La mappatura termica dei materiali da costruzione sostenibili rappresenta oggi un pilastro fondamentale per il raggiungimento di certificazioni ambientali locali in Italia, come ITACA, Certisia e l’adeguamento ai criteri LEED Italia. Tuttavia, la complessità del comportamento termico dei materiali naturali – canapa, micelio, legno strutturale – richiede un approccio tecnico avanzato, che vada oltre la semplice misurazione in laboratorio. Questo approfondimento esplora, con dettagli esperti e passo dopo passo, il processo di mappatura termica conforme al Tier 2, focalizzandosi su metodologie scientifiche, validazione in campo e integrazione con modelli certificativi, con particolare attenzione alle sfide italiane e agli errori da evitare.

Come sottolinea il Tier 2, la mappatura termica non è solo una misura statica, ma un processo dinamico che integra conducibilità, diffusività, ponti termici e dati ambientali reali, fondamentale per documentare il reale risparmio energetico e il comportamento in condizioni climatiche italiane diverse.

1. Fondamenti scientifici: dalla conduzione al comportamento diffuso termico

Il trasferimento di calore nei materiali si regola dall’equazione fondamentale: Q = k·A·ΔT/δ, dove k è la conducibilità termica, A l’area, ΔT la differenza di temperatura, δ lo spessore. Tuttavia, nei materiali sostenibili – come il canapa-lime (λ ≈ 0.06–0.08 W/m·K) o il micelio (λ ≈ 0.04–0.06 W/m·K) – la λ varia notevolmente con densità, umidità e struttura microscopica, richiedendo misure in condizioni controllate e reali.

La conducibilità termica (λ) non è costante: per il calcestruzzo con aggiunta di canapa, λ può aumentare fino al 15% in presenza di elevata umidità relativa (test ASTM E2278 termografia attiva). La caratterizzazione richiede setup calorimetrici a flusso costante (ASTM C518) che misurano il flusso di calore in funzione della differenza di temperatura e del tempo, correggendo per densità reale (ρ) e umidità relativa (UR) tramite fattori di correzione UNI EN ISO 13372.

2. Metodologia Tier 2: fase per fase da laboratorio a campo

Fase 1: Selezione e campionamento rappresentativo

La scelta del materiale deve basarsi su protocolli statistici rigorosi: campionare almeno 12 unità per tipo (pannelli, blocchi), distribuite in aree di produzione diversificate, con certificazione di origine. I campioni devono essere sezionati in sezioni centrali per evitare bordi anomali e conservati in ambienti controllati (UR ≤ 50%, T = 20°C ± 2°C) per 72h prima misura, per ridurre errori da variazioni temporanee.

Fase 2: Caratterizzazione in laboratorio

Utilizzare ASTM C518 per misurare la conducibilità termica (k) in condizioni standard (ΔT = 25°C, umidità UR = 50%), ottenendo valori medi con deviazione standard < 5%. Complementare con calcolo λ dinamico usando modelli Fickiani per la diffusività di umidità, dato che materiali naturali assorbono e rilasciano umidità, influenzando la trasmittanza termica.

Fase 3: Validazione in campo

La termografia aerea (ASTM E2278) e a contatto con sensori IoT (temperature embedded) permettono la mappatura termica in situ, rilevando ponti termici e dispersioni in muri esemplificativi, come il muro in canapa-lime di un progetto a Bologna. I dati vengono integrati con misure di flusso termico (Q) e calcolati i valori U e Ψ (ponte termico) in conformità con UNI EN ISO 10211, con analisi FEM per simulare comportamento stagionale.

3. Integrazione con certificazioni locali: ITACA e Beyond

Per la certificazione ITACA, è cruciale documentare non solo il valore U medio (es. ≤ 0.25 W/m²·K), ma anche il fattore di riduzione energetica (FRE) derivante dall’isolamento naturale:
FRE = (U_edificio_reale – U_edificio_standard) / ΔU_standard × Σ(Λ_i·A_i)
dove Λ_i è la conducibilità termica efficace del sistema murario e ΔU_standard è il valore di riferimento.

Un errore frequente è ignorare l’effetto cumulativo dell’umidità: test di stabilità ambientale (ASTM D5372) mostrano che un aumento di UR da 30% a 70% può ridurre λ del 20–30%, invalidando i dati iniziali. I sensori IoT devono registrare UR e T in tempo reale e correggere i modelli BIM con dati reali per evitare sovrastime.

Esempio pratico: muro in canapa-lime da progetto “EcoStrutture Centro”