I rischi climatici e ambientali rappresentano già una variabile economica per l’agricoltura. Il problema è trasformare dati frammentati, spesso raccolti solo per obbligo, in informazioni capaci di collegare condizioni biofisiche, risultati produttivi e decisioni economiche. È il passaggio dal dato richiesto al dato utile e dalla compliance alla Natural Capital Intelligence.
Il rischio è già qui
In Italia il rischio è già chiaramente percepito dalle imprese agricole. Secondo il rapporto AGRIcoltura100 2025, il 58,2 per cento considera elevata la propria esposizione ai danni provocati dagli eventi naturali.
A livello europeo, questa percezione trova riscontro nella dimensione economica del fenomeno. Secondo fi-compass, i rischi climatici causano all’agricoltura dell’Unione perdite medie annue stimate in circa 28,3 miliardi di euro, pari a circa il 6 per cento della produzione agricola. Pur trattandosi di una perdita media annualizzata e non di una cifra che si ripete identica ogni anno, la stima definisce in maniera inequivocabile la dimensione economica complessiva del rischio.
I due dati non misurano la stessa cosa, ma proprio per questo sono complementari: il primo mostra che il rischio è concretamente percepito dalle imprese; il secondo che ha già un peso economico misurabile. C’è però un terzo fatto che nessuno dei due spiega: perché lo stesso evento può produrre conseguenze molto diverse in aziende apparentemente simili?
Tra evento climatico e perdita economica
Un evento climatico non arriva direttamente al conto economico. Siccità, precipitazioni intense o gelo incontrano prima un sistema agricolo, inteso qui come l’insieme delle condizioni biofisiche e delle pratiche gestionali. Il capitale naturale ne costituisce la componente biofisica, mentre il clima definisce il contesto di esposizione e il singolo evento rappresenta lo shock che colpisce il sistema.
Da questa interazione derivano gli effetti sulla resa, sulla stabilità produttiva, sui costi e, infine, sui margini. La sequenza è composta da quattro passaggi: evento climatico, risposta del sistema agricolo, impatto produttivo ed effetto economico. La risposta del sistema agricolo è il punto centrale, perché può attenuare o amplificare la trasmissione dello shock. È in questa capacità di risposta che la condizione del capitale naturale assume rilevanza economica. Ecco perché lo stesso evento può avere conseguenze molto diverse in aziende apparentemente simili: a parità di shock, cambia il sistema che lo riceve.
La letteratura scientifica documenta numerosi meccanismi attraverso i quali le condizioni del sistema agricolo possono modificarne la risposta a uno shock. Due esempi aiutano a rendere concreto questo principio, senza esaurire i fattori in gioco. Il primo riguarda l’acqua: condizioni del suolo, carbonio organico e pratiche gestionali possono incidere sull’infiltrazione e sulla ritenzione idrica e, quindi, sulla risposta produttiva alla siccità o alle precipitazioni intense. Il secondo riguarda l’impollinazione: biodiversità e qualità degli habitat possono influenzarla, con conseguenze sull’allegagione, sulla resa e sulla qualità delle produzioni.
Queste evidenze sono importanti per comprendere come si forma il risultato, ma non consentono di attribuire automaticamente, in qualunque azienda, uno specifico effetto economico a una singola condizione. Per passare dal meccanismo generale alla valutazione della singola realtà, occorre chiedersi quanto pesi ciascuno di questi meccanismi in quel luogo, per quella produzione e in quel momento.
Comparabilità, qualità e continuità nel tempo
Molti dei dati necessari esistono già. Da una parte ci sono le informazioni sul sistema agricolo e sul contesto in cui opera: suolo, acqua, carbonio, biodiversità, condizioni climatiche e pratiche gestionali. Dall’altra ci sono i dati relativi ai risultati dell’azienda: resa, stabilità produttiva, qualità delle produzioni, costi e margini. Disporre di entrambi, però, non significa ancora poterli mettere in relazione.
Perché il confronto sia significativo, i dati devono riferirsi a perimetri produttivi e temporali coerenti e avere un livello di dettaglio compatibile. Una misura rilevata su un singolo campo, per esempio, non può essere collegata direttamente al margine dell’intera azienda, perché quel margine comprende anche produzioni, costi e ricavi estranei al campo osservato.
La comparabilità è il primo requisito. Il secondo è la qualità: occorre conoscere la provenienza delle informazioni, il metodo con cui sono state prodotte e le evidenze che le sostengono. Su questa base si può iniziare a valutare se determinate caratteristiche del sistema siano associate a determinati risultati aziendali. La parola decisiva, in questa fase, è “associate”: il fatto che due fenomeni si muovano insieme non dimostra ancora che uno abbia prodotto l’altro.
Manca ancora un terzo requisito: la continuità delle osservazioni nel tempo. Immaginiamo tre aziende che oggi presentino lo stesso valore per un indicatore ambientale. La prima lo ha raggiunto dopo cinque anni di miglioramento, la seconda dopo cinque anni di deterioramento, la terza attraverso forti oscillazioni. Nella fotografia scattata oggi appaiono identiche. Nel tempo, però, emergono tre traiettorie molto diverse. L’osservazione nel tempo non consente di prevedere automaticamente il futuro, ma cambia il significato attribuito al dato presente.
La decisione determina l’analisi

Comparabilità, qualità e continuità nel tempo rendono i dati interpretabili. Non stabiliscono, però, quale analisi sia utile: questo dipende dalla decisione da prendere. Si può voler, per esempio, capire dove si concentra una vulnerabilità, verificare se un intervento è associato a risultati differenti, individuare una priorità oppure osservare che cosa accade dopo una scelta.
Per questo, non tutte le domande richiedono lo stesso livello di approfondimento. Dati pubblici, osservazioni satellitari e serie climatiche possono offrire un primo screening su aree ampie. Quando serve maggiore precisione, può essere necessario ricorrere a misure dirette, analisi di laboratorio, rilievi sul campo e dati aziendali. Una valutazione deve rendere trasparente la solidità della propria base informativa, indicando quali conclusioni derivano da osservazioni dirette, dati ad alta risoluzione o stime modellate e quali informazioni mancano ancora. Due risultati numericamente simili possono poggiare su evidenze molto diverse.
Anche l’analisi deve essere proporzionata alla domanda e ai dati disponibili. Talvolta basta leggere un indicatore rispetto a un riferimento coerente. In altri casi occorre confrontare situazioni il più possibile comparabili. In una prima fase dell’analisi si osservano soprattutto associazioni: che cosa varia insieme a che cosa, in quali condizioni e con quale stabilità. Per sostenere una relazione causale, però, servono serie temporali adeguate, confronti appropriati e un’impostazione dell’analisi capace di escludere spiegazioni alternative.
Due domande, due analisi

Due progetti in corso, seguiti da LandPrint e qui descritti senza elementi identificativi, rendono concreto il principio: dati e analisi acquistano significato in funzione della domanda a cui devono rispondere.
Nel primo caso, una filiera sudamericana legata a una coltura industriale vuole capire dove e quanto il proprio sistema produttivo sia vulnerabile. L’unità di analisi è l’appezzamento. La base informativa comprende condizioni del suolo, copertura vegetale, topografia, capacità di ritenzione idrica e potenziale di infiltrazione. Il risultato atteso è una mappa della vulnerabilità per appezzamento, utile a stabilire dove concentrare i rilievi successivi e quali cambiamenti monitorare nel tempo.
Nel secondo caso, un’impresa attiva nel settore dei bio-input vuole verificare se l’impiego dei propri prodotti sia associato a differenze nei risultati produttivi e in quali condizioni. L’analisi confronta aree con e senza l’impiego dei bio-input, selezionando unità produttive con la stessa coltura e condizioni il più possibile comparabili per topografia, esposizione climatica e tipo di suolo. Il confronto integra l’andamento climatico storico, indicatori produttivi ricavati da dati satellitari e, quando disponibili, informazioni su resa, costi, gestione, input e analisi del suolo.
L’obiettivo non è confermare il prodotto. Se l’associazione cercata non emerge, o se i dati non sono ancora sufficienti a sostenerla, anche questo è un risultato. Un’analisi credibile deve descrivere ciò che i dati permettono di affermare, e nulla di più.
I due progetti utilizzano informazioni in parte simili, ma svolgono lavori diversi. Nel primo la domanda riguarda la vulnerabilità. Nel secondo riguarda i risultati associati all’impiego di un bio-input. Cambiano l’unità di analisi, il tipo di confronto e le conclusioni che i dati consentono di sostenere. Non esiste un singolo punteggio o una tecnica analitica capace di rispondere indistintamente a tutte le domande.
Gli stessi dati, decisioni diverse
Il fatto che domande diverse richiedano analisi differenti non significa che per ogni domanda si debba costruire da zero una nuova base informativa. Se raccolti in modo coerente, gli stessi dati possono essere elaborati con finalità e livelli di aggregazione diversi e contribuire alle decisioni di più soggetti. Una mappa della capacità di ritenzione idrica dei suoli, per esempio, può servire a un’azienda per decidere dove intervenire e a una banca per valutare il rischio di un finanziamento.
Il produttore può utilizzare questi dati per orientare gli interventi e osservarne i risultati. Una filiera può leggere meglio il rischio di approvvigionamento e la continuità delle forniture. Un finanziatore può integrare elementi biofisici nella valutazione del rischio. Un soggetto pubblico può indirizzare un intervento e monitorarne gli esiti. Una base coerente non produce automaticamente condizioni di credito migliori, una selezione ottimale dei fornitori o una politica più efficace, ma può ridurre alcune aree di incertezza nelle decisioni dei diversi soggetti.
Non tutti devono accedere alle stesse informazioni. Il livello di dettaglio utile a un produttore può essere diverso da quello necessario a una banca o a un’amministrazione. Perché i dati possano essere condivisi e utilizzati lungo la filiera, occorre stabilire chi li possiede, chi può accedervi, a quale livello possono essere aggregati e per quali finalità.
La pluralità degli utilizzatori cambia anche il modo di valutare il costo della misurazione. Se più soggetti beneficiano della stessa infrastruttura informativa, diventa ragionevole chiedersi chi debba finanziarne la costruzione. Occorre distinguere chi produce i dati, chi sostiene i costi dei cambiamenti gestionali, chi ne riceve i benefici e chi dispone delle risorse per finanziare tali cambiamenti. Il fatto che l’informazione generi valore per più soggetti non crea automaticamente le risorse necessarie a compensare chi produce i dati o finanzia i cambiamenti gestionali. Definire come ripartire l’onere economico è quindi parte della governance dei dati.
Obblighi che cambiano
Tra i possibili utilizzi della stessa base informativa rientra anche la compliance. Per anni, tuttavia, i dati ambientali sono stati raccolti soprattutto perché richiesti da una norma, da uno standard, da un certificatore o da un committente. Questa impostazione ha contribuito a trattarli come un costo di rendicontazione: informazioni da produrre, ordinare e archiviare per dimostrare la conformità. Ma quando il dato nasce e muore nel report, difficilmente entra nelle decisioni dell’impresa.
La semplificazione europea rende questo limite ancora più evidente. Nel memorandum esplicativo che accompagna l’atto delegato del 3 luglio 2026, la Commissione europea riporta che la bozza di revisione degli standard europei di rendicontazione di sostenibilità (ESRS) riduce del 61 per cento gli elementi informativi obbligatori rispetto agli standard esistenti. Gli ESRS riguardano direttamente le imprese soggette alla direttiva europea sulla rendicontazione di sostenibilità (CSRD), ma le relative richieste informative possono riflettersi anche sui fornitori e sui produttori delle loro filiere. La semplificazione può pertanto alleggerire le richieste anche per chi non è soggetto alla direttiva.
La riduzione degli obblighi informativi, tuttavia, non riduce i rischi sottostanti. Siccità, erosione, perdita di fertilità, volatilità produttiva e interruzioni delle forniture non si attenuano solo perché diminuiscono le informazioni da pubblicare.
Il quadro normativo, peraltro, non si muove in una sola direzione. La direttiva (UE) 2024/825, attuata in Italia dal decreto legislativo 20 febbraio 2026, n. 30, rende più rigorose le regole sulle asserzioni ambientali rivolte ai consumatori: vieta in particolare alcune asserzioni generiche non adeguatamente giustificate e rafforza l’esigenza di fondare le dichiarazioni di miglioramento su evidenze verificabili. Se da una parte diminuiscono i dati da pubblicare, dall’altra aumenta la responsabilità di dimostrare ciò che si sceglie di affermare al mercato.
Uscire dalla palude della compliance

Le nuove regole sulle asserzioni ambientali si applicano a chi comunica al consumatore, cioè soprattutto a marchi e distribuzione. I dati necessari a dimostrare un’asserzione su un prodotto agricolo, però, si formano spesso a monte, nelle aziende agricole e lungo la filiera. La normativa non impone un metodo unico né una serie storica per ogni dichiarazione ambientale, ma richiede che ciò che viene comunicato sia sostenuto da evidenze adeguate e verificabili. Per dimostrare un miglioramento servono dati riferiti a un perimetro coerente e prodotti con metodi comparabili. Una baseline e una misurazione successiva possono bastare per confrontare due momenti; affermazioni su traiettoria, stabilità o resilienza richiedono invece osservazioni ripetute nel tempo.
Una baseline mancante può talvolta essere ricostruita attraverso archivi satellitari, serie climatiche o registri aziendali. Queste fonti non sempre offrono la stessa granularità, comparabilità e verificabilità dei dati raccolti fin dall’inizio. Un’impresa che voglia valorizzare in futuro il miglioramento ambientale di un prodotto o di una filiera potrebbe quindi dover limitare le proprie affermazioni, affrontare costi maggiori per ricostruire le evidenze o rinunciare ad alcune informazioni non più recuperabili.
Questo quadro chiarisce perché la compliance non possa essere il criterio principale con cui decidere quali dati raccogliere. Gli obblighi possono ridursi, ampliarsi o cambiare in funzione delle priorità politiche e regolatorie. I rischi fisici e le esigenze decisionali dell’impresa, invece, non cambiano allo stesso ritmo. Il punto non è raccogliere più dati o meno dati, né inseguire ogni volta il nuovo adempimento. È costruire una base informativa attorno a ciò che serve realmente, con qualità, perimetro e continuità coerenti con gli utilizzi previsti.
Se un dato viene raccolto esclusivamente perché compare in uno standard, una modifica dello standard può farne venir meno la ragione economica. Se invece serve a comprendere un rischio, scegliere dove intervenire, verificare un risultato o supportare un’asserzione ambientale, la compliance diventa uno dei suoi possibili utilizzi. La stessa baseline che domani potrà contribuire a dimostrare un miglioramento può servire già oggi alle decisioni di produttori, filiere, finanziatori e soggetti pubblici.
Resta vero che la compliance svolge una funzione essenziale, perché garantisce un livello minimo di trasparenza, comparabilità e responsabilità. Il problema nasce quando diventa l’unica ragione per investire nella misurazione. Bisogna quindi uscire dalla palude della compliance. Non basta chiedersi quali dati l’impresa sia obbligata a comunicare. Occorre capire quali informazioni servano per interpretare il rischio, orientare le scelte, verificare i risultati e sostenere ciò che si comunica al mercato. Una base informativa costruita in questo modo può soddisfare anche gli obblighi normativi, ma non esaurisce il proprio valore nella conformità. Il passaggio decisivo è dal dato richiesto al dato utile.
Dalla misurazione all’intelligence
È qui che la misurazione diventa intelligence. La Natural Capital Intelligence può essere intesa come la capacità di collegare la condizione del sistema agricolo e la sua resilienza al rischio economico e alle decisioni. Non coincide con una fotografia ambientale e non si esaurisce in un punteggio. Richiede comparabilità, qualità, continuità e la disponibilità a rivedere l’interpretazione quando arrivano nuove evidenze.
Le condizioni necessarie per esercitare questa capacità in modo solido sono ancora in costruzione. Servono più serie storiche reali, più casi comparabili e più decisioni i cui effetti possano essere osservati nel tempo. Una governance chiara deve inoltre regolare il controllo e l’accesso ai dati, insieme alla ripartizione dei costi e dei benefici.
Il capitale naturale entrerà davvero nella gestione ordinaria dell’impresa quando la misurazione smetterà di essere un esercizio separato e diventerà parte del modo in cui produttori, filiere, finanza e istituzioni comprendono il rischio. Misurare soltanto per compilare un report significa rinunciare alla parte più importante del valore dell’informazione: quella che permette di capire prima, decidere con maggiore consapevolezza e verificare che cosa cambia.
Fonti principali
Reale Mutua e Confagricoltura, AGRIcoltura100, Rapporto 2025.
fi-compass, Insurance and Risk Management Tools for Agriculture in the EU, 2025.
Costa et al., Global Change Biology 30, e17298, 2024; Oldfield, Bradford e Wood, SOIL 5, 15-32, 2019.
Aristizábal et al., Agriculture, Ecosystems and Environment 377, 109258, 2025; Klein et al., Journal of Applied Ecology 40, 837-845, 2003; Ricketts et al., PNAS 101, 12579-12582, 2004.
Commissione europea, C(2026) 5010 final, 3 luglio 2026.
Direttiva (UE) 2024/825 del Parlamento europeo e del Consiglio, 28 febbraio 2024.
Decreto legislativo 20 febbraio 2026, n. 30.













