See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/242144756

DIMES- SOFTWARE FOR CALCULATION AND INTERPRETATION OF THE

STANDARTIZED PRECIPITATION INDEX (SPI) IN VISUAL BASIC FOR
APPLICATION IN MS-EXCEL ENVIRONMENT

Article

CITATIONS READS
0 100

3 authors:

Gabriel Blain Glauco de Souza Rolim

Instituto Agronômico de Campinas São Paulo State University
114 PUBLICATIONS   691 CITATIONS    112 PUBLICATIONS   1,055 CITATIONS   

SEE PROFILE SEE PROFILE

Orivaldo Brunini

73 PUBLICATIONS   806 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

BASE AGROMETEOROLÓGICA PARA SUBSIDIAR A PRECISÃO NA AGRICULTURA E SUPORTE AO CRÉDITO AGRÍCOLA View project

ICT based Agrometeorological Interventions View project

All content following this page was uploaded by Gabriel Blain on 13 March 2014.

The user has requested enhancement of the downloaded file.

 DIMES – SOFTWARE PARA CÁLCULO E INTERPRETAÇÃO DO
ÍNDICE PADRONIZADO DE PRECIPITAÇÃO (SPI) EM VISUAL
BASIC FOR APPLICATION EM AMBIENTE MS-EXCEL
GABRIEL CONSTANTINO BLAIN1
GLAUCO DE SOUZA ROLIM2
ORIVALDO BRUNINI3
RESUMO
O Índice Padronizado de Precipitação (SPI) é, atualmente, uma das ferramentas mais
utilizadas na quantificação e no monitoramento das condições hídricas de uma região, tanto
para organizações ligadas ao sistema hidrelétrico, manejo de Bacias hidrográficas como o
planejamento de sistemas de irrigação. Baseado no ajuste de séries de precipitação à
distribuição gama, esse índice quantifica o excesso ou o déficit de chuva, acumulados em
diferentes escalas de tempo em uma determinada região, quantificando assim, diferentes tipos
de seca. Dessa forma, este trabalho teve como objetivo o desenvolvimento de um programa
em ambiente MS-Excel, em linguagem Visual Basic for Applications, que estime e interprete,
de maneira rotineira, o SPI em diversas escalas de tempo. Além disso o programa DIMES-
Drought Index and Monitoring System, fornece também as médias aritméticas e geométricas
da precipitação pluvial, parâmetros alfa e beta e probabilidades cumulativas de ocorrência de
um valor de chuva observado em escalas de tempo determinado pelo usuário.

PALAVRAS-CHAVE: seca; distribuição gama; monitoramento

DIMES- SOFTWARE FOR CALCULATION AND INTERPRETATION

OF THE STANDARTIZED PRECIPITATION INDEX (SPI) IN VISUAL
BASIC FOR APPLICATION IN MS-EXCEL ENVIRONMENT
ABSTRACT
The Standardized Precipitation Index (SPI) is one of the most used tools in quantification and
monitoring of hidrological conditions for a region, being used by hydroelectric rower
organizations, watershed administration and as for irrigation planning. Based on the
adjustment of precipitation series to the gama distribution , that index quantifies the excess or
the deficit of rainfall in different times scales in a certain area, quantifying the different
drought types. In this way, this work had the objective to develop a program in MS-Excel
environment, in Visual Basic for Applications language, that calculates and interpret the SPI
in several time scales in a routine way. Besides the program DIMES - Drought Index and
Monitoring System, also gives the arithmetic and geometric averages of the pluviometric

1
Eng. Agrícola, MS. APTA - Instituto Agronômico – gabriel@iac.sp.gov.br Av. Barão de Itapura nº
1487 CEP – 13001-970 C.P 28, Botafogo.
2
Eng. Agrônomo, Dr. APTA - Instituto Agronômico- rolim@iac.sp.gov.br
3
Eng. Agrônomo, PhD. APTA - Instituto Agronômico de Campinas. brunini@iac.sp.gov.br.com
Bolsa de Produtividade em Pesquisa - CNPq

V Congresso Brasileiro de Agroinformática, SBI-AGRO

Londrina, 28 a 30 de setembro de 2005
precipitation, the alpha and beta parameters and cumulative probabilities of occurrence of a
rainfall value observed in different time scales determined by the user.

KEYWORDS: drought, gama distribution, monitoring

1. INTRODUÇÃO
A despeito do grande avanço científico alcançado pelo homem nas últimas décadas,
continua evidente sua vulnerabilidade aos riscos climáticos. O fenômeno natural seca ainda
carece de um real entendimento, de uma melhor previsão de ocorrência e do uso correto de
medidas mitigatórias (WILHITE et al.,1987).
A maior parte dos trabalhos científicos reconhece quatro tipos de seca: meteorológica,
hidrológica, agrícola e socioeconômica (WILHITE et al., 1987 e RASMUSSEN et al., 1993).
Keyantash e Dracup (2002) afirmam que, a menos que a demanda por água da
sociedade exceda significativamente o suprimento natural, a seca socioeconômica é uma
conseqüência dos demais tipos de seca, sendo caracterizada monetariamente.
A seca meteorológica é o resultado de um déficit de precipitação, já a hidrológica é
uma deficiência no volume de água disponível, incluindo lençol freático, reservatórios e rios
(WILHITE, 2000). O primeiro tipo de seca pode se desenvolver rapidamente e “terminar
abruptamente” enquanto a hidrológica necessita de um período prolongado de déficit de
precipitação, entretanto persistirá por mais tempo que a meteorológica. (HEIM JUNIOR,
2002).
A seca agrícola está relacionada à baixa disponibilidade de umidade no solo a qual
torna o suprimento de água às culturas, insuficiente para repor as perdas por
evapotranspiração, afetando a produtividade das mesmas (WORLD METEOROLOGICAL
ORGANIZATION, 1975).
WILHITE et al., (1987) destacam que, todos os tipos de seca são originados por um
défict de precipitação que resulta em uma baixa disponibilidade hídrica para a atividade que a
requer. Baseados nessa premissa, MCKEE et al (1993) afirmam ser o tempo requerido, de
ocorrência de tal deficiência, que separa os diferentes conceitos desse fenômeno climático.
BRUNINI et al., (2002) afirmam que apesar do grande desenvolvimento tecnológico
atual, a agricultura paulista é freqüentemente castigada por adversidades climáticas, sendo a
seca a que apresenta efeito mais duradouro e de maior intensidade, causando os maiores
prejuízos econômicos.

V Congresso Brasileiro de Agroinformática, SBI-AGRO

Londrina, 28 a 30 de setembro de 2005
 O racionamento de energia elétrica, devido ao abaixamento dos níveis dos
reservatórios ocorrido em várias regiões do Brasil em 2001, é um exemplo da vulnerabilidade
da sociedade brasileira a essa anomalia climática. Naquele ano foram demonstradas
implicações hidrológicas e socioeconômicas do fenômeno natural seca.
A implementação de sistemas de monitoramento em “tempo real” e “estações de
aviso” são, segundo WILHITE (1982), a única forma de contribuição efetiva de ações de
combate à seca. Tais sistemas podem ser feitos com o uso de índices que quantifiquem as
condições hídricas das diferentes regiões.
O Índice Padronizado de Precipitação (SPI), desenvolvido por MCKEE et al., (1993 e
1995), quantifica o déficit ou o excesso de precipitação em diferentes escalas de tempo. Essa
característica torna o SPI uma valiosa ferramenta para todos os estudos de disponibilidade
hídrica, sejam eles de curta ou longa duração (HAYES et al., 1999) quantificando portanto os
diferentes tipos de secas.
Apesar de ter sido desenvolvido para o uso rotineiro em sistemas de monitoramento
das condições hídricas de uma região, não se conhece nenhum programa em sistema MS-
Windows que estime o SPI em diversas escalas de tempo e forneça informações sobre seus
resultados.
Tendo em vista os fatos acima citados, este trabalho tem como objetivo o
desenvolvimento de um programa em Linguagem Visual Basic for Applications no ambiente
EXCEL, que estime, de maneira rotineira, o SPI em suas diversas escalas de tempo. Como
resultado o programa fornece ainda parâmetros de caracterização climática da região em
estudo, tabelas e gráficos interpretativos dos resultados do índice de seca e sua variação.
2. MATERIAIS E MÉTODOS
O SPI quantifica o déficit ou o excesso de precipitação em diferentes escalas de
tempo.
O evento seca começa quando o SPI torna-se negativo e atinge o valor de -1 e termina
quando este volta a apresentar valores positivos. Dentro de sua escala, magnitudes menores
ou iguais a -2 indicam seca extrema, e maiores ou iguais a 2, umidade extrema, como pode ser
visualizado na Tabela 1.

V Congresso Brasileiro de Agroinformática, SBI-AGRO

Londrina, 28 a 30 de setembro de 2005
Tabela 1 – Valores do Índice Padronizado de Precipitação (SPI) e Categorias de seca ou de
umidade.

SPI Categoria
≥ 2,OO Extremamente Úmido
1,5 a 1,99 Severamente Úmido
1,00 a 1,49 Moderadamente Úmido
0.1 a 0,99 Umidade Incipiente
0 a -0,99 Seca Incipiente
-1,00 a-1,49 Moderadamente Seco
-1,50 a -1,99 Severamente Seco
≤ - 2,00 Extremamente Seco

Quando a escala de tempo utilizada (1, 2 ou 3 meses, por exemplo) é pequena, o SPI
move-se freqüentemente acima ou abaixo de zero, observando, por exemplo, o regime da seca
meteorológica. Conforme aumenta a escala de análise (12 ou 24 meses, por exemplo) o SPI
responde mais lentamente a mudanças na precipitação observando, por exemplo, o regime da
seca hidrológica.
O primeiro passo para o cálculo do SPI é a determinação da probabilidade de
distribuição de freqüência de precipitação pluvial, a qual é estimada por meio da distribuição
gama incompleta. A função densidade probabilidade é definida por:
X α −1 * e − x / β
g(X ) = para X > 0 (1)
β α Γ(α )

sendo:

α>0 parâmetro de forma da distribuição gama (adimensional)

β>0 parâmetro de escala da distribuição gama (apresenta mesma dimensões da variável x).

Γ(α) a função gama.

Os parâmetros α (forma) e β escala) da distribuição gama são calculados pelo método
da máxima verossimilhança, descrito por THOM (1966):

α=
1
4A
( )
1 + 1 + 4 A / 3 .... β = X / α (2)

A = ln( X ) − ∑ (ln( X )) / n (3)

V Congresso Brasileiro de Agroinformática, SBI-AGRO

Londrina, 28 a 30 de setembro de 2005
sendo:
n o número de observações com chuva maior que zero.
A distribuição gama incompleta g(xi) foi calculada usando a função intrínseca do MS-
EXCEL “distgama(Xi; α; β; verdadeiro)” utilizando o Visual Basic for Applications.
Como tal distribuição é indefinida para xi = 0 e as séries de precipitação podem conter
zeros, a probabilidade cumulativa torna-se:
H (x) = q + (1-q)G(x) (4)

q = (m/n) (5)

Sendo q a probabilidade de ocorrência de precipitação igual a zero e m o número de

observações com chuva maior do que zero. Dessa forma, H(xi) é transformada em uma
variável normal (valor final do SPI) por meio das equações desenvolvidas por
ABRAMOWITZ E STEGUN, (1965).

 co + c1t + c 2 t 2 
SPI = − t − para 0 < H(x) ≤ 0,5
3 
 1 + d1t + d 2t + d 3t 
2
(6)
 co + c1t + c 2 t
2

SPI = + t − para 0,5 < H(x) < 0,5
3 
 1 + d1t + d 2 t 2
+ d 3t 

sendo:

 1 
t =  ln( 2
 para 0 < H(x) ≤ 0,5
 ( H ( x)) 
(7)
 1 
t =  ln(  para 0,5 < H(x) <1
 (1 − H ( x))
2

sendo:

co = 2,515517; c1 = 0,802853; c2 = 0,010328; d1= 1,432788; d2 = 0,189269; d3 = 0,001308

3. RESULTADOS E DISCUSSÃO
A Figura 1 demonstra que além de fornecer o valor do SPI em diversas escalas de
tempo. O programa fornece também as médias aritméticas e geométricas da precipitação
pluvial, os parâmetros alfa e beta e a probabilidade gama cumulativa de ocorrência de um
valor observado de chuva para cada mês e em cada período de análise escolhido pelo usuário.

V Congresso Brasileiro de Agroinformática, SBI-AGRO

Londrina, 28 a 30 de setembro de 2005
 Tal característica acima citada torna esse programa uma importante ferramenta para
o estudo científico do fenômeno natural seca, já que a análise precisa desta anomalia está
diretamente associada ao regime pluviométrico de cada região em estudo.

Figura 1: Tela do programa DIMES- Drought Index and Monitoring System com exemplo de
geração de SPI para períodos de 1 e 24 meses para a região de Campinas-SP.

Na figura 2, fica evidente a afirmação de HAYES el al. (1999) que, quando a escala
de tempo utilizada é pequena (mensal), o SPI move-se freqüentemente acima ou abaixo de
zero, o que é análogo ao regime da seca meteorológica, a qual, como dito anteriormente, pode
se desenvolver rapidamente e “terminar abruptamente”. Conforme aumenta o período de
análise (24 meses) o índice responde mais lentamente a mudanças no regime de precipitação,
observando, por exemplo, as características da seca hidrológica.

V Congresso Brasileiro de Agroinformática, SBI-AGRO

Londrina, 28 a 30 de setembro de 2005
 3,0
SPI (Makee,1993)
2,0

1,0

0,0

-1,0

-2,0 1 mês
24 meses
-3,0
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
2004
Figura 2. Resultados do Índice padronizado de Precipitação (SPI) para 1 e 24 meses para a
região de Campinas-SP.

Em versões futuras do programa serão incluídos outros índices como Índice de

Severidade de Seca de Palmer (PDSI- Palmer Drought Severity Index), Índice de Umidade de
Culturas (CMI- Crop Moisture Index) e o Índice Padronizado de Evapotranspiração Real
(IPER). O programa pode ser adquirido sem nenhum custo solicitando-o a
gabriel@iac.sp.gov.br.
4. CONCLUSÕES
Além de fornecer o valor do SPI em diversas escalas de tempo, o programa fornece
também as médias aritméticas e geométricas da precipitação pluvial, os parâmetros alfa e beta
e a probabilidade cumulativa de ocorrência de um valor de chuva observado em cada mês e
em cada escala de tempo determinada pelo usuário. Tal fato torna, o programa, uma
importante ferramenta para o estudo científico do fenômeno natural seca, já que a análise
precisa dessa anomalia climática está diretamente associada as características climáticas de
cada região em estudo.
5. REFERÊNCIAS BIBLIOGRÁFICAS
ABRAMOWITZ, M., e STEGUN., I.A: Handbook of mathematical function, Dover, pp.1046,
1965.

V Congresso Brasileiro de Agroinformática, SBI-AGRO

Londrina, 28 a 30 de setembro de 2005
 BRUNINI, O., BLAIN, G. C., BRUNINI, A. P., SANTOS, R. L.,; BRIGANTE, R. S.,
ALMEIDA, E. L. Monitoramento das Condições de Seca no Estado de São Paulo Utilizando
o Índice Padronizado de Precipitação- SPI. In: XII Congresso Brasileiro de Meteorologia,
Anais, Sociedade Brasileira de Meteorologia, Foz do Iguaçú, 2002b.

HAYES, M. J., SVOBODA, M.D., WILHITE, D.A. e VANYARKHO, O.V. Monitoring the
1996 drought using the Standardized Precipitation Index. Bull.Am.Meteorol.So. 80(3): p.429-
438, 1999.

HEIM JUNIOR, R. R, A review of twentieth - century drought indices used in the United
States. Bull.Am.Meteorol.So. 83(8): p.1149-1163, 2002.

KEYANTASH, J. DRACUP, J.A, The quantification of drought: An evaluation of drought

indices. Bull.Am.Meteorol.So. 83(8): p.1167-1180, 2002.

MCKEE,T.B.; DOESKEN, N.J. e KLEIST,J. The relationship of drought frequency and

duration to times scale. In: CONFERENCE ON APPIED CLIMATOLOGY, 8.,1993, Boston. Anais
American Meteorological Society , Boston: PREPRINTS, 1993. p.179 – 184.

MCKEE, T.B.; DOESKEN, N.J. e KLEIST,J. Drought monitoring with multiple times scales.
In: CONFERENCE ON APPIED CLIMATOLOGY, 9.,1995, Boston. Anais American Meteorological
Society , Boston: PREPRINTS, 1995. p.233 – 236.

RASMUSSEN, E.M., DICKINSON, R.E., KUTZBACH, J.E., CLEAVELAND,M.K.

Climatology. In: MAIDMEMT, D.R. Handbook of hydrology. McGRAW-HILL,1993, 2.1 –
2.44

THOM, H. C. S. Same methods of climatological analyses . World Meteorological

Organization, Geneva, 53p, 1966. ( WMO, 199; TP, 103; Technical note. ,81.)

WILHITE, D. A.; Government response to drought in the United States:With particular

reference to the Great Plains. Jounal of Climate and Applied Meteorology v.22: p. 40-50.
1982

WILHITE, D. A.; GLANTZ, M.H. Understanding the drought phenomenon: The role
definations. In: WILHITE et al. Planning for drought toward a reduction of societal
vulnerability. WESTVIEW,1987. p. 11-14.

WILHITE, D. A., Drought as a natural hazard: Conceptions and definitions. In: WILHITE, D.
A. Drought : A global assessment. Routledge, 2000. p. 111 – 120.

WORLD METEOROLOGICAL ORGANIZATION: Drought and agriculture. WMO Tech.

Note 138, Publ. WMO-392, Geneva, Switzerland,127p. 1975

V Congresso Brasileiro de Agroinformática, SBI-AGRO

Londrina, 28 a 30 de setembro de 2005

View publication stats