The purpose of this work is to evaluate the applicability of five drought indices (Surface Water Supply Index—SWSI, Reclamation Drought Index—RDI, Streamflow Drought Index—SDI, Standardized Precipitation Index—SPI, and Evaporative Demand Drought Index—EDDI) as tools for monitoring, in identifying the duration, intensity, and frequency of hydrological droughts in the basins of the Banabuiú, Castanhão, and Orós reservoirs, located in the state of Ceará, Brazil. The analysis focused on determining the performance of the indexes for capturing the droughts characteristics from 2002 to 2020. Thus, the comparison of the values of the indexes with the Target Levels of the reservoir’s operation were used, as well as the analysis of six decision criteria: robustness, tractability, transparency, sophistication, extensibility, and dimensionality, to compare the behavior of drought indices. The results of the evaluation criteria showed that the SPI was superior to the other indices, being able to significantly represent the drought episodes, capturing a greater number of events. Thus, SPI received the highest total weighted score (118), followed by SWSI (97), EDDI (95), SDI (95), and RDI (88). In this context, it was found that the SPI and SWSI are the most suitable indices to monitor drought in the region and that the use of longer time scales can be recommended to manage hydrological droughts, in order to improve planning and management of water resources.

Resumo O presente artigo faz uma revisão bibliográfica e aborda os principais índices utilizados no monitoramento e análise de secas. Além disso, o texto ainda discorre sobre as metodologias empregadas mundialmente no monitoramento e previsão desses eventos. As secas ocorrem quando existe um déficit de precipitação comparado à média histórica da região. Elas podem ser diagnosticadas por meio de índices que identificam os períodos de escassez ou de disponibilidade hídrica através de equações. Dessa forma, é possível determinar a intensidade, frequência e duração dos eventos de seca. Nesse âmbito, alguns países implementaram seus próprios sistemas de monitoramento e alerta precoce das secas como o Monitor de Secas dos Estados Unidos, o Monitor de Secas da Europa e o Monitor de Secas do Brasil. Onde estes, utilizam de forma conjunta ou isolada as informações provenientes dos índices, a fim de identificar e caracterizar os eventos de seca. Desse modo, pode haver um melhor planejamento das instituições responsáveis, adoção de planos emergenciais e mitigação de impactos.

Resumo O Nordeste do Brasil apresenta acentuada variabilidade interanual da precipitação com alguns anos secos e outros chuvosos. Nessa região, ocorrem os veranicos, que são dias consecutivos com ausência de precipitação durante o período da estação chuvosa, que ocasionam perdas nas safras agrícolas. O presente artigo tem como objetivo utilizar um indicador de veranicos já estabelecido por outros autores e identificar sua relação com o índice de Distribuição de Chuva e regionalizar de acordo com as macrorregiões do estado, bem como, compreender as possíveis consequências, de forma qualitativa e quantitativa, sobre as perdas de safra no Ceará. A área de estudo compreendeu o estado do Ceará e as análises foram realizadas para o período de 1980 a 2018.A partir dos dados de rendimento do IBGE, foram calculadas as perdas das culturas do milho e feijão, e através dos resultados pode-se inferir que: as correlações realizadas com os dados de perdas de safra, veranicos e o IDC evidenciaram que para a maior parte do estado existe correlação direta, ou seja, quanto maior a frequência de eventos de veranicos maior a perda de safra. Além disso, verificou-se que, quando há uma melhor distribuição da precipitação ao longo das regiões do estado ocorre menor perda de safra.

Traditional hydrological models have been widely used in hydrologic studies, providing credible representations of reality. This paper introduces a hybrid model that combines the traditional hydrological model Soil Moisture Accounting Procedure (SMAP) with the machine learning algorithm XGBoost. Applied to the Sobradinho watershed in Brazil, the hybrid model aims to produce more precise streamflow forecasts within a three-month horizon. This study employs rainfall forecasts from the North America Multi Model Ensemble (NMME) as inputs of the SMAP to produce streamflow forecasts. The study evaluates NMME forecasts, corrects bias using quantile mapping, and calibrates the SMAP model for the study region from 1984 to 2010 using Particle Swarm Optimization (PSO). Model evaluation covers the period from 2011 to 2022. An XGBoost model predicts SMAP residuals based on the past 12 months, and the hybrid model combines SMAP's streamflow forecast with XGBoost residuals. Notably, the hybrid model outperforms SMAP alone, showing improved correlation and Nash-Sutcliffe index values, especially during periods of lower streamflow. This research highlights the potential of integrating traditional hydrological models with machine learning for more accurate streamflow predictions.

In this review, we examine dengue outbreak prediction and warning systems, highlighting their methodologies, variables, key findings, and existing gaps in the literature. The study was conducted in five stages: a literature survey, definition of thematic scope and eligibility criteria, exploratory review, systematization and categorization of findings, critical analysis, and comparative narrative synthesis. We selected 14 articles on prediction and seven on warning systems, encompassing statistical models, machine learning, and deep learning, as well as systems applied in various countries, with a particular focus on Brazil. The results indicated that meteorological and climatic variables are the most frequently used, followed by epidemiological and entomological data. Models such as Random Forest and Long Short-Term Memory demonstrated superior predictive performance, especially for short-term forecasts of up to 1 week. Among the warning systems, classical methods, such as the Early Aberration Reporting System, offer simplicity and speed but provide shorter lead times. In contrast, systems such as EWARS-TDR and ADSEWS excel by integrating multiple data sources and providing longer lead times (up to 13 weeks). Despite considerable advancements, challenges related to data quality and availability, model replicability across different contexts, and implementation persist in public health systems.

Resumo As projeções futuras divulgadas pelos relatórios do Painel Intergovernamental sobre Mudanças Climáticas, atentam para a ocorrência de variações e mudanças no clima. Tais alterações, tendem a impactar especialmente o ciclo hidrológico global, uma vez que são projetadas modificações nos padrões de precipitação em larga escala e elevação na temperatura média da atmosfera. A Bacia Hidrográfica Estendida do Rio São Francisco (BESF) está localizada entre as regiões Sudeste e Nordeste do Brasil. O índice de Aridez (IA) pode contribuir no planejamento da segurança hídrica de um território. O objetivo deste estudo é analisar a aridez para a BESF através das precipitações e de temperaturas mínimas e máximas, obtidas por intermédio dos modelos climáticos do CMIP6 e do CORDEX. Calculou-se o índice de Aridez (IA) e realizou-se a comparação dos resultados do IA obtidas dos modelos climáticos com os dados de referência da Unidade de Pesquisa Climática (CRU). Ambos modelos, CMIP6 e CORDEX, apresentaram boa performance em representar o IA, quando comparados com o CRU. Os modelos do CMIP6 e CORDEX indicam indicam uma alteração na condição de aridez de na BESF, embora que os dados do CORDEX sejam mais recomendáveis para a BESF, em função de sua resolução espacial.