Você está na página 1de 5

Comparação de Índices de Seca para o Norte Fluminense

Yumiko M. Tanaka da Anunciação1 e Romisio Geraldo B. André2


1 Meteorologista, CDP/INMET, Eixo Monumental Via S1 Brasília-DF, fone (61)2102-4783, marina.tanaka@inmet.gov.br.
2 Meteorologista, consultor CDP/INMET, Brasília-DF, romisio.andre@inmet.gov.br.

ABSTRACT. Comparing Drought Severity Indexes for North Region of Rio de Janeiro State
This work deals of a comparing study of five Drought Severity Indexes for north region of Rio de Janeiro State. It was used
total monthly precipitation and mean monthly temperature data of 17 meteorological stations for the period 1961-2000.
Climatic characteristic (K) and specific equation for the weighting factor (K’) adjusted for Rio de Janeiro State was used.
Monthly mean values of Palmer Drought Severity Index (PDSI) by using adjusted equations by Palmer(PDSI_orig), moisture
anomaly index (Z), Palmer Drought Severity Index by using blacktraking process(PDSI_back), Palmer Drought Severity
Index adapted for Rio de Janeiro State(PDSI_RJ) and Standardized Precipitation Index (SPI) for 1,3,6 and 12 month was
derived to Campos dos Goytacazes location for the period of 1971 – 2009. The determination coefficients (r2) found
between PDSI_orig. and the other index studied was too low, safe SPI12, 0,69. The correlation between PDSI_back and SPI1
was 0,83 and between PDSI_RJ and SPI1, SPI3 were respectively 0,76 and 0,48. The results show that PDSI_RJ is a better
tool for drought monitoring than PDSI_back because this later has a more difficult process of calculations than the first one.
Keywords: Drought index, regional PDSI, comparing.

1. INTRODUÇÃO
O índice de severidade de seca de Palmer - PDSI vem sendo utilizado nos mais
diversos campos do conhecimento, visando solucionar problemas sobre monitoramento da
frequência, intensidade e duração de secas para um determinado período histórico. O PDSI
foi desenvolvido a partir do índice de anomalia de umidade Z, baseado no balanço hídrico
seqüencial mensal com a utilização de uma longa série de dados mensais de temperatura
média do ar e totais mensais de precipitação. A partir dos estudos desenvolvidos por Palmer,
vários autores de diferentes campos de atuação procuraram aplicar esse índice para diferentes
regiões (Alley, 1984, Karl, 1986; McKee et al., 1993 e McKee et al., 1995). Gutman (1998)
mostrou que o PDSI é um quantificador de severidade de seca, sendo que um único valor é
utilizado para suspender ou implantar planos de contingências. A indefinição temporal do
índice, o uso de regras arbitrárias para se determinar o início e final da seca e a demora em
responder à mudança no regime de precipitação são as principais características criticadas
(Alley,1984; McKee et al.,1993 e Hayes et al.,1999). Santos e Pereira (1999) simplificaram a
metodologia proposta por Palmer para identificar e classificar períodos de seca, fazendo uma
adaptação do método às condições ambientais do Estado de São Paulo.
O Índice de Precipitação Padronizada ou SPI - Standardized Precipitation Index
(McKee et al.,1993; McKee et. al.,1995, Hayes et al.,1999) é baseado na probabilidade da
precipitação para diferentes escalas de tempo (1, 3, 6, 12 e 24 meses) refletindo o impacto da
seca sobre a disponibilidade das diferentes reservas de água; em pequena escala a umidade do
solo para a agricultura e, em escala de longo período, os fluxos dos rios e dos reservatórios;
sendo muito útil para o gerenciamento da seca e do uso da água.
Uma análise comparativa foi realizada por Blain e Brunini (2007) entre o Índice de
Severidade de Seca de Palmer - PDSI, Índice Palmer adaptado PDSIadap para o Estado de
São Paulo e o Índice de Precipitação Padronizada - SPI. Foram utilizados dados mensais de
precipitação e de temperatura do ar de seis estações meteorológicas para o período de 1961 a
2000. Os resultados mostraram que o SPI é uma ferramenta versátil, espacialmente
consistente e de fácil interpretação, podendo ser utilizado em análise de riscos, mitigação e
implicações do fenômeno da seca, nos diversos segmentos da sociedade. Azevedo e Silva
(1994) fizeram a comparação entre quatro índices de seca visando à adaptação de um deles
para expressar, com relativa facilidade, tanto o grau de severidade quanto o conteúdo de
umidade do solo, para a microrregião do Agreste da Borborema, no estado da Paraíba.
O objetivo deste trabalho foi comparar diferentes índices de seca, para região Norte
Fluminense, com o Índice de Precipitação Padronizada – SPI, disponibilizado pelo Instituto
Nacional de Meteorologia - INMET para o monitoramento de eventos extremos de seca.
2. MATERIAL E MÉTODOS
A metodologia de Palmer pode ser resumida consistindo das seguintes etapas: calcular
o balanço hídrico mensal para a série histórica do local, calcular os coeficientes e constantes
regionais, reanalisar as séries para encontrar períodos com anomalias hídricas e convertê-los
em índices e finalmente definir critérios para início e término de seca e sua severidade. O
PDSI é considerado um índice meteorológico apesar de ser obtido por meio do cálculo do
balanço hídrico.
Palmer desenvolveu um índice regional padronizado, para que fosse utilizado em
diferentes localidades dos EEUU e em diferentes épocas do ano, introduzindo um fator de
caracterização climática (K), cujo valor encontrado por Palmer foi:
17,67 k  2,8  PE  R  RO
K K ' onde, K '  1,5 * log c lim a   0,5 ; k c lim a  (1)
 DK '  D  PL
e D é a média dos valores absolutos de d. Os termos médios do balanço hídrico PE, R, RO, P
e L são respectivamente evapotranspiração potencial, recarga ou reposição, escoamento ou
excedente, precipitação e perda. O valor de K foi obtido com nove localidades americanas e a
partir desse fator peso calcularam-se indicadores de severidade da seca, o início e o fim de
cada período seco ou úmido estabelecido conforme sua classificação.
Seguindo a metodologia de Palmer (1965), a reavaliação do fator de ponderação K
com casos de seca extrema observados resultou, para o Estado do Rio de Janeiro, uma
regressão linear entre K’ e k_clima e D com coeficiente de determinação r2 = 0,80; que
mostra a existência de correlação entre localidades com climas diferentes e suas deficiências
hídricas. De posse do fator de ponderação K’ foram calculados os valores da característica
climática K para as nove localidades onde foram encontrados casos extremos. A descrição do
procedimento de regionalização da metodologia de Palmer pode ser visto em Anunciação e
André (2010).
17,39 k 
K K ' onde, K '  1,379 *  c lim a   0,34 (2)
 DK '  D 
Com o objetivo de caracterizar apenas as condições meteorológicas Palmer (1965)
dividiu o índice PDSI em três partes, um índice para situações de extremos (seco ou úmido
estabelecido) e dois para situações intermediárias (um seco e outro úmido não estabelecidos) e
para isso, em alguns casos, a precipitação do tempo futuro é utilizada no cálculo do índice de
situações passadas, método denominado de backtraking, bastante criticado por dificultar o uso
do índice PDSI para o monitoramento da seca.
A metodologia para o cálculo do SPI baseia-se apenas na série histórica da
precipitação total mensal. Como a precipitação não é representada pela distribuição normal,
uma transformação, de equiprobabilidade da distribuição Gama para a distribuição normal
com média zero e desvio padrão igual a um, é aplicada para cada série de precipitação, assim
esses valores transformados seguem uma distribuição normal obtendo-se o índice SPI que
pode ser interpretado como o número de desvios padrão que o valor da precipitação de
interesse estaria distante da média (McKee, et al., 1993). A Tabela 1 mostra a classificação
qualitativa dos indices PDSI, Z e SPI (Heim, 2002).
Tabela 1. Categorias de Índices de Seca (Heim, 2002)
Categorias dos Índices PDSI Z SPI
Extremamente úmido > 4,00 >+3,50 > +2,00
Muito úmido +3,00 a +3,99 +2,50 a +3,49 +1,50 a +1,99
Moderadamente úmido +2,00 a +2,99 +1,00 a +2,49 +1,00 a +1,49
Normal +1,99 a -1,99 -1,24 a +0,99 -0,99 a +0,99
Moderadamente seco -2,00 a -2,99 -1,25 a -1,99 -1,00 a -1,49
Severamente seco -3,00 a -3,99 -2,00 a -2,74 -1,50 a -1,99
Extremamente seco <-4,00 < -2,75 < -2,00
3. RESULTADOS E DISCUSSÃO
As equações ajustadas, para o Estado do Rio de Janeiro, foram aplicadas à série de
dados de 30 anos em Campos dos Goytacazes e calculados os valores mensais dos índices de
anomalia de umidade Z_RJ, índice de severidade de seca de Palmer–PDSI_orig,
PDSI_back_RJ, PDSI_RJ e índices SPI1, SPI3, SPI6 e SPI12 meses.
O índice original, aqui denominado de PDSI_orig, resultou em um coeficiente de
determinação de 0,69 com o índice SPI12 (Tabela 2), mas classificou apenas três casos, ou
0,8%, de seca severa ou extrema, para o período de 1971 a 2000; sendo que o índice SPI12
classificou 6% dos casos observados como seca severa a extrema. Os coeficientes de
determinação foram baixos entre o índice PDSI_orig com o índice de anomalia de umidade
Z_RJ e com os índices SPI1, SPI3 e SPI6.
O índice regionalizado para o Estado do Rio de Janeiro, denominado de PDSI_RJ e o
índice SPI12 apresentaram baixa concordância com coeficiente de determinação de 0,10. Essa
pouca memória do índice regionalizado PDSI_RJ é devido à relação obtida, para as condições
climáticas do Estado do Rio de Janeiro, que considera 23% do valor desse índice do mês
anterior e 133% do valor do índice de anomalia de umidade Z_RJ do mês em questão. Essa
relação permite o cálculo seqüencial, denominado de PDSI_RJ que apresentou coeficiente de
determinação de 0,85 com o PDSI_back_RJ; sem a necessidade da correção dos meses
anteriores (backtraking) e posteriores conforme observado por Alley (1984).
Os índices PDSI_RJ e SPI1 apresentaram coeficiente de determinação igual a 0,76
explicado pelo maior peso para o índice de anomalia de umidade Z_RJ, determinada na
equação regionalizada, contribuindo para a confirmação de seca categorizada pelo índice SPI1
que utiliza apenas a precipitação. A Tabela 2 mostra também, os coeficientes de determinação
de 0,25 e 0,26, respectivamente, entre os índices PDSI_orig e PDSI_RJ e entre PDSI_orig e
PDSI_back_RJ. Essa baixa concordância confirma a necessidade de se regionalizar o índice
PDSI para localidades brasileiras, como fizeram Santos e Pereira(1999) e Blain e Brunini
(2007) e Anunciação e André (2010).

Tabela 2. Matriz dos coeficientes de determinação das regressões entre os diferentes índices.
PDSI_orig Z_RJ PDSI_RJ PDSI_back_RJ SPI 1 SPI 3 SPI 6 SPI 12
PDSI_orig 1
Z_RJ 0,16 1
PDSI_RJ 0,25 0,94 1
PDSI_back_RJ 0,26 0,81 0,85 1
SPI-1 0,13 0,81 0,76 0,83 1
SPI-3 0,34 0,32 0,48 0,50 0,34 1
SPI-6 0,56 0,14 0,22 0,26 0,15 0,46 1
SPI-12 0,69 0,06 0,10 0,10 0,04 0,14 0,40 1

Os índices mensais de PDSI_RJ, Z_RJ e SPI_1 foram as que apresentaram maiores


correlações. Na Figura 1 estão as séries temporais dos índices PDSI_back_RJ, PDSI_orig,
Z_RJ e SPI1 para Campos dos Goytacazes, para o período de 1971 a 2000. Nota-se que a
década de 70 foi a que teve vários valores positivos dos índices e, a década de 90 a que
apresentou períodos com mais valores negativos.
8

4
PD S I
0

-4

-8
19 7 1
19 7 2
19 7 3
19 7 4
19 7 6
19 7 7
19 7 8
19 7 9
19 8 1
19 8 2
19 8 3
19 8 4
19 8 6
19 8 7
19 8 8
19 8 9
19 9 1
19 9 2
19 9 3
19 9 4
19 9 6
19 9 7
19 9 8
19 9 9
P D S I_ b a c k _ R J P D S I_ o rig

8 4
3
4 2
1
Z_ R J

SP I
0 0
-1
-4 -2
-3
-8 -4
19 7 1

19 7 2

19 7 4

19 7 5

19 7 7

19 7 8

19 8 0

19 8 1

19 8 3

19 8 4

19 8 6

19 8 7

19 8 9

19 9 0

19 9 2

19 9 3

19 9 5

19 9 6

19 9 8

19 9 9
Z_R J S P I1

Figura 1. Série temporal dos índices PDSI_back_RJ, PDSI_orig, Z_RJ e SPI 1.

A variação mensal dos diversos índices é apresentada na Tabela 3 para cinco


localidades do Norte Fluminense. A evolução da seca nos meses de outubro, novembro e
dezembro de 1990 é observada pelo decréscimo de todos os índices. No mês de outubro os
índices mensais negativos, PDSI_RJ, Z_RJ e SPI1 já indicavam situação de seca incipiente
em Campos e Itaperuna. O valor de SPI12, calculado com o total de precipitação dos últimos
doze meses (de novembro de 1989 a outubro de 1990), igual a -2,31 para Campos classifica o
mês de outubro como extremamente seco e os índices de -1,73 e -1,54 de severamente seco
para Itaperuna e Cardoso Moreira, respectivamente.
Em novembro, os índices PDSI_RJ e Z_RJ indicaram seca moderada para Campos e
Itaperuna, o índice SPI1 seca severa e o índice SPI12 seca extrema. Em dezembro, todos os
índices classificaram de seca severa ou extrema para Campos, e para as demais localidades os
índices negativos classificaram como seca moderada e severa. Neste exemplo observa-se que
além dos índices PDSI_RJ, Z_RJ e SPI1 apresentarem forte concordância mensal também
apresentam coerência espacial.

Tabela 3. Índices de seca para algumas localidades do Norte Fluminense


para o trimestre outubro, novembro e dezembro de 1990.
Outubro/1990
Estação/Índices
PDSI_RJ Z_RJ SPI 1 SPI 3 SPI 6 SPI 12
Campos -1,7 -1,02 -0,57 -0,7 -0,44 -2,31
São Fco.de Paula 2,25 0,79 1,00 2,17 1,58 0,23
Cardoso Moreira -0,45 0,18 0,41 -0,19 -0,10 -1,54
Itaperuna -1,70 -1,07 -0,14 -0,63 0,43 -1,73
Sto.Ant. de Pádua 0,69 -0,28 -0,37 0,90 0,77 -0,55
Novembro/1990
Estação/Índices
PDSI_RJ Z_RJ SPI 1 SPI 3 SPI 6 SPI 12
Campos -2,34 -1,47 -1,54 -1,38 -1,24 -2,56
São Fco.de Paula -0,42 -0,70 -0,94 -0,27 1,15 -0,14
Cardoso Moreira -1,10 -0,75 -0,69 -0,39 -0,53 -1,38
Itaperuna -2,57 -1,64 -1,59 -1,21 -1,22 -2,22
Sto.Ant. de Pádua -0,81 -0,72 -1,06 -0,64 0,20 -0,65

Dezembro/1990
Estação/Índices
PDSI_RJ Z_RJ SPI 1 SPI 3 SPI 6 SPI 12
Campos -4,26 -2,8 -1,83 -2,12 -2,03 -2,65
São Fco.de Paula -1,35 -0,94 -1,06 -0,81 0,65 -0,45
Cardoso Moreira -0,97 -0,54 -1,31 -0,90 -0,94 -1,55
Itaperuna -2,84 -1,69 -0,61 -1,46 -1,33 -2,19
Sto.Ant. de Pádua -2,21 -1,52 -1,48 -1,77 -0,48 -0,89

4. CONCLUSÕES
As melhores correlações foram encontradas entre o PDSI_RJ e o PDSI_back_RJ,
Z_RJ e SPI1. O PDSI_orig não mostrou boa correlação com os demais índices estudados,
com exceção do SPI12, mas o índice PDSI_orig não detectou secas severas e extremas na
mesma frequencia que o SPI12.
O PDSI_RJ e o PDSI_back_RJ apresentaram alta correlação, facilitando o uso do
PDSI_RJ, sendo desnecessário o recálculo (backtraking). Os índices PDSI_RJ e Z_RJ
também apresentaram forte concordância, sugerindo o uso do Z_RJ pela facilidade de
obtenção e apresentando bom potencial de estudo e utilização prática. Os índices SPI em
diferentes escalas de tempo facilitam o monitoramento da seca e os índices derivados de
Palmer contribuem para a sua confirmação e categorização.

5. REFERÊNCIAS BIBLIOGRÁFICAS
ALLEY, W. M. The Palmer Drought Severiry Index: Limitations and Assumptions, Journal of Climate and Applied
Meteorology,v. 23, p.1100-1109, 1984.
ANUNCIAÇÃO, Y.M.T. e ANDRÉ, R.G.B. Regionalização do Índice de Severidade de Seca de Palmer para o Rio de
Janeiro. XVI CBMET, Belém – PA, 2010.
AZEVEDO, P.V. e SILVA, V.P.R.. Índice de Seca para a Microrregião do Agreste da Borborema no Estado da Paraíba.
Revista Brasileira de Meteorologia, v.9,n.1, p.66-72, 1994.
BLAIN, G. e BRUNINI, O. Análise comparativa dos indices de seca de Palmer adaptado e indice padronizado de
precipitação no Estado do São Paulo. Revista Brasileira de Meteorologia, v.22, n.1, p.105-111, 2007.
Dados em pontos de grade Udel_AirT_Precip fornecidos pela NOAA/OAR/ESRL PSD, Boulder, Colorado, USA.
Disponível em http://www.cdc.noaa.gov/
GUTMAN, G.B. Comparing the Palmer Drought Index and the Standardized Precipitation Index. Journal of the American
Water Resources, Washington, v.34, n.1, p.113-121, 1998.
HAYES,M.J. et al. Monitoring the 1996 drought using the Standardized Precipitation Index. Bulletin of the American
Meteotological Society, v.80, n.3, p.429-438, 1999.
HEIM, Jr., R. R. A review of Twentieth-Century drought indices used in the United States. Bulletin of the American
Meteorological Society, v. 83, p.1149-1165, 2002.
KARL,T. The sensitivity of the Palmer Dought Severity Index and Palmer’s Z-index to their calibration coefficients
including potential evapotranspiration. Journal of Climate and Applied Meteorology, Boston, v.25, p.77-86, 1986.
McKEE,T.B., DOESKEN, N.J.; KLEIST,J. The relationship of drought frequency and duration to times sacle In:
CONFERENCE ON APPLIED CLIMATOLOLY, 8. 1993, Boston. Proceedings…Boston: American Meteorological
Society, 1993. P.179-184.
McKEE,T.B., DOESKEN, N.J.; KLEIST,J. Drought monitoring with multiple times scales. In: CONFERENCE ON
APPLIED CLIMATOLOLY, 9. 1995, Boston. Proceedings…Boston: American Meteorological Society, 1995. P.233-236.
PALMER, W.C. Meteorological Drought, Weather Bureau, U.S. Department of Commerce, Washinghton, D.C., Research
Paper nº45,p. 1-58, 1965.
SANTOS, R.M.N. e PEREIRA, A.R Índice de Severidade de Seca de Palmer para a Região Oeste do Estado de São Paulo,
Brasil. Revista Brasileira de Agrometeorologia, Santa Maria/RS, v.6, n.1. p.139-145, 1999.