Rendicontazione Ambientale22 Ott 2026 · 9 min
Guida al calcolo dell’incertezza in un inventario GHG: dati di attività, fattori di emissione, propagazione in quadratura, requisiti ISO 14064-1 e lettura in verifica.
SEO Specialist
Un inventario GHG non restituisce mai una misura perfettamente certa delle emissioni. Anche quando il calcolo è formalmente semplice – dato di attività moltiplicato per fattore di emissione – entrambi gli elementi possiedono un proprio grado di incertezza: il consumo può provenire da un contatore, da una fattura o da una stima; il fattore può essere specifico per quella tecnologia oppure rappresentare una media nazionale molto più generale.
Valutare l’incertezza significa quindi stabilire quanto il risultato dipenda dalla qualità e dalla precisione delle informazioni utilizzate, individuando le sorgenti sulle quali conviene migliorare raccolta e metodologia. Un inventario da 500 tCO₂e ottenuto quasi interamente da dati misurati racconta una situazione diversa da 500 tCO₂e costruite attraverso numerose stime e proxy, anche se il totale finale è identico.
Il tema completa naturalmente la costruzione dell’inventario delle emissioni GHG e riguarda indistintamente emissioni dirette e indirette; per la loro classificazione rimane disponibile anche la guida alle differenze tra Scope 1, Scope 2 e Scope 3.
Nella maggior parte degli inventari aziendali le emissioni non vengono misurate direttamente all’uscita della sorgente, ma stimate attraverso parametri.
La relazione elementare è:
dato di attività × fattore di emissione = emissioni
Se un’impresa consuma 10.000 Smc di gas naturale, per esempio, il dato di attività è la quantità di gas; il fattore converte quella quantità nelle emissioni corrispondenti. L’incertezza del risultato dipende quindi almeno dall’affidabilità di entrambi.
Il dato di attività può essere condizionato da:
Anche il fattore introduce incertezza, soprattutto quando la realtà dell’organizzazione viene rappresentata attraverso un valore medio. Un fattore specifico e tecnicamente rappresentativo può descrivere bene la sorgente; un valore medio relativo a tecnologie, aree geografiche o periodi differenti introduce un margine maggiore.
Esiste inoltre un problema che un semplice intervallo percentuale non riesce sempre a catturare: il bias sistematico. Se manca interamente una sorgente oppure viene utilizzato un fattore non rappresentativo, il risultato può essere sistematicamente sovrastimato o sottostimato. Per questo calcolare una percentuale di incertezza non sostituisce il controllo di completezza e appropriatezza della metodologia.
Prima di propagare numericamente l’incertezza conviene classificare la qualità delle informazioni sorgente, perché non tutti i dati entrano nell’inventario con lo stesso livello di affidabilità.
| Origine del dato | Elementi da verificare |
|---|---|
| Contatore o misura diretta | precisione, taratura, copertura del periodo |
| Fattura o registro di acquisto | completezza dell’esercizio, unità, eventuali conguagli |
| Dato gestionale | origine, estrazione, perimetro e controlli interni |
| Stima tecnica | metodo, ipotesi e variabili utilizzate |
| Proxy o dato medio | rappresentatività rispetto all’attività reale |
| Dato di fornitore | metodologia, periodo e perimetro della dichiarazione |
Un consumo ricavato dalle dodici fatture dell’anno, senza periodi mancanti, presenta normalmente una base informativa migliore di un consumo ricostruito a partire da metri quadrati, ore di utilizzo e valori medi. La stessa logica riguarda Scope 3, dove l’assenza di dati primari può rendere necessario utilizzare medie settoriali o metodi spend-based.
La valutazione deve però evitare equivalenze automatiche. “Primario” non significa sempre “accurato” e “secondario” non significa necessariamente “inaffidabile”: occorre verificare qualità, completezza e rappresentatività della singola fonte.
L’incertezza serve proprio a rendere visibile questa differenza, così le sorgenti che pesano molto sull’inventario e possiedono dati deboli possono diventare priorità nel piano di miglioramento.
Quando un’emissione viene ottenuta moltiplicando un dato di attività per un fattore di emissione, le rispettive incertezze possono essere propagate attraverso il metodo della somma dei quadrati, spesso indicato semplicemente come calcolo “in quadratura”.
Se:
uA è l’incertezza percentuale del dato di attività;uF è l’incertezza percentuale del fattore;l’incertezza relativa della sorgente può essere stimata come:
u = √(uA² + uF²)
Supponiamo che il consumo sia noto con un’incertezza del ±2% e il fattore di emissione con un’incertezza del ±5%.
Il risultato sarà:
√(2² + 5²) = √29 ≈ 5,4%
Se quella sorgente produce 30 tCO₂e, il risultato viene quindi interpretato, secondo le ipotesi adottate, come 30 tCO₂e con un’incertezza relativa di circa ±5,4%.
La stessa logica può essere utilizzata per aggregare sorgenti differenti, ma occorre considerare anche il loro peso sul totale. Supponiamo di avere:
L’incertezza assoluta combinata è:
√(3² + 5²) ≈ 5,83 tCO₂e
rapportata al totale di 150 tCO₂e:
5,83 ÷ 150 ≈ 3,9%
Il risultato aggregato sarà quindi circa 150 tCO₂e ±3,9%.
Il fatto che la sorgente B abbia un’incertezza del 10% non porta automaticamente il totale allo stesso livello, perché pesa soltanto un terzo delle emissioni complessive.
Questo metodo ha però condizioni di applicabilità precise. La guida del GHG Protocol sull’incertezza utilizza la propagazione degli errori di primo ordine quando i parametri possono essere considerati indipendenti, le incertezze seguono una distribuzione compatibile con l’approccio e i valori individuali rimangono entro i limiti previsti dalla metodologia. In situazioni con forti correlazioni, distribuzioni differenti o livelli di incertezza molto elevati possono essere necessari approcci più sofisticati, come simulazioni Monte Carlo.
Per questo “calcolare in quadratura” non significa applicare meccanicamente una formula a qualsiasi inventario: occorre prima verificare che le condizioni statistiche che la rendono appropriata siano ragionevoli.
Per un inventario organizzativo il riferimento internazionale vigente resta ISO 14064-1:2018, recepita in Italia come UNI EN ISO 14064-1:2019.
La norma inserisce l’incertezza nella gestione della qualità dell’inventario e richiede di valutare quella associata agli approcci di quantificazione, comprendendo quindi dati utilizzati e modelli, per arrivare a una valutazione a livello delle categorie dell’inventario.
Questo passaggio è importante perché evita di limitare l’analisi a una singola riga del foglio di calcolo. Le incertezze delle diverse sorgenti devono essere comprese e successivamente lette anche nel loro effetto sulle categorie complessive.
ISO 14064-1 non stabilisce però che qualsiasi organizzazione debba obbligatoriamente applicare la stessa formula quantitativa. Quando la quantificazione dell’incertezza non è possibile o non è economicamente ragionevole, questa circostanza deve essere motivata e l’organizzazione deve comunque effettuare una valutazione qualitativa.
Il principio di fondo rimane quello dell’accuratezza: ridurre bias e incertezze per quanto praticabile, documentando al tempo stesso i limiti che continuano a caratterizzare l’informazione prodotta.
Nel rapporto, quindi, non basta eventualmente indicare “incertezza ±5%”. Bisogna essere in grado di spiegare quali dati generano quel risultato, quale metodologia è stata utilizzata e quali sono le principali cause che potrebbero comprometterne la precisione.
Per un verificatore l’incertezza non rappresenta semplicemente un voto finale attribuito all’inventario. È soprattutto un’indicazione di dove il dato è più debole e dove conviene concentrare le verifiche.
Una sorgente che contribuisce allo 0,2% del totale e possiede un’incertezza relativamente elevata può avere un impatto limitato sull’inventario complessivo; una sorgente responsabile del 40% delle emissioni con un dato di attività scarsamente documentato merita invece molta più attenzione.
La lettura combina quindi almeno due dimensioni:
peso emissivo × qualità del dato
e può orientare controlli su fatture, strumenti di misura, calcoli, stime, fattori e assunzioni.
L’incertezza consente inoltre di distinguere una variazione significativa da una differenza che potrebbe rientrare nel margine del sistema di quantificazione. Se due esercizi mostrano emissioni quasi identiche ma entrambi presentano un margine importante, attribuire una piccola variazione a un reale miglioramento operativo richiede cautela.
Questo non significa utilizzare l’incertezza come una fascia entro la quale qualsiasi errore diventa accettabile. Errore e incertezza sono concetti differenti: un dato inserito male deve essere corretto; un’incertezza documentata descrive invece il limite conoscitivo che rimane anche quando il metodo è stato applicato correttamente.
Nel Percorso A — Inventario GHG, EvalisDeck mantiene l’incertezza all’interno della stessa catena utilizzata per il calcolo delle emissioni: sorgente, dato di attività, fattore e risultato restano collegati, consentendo di associare la qualità alle informazioni dalle quali deriva il valore finale.
La piattaforma gestisce l’incertezza combinata in quadratura, evitando che le percentuali dei diversi componenti vengano sommate direttamente senza considerarne la propagazione. I risultati possono poi essere aggregati insieme alle emissioni per fornire una lettura dell’incertezza complessiva e della qualità dei dati dell’inventario.
Questa funzione acquista valore soprattutto quando il numero delle sorgenti cresce. Un inventario composto da consumi energetici misurati, refrigeranti, carburanti e diverse categorie indirette può comprendere dati con livelli di affidabilità molto differenti; conservare questa informazione insieme al calcolo permette di identificare le sorgenti sulle quali intervenire prima dell’esercizio successivo.
L’obiettivo non è ottenere artificialmente la percentuale più bassa possibile, ma rendere comprensibile il risultato: dove il dato è robusto, dove dipende da una stima e dove un miglioramento nella raccolta potrebbe ridurre maggiormente l’incertezza complessiva.
Nel Percorso A questo passaggio precede la verifica e confluisce nel rapporto GHG insieme a perimetro, sorgenti, fattori e risultati, evitando che l’analisi dell’incertezza venga ricostruita separatamente soltanto quando arriva il verificatore.
Per osservare direttamente il calcolo è possibile utilizzare la demo guidata di EvalisDeck e aprire l’inventario dell’azienda dimostrativa, nel quale risultato emissivo, incertezza e qualità del dato vengono mostrati nello stesso percorso.
È la misura del margine associato alla quantificazione delle emissioni, determinato dalla qualità dei dati, dai fattori, dagli strumenti e dai modelli utilizzati. Non indica necessariamente un errore: descrive quanto precisamente il risultato può essere stimato.
Quando sono rispettate le condizioni del metodo di propagazione di primo ordine, le incertezze relative possono essere combinate in quadratura: √(uA² + uF²). Il metodo non deve però essere utilizzato automaticamente quando i parametri sono correlati o le ipotesi statistiche non sono appropriate.
No. ISO 14064-1 richiede la valutazione dell’incertezza associata alla quantificazione e a livello delle categorie dell’inventario, ma non impone la quadratura come formula universale. Se una stima quantitativa non è possibile o conveniente, la norma ammette una valutazione qualitativa purché la scelta sia giustificata.
Non necessariamente. Può indicare che una sorgente dipende da stime, fattori generici o misure poco precise. L’informazione è utile proprio per individuare dove migliorare dati e metodologia.
Perché aiuta a comprendere dove il risultato è più sensibile alla qualità dei dati e quali sorgenti meritano maggiore approfondimento. La verifica considera però anche completezza, tracciabilità, metodologia ed eventuali errori, che non vengono sostituiti dalla percentuale di incertezza.
Rendicontazione Ambientale22 Set 2026 · 9 min
Guida alle differenze tra UNI CEI EN 16247 e ISO 50001: cosa cambia tra diagnosi energetica e sistema di gestione, quando sono complementari e come incidono sugli obblighi delle imprese.
di Bruno Santini · SEO Specialist
Rendicontazione Ambientale16 Set 2026 · 8 min
Guida pratica a vettori energetici e usi finali nella diagnosi energetica: come passare dai consumi complessivi alla loro ripartizione per processo, costruire il modello energetico e verificare la quadratura dei dati.
di Bruno Santini · SEO Specialist
Rendicontazione Ambientale10 Set 2026 · 8 min
Guida alla CO₂ biogenica negli inventari GHG: differenza rispetto alla CO₂ fossile, biomasse e biocarburanti, requisiti ISO 14064-1 ed errori di rendicontazione.
di Bruno Santini · SEO Specialist