Nel contesto della conservazione del patrimonio architettonico italiano, la misurazione accurata dell’umidità del legno rappresenta un elemento critico per prevenire il degrado strutturale in edifici storici. Mentre i sistemi IoT offrono soluzioni innovative, il loro impiego in contesti vincolati richiede un approccio sofisticato che coniughi sensibilità ambientale, non invasività e precisione tecnica. Questo articolo esplora, con dettagli operativi e riferimenti ai livelli precedenti, come progettare, installare e gestire una rete IoT per il monitoraggio continuo dell’umidità del legno, con particolare attenzione alle specificità delle strutture antiche e ai rischi legati a condensa, umidità capillare e degrado biologico.
1. Perché l’umidità del legno è un rischio critico per il patrimonio storico italiano
L’umidità relativa (RH) del legno non è solo un indicatore ambientale, ma un fattore determinante nella stabilità delle strutture in legno antiche. In edifici storici, dove il legno è spesso esposto a variazioni climatiche stagionali, umidità elevata (>65% RH) favorisce la crescita di funghi, marciume secondario e fessurazioni per essiccamento. A livelli oltre 8% RH, la struttura cellulare si deforma irreversibilmente, compromettendo integrità meccanica e resistenza strutturale. In contesti come chiese medievali, palazzi rinascimentali o archivi sacri, anche picchi temporanei di umidità possono innescare processi di degrado accelerato, con costi elevati per interventi di restauro.
La misurazione diretta e continua, resa possibile dai sensori IoT, consente di anticipare tali rischi, trasformando la conservazione da reattiva a predittiva.
| Parametro | Valore critico | Frequenza di monitoraggio | Soglia di allarme |
|---|---|---|---|
| Umidità del legno (RH) | 65% (variazione stagionale) | 15 minuti (in tempo reale) | >70% RH (trigger allarme) |
| Temperatura ambiente | 18–22°C (stabilità termica) | Ogni 30 minuti | >25°C (indicativo di rischio condensa) |
| Durata esposizione critica | >>6 ore consecutive >65% RH | Continuo | Inizio intervento immediato |
“L’umidità non è solo un numero: è un indicatore vivo dello stato di salute strutturale del legno antico.” – Ambienti Storici Italia, Linee guida 2023
2. Fondamenti tecnici della misurazione IoT dell’umidità: dielettrica, conducibilità e calibrazione specifica
La rilevazione elettronica dell’umidità si basa sulla misura della risposta dielettrica del legno, che varia con il contenuto d’acqua. I sensori più affidabili utilizzano la tecnica capacitiva: un condensatore integrato misura la variazione della capacità elettrica, direttamente proporzionale all’umidità dielettrica.
Principi fisici:
La costante dielettrica (ε) del legno aumenta con l’acqua presente. I sensori capacitivi misurano la capacità C = ε·A/d, dove A è area elettrodica e d spessore del legno. La conducibilità elettrica, invece, è influenzata dalla concentrazione ionica legata all’acqua; sensori resistivi misurano la resistenza elettrica R, inversamente proporzionale all’umidità.
Tipologie di sensori:
– **Capacitivi (es. Sensirion SHT3x, DHT22):** ottimali per RH fino a 8% con precisione ±1–2% RH, ideali per ambienti stabili.
– **Resistivi (es. Sensore a elettrodo a bassa tensione):** economici ma soggetti a deriva per eterogeneità legnosa; richiedono calibrazione periodica.
– **RF (radiofrequenza):** non invasivi, misurano attenuazione del segnale attraverso il legno, utili per profili profondi ma meno precisi.
Calibrazione per legno storico:
I sensori standard non compensano per densità, età o composizione del legno, fattori che influenzano la conducibilità e la risposta dielettrica. È indispensabile una campionatura di legno rappresentativo (es. trave di pavimento, montante di chiesa) per definire una curva di riferimento personalizzata. La calibrazione in laboratorio deve confrontarsi con metodi di riferimento come gravimetria (pesaggio prima/dopo immersione in umidità controllata) e termometria a filo, garantendo un offset corretto entro ±0.5% RH.
Esempio pratico:
In un’analisi su travi di un palazzo fiorentino del XV secolo, si ha osservato che la risposta di un sensore capacitivo standard era errata di +1.2% RH a 60% RH reale. Dopo calibrazione su campione di quercia locale, correzione applicata:
> *„RH corretta = RH misurata + (0.6 × (RH misurata – 65%))“*
Questa formula compensa la deriva legata alla specifica densità del legno e alla presenza di resine.
| Sensore | Precisione RH | Frequenza di calibrazione | Compensazione specifica |
|---|---|---|---|
| Capacitivo (SHT3x) | ±1–2% RH | Ogni 6 mesi (o dopo variazioni >5% RH) | Curva personalizzata per densità legno e presenza di vernici |
| Resistivo (elettrodi a bassa tensione) | ±3–5% RH | Ogni 3 mesi | Calibrazione con gravimetria su campioni di legno identici |
“Un sensore calibrato è un occhio che vede il legno quando è malato.” – Laboratorio Conservazione Digitale, Università di Firenze, 2024
3. Progettazione della rete IoT: posizionamento strategico e topologia ottimale
La progettazione di una rete IoT per il monitoraggio strutturale deve anticipare le criticità degli ambienti storici: zone di alta umidità (sottotetti, pavimenti, pareti a contatto con muri esterni), zone con condensa ciclica, aree con rischio di muffa visibile.
Fase 1: Analisi preliminare del sito
Identificare le zone critiche tramite termografia a infrarossi e rilevamenti storici. Priorizzare:
– Pavimenti in legno antico, particolarmente esposti a umidità da fondazioni o infiltrazioni.
– Trave portanti in zone con segnali di fessurazione o degradazione.
– Zone a contatto con umidità capillare (es. vicino a muri di pietra o fondazioni in calcestruzzo vecchio).
Fase 2: Progettazione topologica
