Wind aggregation for storm clusters improves the design of vulnerability curves for insurance companies

Nel mondo del meteo e delle assicurazioni, il rischio è solitamente inteso come un'equazione semplice che coinvolge tre parti: il pericolo stesso, le cose sul suo cammino e la facilità con cui queste cose si rompono. Il pericolo è la tempesta; le cose sono le case e le attività commerciali; e la fragilità è la vulnerabilità. Per decenni, gli esperti hanno trattato le tempeste come eventi solitari, assumendo che una casa danneggiata da una singola raffica non sia più o meno probabile che venga danneggiata dalla successiva rispetto a prima. Questa visione funziona bene quando le tempeste arrivano da sole, ma fatica quando arrivano in una sequenza rapida. Quando più tempeste colpiscono la stessa regione in rapida successione, il danno può essere molto più grave della somma dei singoli eventi. Ciò accade perché gli edifici indeboliti dal primo colpo potrebbero non avere il tempo di recuperare prima che il secondo colpisca, lasciandoli in uno stato più fragile. Comprendere questa tempistica è fondamentale per le compagnie assicurative, che devono accantonare abbastanza denaro per pagare questi disastri, e per gli scienziati che cercano di prevedere come il cambiamento climatico possa alterare la frequenza di tali sequenze pericolose.

Un team di ricercatori, lavorando con i dati di una grande compagnia assicurativa francese, si è posto l'obiettivo di vedere se il modo standard di calcolare i danni da tempesta stesse tralasciando questo pezzo critico del puzzle. Si sono concentrati sulle tempeste di vento invernali che flagellano la Francia, eventi che hanno causato miliardi in perdite negli ultimi decenni. Esaminando decenni di richieste di risarcimento assicurativo e incrociandoli con registri dettagliati dei modelli di vento, si sono posti una domanda semplice: il tempo delle tempeste conta? Nello specifico, volevano sapere se una casa colpita da due tempeste consecutive subisca più danni di una casa colpita da una singola tempesta della stessa intensità, e se gli attuali modelli utilizzati per prevedere queste perdite stessero fallendo nel tenerne conto.

I ricercatori hanno scoperto che l'approccio standard era effettivamente incompleto. Hanno scoperto che una parte significativa dei danni in Francia avviene durante periodi in cui le tempeste si susseguono a breve distanza, spesso entro una finestra di soli pochi giorni. Infatti, quando hanno osservato una finestra di quattro giorni, che è un intervallo temporale comune usato dagli assicuratori per raggruppare le richieste, più della metà di tutte le proprietà danneggiate faceva parte di una sequenza di tempeste piuttosto che di un evento isolato. Ancora più significativo, hanno identificato un gruppo specifico di località che sono state colpite dai venti di più tempeste in quella breve finestra. Queste località a "vento multiplo" hanno subito danni che non potevano essere spiegati dalla sola raffica più forte. Quando i ricercatori hanno tracciato il danno rispetto alla velocità del vento, hanno visto che, per la stessa intensità del vento, le case colpite da tempeste successive avevano un tasso di richieste di risarcimento più elevato rispetto a quelle colpite da una singola tempesta. I modelli standard, che guardavano solo alla velocità massima del vento, stavano sottostimando il rischio per questi eventi raggruppati.

Per correggere questo, il team ha sviluppato un nuovo modo di misurare il pericolo. Invece di registrare solo la singola raffica più forte sperimentata da una località, hanno creato un metodo che sommava l'effetto di tutti i venti forti della sequenza di tempeste. Immaginate un gruppo di tempeste come una serie di colpi pesanti; il nuovo metodo tratta il secondo e il terzo colpo come contributi che si aggiungono alla forza totale, anche se sono più deboli del primo. Hanno testato diversi modi per combinare questi venti, scoprendo che il metodo più efficace dava pieno peso alla raffica più forte ma aggiungeva anche un contributo minore, ma significativo, dalle tempeste successive. Questo approccio, che chiamano aggregazione del vento, ha permesso loro di costruire un nuovo insieme di curve di danno che riflettevano accuratamente la realtà delle tempeste raggruppate.

I risultati hanno mostrato che questo nuovo metodo funzionava molto meglio del precedente. Quando hanno applicato la metrica del vento aggregato ai loro dati, la capacità del modello di prevedere il danno effettivo è migliorata significativamente, specialmente per quelle località colpite da tempeste multiple. Il miglioramento è stato più drammatico per le tempeste che si sono verificate entro una settimana l'una dall'altra. Man mano che il tempo tra le tempeste aumentava, il beneficio dell'aggiunta dei venti svaniva, suggerendo che gli edifici hanno una finestra di circa una settimana per recuperare prima che arrivi la tempesta successiva. Se le tempeste sono distanziate maggiormente, il danno dal secondo evento assomiglia più a un attacco fresco su un edificio sano, piuttosto che a un colpo di seguito a un edificio già indebolito.

Questo studio non suggerisce che i vecchi modelli siano inutili per le tempeste singole; per gli eventi isolati, la velocità massima del vento rimane il miglior predittore del danno. Tuttavia, dimostra che per lo scenario, sempre più comune, dei gruppi di tempeste, fare affidamento solo sulla velocità massima del vento porta a una visione distorta del rischio. Tenendo conto esplicitamente della successione delle tempeste, i ricercatori hanno fornito un modo per rendere i modelli di rischio assicurativo più realistici. Ciò significa che le compagnie assicurative possono stimare meglio le perdite totali che potrebbero affrontare durante una stagione di tempeste rapide, portando a una determinazione più accurata dei prezzi e a una migliore preparazione per il futuro. Il lavoro conferma che la tempistica della violenza della natura è importante quanto la sua intensità, e che ignorare la sequenza degli eventi può lasciarci impreparati per il vero costo di una stagione tempestosa.