As secas ocorrem em qualquer região climática e são caracterizadas pelo déficit entre a precipitação pluvial e a evapotranspiração potencial (Wilhite, 2000; Wilhite & Buchanan, 2005), sendo, portanto, de monitoramento complexo. A gravidade da seca aumenta em condições de temperatura do ar elevada, ventos fortes, baixa umidade do ar e com condições locais de solo, relacionadas, principalmente, à taxa de infiltração e retenção de água e à sua erodibilidade potencial (Freitas, 2005; Salas et al., 2005). Wilhite & Knustson (2009) afirmam que a ocorrência de secas é bastante variável de região para região, devido aos diferentes sistemas climáticos atuantes em cada localidade. Cada episódio de seca é único em intensidade, duração e extensão territorial, um evento pode persistir por alguns meses, anos ou, até mesmo, décadas.
O monitoramento regional e estadual do índice de seca pode ser útil a vários propósitos, tais como: fornecer às autoridades de planejamento uma ideia do grau de anormalidade relativa das condições do tempo e do clima na região; definir as melhores épocas de semeadura e avaliar as disponibilidades hídricas do solo; verificar a eficiência do sistema de abastecimento de água para os reservatórios (Azevedo & Silva, 1994). O índice de Palmer tem sido utilizado, com sucesso, na caracterização da severidade das secas na Austrália (Kothavala, 1999), no Brasil (Assis et al., 1997; Barra et al., 2002; Sansigolo, 2004; Blain & Brunini, 2005; Fernandes, 2010; Silva, 2011), no Canadá (Akinremi et al., 1996), nos Estados Unidos (Palmer, 1965) e na Europa (Briffa et al., 1994).
4.1. Algumas Aplicações dos Índices de Seca a) No Brasil
Azevedo & Silva (1994) aplicaram os índices de: Anomalia da Precipitação (IAP), Bhalme & Mooley (IBM), Severidade de Seca de Palmer (ISSP) e Bhalme & Mooley Modificado (IBMM) para a microrregião do agreste da Borborema no estado da Paraíba. Os resultados indicaram que:
a) Os índices IBM e IAC assumem valores positivos ou negativos de forma bastante assimétrica, com picos positivos acentuados durante os meses mais úmidos de anos chuvosos. Isto ocorre porque o cálculo desses índices leva em consideração apenas a pluviometria ocorrida no período. Por outro lado, o IBMM considera, além da precipitação pluviométrica, o conteúdo de umidade do solo
175
no mês anterior, por isso verifica-se que os picos positivos (períodos úmidos) e negativos (períodos secos) são defasados;
b) Para o ano muito úmido (1940), o ISSP permanece positivo durante todo o ano, mostrando-se pouco sensível às variações de umidade no solo. Nesse mesmo ano, os índices IBM, IBMM e IAC classificaram o mês de novembro como seco. Apenas o IBMM classificou todo o trimestre (outubro, novembro e dezembro) como seco. No entanto, o índice de Palmer classificou esse período como muito úmido;
c) Para o ano mais seco (1952), o trimestre mais úmido foi observado entre maio e julho.
Barra et al. (2002) efetuaram a classificação climatológica da severidade das secas do estado do Ceará-CE e concluíram que: a) A ocorrência de secas no estado do Ceará varia com o grau de severidade, sendo as secas moderadas e severas mais frequentes, excetuando-se nas localidades das microrregiões serranas; b) A variação espacial da severidade das secas do estado do Ceará pode ser caracterizada pelo índice de severidade de seca de Palmer, mostrando a sua utilidade na avaliação dos impactos das secas no estado, o que não seria possível apenas com a análise dos dados de precipitação.
Sansigolo (2004) comparou o desempenho dos índices de severidade de seca de Palmer (ISSP) com o índice de precipitação normalizada (IPP) em Piracicaba-SP para o período de 1917 a 2001 e concluiu que o ISSP e o IPP entre 1 e 60 meses são bastante linearmente relacionados, indicando que a precipitação é o processo dominante no ISSP, apesar dos dois índices estarem sistematicamente defasados de ~570, devido à atuação no ISSP dos outros processos relacionados ao balanço hídrico. O ISSP apresentou uma excepcional memória de ~20 anos, que pôde ser explorada para fins de previsão, enquanto que os diferentes IPP, que podem ser interpretados como simples processos de média móvel, não apresentaram periodicidades significativas. O ISSP identificou 6 eventos moderados de seca e 1 extremo, com durações entre 7 e 23 meses ao passo que pelo IPP ocorreram 6 eventos moderados de seca e 1 extremo, com durações entre 6 e 17 meses. Análise semelhante foi efetuada por Brain & Brunini (2005), os quais concluíram que: a) O IPP é uma ferramenta versátil, espacialmente consistente (invariável) e de fácil interpretação devendo ser utilizada na análise dos riscos, mitigação e implicações do fenômeno seca nos diversos segmentos da sociedade; b) O ISSPA pode ser utilizado no estado de São Paulo para a quantificação da seca meteorológica na escala mensal, particularmente porque o mesmo possui escala temporal de análise constante (mensal) não sendo, tal característica, observada no ISSP.
176
Fernandes (2010) caracterizou a intensidade e a ocorrência de seca pelo uso dos índices: ISSP; Z de Palmer (Z-índex); IAP; e IPP, os quais foram analisados com uso da correlação de Pearson, número e frequência de ocorrência de seca e percentual de acerto dos índices em relação à produtividade de arroz no estado de Goiás, obtendo os seguintes: O IAP quantificou o maior número de eventos extremos de seca, enquanto o ISSP não estimou nenhum caso e o Z-índex apresentou o maior percentual de acerto, em relação às variações da produtividade ajustada.
Para Silva (2011), o ISSP subestima a frequência de ocorrências de secas, tanto em quantidade quanto em intensidade. Entretanto, o ISBMM mostra-se mais sensível às variações de umidade no solo, com bom desempenho na identificação de períodos secos e úmidos e do grau de severidade de seca; Em média, os eventos de períodos secos previstos pelo ISSP ocorrem com uma defasagem de aproximadamente três meses em relação àqueles obtidos pelo ISBMM; Durante os anos de El Niño, o ISSP apresenta um melhor grau de acerto da classificação de eventos de seca.
b) No exterior
Mckee et al. (1995), ao correlacionarem o ISSP ao IPP, demonstraram que o índice de Palmer possui uma escala de tempo inerente ao local de estudo (10 a 14 meses). Esses autores afirmam ainda ser o ISSP voltado aos interesses agrícolas. Tal afirmação não coincide com Karl (1986), que afirma ser o ISSP uma ferramenta meteorológica. O próprio Palmer (1965) afirma ser seu índice voltado à análise climatológica de uma região, não podendo ser aplicado a atividades agrícolas sem que essa limitação seja observada. Diversos autores (Karl & Knight, 1985; Mika et al., 2005; Melo et al., 2010) admitem que o ISSP é um índice de seca meteorológica, correspondente às condições climáticas anormalmente secas ou anormalmente úmidas. Ademais, quando muda as condições de seco a normal ou úmido, a seca, medida pelo ISSP, termina sem levar em conta a vazão, níveis de reservatórios e lagos e outros impactos hidrológicos de longo prazo. Qiaozhen Um et al. (2013) aplicaram um índice de severidade de seca (ISS) baseado no sensoriamento remoto de satélites operacionais para o monitoramento e mitigação das secas em tempo real.
4.2. Previsibilidade dos Índices de Seca
A análise das séries de dados ISSP indica que as oscilações de longo prazo e estrutura de alta persistência são características importantes desse índice e, consequentemente, das secas. O comportamento periódico desse índice de seca resulta no espectro de energia convencional, assim como nos espectros calculados usando métodos espectrais de alta-resolução. No entanto, a série de
177
valores do ISSP pode ser modelada através de modelos estocásticos simples que preservam as características estatísticas importantes dos dados originais (Rao & Padmanabhan, 1984). Os modelos simples de séries do ISSP desenvolvidos por esses autores podem ser utilizados na geração de dados sintéticos de ISSP e na previsões a serem utilizados no planejamento agrícola e na otimização do funcionamento de sistemas de irrigação. Alley (1985) concluíram que os modelos auto-regressivos usados por Rao & Padmanabhan (1984) não refletem a natureza temporal das séries e podem resultar em estimativas enganosas da capacidade de previsão. Ou seja, esses modelos não levam em conta a distribuição condicional bimodal do índice, além do que os testes de habilidade de previsão não contam para o recurso de "look-ahead" do histórico do ISSP. Ambas as limitações do ISSP e dos modelos auto-regressivos desenvolvidos por Rao & Padmanabhan (1984) sugerem que importante cuidado deve ser considerado quando se utiliza as propriedades do ISSP e dos correspondentes modelos auto- regressivos para inferir propriedades às "secas".
Na região Nordeste do Brasil, a previsão e o monitoramento de períodos de secas são particularmente úteis, devido, dentre muitos outros, aos seguintes aspectos: (1) a existência de inúmeros projetos de irrigação implantados e a serem implantados ao longo dos principais rios; (2) o abastecimento d'água das grandes cidades é, em sua maioria, dependente direto do escoamento dos rios, ou indiretamente do volume acumulado nas barragens; (3) a maioria das culturas agrícolas depende exclusivamente da regularidade das chuvas; (4) a possibilidade de uso de água subterrânea é pequena quando comparada ao da água superficial; e (5) a maior parte da produção energética da região tem como base a hidroeletricidade. Assim, Silva (2011) avaliou a previsibilidade das séries mensais do ISSP e do ISBMM para diferentes Mesorregiões do estado do Ceará, chegando à conclusão de que os valores mensais do ISSP são melhor previsíveis do que os do ISBMM para todas as mesorregiões, com auto-correlação de primeira ordem altamente significativa (r2 > 0,90).
Qiaozhen Um et al. (2013) desenvolveram um índice de severidade de seca (ISS) baseado no sensoriamento remoto de satélites operacionais para o monitoramento e mitigação das secas em tempo real. O ISS e produtos globais semelhantes devem ser úteis para a avaliação de seca regional e mitigação de esforços, especialmente para áreas do globo onde esparsas redes de medição e desenvolvimento de infraestrutura deficiente limitar outras fontes de informação.
178