GCRI · Scienza dei sistemi e modellazione
Ottimizzazione in condizioni di incertezza
Plans for infrastructure, reserves and portfolios must work across futures that cannot be predicted. Optimisation under uncertainty chooses decisions that perform well on average, hold up in bad cases or stay acceptable across many scenarios. This page sets out the main approaches, from stochastic to robust optimisation and decision-making under incertezza profonda, how their results are tested, and what evidence serves the planners who rely on them.
Optimisation under uncertainty on the record.
Optimisation under uncertainty: how the risk develops.
Robust and adaptive decisions when futures are deeply uncertain. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.
Optimal for one future is fragile
A plan optimised for a single forecast can perform badly if the future differs. Representing uncertainty explicitly avoids this trap.
Stochastic methods use probabilities
Stochastic programming optimises expected performance across scenarios with assigned probabilities, which needs those probabilities to be credible.
Robust methods guard the worst case
Robust optimisation chooses decisions that perform acceptably for all scenarios within a set, trading average performance for protection.
Adaptive plans keep options open
Plans with decision points and triggers adapt as uncertainty resolves, avoiding commitments that lock in poor outcomes.
Pericoli ed esposizione in America settentrionale.
Flood water, population density and daytime surface heat over North America, from NASA GIBS. Each layer carries its own date.
La mappa interattiva richiede JavaScript; l'elenco dei livelli e le fonti sono riportati sotto.
Livelli 3
Pericoli ed esposizione, per questa pagina
Informazioni su questo livello
- Evidenza
- Osservato (le nuvole lasciano lacune)
- Fonte
- VIIRS Global Flood Product (NASA LANCE)
- Fornitore
- NASA LANCE
- Licenza
- Dati aperti NASA
- Annata
- giornaliero; rilevamento satellitare; le nuvole lasciano lacune
- Più recenti alla build
- 2026-10-14
- Risoluzione
- griglia di circa 250 m
- Incertezza
- Rilevamento satellitare; le nuvole lasciano lacune. Raster satellitare o di modello così come lo pubblica il fornitore. Nuvole, lacune di swath ed errori di recupero lasciano lacune e rumore; i valori sono indicatori, non misure in un luogo.
- Raggiungibile tramite
- gibs.earthdata.nasa.gov, solo dopo che hai consentito la mappa dal vivo
Informazioni su questo livello
- Evidenza
- Stimato
- Fonte
- Gridded Population of the World v4.11 (NASA SEDAC (CIESIN, Columbia University))
- Fornitore
- NASA SEDAC (CIESIN, Columbia University)
- Licenza
- CC BY 4.0
- Annata
- null; Stima basata sul censimento, statica (2020)
- Risoluzione
- griglia di circa 1 km
- Incertezza
- Stima basata sui censimenti delle persone per chilometro quadrato nel 2020, mostrata come contesto di esposizione; non è un conteggio delle persone colpite da alcun pericolo.
- Raggiungibile tramite
- gibs.earthdata.nasa.gov, solo dopo che hai consentito la mappa dal vivo
Informazioni su questo livello
- Evidenza
- Osservato (la nuvolosità persistente lascia ancora lacune)
- Fonte
- VIIRS NOAA-20 livello 3, 8 giorni (NASA LANCE)
- Fornitore
- NASA LANCE
- Licenza
- Dati aperti NASA
- Annata
- 8 giorni; composito satellitare di 8 giorni; la nuvolosità persistente lascia ancora lacune
- Più recenti alla build
- 2026-09-14
- Risoluzione
- griglia di circa 1 km
- Incertezza
- Temperatura superficiale del suolo da satellite negli 8 giorni che terminano alla data indicata, un indicatore di esposizione al calore; non è la temperatura dell'aria, l'indice di calore né un'allerta di caldo.
- Raggiungibile tramite
- gibs.earthdata.nasa.gov, solo dopo che hai consentito la mappa dal vivo
Informazioni su questo livello
- Evidenza
- Osservato
- Fonte
- VIIRS NOAA-20, riflettanza corretta (NASA LANCE)
- Fornitore
- NASA LANCE
- Licenza
- Dati aperti NASA
- Annata
- giornaliero; immagine satellitare
- Più recenti alla build
- 2026-10-14
- Risoluzione
- griglia di circa 250 m
- Incertezza
- Immagine satellitare. Raster satellitare o di modello così come lo pubblica il fornitore. Nuvole, lacune di swath ed errori di recupero lasciano lacune e rumore; i valori sono indicatori, non misure in un luogo.
- Raggiungibile tramite
- gibs.earthdata.nasa.gov, solo dopo che hai consentito la mappa dal vivo
Informazioni su questo livello
- Evidenza
- Modellato (ultimo anno pubblicato da GIBS)
- Fonte
- MODIS Terra e Aqua, copertura del suolo (MCD12Q1) (NASA LP DAAC)
- Fornitore
- NASA LP DAAC
- Licenza
- Dati aperti NASA
- Annata
- annuale; classificazione satellitare; ultimo anno pubblicato da GIBS
- Più recenti alla build
- 2024-01-01
- Risoluzione
- griglia di circa 500 m
- Incertezza
- Classi satellitari di copertura del suolo per l'anno indicato, comprese le terre coltivate; una classificazione con errori noti, non un registro aziendale agricolo.
- Raggiungibile tramite
- gibs.earthdata.nasa.gov, solo dopo che hai consentito la mappa dal vivo
Informazioni su questo livello
- Evidenza
- Osservato (le nuvole e i tempi di passaggio del satellite lasciano lacune)
- Fonte
- VIIRS NOAA-20 375 m (FIRMS) (NASA LANCE FIRMS)
- Fornitore
- NASA LANCE FIRMS
- Licenza
- Dati aperti NASA
- Annata
- giornaliero; rilevamento satellitare; le nuvole e i tempi di passaggio del satellite lasciano lacune
- Più recenti alla build
- 2026-10-13
- Risoluzione
- griglia di circa 500 m
- Incertezza
- Rilevamenti satellitari di hot spot per il giorno indicato, comprese fiaccole di gas e calore industriale; non è un incendio confermato, un rapporto di incidente né un'allerta.
- Raggiungibile tramite
- gibs.earthdata.nasa.gov, solo dopo che hai consentito la mappa dal vivo
Tastiera, con la mappa attiva
Tieni premuto Ctrl o ⌘ e scorri per ingrandire
Ultimo disponibile
NASA GIBS / EOSDIS · ASTER GDEM (METI, NASA) · Blue Marble (NASA) · © contributori di OpenStreetMap (ODbL) · Natural Earth
Caricamento delle immagini NASA più recenti.
Trascina per spostare. Ctrl o ⌘ e scorrimento, pizzico o i pulsanti per lo zoom; passa il puntatore per i valori sottostanti; il ripristino riporta alla regione.
Pericoli ed esposizione, inquadrati sull'America settentrionale.Prodotti satellitari e di modelli così come li pubblica la NASA, ciascuno con la propria data. Sono indicatori, non valutazioni di alcun luogo.
Dati: NASA GIBS · ASTER GDEM · Blue Marble · © contributori di OpenStreetMap · Natural Earth · NASA EONET · U.S. Geological Survey · NASA JPL OPERA DIST-ALERTFonti e licenze
- We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS). Colours redrawn from the published colour map; values averaged into hexagonal cells where shown (modified). Dati aperti NASA
- We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS). Colours redrawn from the published colour map; values averaged into hexagonal cells where shown (modified). Dati aperti NASA
- Prodotti VIIRS quasi in tempo reale (alluvioni, temperatura della superficie terrestre, copertura nevosa, riflettanza corretta), NASA LANCE; immagini tramite NASA GIBS. Colori ridisegnati dalla scala cromatica pubblicata; valori mediati in celle esagonali dove mostrati (modificato). Dati aperti NASA
- Center for International Earth Science Information Network (CIESIN), Columbia University. 2018. Gridded Population of the World, Version 4 (GPWv4): Population Density, Revision 11. NASA Socioeconomic Data and Applications Center (SEDAC). Con licenza CC BY 4.0. Colori ridisegnati dalla palette pubblicata; valori mediati in celle esagonali ove mostrati (modificato). doi:10.7927/H49C6VHW. CC BY 4.0
- Prodotti terrestri MODIS (indici di vegetazione, produzione primaria lorda, copertura del suolo), NASA LP DAAC e LANCE; immagini tramite NASA GIBS. Colori ridisegnati dalla scala cromatica pubblicata; valori mediati in celle esagonali dove mostrati (modificato). Dati aperti NASA
- Fire Information for Resource Management System (FIRMS) della NASA, prodotto incendi attivi VIIRS 375 m, NASA LANCE; tile vettoriali tramite NASA GIBS. Colori ridisegnati dalla scala cromatica pubblicata; valori mediati in celle esagonali dove mostrati (modificato). Dati aperti NASA
- ASTER GDEM è un prodotto di METI e NASA (ASTER Global Digital Elevation Model V003, NASA LP DAAC); immagini tramite NASA GIBS. Colori ridisegnati dalla scala cromatica pubblicata; valori mediati in celle esagonali dove mostrati (modificato). Citare come: NASA/METI/AIST/Japan Spacesystems and U.S./Japan ASTER Science Team (2019). ASTER Global Digital Elevation Model V003. doi:10.5067/ASTER/ASTGTM.003. Dati aperti NASA
- Realizzato con Natural Earth. Dati cartografici vettoriali e raster gratuiti @ naturalearthdata.com. Pubblico dominio
- © Collaboratori di OpenStreetMap (ODbL), tramite NASA GIBS (coste, confini, strade e nomi di luoghi). Colori ridisegnati dalla mappa di colori pubblicata; valori mediati in celle esagonali dove mostrati (modificato). ODbL
- Blue Marble, NASA Earth Observatory; immagini tramite NASA GIBS. Colori ridisegnati dalla scala cromatica pubblicata; valori mediati in celle esagonali dove mostrati (modificato). Dati aperti NASA
- Contesto sul globo e sulla mappa piana: linee costiere, confini, strade e toponimi dai livelli di riferimento NASA GIBS (dati OpenStreetMap, ODbL, © contributori di OpenStreetMap); immagini Blue Marble come base facoltativa; terreno 3D e lettura dell'altitudine dall'indice cromatico di elevazione ASTER GDEM (classi da 5 m a 200 m, esagerate per leggibilità). I confini sono tracciati come pubblicati e non implicano alcuna posizione su alcun territorio.
- Eventi in tempo reale: NASA Earth Observatory Natural Event Tracker (EONET); gli eventi sono indicativi e conservano i link alle fonti originali.
- In diretta: gli eventi NASA EONET sono indicativi e non costituiscono allerte delle autorità.
- In tempo reale: gli eventi dell'U.S. Geological Survey sono indicativi, non allerte delle autorità.
- Observed (EO): NASA JPL OPERA DIST-ALERT (contains modified Copernicus Sentinel data 2026). We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS).
- NASA GIBS: We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS).
- Previsione della portata fluviale, 30 giorni con intervallo (GloFAS tramite Open-Meteo): contiene informazioni modificate del Copernicus Emergency Management Service 2026; non è un'allerta alluvione.
- Dati meteorologici di Open-Meteo.com (https://open-meteo.com/), con licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/).
- I livelli facoltativi (11 fonti nell'elenco dei livelli: in tempo reale, previsione, osservati e contesto) mostrano il credito del fornitore sulla mappa e qui quando sono attivi; le previsioni sono output di modelli e gli indici derivati sono stime.
Livelli e date
- Acqua di inondazione, composito a 3 giorni: VIIRS Global Flood Product, NASA LANCE · 14 ott 2026
- Densità di popolazione, 2020: Popolazione: CIESIN, Columbia University, Gridded Population of the World v4.11 (2018), NASA SEDAC, CC BY 4.0 · statico
- Temperatura della superficie terrestre, diurna, composito di 8 giorni: VIIRS NOAA-20 Level 3, 8 giorni, NASA LANCE · 14 set. 2026
- Colori reali: riflettanza corretta VIIRS NOAA-20, NASA LANCE · 13 ott 2026
- Tipo di copertura del suolo (IGBP), annuale: copertura del suolo MODIS Terra e Aqua (MCD12Q1), NASA LP DAAC · 2024
- Incendi attivi e anomalie termiche: VIIRS NOAA-20 375 m (FIRMS), NASA LANCE FIRMS · 13 ott 2026
Optimisation under uncertainty supports decisions in every domain.
Findings are designed for the serie Methods and Technical. Decision making under incertezza profonda (Marchau and others, 2019) sets out robust methods; owners decide.
- Case applications.
- Comparisons of robust methods.
Esecutore di modelli accoppiati.
La schermata che un gruppo utilizzerebbe per seguire questo tema: misure, stati e decisioni. I nomi sono esempi e i valori sono illustrativi.
Esecutore di modelli accoppiati
Optimisation under uncertainty · Coupled model A · Scenario set 3
Grafo di accoppiamento dei modelli
nodi: modelli · archi: variabili scambiate
Componenti accoppiati
| Idrologia | 1 day | deflusso | Sì |
| Sistema elettrico | 1 h | domanda, interruzioni | Sì |
| Economia | 1 trimestre | produzione, prezzi | Parziale |
| Popolazione | 1 year | esposizione | Sì |
Output dell'ensemble
Cosa viene misurato e con quale accuratezza.
Ogni indicatore riporta la sua unità, la sua cadenza, il tipo di fonte su cui si basa e l'etichetta di evidenza che un valore riporterebbe. Non sono mostrati valori: un programma li fornisce sotto la propria autorità.
| Indicatore | Unità | Cadenza | Tipo di fonte | Etichetta |
|---|---|---|---|---|
| Scenarios evaluated | conteggio | per analysis | Analysis documentation | DICHIARATO |
| Regret of chosen plan | difference from best plan in each scenario | per analysis | Robustness analysis | MODELLATO |
| Value of the stochastic solution | difference between stochastic and deterministic plans | per analysis | Optimisation outputs | MODELLATO |
| Satisficing share | percent of scenarios meeting objectives | per analysis | Robustness analysis | MODELLATO |
| Adaptation triggers defined | conteggio | per plan | Plan documentation | DICHIARATO |
| Out-of-sample performance | objective value on held-out scenarios | per analysis | In prova | MODELLATO |
Model optimisation under uncertainty as a system. Run the cascade.
Assembled from the Nexus Standards area profile Standard sui pericoli composti e a cascata: the hazards it names, the sistemi and sectors that carry the loss, the controls that dampen it and the data that observe it. Choose the components, pick an initiating hazard and step through the cascade. The Map view places the run on an example geography with open data. Every coupling weight is a stated assumption you can change. A teaching model, not a forecast, an assessment or a certification. To model a place of your own choosing, open the full Costruttore di sistemi.
Pericoli
- Natech event
- Chemical spill or leak (innescato a valle)
- Emergency-response overload (innescato a valle)
- Toxic gas release (set off downstream)
- Industrial fire (set off downstream)
Sistemi e accoppiamenti
Comandi
NS-0Costituzione e principiNS-3UNI dei record di rischio (grammatica, corrispondenza legacy, autorità di assegnazione)NS-9UNI contestuali (distribuzioni, istanze, istanze di programma)NS-11Verifica e monitoraggio (evidenze, attestazioni, osservazione della conformità zero trust)NRS-H61Famiglia di pericoli: guasto a cascata (NHS-1 sys.cascade)NRS-H62Famiglia di pericoli: eventi composti e multipericolo (NHS-1 sys.compound)NRS-H60Famiglia di pericoli: interruzione delle catene di approvvigionamento e dei flussi (NHS-1 sys.supply-chain)NRS-H94Famiglia di pericoli: eventi cyber sistemici (NHS-1 cyber.systemic-cyber)NRS-H107Famiglia di pericoli: concentrazione e monocoltura dell'infrastruttura digitale (NHS-1 tech.digital-concentration)NRS-H7Famiglia di pericoli: anomalie della circolazione su grande scala (NHS-1 atmo.climate-mode)
Osservazione
- Copernicus EMS rapid mapping activations (listed for reference)
- OpenStreetMap planet and replication (listed for reference)
- ERA5 reanalysis (Copernicus Climate Data Store) (listed for reference)
- Perdite economiche dirette attribuite ai disastri in rapporto al PIL mondiale
- Number of disruptions to basic services attributed to disasters
Geografia di esempio
- Bangladesh: 134 celle esagonali
- Luci notturne di stanotte, blackout (VIIRS Day/Night Band), NASA GIBS
- Carbon monoxide, smoke transport (AIRS), NASA GIBS
- Vegetation disturbance alerts, 30 m (OPERA DIST-ALERT), NASA GIBS
Da dove provengono le evidenze.
Set di dati pubblici e registri istituzionali specifici, ciascuno con la sua classe di licenza. Le fonti soggette ad accordo sono utilizzate solo alle relative condizioni e mai ripubblicate.
| Fonte | Cosa fornisce | Classe di licenza |
|---|---|---|
| Society for Decision Making under Deep Uncertainty resources | Methods and case studies for robust and adaptive planning | Public, terms to check |
| Open-source optimisation tools such as Pyomo and JuMP | Modelling languages for stochastic and robust optimisation | Open source, BSD and MPL licences |
| EMA Workbench | Exploratory modelling and analysis toolkit | Open source, BSD licence |
| Operations research literature on stochastic programming | Methods and applications | Licence per publication |
| Pubblicato adaptive pathway plans, such as delta programmes | Applied adaptive planning | Public records, licence per government |
How optimisation under uncertainty is modelled, measured and tested.
Il modello, le sue ipotesi, i suoi dati e la sua incertezza, nella forma in cui uno scienziato o un ingegnere li verificherebbe. Le strutture seguono metodi pubblicati. I valori rappresentati sono illustrativi, non risultati.
Modello, equazioni e ipotesi
The model structure used for optimisation under uncertainty, the assumptions it makes and how each is tested.
Ri = f(Hi, Ei, Vi, Ci)pericolo, esposizione, vulnerabilità e capacità di rispostaEAL = ∑k pk · Lksu eventi k con probabilità annua pkxt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error| Ipotesi | Perché è realizzato | Come viene testato |
|---|---|---|
| Pericolo ed esposizione sono indipendenti all'interno di un evento | Mantiene trattabile l'integrale delle perdite | Confrontare con un adattamento di copula su registrazioni congiunte |
| Gli accoppiamenti sono lineari vicino al punto di funzionamento | Consente agli shock di propagarsi attraverso A | Perturbare oltre l'intervallo lineare e confrontare |
| Le curve di vulnerabilità si trasferiscono da un luogo all'altro | Le curve locali sono raramente disponibili | Validare rispetto alle perdite osservate, dove esistono |
- Input
- set di dati versionati con provenienza
- Risultati
- distribuzioni, mai valori singoli
- Codice
- pubblicato con la scheda del modello e i test
- Riproduzione
- stessi dati, codice, ambiente e seed
Chi decide, e a cosa servono le evidenze.
sistemi Science and Modelling prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.
| Chi decide | La domanda | Evidenze fornite da questa pagina |
|---|---|---|
| Infrastructure and resource planners | Which plans hold up across plausible futures | Robustness analyses; pathway designs |
| Analysts across Nexus platforms | Which optimisation approach suits their question | Method selection guides |
| Finance and audit bodies | Whether planning analyses considered uncertainty adequately | Analysis documentation |
Output prodotti da questo argomento
- Method selection guides for planning under uncertainty
- Robustness and regret analyses
- Adaptive pathway designs with triggers
- Teaching material on optimisation under uncertainty
What experts ask about decisions under uncertainty.
- Is the aim to perform best on average, to avoid the worst outcomes, or to perform acceptably across many futures?
- Which uncertainties can be described with probabilities, and which cannot?
- Which decisions can be delayed, adapted or reversed as information arrives?
- How do trade-offs between objectives change across scenarios?
- What signals would indicate that a strategy needs to change?
Why optimal can be fragile.
Classical optimisation assumes a known model and known inputs. A strategy optimised for a single forecast can be finely tuned to that forecast and fragile if the future differs. In infrastructure planning, for example, a design optimised for one climate projection may fail under another.
Stochastic optimisation handles uncertainty described by probability distributions, seeking the best expected performance or managing risk measures. Robust optimisation seeks solutions that perform well across a set of possible conditions without probabilities.
Under incertezza profonda, when experts cannot agree on models or probabilities, methods such as robust decision making and adaptive pathways explore many futures, identify where strategies fail, and design plans that can change course when signposts are observed.
Metodi e loro limiti.
- 01
Stochastic programming
Optimising expected outcomes over scenarios, using ottimizzazione e ricerca operativa. Requires credible probabilities.
- 02
Robust optimisation
Optimising worst-case or regret across uncertainty sets. Can be conservative.
- 03
Exploratory modelling
Running models across many futures to find vulnerabilities, using decision analysis. Computationally demanding.
- 04
Adaptive pathways
Sequencing actions with triggers for change. Requires monitoring and institutional capacity.
These methods support judgement, they do not replace it. The choice of objectives and acceptable risks is a value choice for decision-makers.
Come viene studiato, e cosa i metodi non possono dire.
- 01Ottimizzazione e ricerca operativaLinee guida per la formulazione dei problemi · Confronti robusti e stocastici · Benchmarking dei risolutoriApplicato qui
- 02Analisi delle decisioni in condizioni di incertezzaInquadrare la decisione prima del modello · Valore dell'informazione per i modelliApplicato qui
- 03Quantificazione dell'incertezza e validazione dei modelliBudget di incertezza · Modelli surrogati per simulazioni costose · Valutazione della credibilitàApplicato qui
- 04Calcolo ad alte prestazioni, cloud ed edgeProgettazione di insiemi di simulazioni entro i budget · Orchestrazione dei flussi di lavoro · Ambienti riproducibiliApplicato qui
Where this page’s references lead.
Gli organismi e i documenti alla luce dei quali si legge questa pagina. Stato ed edizioni cambiano; ogni link porta all'organismo emittente.
Domande e risposte.
What is robust optimisation?
What is deep uncertainty?
What is an adaptive pathway?
Is a robust strategy always more expensive?
Does the platform choose strategies?
Contribuisci con evidenze da questa pagina.
Rapporti is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.
- E-mailPortale GW-GCRIInvialo da questa paginaUn'evidenza, una correzione, un caso, un metodo, una revisione, una traduzione o un contributo a un profilo. Arriva etichettata con questa pagina, così la riceve la persona redattrice che ne è responsabile.
- ZenodoDeposito apertoDepositalo e invialo alla comunitàPubblica il tuo registro su Zenodo con il tuo ORCID iD, poi invialo alla comunità Reports. I curatori lo esaminano; il DOI resta tuo.
- RapportiGCRIVedi tutti i modi per contribuireI tipi di contributo, come viene revisionato ciascuno, il riconoscimento che ricevi, la licenza e ciò che non è mai accettato.
Non inviare mai dati personali, dettagli su infrastrutture sensibili o qualsiasi cosa che tu non abbia il diritto di condividere. Un contributo viene sottoposto a revisione prima dell'uso; inviarlo non conferisce diritti di paternità né editoriali, e la sponsorizzazione non compra mai un risultato.
Porta un metodo, un set di dati o una domanda.
Informazioni e richieste sono aperte oggi. Una richiesta riceve un riferimento e indica il passo successivo; candidature, pagamenti, assegnazioni di calcolo e registrazioni si aprono solo quando esistono il team, le condizioni e la capacità di revisione.
Documenti legali.
Le mappe, i dati e le cifre di questo sito sono mostrati a titolo di contesto e di informazione generale. Non costituiscono consigli, previsioni né allerte; i limiti dell'informazione sono esposti nelle Dichiarazioni di esclusione di responsabilità e nelle Note sui dati.