विज्ञानामध्ये, अंदाज म्हणजे काही चलांच्या मूल्याचा अंदाज घेण्याची प्रक्रिया भविष्यात कधीतरी. राष्ट्रीय हवामान सेवांच्या प्राथमिक कार्यांपैकी एक म्हणजे अंदाज हवामानाचे मापदंड जसे की पर्जन्यमान, तापमान, वारा, आर्द्रता इ विशिष्ट कालावधीत. उदाहरणार्थ दैनंदिन पावसाचा अंदाज (पावसाची सरासरी एका दिवसात).

जागतिक हवामान संघटनेच्या (WMO) व्याख्येनुसार, दीर्घावधी पूर्वानुमानाची व्याख्या अशी केली जाते. अंदाज ३० दिवसांपासून ते एका हंगामातील सरासरी हवामान मापदंडांचे वर्णन. मासिक आणि हंगामी अंदाज दीर्घ श्रेणीच्या अंदाजांतर्गत येतो.

सर्वसाधारणपणे, तीन पद्धती वापरल्या जातात. या आहेत (i) सांख्यिकीय पद्धती (ii) संख्यात्मक हवामान प्रेडिक्शन किंवा डायनॅमिकल पद्धत आणि (iii) डायनॅमिकल कम स्टॅटिस्टिकल पद्धत. सुरुवातीपासून, दीर्घावधी पूर्वानुमान अंदाजासाठी मुख्य दृष्टीकोन सांख्यिकीय पद्धतींवर आधारित आहे. आयएमडी कार्यरत आहे मान्सूनच्या पावसाचे अंदाज या तंत्रावर आधारित असतात. सांख्यिकी पद्धतीमध्ये ओळख समाविष्ट असते भविष्यसूचक संकेतांचे (भविष्यवाहक) ज्याचा भविष्यसूचकांशी महत्त्वपूर्ण आणि स्थिर ऐतिहासिक संबंध आहे आणि भविष्यातील प्रेडिक्टँडच्या मूल्याचा अंदाज लावणे. या हेतूने, असे गृहीत धरले जाते की निरीक्षण केले जाते प्रेडिक्ट आणि प्रेडिक्टर संबंध भविष्यात देखील टिकून राहतात आणि भविष्यसूचक मूल्ये संबंधित असतात भविष्यातील अंदाज आणि अंदाजित मूल्य ज्ञात आहे.

ISMR च्या अंदाजासाठी पर्यायी दृष्टीकोन संख्यात्मक मॉडेलवर किंवा तथाकथित सामान्यवर आधारित आहे परिसंचरण मॉडेल (GCM). जरी संख्यात्मक अंदाज मॉडेल्समध्ये वापरकर्त्याच्या मागणीनुसार लहान अवकाशीय आणि ऐहिक स्केलवर अंदाज देण्याची क्षमता आहे, त्यांनी आतापर्यंत सरासरी मान्सूनच्या पावसाची ठळक वैशिष्‍ट्ये आणि त्याचे अनुकरण करण्यासाठी आवश्‍यक कौशल्य दाखवलेले नाही. आंतरवार्षिक परिवर्तनशीलता. सुधारित पर्जन्यमान सिम्युलेशनसाठी, GCM मॉडेल्स स्थानिक सब ग्रीडसाठी खात्यात सक्षम असावेत हवामान क्षेत्राची वैशिष्ट्ये आणि उप-हंगामी परिवर्तनशीलता.

डायनॅमिकल कम सांख्यिकीय पद्धतीचा तिसरा दृष्टीकोन या वस्तुस्थितीवर आधारित आहे की जीसीएममध्ये सिम्युलेटिंगमध्ये चांगले कौशल्य आहे मोठ्या प्रमाणावर वातावरणीय अभिसरण वैशिष्ट्ये आणि पावसाच्या दरम्यान अर्धानुभविक संबंध बाहेर पडतो जागतिक आणि प्रादेशिक दोन्ही स्केलवर क्षेत्र आणि प्रचलित मोठ्या प्रमाणात परिसंचरण वैशिष्ट्ये. त्यामुळे, हे शक्य आहे GCM मॉडेल्सद्वारे नक्कल केलेले पर्जन्यमान आणि अभिसरण वैशिष्ट्यांमधील रिकॅलिब्रेशन समीकरणे मिळवा आणि असे गृहीत धरून हे संबंध भविष्यात चांगले राहतील, प्रादेशिक पावसाचा अंदाज लावला जाऊ शकतो. डायनॅमिकल कम स्टॅटिस्टिकल पद्धत दीर्घ श्रेणीच्या अंदाजातील अलीकडील विकास आहे.

भारतासाठी दीर्घावधी पूर्वानुमान जारी करण्यासाठी पूर्णपणे भारतीय हवामान विभाग जबाबदार आहे. पुणे येथील आयएमडीच्या राष्ट्रीय हवामान केंद्रात अंदाज तयार केले जातात. सध्या, अनुभवजन्य (सांख्यिकीय) ऑपरेशनल दीर्घावधी पूर्वानुमान तयार करण्यासाठी पद्धती वापरल्या जातात.

भारताव्यतिरिक्त, युनायटेड स्टेट्स, युनायटेड किंगडम, ऑस्ट्रेलिया, दक्षिण आफ्रिका, असे अनेक देश आहेत. ब्राझील इ., जे दीर्घ श्रेणीच्या अंदाजासाठी मोठ्या प्रमाणावर अनुभवजन्य पद्धती वापरतात. उदाहरणार्थ, दीर्घावधी पूर्वानुमानासाठी ENSO चे, अनेक आंतरराष्ट्रीय हवामान केंद्रे अनुभवजन्य मॉडेल वापरतात.

भारतीय हवामानशास्त्र विभाग नैऋत्य मान्सून हंगामात (जून-सप्टेंबर) पर्जन्यवृष्टीसाठी दीर्घावधी पूर्वानुमान जारी करते. हे अंदाज दोन टप्प्यात जारी केले जातात. पहिल्या टप्प्याचा अंदाज एप्रिलच्या मध्यात जारी केला जातो आणि त्यात हंगामासाठी परिमाणवाचक अंदाज असतो (जून ते सप्टेंबर) संपूर्ण भारतात पाऊस. जूनच्या अखेरीस जारी केलेल्या दुसऱ्या टप्प्यातील अंदाजांसाठी अपडेट असतात एप्रिलमध्ये जारी केलेला अंदाज, संपूर्ण देशभरात जुलैच्या पावसाचा अंदाज आणि हंगामी पावसाचा अंदाज भारतातील विस्तृत पावसाचे एकसंध प्रदेश.

भारतीय हवामानशास्त्र विभाग वायव्य भारतात हिवाळा (जानेवारी-मार्च) पर्जन्यवृष्टी (डिसेंबरच्या अखेरीस जारी) आणि दक्षिण द्वीपकल्पात (ऑक्टोबरमध्ये जारी) ईशान्य मान्सून (ऑक्टोबर-डिसेंबर) पर्जन्यवृष्टीचे अंदाज देखील तयार करते. मात्र, हे अंदाज सरकारलाच जारी केले जातात.

सांख्यिकीय मॉडेल्सची क्षमता पाहता, भारतीय हवामानशास्त्र विभाग ने सांख्यिकीय मॉडेल्सवर आधारित विद्यमान ऑपरेशनल अंदाज प्रणाली व्यतिरिक्त जनरल सर्कुलेशन मॉडेल (GCM) वर आधारित प्रायोगिक अंदाज प्रणाली देखील स्थापित केली आहे. या उद्देशासाठी, भारतीय हवामानशास्त्र विभाग वापरते प्रायोगिक हवामान अंदाज केंद्र (ECPC), स्क्रिप्स इन्स्टिट्यूट ऑफ ओशनोग्राफी येथे विकसित हंगामी अंदाज मॉडेल (SFM), संयुक्त राज्य. संख्यात्मक मॉडेल आधारित अंदाज प्रणालीचे कौशल्य कार्यात्मक हेतूसाठी वापरण्याआधी आणखी काही वर्षे प्रमाणित केले जावे.

आपल्या देशात मान्सूनचे भाकीत वाजवी अचूकतेने केले जात आहे. 1988 पासून भारतीय हवामानशास्त्र विभाग अंदाजांचा यशाचा दर उच्च आहे. गेल्या 21 वर्षांमध्ये (1988-2008), भारतीय हवामानशास्त्र विभाग अंदाज 19 वर्षांमध्ये (म्हणजे 90% वर्षांमध्ये) गुणात्मकरीत्या बरोबर होते. अपवाद वर्षांमधला होता 2002 आणि 2004 ही दोन्ही वर्षं दुष्काळी होती. तथापि, काही वर्षांत (1994, 1997, 1999, 2002, 2004 आणि 2007) अंदाज त्रुटी (फरक वास्तविक पाऊस आणि पावसाचा अंदाज) 10% पेक्षा जास्त होता. 2002 चा दुष्काळ या महिन्यात अपवादात्मकपणे कमी पावसामुळे पडला होता जुलै (दीर्घकालीन कालावधीचा 46%) विषुववृत्तीय मध्य पॅसिफिकमध्ये समुद्राच्या पृष्ठभागाच्या अनपेक्षित तापमानवाढीमुळे जे महिन्यात सुरू झाले जूनचा हे नमूद केले जाऊ शकते की जुलै, 2002 च्या अपवादात्मकपणे कमी पावसाचा अंदाज भारतात किंवा परदेशातील कोणत्याही अंदाज गटाने वर्तवला नव्हता. सांख्यिकीय मॉडेल्सवर आधारित अंदाजांसाठी 100% यश ​​मिळणे शक्य नाही. सांख्यिकीय मॉडेल्सच्या समस्या यामध्ये अंतर्भूत आहेत दृष्टीकोन आणि जगभरातील पूर्वानुमानकर्त्यांद्वारे सामना केला जात आहे.

मान्सूनच्या पावसाचा दीर्घावधी पूर्वानुमान अत्यंत महत्त्वाचा आहे कारण मान्सूनच्या पावसाच्या आंतर-वार्षिक फरकाचे अनेक सामाजिक आणि आर्थिक परिणाम होतात. हंगामातील एकूण मान्सून पावसाचा देशातील पीक उत्पादन, वीज निर्मिती, सिंचन वेळापत्रक इत्यादींशी सांख्यिकीयदृष्ट्या महत्त्वपूर्ण संबंध असतो. सर्वसाधारणपणे, लक्षणीयरीत्या कमी पावसासह कमकुवत मान्सून वर्षामुळे पीक उत्पादन कमी होऊ शकते. दुसरीकडे, एक मजबूत मान्सून मुबलक पीक उत्पादनासाठी अनुकूल आहे, जरी काहीवेळा अतिवृष्टीमुळे विनाशकारी पूर येऊ शकतो. टप्प्यात आहे अखिल भारतीय उन्हाळी मान्सून पावसासह भारतातील तांदूळ उत्पादनातील फरक. संपूर्ण भारतात, मान्सूनचा पाऊस सुमारे 75-80% आहे एकूण वार्षिक पावसापैकी; मध्य आणि वायव्य भारतातील मोठ्या भागात, वार्षिक पावसात मान्सूनचा वाटा 90% किंवा त्याहून अधिक आहे. अशाप्रकारे भारतीय मान्सून समजून घेणे आणि दीर्घ पल्ल्याच्या प्रमाणात त्याच्या आंतरवार्षिक परिवर्तनशीलतेचा अंदाज लावणे अत्यंत आवश्यक आहे.

उष्ण कटिबंधातील दैनंदिन हवामानाच्या नमुन्यांचा अंदाज 2-3 दिवसांपर्यंत मर्यादित आहे. दुसरीकडे, उष्ण कटिबंधातील हंगामी सरासरी मान्सूनचे अभिसरण संभाव्यतः अधिक अंदाजे आहे. याचे कारण म्हणजे मान्सूनच्या परिवर्तनशीलतेचा कमी वारंवारता घटक प्रामुख्याने समुद्राच्या पृष्ठभागाचे तापमान, बर्फाचे आवरण, मातीची आर्द्रता इत्यादी हळूहळू बदलणाऱ्या परिस्थितीमुळे भाग पाडले जाते. त्यामुळे, देशभरातील मोसमी पावसाच्या दीर्घावधी पूर्वानुमान अंदाजांसाठी मॉडेल विकसित करणे शक्य आहे. संपूर्ण तथापि, हंगामी अंदाजानुसार काही मर्यादा आहेत कारण मान्सूनचे सरासरी अभिसरण देखील अंतर्गत गतिशीलता/परिवर्तनशीलतेने प्रभावित होते.

सरकार आणि उद्योग, ज्यांना भविष्यातील हवामानाच्या नमुन्यांबद्दलचे ज्ञान असेल ते निर्णय घेण्यास मदत करतील जसे की दरवर्षी किती अन्नसामग्री मिळवायची आणि साठवायची, खते किंवा बियाणे केव्हा आणि किती प्रत्येक भागात पोहोचवायचे. पूर, दुष्काळ इत्यादी नैसर्गिक आपत्तींसाठी कोणत्या भागाला तयार राहावे लागेल. देशाचे कोणते क्षेत्र आपल्या जिरायती जमिनीतून जास्तीत जास्त उत्पन्न मिळवू पाहणाऱ्या शेतकऱ्यांसाठी आणि क्षेत्रावर आधारित प्रीमियम ठरवताना पीक विमा कंपन्यांसाठी दीर्घावधी पूर्वानुमान अंदाज देखील उपयुक्त आहेत. त्यांच्या हवामानाशी संबंधित विमा पॉलिसी.

कोणत्याही व्हेरिएबलच्या वेळेच्या मालिकेला एक सरासरी आणि प्रमाणित विचलन असते. सर्वसाधारणपणे जेव्हा व्हेरिएबलचे मूल्य त्याच्या सरासरी मूल्याच्या दोन्ही बाजूंच्या 1 मानक विचलनाच्या आत असते, तेव्हा आपण असे म्हणू शकतो की व्हेरिएबल सामान्य श्रेणीमध्ये आहे किंवा फक्त "सामान्य" आहे. जेव्हा व्हेरिएबलचे मूल्य त्याच्या मूल्याच्या वर (खाली) 1 मानक विचलन असते, तेव्हा आम्ही असे म्हणतो की मूल्य “वरील (खाली) सामान्य आहे. संपूर्ण भारतात पावसाळ्याच्या (जून ते सप्टेंबर) पावसाच्या बाबतीत, सरासरी मूल्य (सामान्यत: दीर्घकालीन सरासरी म्हणून नमूद केले जाते) 89 सेमी आहे आणि मानक विचलन 9 सेमी आहे (समान मूल्याच्या सुमारे 10%). म्हणून, जेव्हा पाऊस त्याच्या दीर्घकालीन सरासरीच्या ±10% च्या आत असतो, पाऊस "सामान्य" आहे असे म्हटले जाते आणि जेव्हा पाऊस त्याच्या दीर्घकालीन सरासरीपेक्षा 10% जास्त (कमी) असतो, तेव्हा पाऊस असे म्हटले जाते "वरील (खाली) सामान्य".

वातावरणातील भौतिक प्रक्रियेचे वर्णन करणारे गणितीय समीकरण असलेले संगणक मॉडेल.

दक्षिणी दोलन किंवा "SO" पूर्व आणि पश्चिम उष्णकटिबंधीय पॅसिफिक दरम्यान पृष्ठभागावरील हवेच्या दाबामध्ये "सी-सॉ" आहे. पूर्वेकडील उष्णकटिबंधीय पॅसिफिक आणि डार्विनमधील ताहिती येथे एकाच वेळी विरुद्ध समुद्रसपाटीच्या दाबाच्या विसंगतींचे वैशिष्ट्य आहे. ऑस्ट्रेलियाच्या वायव्य किनारपट्टीवर. दक्षिणी दोलन चा शोध सर गिल्बर्ट वॉकर यांनी 1920 च्या सुरुवातीस लावला होता. नंतर, त्रिमितीय दक्षिणी दोलन शी संबंधित पूर्व-पश्चिम परिसंचरण शोधले गेले आणि त्याला वॉकर सर्कुलेशन असे नाव देण्यात आले. दक्षिणी दोलन ची नियतकालिकता सुमारे 2-5 वर्षे असते. दक्षिणी दोलन चा सर्वात सामान्य निर्देशांक ताहिती आणि डार्विन (ताहिती – डार्विन) येथील प्रमाणित समुद्र पातळीच्या दाब विसंगतींमधील फरक म्हणून मोजला जातो.

एल निनो आणि ला निना हे दक्षिणी दोलन च्या विरुद्ध टप्प्यांचे महासागरातील प्रकटीकरण आहेत, जी एक वातावरणीय घटना आहे. एल निनो हे मध्य आणि पूर्व विषुववृत्तीय प्रशांत महासागरातील समुद्राच्या पृष्ठभागाच्या तापमानात वाढ होण्याचे वैशिष्ट्य आहे, ज्याची सुरुवात ख्रिसमसच्या वेळी होते (म्हणूनच "अल निनो", जे ख्रिस्ताच्या मुलाचा संदर्भ आहे). याला दक्षिणी दोलन चा उबदार टप्पा म्हणतात. दक्षिणी दोलन चा थंड टप्पा, "ला निना" नावाचा पूर्व विषुववृत्तीय पॅसिफिकमध्ये उच्च दाब, पश्चिमेला कमी आणि मध्य आणि पूर्व पॅसिफिकमध्ये असामान्यपणे थंड SST द्वारे वैशिष्ट्यीकृत आहे.

ENSO (El Nino Southern Oscillation) हे एल निनो आणि दक्षिणी दोलन एकाच जागतिक महासागर-वातावरणाच्या युग्मित घटनेचे घटक आहेत या वस्तुस्थितीवर जोर देण्यासाठी डिझाइन केलेले संक्षिप्त रूप आहे.

मान्सून आणि ENSO दोन्ही महासागर-वातावरण युगल घटना आहेत. मान्सून आणि ENSO यांच्यात एक सामान्य व्यस्त संबंध आहे. ENSO चा उबदार टप्पा सामान्यत: सामान्य मान्सूनपेक्षा कमकुवत आणि त्याउलट असतो. तेथे 1885-2007 या कालावधीत 36 वर्षे उबदार ENSO (एल निनो) आणि 25 वर्षे थंड ENSO (ला निना) होते. 35 पैकी 15 एल निना वर्षांमध्ये (42%), भारतीय उन्हाळा मान्सूनचा पाऊस (ISMR) सामान्यपेक्षा कमी होता आणि 25 ला निना वर्षांपैकी 9 (36%), ISMR सामान्यपेक्षा जास्त होता. यावरून असे दिसून येते की कोणीही नाही ENSO आणि ISMR मधील एका पत्रव्यवहारासाठी.

मान्सून प्रणाली ही एक ग्रहीय स्केल प्रणाली आहे आणि ती वेगवेगळ्या अवकाशीय आणि ऐहिक स्केलवर मोठ्या प्रमाणात बदलते. दीर्घावधी पूर्वानुमानाचा उपयोग मुख्यत्वे मोठ्या प्रदेशावरील मान्सूनच्या पावसाच्या आंतरवार्षिक परिवर्तनशीलतेचा अंदाज लावण्यासाठी केला जातो. मान्सूनच्या अभिसरणावर विविध जागतिक आणि प्रादेशिक घटकांच्या प्रभावाव्यतिरिक्त, मान्सूनचा पाऊस क्षेत्राचा भूगोल स्थानिक घटकांवर अवलंबून असतो. परिणामी, आपण जितके क्षेत्र लहान मानतो तितके मोठे प्रदेशावरील पावसाची परिवर्तनशीलता असेल. त्यामुळे, इतक्या मोठ्या परिवर्तनशीलतेचे मॉडेल करणे सोपे नाही अंदाजकर्त्यांच्या मदतीने पाऊस. म्हणूनच सलग सामान्य मान्सूनच्या अलीकडच्या मालिकेतही (1988-2001) देशाच्या अनेक भागांमध्ये संपूर्ण दुष्काळी परिस्थिती निर्माण झाली होती.

संभाव्य LRF (लाँग रेंज फोरकास्ट) घटना किंवा घटना किंवा संच नसलेल्या घटनांची संभाव्यता प्रदान करते. पूर्णपणे समावेशक कार्यक्रम. संभाव्य LRF प्रायोगिक मॉडेलमधून तयार केले जाऊ शकते किंवा एन्सेम्बल प्रेडिक्शनमधून तयार केले जाऊ शकते प्रणाली (EPS). घटना वर्गांमध्ये वर्गीकृत केल्या जाऊ शकतात (सामान्य वर/खाली किंवा वर/जवळ/सामान्य पेक्षा खाली). ए जरी सुसंगततेसाठी समान-संभाव्य श्रेणींना प्राधान्य दिले जात असले तरी, इतर वर्गीकरणे समान पद्धतीने वापरली जाऊ शकतात.

हिंद महासागर द्विध्रुव (IOD) ज्याला इंडियन निनो देखील म्हणतात, समुद्राच्या पृष्ठभागाच्या तापमानाचा एक अनियमित दोलन आहे. जे पश्चिम हिंद महासागर वैकल्पिकरित्या गरम होते आणि नंतर महासागराच्या पूर्वेकडील भागापेक्षा थंड होते. आयओडी देखील भारतीय उपखंडातील मान्सूनच्या ताकदीवर परिणाम होतो. एक लक्षणीय सकारात्मक IOD 1997-8 मध्ये दुसर्‍यासह आला 2006 मध्ये. IOD हा जागतिक हवामानाच्या सामान्य चक्राचा एक पैलू आहे, जो एल सारख्या समान घटनांशी संवाद साधतो. प्रशांत महासागरातील निनो-सदर्न ऑसिलेशन (ENSO).

मॅडन ज्युलियन ऑसिलेशन (MJO) ही उष्ण कटिबंधातील वातावरण-महासागर युग्मित घटनांपैकी एक आहे, ज्याचा भारतीय उन्हाळी मान्सूनवर खोल प्रभाव पडतो. एमजेओ हे उष्णकटिबंधीय आंतर-हंगामी हवामानातील अग्रगण्य मोड आहे परिवर्तनशीलता आणि जागतिक अवकाशीय स्केलवर संस्थेद्वारे वैशिष्ट्यीकृत आहे ज्याचा कालावधी विशेषत: 30-60 दिवसांपर्यंत असतो, जे मॅडन आणि ज्युलियन यांनी 1971 मध्ये एका प्रकाशित पेपरमध्ये शोधले होते. त्याची खालील वैशिष्ट्ये आहेत:- • MJO ही एक प्रचंड हवामान घटना आहे ज्यामध्ये सखोल संवहन आणि वातावरणातील अभिसरण, हळूहळू पूर्वेकडे सरकते. भारतीय आणि पॅसिफिक महासागर. • MJO हा विषुववृत्तीय प्रवासाचा विसंगत पावसाचा नमुना आहे जो ग्रहांच्या प्रमाणात असतो. • प्रत्येक चक्र अंदाजे 30-60 दिवस टिकते. 30-60 दिवस दोलन, 30-60 दिवस लहरी किंवा इंट्रासीझनल ऑसिलेशन (ISO) म्हणूनही ओळखले जाते. • MJO मध्ये वारा, समुद्राच्या पृष्ठभागाचे तापमान (SST), ढगाळपणा आणि पर्जन्यमानातील फरक यांचा समावेश होतो. • संवहनशील क्रियाकलापांच्या स्थानावर आधारित MJO चा कालावधी 1-8 टप्प्यात विभागला जातो आणि प्रत्येक टप्पा अंदाजे 7 ते 8 दिवस टिकतो. MJO हा उष्णकटिबंधीय आंतर-हंगामी परिवर्तनशीलतेचा सर्वात महत्त्वाचा मार्ग असल्याने मान्सूनवर संभाव्य महत्त्वाचा प्रभाव विस्तारित श्रेणी टाइम स्केलवर आशियाई प्रदेशातील क्रियाकलाप (7 दिवस ते 1 महिन्यापर्यंत), सांख्यिकीय किंवा संख्यात्मक क्षमता मान्सूनचे सक्रिय/ब्रेक सायकल कॅप्चर करण्यासाठी एमजेओ सिग्नल कॅप्चरिंगमधील मॉडेल्स अत्यंत महत्त्वपूर्ण आहेत.

हवेचा दाब, तापमान, पर्वतराजी, महासागरातील प्रवाह आणि इतर अनेक घटक एकत्र येऊन प्रचंड प्रमाणात उत्पादन करतात. परस्परसंवादी व्हेरिएबल्सचे जे सर्व हवामान कमी किंवा जास्त प्रमाणात बदलू शकतात. तथापि, अधिक समज विज्ञानाचे, तसेच शक्तिशाली संगणक मॉडेल्सचा वापर, अधिक अचूक अंदाज बांधण्याची आमची क्षमता सुधारत राहते जास्त लीड वेळा सह.

मानकीकृत पर्जन्य निर्देशांक (SPI) हे एक साधन आहे जे प्रामुख्याने दुष्काळ परिभाषित करण्यासाठी आणि निरीक्षण करण्यासाठी विकसित केले गेले आहे. हे विश्लेषकाला कोणत्याही व्याजाच्या दिलेल्या वेळेच्या प्रमाणात (तात्पुरती निराकरण) दुष्काळाची दुर्मिळता निर्धारित करण्यास अनुमती देते. ऐतिहासिक डेटासह पर्जन्य स्टेशन. हे विसंगतपणे ओले घटनांचे कालावधी निर्धारित करण्यासाठी देखील वापरले जाऊ शकते. SPI नाही आहे दुष्काळ अंदाज साधन.