Os fenômenos naturais de origem climática (tornados, furacões, enchentes e a seca) são responsáveis por prejuízos socioeconômicos e perda de inúmeras vidas no mundo globalizado, sendo a seca o fenômeno de grande magnitude e que causa mais prejuízo à cadeia produtiva podendo inclusive comprometer a segurança hídrica de um país. Assim, objetivou-se verificar a ocorrência do fenômeno seca via Índice de Precipitação Padronizada (SPI) na escala de 12 meses e sua associação ao fenômeno El Niño Oscilação-Sul (ENOS) via Oceanic Niño Index (ONI), no estado do Acre. Os dados pluviométricos foram obtidos na Agência Nacional de Águas e Saneamento Básico (ANA) para o período de 1980 a 2020. O controle de qualidade dos dados indicou que, das 21 estações pluviométricas distribuídas no estado do Acre, 57,14% (12 estações) apresentaram falhas superiores a 14,63%, sendo descartadas, e os menores registros de falhas em 42,86% das estações cujo valores situaram-se entre 4,27% ≤Falhas≤ e 14,63%. Com base na Análise de Cluster (CA), identificou-se o número de 4 grupos ideais sendo dois homogêneos G1, G2 e dois grupos não homogêneos NA, foi adotada a linha de corte de 27,00% da distância Euclidiana, em razão da formação dos grupos homogêneos e não homogêneos. Os grupos G1 e G2 concentram (11,1% e 33,3%) das estações pluviométricas, seguidos pelo (NA) com a maior concentração 55,6% das estações. O coeficiente de correlação cofenética se mostrou satisfatório. Os resultados da estatística descritiva indicam que as maiores médias anuais e desvio padrão ocorrem nos grupos G2 e NA, e a menor média e maior desvio no grupo G1. A distribuição temporal dos índices SPI-12 e ONI identificaram a ocorrência de eventos de seca e ENOS nas estações Marechal Thaumaturgo (G1), Xapuri (G2) e no município de Porto Walter (NA). As matrizes de interações (SPI versus El Niño), (SPI versus La Niña) e (SPI versus ENOS), mostram baixos valores dos coeficientes de correlação (r) e determinação (R2) e baixo desempenho dos modelos de interações conforme os índices de Willmott (d) e confiança (IC). O melhor ajuste do modelo de regressão foi constatado pela interação entre SPI versus La Niña, na estação Marechal Thaumaturgo (G1).