Mappe del valore residenziale, una metodologia.

  Gis Tutorial

Questo tutorial propone una metodologia adottabile utilizzando un software gis come Qgis, i dati OMI dell’agenzia delle entrate e dei poligoni con le altezze degli edifici per elaborare e realizzare dei dati raster contenenti il valore degli immobili residenziali, e più in generale il valore economico territoriale. Il dato ottenuto può essere utilizzato per stime di danni e/o economiche in altre analisi GIS.

L’obiettivo è quello di caratterizzare le aree urbanizzate residenziali, ovvero i luoghi dove la popolazione residente vive, rispetto al grado di vulnerabilità degli edifici, in funzioni dei valori monetari medi al metro quadro e dell’effettiva estensione dell’edifici multi-piano.

Indice

  1. Premessa
  2. I dati necessari
    1. L’osservatorio mercato immobiliare
    2. I volumi dell’edificato residenziale
  3. Metodologia
    1. Il numero medio di piani
    2. Il valore medio residenziale
    3. Valore immobiliare del poligono
    4. Densità di valore residenziale
    5. Raster del valore residenziale
  4. Considerazioni finali

1. Premessa

In una recente nostra commessa ci è capitato di dover formare personale per la realizzazione e uso di mappe del valore dell’edificato residenziale utili ad una successiva stima di danni dovuti a calamità (naturali o industriali). Lo scopo finale è quello di avere un GRID (un dato raster) in cui per ogni cella vi sia un dato numerico in euro che rappresenti il valore più probabile dell’edificato residenziale. Con queste elaborazioni è possibile ad esempio calcolare rapidamente il valore di aree sottese da poligoni; come ad esempio dei buffer attorno a stabilimenti industriali a rischio di incidente rilevante.

Mappa del valore economico residenziale ~ esempio per i comuni di Siracusa, Floridia e Solarino

Esempio di mappa del valore economico residenziale

Avere una mappa dettagliata del valore di ogni immobile (non solo residenziale) è praticamente impossibile perché per determinare il più probabile valore di mercato di ogni immobile occorre effettuare delle perizie puntuali seguendo standard precisi ed infine occorrerebbe omogeneizzare i dati perché il valore economico è variabile nel tempo… Lavorando su “grandi numeri” in ambito GIS si possono e si devono fare alcune semplificazioni.

In rarissimi casi in cui potremmo disporre di perizie di stima (o atti di compravendita) di immobili, in sufficiente densità territoriale e concentrazione temporale, potremmo determinare dei valori di mercato più precisi. Occorrerebbe una metodologia molto complessa che permetta la comparazione tra gli immobili e la diffusione del valore in un intorno territoriale omogeneo.

Quello che vogliamo presentare in questo articolo è un metodo facilmente implementabile in ambito GIS che permette di ottenere delle mappe ed in particolare dei Raster/GRID che rappresentano il valore economico degli immobili residenziali. Queste mappe possono essere successivamente utilizzate per analisi di rischio/emergenza; ad esempio calcolando il valore sotteso da altri poligoni (buffer zone) intorno a centri di rischio (es. impianti industriali); oppure il valore residenziale complessivo di interi quartieri o porzioni di territorio.

Assunti di base che semplificano l’approccio
1) Il valore economico proveniente da una stastistica ed attribuito ad una zona territoriale può essere adottato come parametro per tutti gli immobili di categoria simile ricadenti nella medesima zona.
2) Si ritiene verosimile la superficie commerciale di un immobile se calcolata semplicemente a partire dall’altezza dell’edificio si stima un numero medio di elevazioni al suo interno.
3) I valori stimati non coincidono con il valore del costo di costruzione o eventuale ri-costruzione degli edifici, in quanto il valore economico si discosta da esso.

 

2. I dati necessari

In questo paragrafo vedremo quali sono i dati necessari per la metodologia proposta, ovviamente validi solo per il panorama italiano.

In sede di analisi di rischio territoriale (es. terremoto o altri disastri) si può valutare sommariamente l’impatto economico sugli immobili o meglio, sul valore di essi; per esempio ipotizzando la perdita totale o parziale del loro valore a seguito dell’evento. Su una scala territoriale vasta e per una precisione non elevata è possibile dunque determinare il valore territoriale dell’edificato residenziale utilizzando alcuni dati:

  1. Valori di mercato delle zone/quartieri (es. dati del servizio OMI – Agenzia delle Entrate);
  2. Dati vettoriali che contengono i volumi degli edifici (poligoni 3D o con attributo delle altezze medie).

A questi si aggiungono sempre Foto satellitari e Ortofotocarte per la verifica e convalida degli altri dati tramite foto-interpretazione.

2.1 L’osservatorio del mercato immobiliare (OMI)

L’Agenzia delle Entrate – ufficio del territorio (comunemente chiamato Catasto) è l’unico ente pubblico in Italia che si occupa di analizzare il mercato immobiliare studiando i dati delle compravendite. Da ogni atto di compravendita, attraverso un’approfondita lettura ed interpretazione è possibile estrapolare dei parametri omogenei per analisi statistiche. Questo è il principale lavoro dell’Osservatorio del Mercato Immobiliare che pubblica dei bollettini semestrali sui valori (minimi e massimi) in €/mq delle compravendite. Le Agenzie provinciali dell’osservatorio curano la suddivisione del territorio in zone economicamente omogenee (zone OMI): un webgis, chiamato Geopoi a riguardo è disponibile a questo link: https://wwwt.agenziaentrate.gov.it/geopoi_omi/index.php (la versione per dispositivi mobile si chiama OMI mobile: https://m.geopoi.it/php/mobileOMI/index.php)

Immagine del servizio web GeoPoi

Il portale Geopoi dell’Agenzia delle Entrate

Per ogni poligono è possibile consultare gratuitamente i “borsini immobiliari” tramite una semplice procedura di richiesta via web.

Dal portale inoltre è anche possibile effettuare il download dei poligoni in formato KML.

Per avere qualche dettaglio in più riguardo a come reperire i poligoni delle quotazioni immobiliari vi suggerisco questo post pubblicato recentemente su ondata.it

In ogni caso ad oggi questi dati non sono forniti in dataset scaricabili, pertanto occorre fare un po’ di web-scraping dal sito dell’agenzia delle entrate, vi suggerisco il portale mobile Geopoi. Possiamo pertanto costruirci a partire dai poligoni scaricati, degli shapefile contenenti i dati estrapolati dalle tabelle.

Visualizzazione della tabella attributi con i valori degli immobili prelevati dalla banca dati dell'Oservatorio del Mercato Immobiliare

2.2 I volumi dell’edificato residenziale

Abbiamo bisogno di un dato poligonale che contenga le seguenti informazioni:

  1. Poligoni degli edifici residenziali
  2. Altezze degli edifici residenziali

Questo tipo di informazioni si trova facilmente nelle CTR ed in genere nei poligoni della cartografia tecnica, sul servizio WFS del portale cartografico nazionale (solo capoluoghi di provincia riferiti al 2003)

I poligoni degli edifici del PCN

Il dato è chiamato “Edificato dei capoluoghi di provincia” e purtroppo è riferito al 2003, quindi ha i suoi ben 16 anni di vetustà (ad oggi 2019 nrd). Nei metadati non sono specificate molte cose, e riguardo ai dati di origine risulta un laconico: “Dati derivanti dall’analisi e interpretazione di cartografia tecnica“. Sinceramente frasi del genere fanno supporre che probabilmente i dati sono derivati da altri dati ancora più vetusti. Ma ad ogni modo, vorremmo soffermarci solo sulla metodologia in questo post.

GIF con il download delle feature dal servizio WFSIl servizio WFS del Portale cartografico nazionale offre il download tramite GIS dei dati che ci servono; in particolare nei metadati troviamo le seguenti indicazioni riguardo la tabella associata ai poligoni; essa contiene:

  1. id_edifici, identificativo unico dell’edificio;
  2. quota_suolo, quota del suolo espressa in metri sul livello del mare;
  3. quota_gronda, quota della gronda dell’edificio espressa in metri sul livello del mare;
  4. altezza, altezza dell’edificio espressa in metri sul livello del mare;
  5. tipologia, tipologia di edificio espressa da un valore numerico variabile tra 1 e 4;
  6. area_, area di base dell’edificio espressa in metri quadri;
  7. perimetro, perimetro di base dell’edificio espresso in metri.

I due valori che ci servono sono proprio l’altezza dell’edificio e la sua tipologia, mentre il servizio WFS può essere aggiunto ai nostri layer utilizzando il seguente url:

http://wms.pcn.minambiente.it/ogc?map=/ms_ogc/wfs/Edifici.map

Una volta scaricati i dati dal servizio WFS estraiamo con una query di selezione solamente gli edifici di tipologia “2” in quanto si tratta degli edifici a destinazione prevalentemente residenziale o assimilabile.

I poligoni delle cartografie tecniche (CTR)

Probabilmente il dato sui volumi edilizi costruiti più rappresentativo è derivato dalle carte tecniche regionali; praticamente in tutti i disciplinari di incarico per la loro redazione a partire dagli anni ’70 contengono espressamente la richiesta di rilevare le quote di gronda e al suolo di tutti gli edifici con metodi speditivi (es. LIDAR + collaudi manuali).

Purtroppo ancora oggi nel 2019 non tutte le regioni offrono la possibilità di ottenere, nemmeno difficilmente, in modo gratuito questi dati.

In definitiva quello che serve è un dato con una risoluzione ed un’accuratezza accettabile che contenga i poligoni degli edifici e almeno la loro elevazione presunta o rilevata. Questo dato verrà utilizzato per la realizzazione delle mappe del valore residenziale.

È importante verificare tramite foto interpretazione che le aree mappate siano solo le effettive superficie occupate da edifici (senza le pertinenze come giardini, cortili, sedi stradali, ecc.), cioè coperte da tetti.

I poligoni delle carte tecniche generalmente contengono diversi elementi non validi a causa di errori comuni del restitutore (poligoni incrociati, “fiocco di chiusura” ecc…); per procedere con le intersezioni occorre pertanto validarli con gli algoritmi “MakeValid()” proposti dalle librerie open-source LWGEOM che devono essere opportunamente installate e configurate in Qgis.

3. Metodologia

In estrema sintesi la metodologia è schematizzata come segue:

diagramma con la procedura della metodologia proposta per il calcolo del valore residenziale

 

L’obiettivo è quello di caratterizzare le aree urbanizzate residenziali, ovvero i luoghi dove la popolazione residente vive, rispetto al grado di vulnerabilità degli edifici, in funzioni dei valori monetari medi al metro quadro e dell’effettiva estensione dell’edifici.

Gli elementi contrassegnati con “A”, “B” e “C” del diagramma identificano i dati di input descritti al paragrafo precedente.

In particolare avremo un dataset poligonale con l’attributo “h” relativo all’altezza media di ogni edificio, ed un altro dato poligonale contenente i valori economici unitari per varie zone (poligoni OMI con tabella valori immobiliari).

3.1 Il numero medio di piani (D)

Il numero medio di piani è dato dalla divisione dell’altezza dell’edificio con un’altezza media di interpiano riferimento:

 n_P = h / h_m (1)

Pertanto tutto si riduce a determinare l’altezza media dei piani di ogni edificio: questo “semplice” parametro determinerà il valore complessivo in mq delle superfici degli edifici (su più piani).

Rarissimi i casi in cui i disciplinari di CTR indichino di inserire nel dataset il numero esatto di elevazioni di ogni edificio, tuttavia qualora si sia in possesso di un dato poligonale dell’edificato residenziale con questa informazione si otterrà un risultato assai più preciso usando il numero reale di piani anziché il “numero medio”.

Ad ogni modo, considerando le prassi costruttive e i regolamenti edilizi vigenti è ragionevole supporre che i piani degli edifici residenziali abbiano un’altezza media pari a 3 metri.

 n_P = h / 3 (2)

Possiamo pertanto utilizzare quest’ultima formula in QGIS aggiungendo un nuovo campo denominato n_P oppure numeroPiani e associando ad esso il valore

"n_P" = "h_edificio" / 3

3.2 Il valore medio residenziale (E)

Nel diagramma illustrato precedentemente viene indicato genericamente che il valore medio residenziale da utilizzare per le analisi è funzione di altri valori:

 V_r =f(V_i) (3)

Considerando e ribadendo che la metodologia si applica principalmente ad analisi di rischio, in via conservativa possiamo utilizzare il valore medio tra i massimi delle categorie catastali residenziali.

Ovvero:

 V_r = \overline{V} = \frac{1}{n}\sum_{i=1}^n V_i (4)

Si sottolinea che il database, per la destinazione di tipo residenziale, riporta valori al metro quadro per differenti tipologie di edifici. Conservativamente, nel presente studio, ci si riferisce al valore massimo riportato per le abitazioni di tipo civile.

Molti Comuni, inoltre, possono riportare tali dati differenziati per le diverse zone castali del loro territorio (zona centrale, periferica, rurale, suburbana, ecc. ), come mostra l’immagine esemplificativa seguente, si consiglia di considerare un valor medio tra quelli massimi riportati per ciascuna zona.

Le categorie catastali che l’OMI utilizza sono le seguenti:

  • cod.1 – Ville e Villini

  • cod.19 – Abitazioni Signorili

  • cod.20 – Abitazioni Civili

  • cod.21 – Abitazioni Economiche

  • cod.22 – Abitazioni tipiche dei luoghi

Pertanto supponendo di aver realizzato uno shapefile con una tabella attributi che contiene i valori massimi per ciascuna categoria residenziale, possiamo calcolare un nuovo attributo con una query di questo tipo:

"V" = "1max" + "19max" + "20max" + "21max" + "22max" ) / n("1max","19max","20max","21max","22max")

dove la funzione “n” è definita così:

from qgis.core import *
from qgis.gui import *

@qgsfunction(args='auto', group='Custom')
def n(value1, value2, value3, value4, value5, feature, parent):
    n = 0
    if value1 >0 : n += 1
    if value2 >0 : n += 1
    if value3 >0 : n += 1
    if value4 >0 : n += 1
    if value5 >0 : n += 1
    return n

La funzione che abbiamo chiamato “n” calcola il valore del denominatore da utilizzare nel calcolo della media (vedi formula 4); non sempre i valori rilevati sono disponibili per tutti i record. Capita ad esempio che per un poligono abbiamo solo i valori dellle abitazioni popolari e civili mentre mancano quelli dei villini: in questo caso la media andrebbe calcolata su 2 valori anziché 5.

NOTA: in QGIS utilizzare il valore 0 anziché NULL in caso di assenza di dato, in quest’ultimo caso la funzione non restituisce quanto stabilito.

3.3 Valore immobiliare del poligono (F)

Utilizzando la formula (4), la formula (2) e l’area di ogni poligono (richiamabile mediante la variabile $geom), si può definire il valore immobiliare di tutto il poligono nel seguente modo:

 V_p = Area \cdot n_P \cdot \overline{V} (5)

Prima di implementare questo calcolo nel dataset dei poligoni occorre effettuare un join spaziale (basato sulla posizione) tra il dataset dei valori immobiliari e quello dei poligoni dell’edificato. Tale procedura in Qgis si applica con il geoalgoritmo di processing chiamato “Join attributes by location”.

Dopo aver effettuato il join nella tabella attributi avremo sia l’altezza dell’edificio (dato di input) che il valore residenziale medio da utilizzare per la formula (5). Facilmente si può creare un nuovo campo con il calcolatore campi assegnando:

"V_p" = $geom * "n_P" * "V"

3.4 Densità di valore residenziale (G)

Se volessimo determinare il valore residenziale per unità di superficie territoriale dovremmo dividere il valore di ogni edificio per la sua estensione territoriale.

\delta V_p = \frac{Area \cdot n_P \cdot \overline{V}}{Area} = n_P \cdot V_r (6)

E’ possibile quindi implementare il calcolo della densità di valore residenziale tramite il calcolatore campi creando un nuovo attributo in tabella con la seguente query:

"dV_p" = "n_P" * "V"

3.5 Raster del valore residenziale

In base a quanto esposto avremo in definitiva un dato poligonale che rappresenta in mappa le estensioni degli edifici di tipologia residenziale (o assimilabile) e che contiene nella tabella attributi i seguenti dati:

  • Valore immobiliare del poligono: V_p [€]
  • Densità di valore residenziale dV_p [€/mq]

Quest’ultima deve essere utilizzata per generare dei raster che contengo per ogni cella il valore economico residenziale calcolato.

NOTA: Nella generazione del raster si deve prestare particolare attenzione alle dimensioni della cella ed al suo valore da attribuire; se utilizziamo il valore “dV_p” in celle da 1×1 mt allora otteniamo il valore che ha esattamente la cella in quanto il dato è già espresso in € al mq. Ma se volessimo utilizzare celle di dimensioni diverse dobbiamo moltiplicare il dato proveniente dall’attributo “dV_p” per l’area della cella. Ad esempio se utilizziamo celle 5×5 mt, esse hanno una estensione pari a 25 mq, pertanto il loro valore sarà “dV_p” * 25 e così via.

In Qgis è possibile utilizzare la funzione “Rasterizza” (Vector to raster) ed impostare correttamente il campo da cui prelevare il valore di “burn-in”.

Screenshot di QGIS con il risultato delle elaborazioni per il valore residenziale

Esempio di raster per il valore economico residenziale, si può notare l’assenza di dati nelle porzioni di territorio scoperte da edificato o con edificato NON residenziale.

4. Considerazioni finali

La procedura descritta, apparentemente complessa non è difficile da attuarsi per un tecnico che ha una conoscenza base sui GIS e sull’uso di un software come Qgis. Le problematiche principali di questi approcci sono legate principalmente alle caratteristiche dei dati di input:

  • I dati dell’Agenzia delle Entrate (OMI) sono omogenei su tutto il territorio nazionale e aggiornati semestralmente, il che è una cosa ottima. Difficile invece è il loro ri-utilizzo in ambito GIS in quanto è necessario un po’ di lavoro di pre-trattamento (vedi paragrafo 2.1)
  • I dati dei poligoni dell’edificato residenziale sono facilmente reperibili (servizi WFS o download dai geoportali regionali), ma spesso e volentieri non sono aggiornati e temporalmente paragonabili con i dati dell’Agenzia delle Entrate.

Tutto ciò determina una ulteriore difficolta nell’implementazione di sistemi automatici o semi-automatici per la produzione di mappe di questa tipologia. Le problematiche elencate debbono essere tenute in considerazione da chi eventualmente utilizzerà le mappe prodotte con questi dati, come ribadito al paragrafo 2.2 se usiamo i poligoni del Portale Cartografico Nazionale dobbiamo accontentarci di un edificato del 2003, ovvero di 16 anni fa.

Al netto di tali considerazioni, ed utilizzando coscientemente i dati in possesso, è possibile realizzare dei dataset che possono essere a loro volta ri-utilizzati per analisi di danno a seguito di calamità, o per analisi economico-territoriali. Una interessante applicazione potrebbe essere la visualizzazione in 3D degli edifici ma al posto dell’altezza misurata si potrebbe inserire il loro valore economico residenziale assoluto (Vedi paragrafo 3.3).

Print Friendly, PDF & Email