediamenti informali o strutture molto piccole.
La risoluzione effettiva non è 30 m ovunque: dove l'HRSL ha gap (aree senza pesi), la popolazione viene ridistribuita da pixel vicini. In queste zone la risoluzione effettiva è degradata, pur mantenendo la griglia a 30 m.
I rapporti di crescita WorldPop sono a 100 m: la crescita demografica viene applicata uniformemente a tutti i sub-pixel all'interno di ogni cella WorldPop. Eventuali variazioni intra-cella non sono catturate.
Come usiamo questo layer nella piattaforma Zornade
Questo dataset non è rimasto un esperimento isolato: è il layer di popolazione che alimenta la stima per particella catastale su app.zornade.com. Quando apri una particella e vedi "popolazione stimata", quel numero non è un semplice valore raster - è il risultato di un metodo a tre livelli che incrocia il layer a 30 m con i footprint degli edifici OpenStreetMap:
- Budget comunale: per ogni comune si calcola la popolazione totale sommando i pixel WorldPop contenuti nel confine amministrativo (fonte ISTAT).
- Stima raster diretta: per ogni particella si somma la popolazione dei pixel del layer a 30 m che ricadono nel suo perimetro - la stima di base, disponibile sempre.
- Redistribuzione dasymetric sugli edifici: dove la copertura degli edifici residenziali OSM nel comune è alta (≥60% dei pixel abitati ha un building corrispondente), la popolazione comunale viene ridistribuita in proporzione all'impronta edificata di ogni particella, invece che ai pixel raster. Con copertura media (20-60%) le due stime vengono miscelate con un peso lineare; sotto il 20% si resta sulla stima raster pura.
Il campo estimation_method restituito dall'API (dasymetric, hybrid o raster) indica quale dei tre livelli è stato usato per quella particella, insieme a un punteggio di confidenza. Le particelle senza alcun edificio residenziale ricevono popolazione zero; per sanità dei dati, ogni stima è limitata a un tetto di 50.000 persone per particella.
Come abbiamo validato le stime
Ogni esecuzione della pipeline di arricchimento passa attraverso controlli automatici prima di essere pubblicata:
- Coerenza con il totale comunale: la somma delle stime per particella deve tornare al totale WorldPop del comune con una tolleranza del ±15% (gli scarti oltre soglia vengono loggati e in genere derivano da particelle a cavallo di due confini comunali).
- Nessun valore negativo: verifica banale ma necessaria dopo operazioni di interpolazione.
- Ispezione manuale delle particelle top-5 per popolazione stimata ad ogni run, per intercettare eventuali anomalie prima che finiscano in produzione.
- Log della distribuzione dei metodi di stima (quante particelle hanno ricevuto stima dasymetric vs hybrid vs raster) per monitorare la copertura OSM nel tempo - più cresce la mappatura degli edifici su OpenStreetMap, più particelle passano da raster a dasymetric.
HRSL+WorldPop a confronto con le alternative
Se stai valutando quale dataset di popolazione usare per un progetto in Italia, ecco come si posiziona il nostro layer rispetto alle fonti più usate:
| Dataset | Risoluzione | Anno riferimento | Licenza | Punto di forza | Limite principale |
|---|---|---|---|---|---|
| Zornade (HRSL+WorldPop fuso) | ~30 m | 2025 (proiezione) | CC BY 4.0 | Geometria fine + calibrazione demografica aggiornata | Geometria HRSL ancorata a immagini 2018-2020 |
| HRSL standalone (Meta/CIESIN) | ~30 m | ~2020 | CC BY | Pesi dasymetric molto precisi | Non fornisce da solo un totale demografico affidabile |
| WorldPop R2025A constrained | 100 m | 2025 (proiezione) | CC BY 4.0 | Stima demografica solida, calibrata su ONU/censimento | Risoluzione insufficiente per analisi sub-comunali |
| GHS-POP (JRC/Copernicus GHSL) | 100 m / 1 km | Serie 1975-2030 (5 anni) | Open (EU) | Serie storica lunga, metodologia consolidata e documentata | Disaggregazione da unità censuarie, non da building footprint |
| ISTAT sezioni di censimento | Poligonale (variabile) | 2021 (censimento) | Open data | Fonte ufficiale, riferimento per le statistiche pubbliche | Confini amministrativi, non riflettono la distribuzione reale nello spazio |
In breve: se ti serve il dato ufficiale per una pubblicazione statistica, resta ISTAT. Se ti serve una serie storica globale comparabile, GHS-POP è lo standard de facto. Se ti serve granularità sub-edificio per un'analisi operativa - copertura di rete, pianificazione retail, risposta a un'emergenza - è lo scenario per cui abbiamo costruito questo layer.
Conclusioni
Questo dataset nasce dall'esigenza concreta di avere dati di popolazione ad alta risoluzione per l'Italia, aggiornati e pronti all'uso. Non sostituisce i dati censuari ISTAT - che restano il riferimento per le statistiche ufficiali - ma li complementa offrendo una griglia continua, a risoluzione sub-edificio, calibrata sulle proiezioni demografiche più recenti.
Se lavori con analisi di rischio, pianificazione urbana, telecomunicazioni, logistica o qualsiasi dominio in cui sapere quante persone vivono dove fa la differenza, scarica il dataset e mettilo alla prova. Due esempi concreti di applicazione di dati di popolazione ad alta risoluzione: la nostra piattaforma di Network Intelligence per un'azienda Telco e lo studio di apertura punti vendita basato su analisi demografica.
Domande frequenti
Il dataset di popolazione è aggiornato a che anno?
Le stime demografiche sono proiettate al 2025 (WorldPop R2025A constrained, calibrato su proiezioni ONU e censimento). La geometria di base (i pesi HRSL che determinano dove nel dettaglio vive la popolazione) deriva invece da immagini satellitari del 2018-2020: per nuove costruzioni successive al 2020 la distribuzione spaziale fine potrebbe non essere ancora catturata, anche se il totale demografico resta aggiornato al 2025.
Che differenza c'è tra questo dataset e GHS-POP del JRC?
GHS-POP (Global Human Settlement Layer, Commissione Europea/Copernicus) disaggrega la popolazione da unità censuarie usando la densità di built-up, a risoluzione 100 m o 1 km, con una serie storica dal 1975 al 2030. Il nostro layer usa invece i pesi dasymetric dell'HRSL (~30 m, basati su building footprint da deep learning) per una disaggregazione più fine, calibrata sulle stime demografiche WorldPop 2025. GHS-POP resta lo standard per confronti storici o internazionali; il nostro layer è pensato per analisi operative che richiedono il dettaglio sub-edificio.
Posso usare questo dataset per progetti commerciali?
Sì. È rilasciato con licenza Creative Commons BY 4.0 (attribuzione a Zornade, HRSL/Meta-CIESIN e WorldPop), che permette uso commerciale e non commerciale.
Come faccio a sapere la popolazione stimata di una singola particella catastale?
Cercala su app.zornade.com: ogni particella mostra la popolazione stimata calcolata con il metodo dasymetric a tre livelli descritto sopra, insieme al metodo di stima usato (dasymetric, hybrid o raster) e a un punteggio di confidenza. È lo stesso layer di questo articolo, applicato particella per particella.
Il file GeoTIFF da 678 MB è gestibile senza un server potente?
Sì, ma con attenzione: apribile in QGIS/ArcGIS su un laptop moderno senza problemi per la visualizzazione. Per elaborazioni pesanti (zonal statistics su migliaia di poligoni) conviene ritagliare l'area di interesse con gdal_translate -projwin prima di processare, invece di caricare il raster completo in memoria.
Quanto è accurata la stima rispetto ai dati ISTAT ufficiali?
La pipeline verifica automaticamente che la somma delle stime per particella in ogni comune torni al totale WorldPop comunale con una tolleranza del ±15%; gli scarti oltre soglia vengono loggati e ispezionati manualmente sulle particelle a maggiore popolazione stimata. Per numeri ufficiali a livello di sezione di censimento, il riferimento resta comunque ISTAT.
Il dataset copre anche le aree rurali scarsamente popolate?
Sì, l'intero territorio italiano è coperto dalla griglia a 30 m. Le celle senza insediamenti rilevati (dalle stime WorldPop constrained) hanno valore zero, che è corretto nella maggior parte dei casi ma può sottostimare insediamenti molto piccoli o informali non rilevati dalle fonti di base.
Questo progetto è open source. Il codice completo è disponibile su GitHub. Contributi, segnalazioni e suggerimenti sono benvenuti.