Data la complessità del fenomeno siccità, delle sue componenti e dei diversi impatti prodotti, sono stati sviluppati negli anni innumerevoli indici, ciascuno efficace per un dato aspetto, ma non esaustivo e migliore, in assoluto, rispetto agli altri. Perché il monitoraggio della siccità possa essere di supporto alla pianificazione è necessario, quindi, l’utilizzo di un appropriato set di indicatori che rispondano al meglio ad alcuni specifici requisiti: disponibilità e consistenza di dati da elaborare; applicabilità in base alla scala spaziale ed all’area di interesse; tempestività temporale; efficacia nell’individuare l’evento (inizio, durata, intensità, estensione); specificità rispetto al tipo di siccità da monitorare (meteorologica, agricola, idrologica e socio-economica) ed agli impatti. Alcuni indici "diretti" utilizzano semplicemente dati di pioggia provenienti da stazioni meteorologiche a terra, altri sono indici "proxy" derivati dall’elaborazione di immagini satellitari che mettono in relazione la risposta della vegetazione a condizioni di stress, altri ancora possono essere relativi alle condizioni di umidità del suolo o far riferimento all’idrologia superficiale e sotterranea. Gli indici utilizzati attualmente dal LaMMA per il monitoraggio degli eventi siccitosi in Toscana fanno capo alle due tipologie "indici pluviometrici" ed "indici derivati da immagini satellitari". I dati utilizzati per elaborare gli indici provengono dalle reti di stazioni meteorologiche del Consorzio LaMMA, dell'Aeronautica Militare, dal Servizio Idrologico Regionale e da immagini satellitari MODIS. Di seguito l'elenco degli indici adottati; cliccando su ciascuno di essi è possibile avere ulteriori dettagli e riferimenti bibliografici. Indici pluviometrici Indici derivati da immagini satellitari Anomalie di pioggia Anomalie NDVI (Normalized Difference Vegetation Index) SPI - Standardized Precipitation Index VCI - Vegetation Condition Index EDI - Effective Drought Index TCI - Temperature Condition Index VHI - Vegetation Health Index