Un nuovo modello decisionale analitico per le sfide della sostenibilità ambientale usando insiemi fuzzy morbidi sferici complessi a valori intervallari

Perché le scelte intelligenti sono importanti per un pianeta più verde

Governi, aziende e comunità dichiarano tutti di voler essere più “sostenibili dal punto di vista ambientale”, ma trasformare quell’obiettivo in scelte concrete non è semplice. Una città dovrebbe investire prima in aria più pulita, nella protezione della fauna, in pratiche agricole migliori o nelle energie rinnovabili? Gli esperti spesso non sono d’accordo e le loro opinioni sono incerte o incomplete. Questo articolo presenta un nuovo metodo matematico per combinare quelle visioni confuse in classifiche più chiare di opzioni di sostenibilità, aiutando i decisori a scegliere le azioni che fanno più bene all’ambiente.

Una nuova lente per opinioni fuzzy e incerte

Le decisioni di sostenibilità del mondo reale raramente arrivano con numeri precisi. Un esperto può dire che un progetto è “abbastanza utile per la qualità dell’aria” o “in parte rischioso per la biodiversità”, ma non esprimere esattamente di quanto. Strumenti tradizionali come gli insiemi fuzzy standard o gli insiemi soft gestiscono una certa vaghezza, ma faticano quando le opinioni includono non solo supporto e opposizione, ma anche neutralità e intervalli di valori possibili. Gli autori si basano su progressi recenti nella matematica fuzzy “sferica” e “complessa” per creare una descrizione più ricca delle valutazioni degli esperti, che può registrare quanto qualcuno sostiene un’opzione, quanto la oppone, quanto è neutrale e quanto siano incerte tutte queste affermazioni.

Catturare sfumature di accordo, dubbio e disaccordo

Il cuore dell’articolo è una struttura dal nome intimidatorio: insiemi fuzzy morbidi sferici complessi a valori intervallari. In termini semplici, questa struttura permette a ciascun esperto di valutare un’opzione usando tre ingredienti — supporto, neutralità e opposizione — ciascuno espresso non come un singolo numero ma come un intervallo, e con una componente aggiuntiva di “fase” che cattura pattern sottili nei dati. Gli autori mostrano quindi come eseguire operazioni di base con queste valutazioni ricche, come combinarle, modulare la loro influenza o invertirle. Queste regole rendono possibile integrare la nuova struttura in modelli decisionali pratici senza perdere coerenza matematica.

Fondere molte voci in una singola classifica

Per trasformare una tabella di punteggi degli esperti in una decisione, lo studio introduce due strumenti chiave di aggregazione: un operatore di media pesata e un operatore geometrico pesato studiati per la nuova struttura fuzzy. Entrambi gli operatori tengono conto di quanto è importante ciascun esperto, di quanto è importante ciascun criterio di sostenibilità e di quanto è incerta ciascuna valutazione. La media pesata riflette meglio le opinioni tipiche o di consenso, mentre la versione geometrica pesata enfatizza la forza costante attraverso i criteri. Gli autori definiscono funzioni di punteggio e di accuratezza che convertono ogni valutazione fuzzy combinata in un unico indice, che può poi essere usato per classificare le opzioni ambientali concorrenti dalla più alla meno desiderabile.

Testare il modello su scelte reali di sostenibilità

Per illustrare il funzionamento del metodo, gli autori progettano uno studio di caso con quattro ampie opzioni ambientali: migliorare il controllo dell’aria e dell’inquinamento, proteggere la biodiversità e gli ecosistemi, potenziare il suolo e l’agricoltura e ampliare le risorse di energia rinnovabile. Quattro esperti valutano ciascuna opzione secondo quattro criteri: aria più pulita, consapevolezza e accettazione pubblica, contributo all’economia verde e fattibilità tecnologica. Usando i nuovi strumenti di aggregazione, il modello elabora tutte queste opinioni a tre parti basate su intervalli e produce punteggi per ogni opzione. Sia nei calcoli basati sulla media sia in quelli geometrici, l’energia rinnovabile emerge come scelta migliore, seguita da suolo e agricoltura, protezione della biodiversità e infine controllo dell’aria e dell’inquinamento.

Distinguersi rispetto agli strumenti decisionali esistenti

Lo studio confronta inoltre il proprio approccio con modelli fuzzy precedenti che non includono o l’incertezza a intervallo, o la neutralità esplicita, o la flessibile struttura di parametri “soft”. Quei metodi più vecchi possono ancora classificare le opzioni, ma faticano a rappresentare l’intero spettro di esitazione e conflitto degli esperti che emerge in sistemi ambientali complessi. Al contrario, il nuovo metodo può modellare simultaneamente supporto, dubbio e opposizione, permettendo anche che ogni valutazione sia un intervallo piuttosto che un punto singolo. Questo lo rende più adatto a contesti decisionali reali in cui i dati sono incompleti, gli esperti non sono d’accordo e i compromessi tra obiettivi sociali, economici ed ecologici sono intricati.

Cosa significa per decisioni verdi nel mondo reale

In termini accessibili, l’articolo offre una calcolatrice più intelligente per la sostenibilità. Non dice ai responsabili politici quali dovrebbero essere le loro priorità, ma fornisce un modo trasparente per fondere molte opinioni di esperti incerte e talvolta conflittuali in un ordine chiaro di opzioni. Nell’esempio qui esplorato, quel processo mette costantemente in evidenza i progetti di energia rinnovabile come il percorso più promettente, dati i criteri e i contributi degli esperti scelti. Più in generale, il quadro può essere adattato ad altri domini — dalla gestione dell’acqua alla pianificazione urbana — aiutando i decisori a ragionare in modo più accurato sui compromessi ambientali invece di affidarsi a stime approssimative o alle voci più forti.

Citazione: Ali, S., Kumam, P., Naveed, H. et al. A novel decision analytic model for environmental sustainability challenges using interval-valued complex spherical fuzzy soft sets. Sci Rep 16, 13052 (2026). https://doi.org/10.1038/s41598-026-35366-z

Parole chiave: sostenibilità ambientale, decisione multi‑criterio, logica fuzzy, energia rinnovabile, aggregazione di esperti