Um índice de seca, por definição, é uma variável que serve para identificar e avaliar as condições de seca, isto é, um indicador utilizado para caracterizar a intensidade, duração, severidade e até extensão espacial da seca. Comumente, índices de seca são baseados em variáveis meteorológicas e/ou hidrológicas, tais como precipitação, temperatura, evaporação, evapotranspiração, umidade do solo, vazão, volume armazenado de água, entre outras e expressam em números o nível de gravidade da seca, facilitando a compreensão da complexidade da situação de seca para os tomadores de decisões (BARRA et al., 2002; STEINEMANN, 2003).
Heim Junior (2002) faz um levantamento histórico e uma síntese dos principais índices de seca desenvolvidos no século XX nos EUA, onde foi possível verificar que o índice mais amplamente utilizado é o Palmer Drought Severity Index (PDSI). Outros índices dentre os mais aceitos no EUA são o Standardized Precipitation
Index (SPI), o Crop Moisture Index (CMI), o Surface Water Supply Index (SWSI) e o
Reclamation Drought Index (RDI).
Outro estudo relevante realizado nos EUA é o de Keyantash e Dracup (2002), que avalia os índices de seca mais proeminente para vários tipos de seca (meteorológica, hidrológica e agrícola), aplicando um conjunto ponderado de seis critérios (robustez, tratabilidade, transparência, sofisticação, extensibilidade e dimensionalidade) de avaliação. Para seca meteorológica, os índices analisados foram a anomalia de precipitação acumulada e discreta, decis de chuva, o PDSI, o índice de área seca, o índice de anomalia de chuva e o SPI. Para seca hidrológica, os índices avaliados foram o déficit total de água, a anomalia de vazões acumuladas, o índice de severidade de seca hidrológica Palmer (PHDI) e o SWSI. Para seca agrícola, os índices em estudo foram o (CMI), o índice de anomalia umidade Palmer, a umidade do solo computadorizada e o índice de anomalia da umidade do solo.
Os resultados de Keyantash e Dracup (2002) mostraram que os índices que obtiveram as melhores pontuações segundo os critérios de avaliação escolhidos foram os decis de chuva e o SPI na ocorrência de seca meteorológica, o déficit total de água na ocorrência de seca hidrológica, sendo interessante enfatizar também o SWSI como o mais robusto dentre os índices que representam seca hidrológica, e a umidade de solo computada na seca agrícola.
O SPI foi desenvolvido por McKee et al. (1993, 1995), teve grande divulgação e baseia-se na distribuição de probabilidade da precipitação e pode ser calculado em
diferentes escalas de tempo. Por ser um índice normalizado, permite adequada comparação entre diferentes locais e climas.
Hayes et al. (1999) fizeram uma análise da seca de 1996 em planícies do sul e sudoeste dos EUA e no Texas, utilizando o SPI que permite o monitoramento do abastecimento de água a curto prazo, como umidade do solo, e a longo prazo, como recursos hídricos. Os resultados mostraram que o SPI foi capaz de monitorar o início e a progressão da seca de 1996, sendo que o SPI detectou a seca pelo menos um mês antes do que o PDSI. Domingos (2006) realizou um estudo no intuito de implementar e avaliar o SPI para o Portugal Continental, investigando sua capacidade de informação complementar ao PDSI no acompanhamento de situações de seca. Para isso, foi feita uma comparação entre os dois índices. Pelos resultados, verifica-se que houve uma maior ocorrência de seca na segunda metade da série em estudo e que correlação entre o SPI e PDSI é mais forte nas escalas de 3 a 6 meses para a maior parte das estações em estudo.
Um índice associado ao SPI é o Standardized Runoff Index (SRI), que são semelhantes quando se baseiam em um longo período de acumulação, porém o SRI incorpora processos hidrológicos que determinam defasagens sazonais na influência de clima na vazão. Em escalas de tempo mensal para sazonal, o SRI é um complemento útil do SPI para retratar os aspectos hidrológicos de seca (SHUKLA e WOOD, 2008).
Outro índice de seca semelhante ao SPI é o Standardized Precipitation-
Evapotranspiration Index (SPEI), recentemente desenvolvido por Vicente-Serrano et al.
(2010). O SPEI, assim como o PDSI, considera os efeitos da evapotranspiração de referência sobre a severidade da seca, porém a natureza multi-escalar do SPEI permite identificar os tipos diferentes de secas e de impactos da seca sobre diversos sistemas. Com isso, o SPEI tem a sensibilidade do PDSI em relação a evapotranspiração demandada e é multi-escalar como o SPI (VICENTE-SERRANO et al., 2010; VICENTE-SERRANO et
al., 2012). Adicionalmente, têm-se que o SPEI tem sido usado em sistemas de
monitoramento de seca e muitos estudos relataram que o SPEI tem uma melhor correlação com variáveis ecológicas e hidrológicas que outros índices de seca (LORENZO-LACRUZ
et al., 2010).
Índices de seca quando relacionados com o método de análise de clusters ou método das Análises das Componentes Principais (PCA), facilitam a detecção dos padrões de variabilidade espacial e temporal das secas, além de permitir a definição de regiões homogêneas e heterogêneas quanto à seca e a identificação de tendências e mudanças dentro dessas regiões (BORDI et al., 2004; PAULO, 2010; SANTOS et al., 2010).
Índices de seca também podem ser utilizados para predição das transições do grau de severidade das secas, sendo isso possível por meio da utilização de técnicas como a cadeia de Markov homogênea e não-homogênea e modelos log-lineares (LOHANI e LOGANATHAN, 1997; STEINEMANN, 2003; PAULO et al., 2005; MOREIRA et al., 2006; PAULO e PEREIRA, 2007; PIRES e SOUZA, 2010).
Nesse contexto, os índices de seca têm se tornado uma das ferramentas mais adequadas para entender e enfrentar a escassez hídrica. Entretanto, necessita-se de um certo cuidado quanto a utilização dos índices de seca, pois a maioria destes possuem formulações que não podem ser adequadas às condições climáticas da região. Outra desvantagem da utilização desses índices é que para se alcançar resultados consistentes é necessária uma série histórica longa (mínimo 30 anos), o que ainda é agravado pela difícil obtenção de algumas variáveis (ALBUQUERQUE, 2010).