Journal of Watershed Management Research

fa پیش‌نگری متغیرهای اقلیمی دما و بارش بر اساس برونداد مدل ‎های CMIP5 و CMIP6 در حوزه آبخیز گدار‌چای (آذربایجان‌غربی) Projection of Future Climatic Variables based on CMIP5 and CMIP6 Models in the Gedarchay Catchment (West Azarbaijan) هواشناسی هواشناسی پژوهشي Research <div style="text-align: justify;">چکیده مبسوط مقدمه و هدف: مهم‌ترین معضل کره ‌زمین در قرن حاضر، افزایش دمای کره‌ زمین و تغییر در متغیرهای اقلیمی به&lrm;علت صنعتی‌شدن جوامع و افزایش گازهای گلخانه‌ای می‌باشد، از این&lrm;رو بررسی روند افزایش دما و تغییر در متغیرهای اقلیمی در مقیاس جهانی و منطقه‌ای بسیار مهم می‌باشد. تاکنون برای پیش‌نگری وضعیت آتی اقلیم، مدل‌های گردش عمومی متعددی طراحی شده‌است؛ ولی به&lrm;علت عدم استفاده بهینه از خروجی‌ این مدل&lrm;ها به&lrm;علت محدودیت در تفکیک مکانی در مقیاس محلی، روش‌های مختلف و جدیدی به&lrm;منظور استفاده از خروجی این مدل&lrm;ها در مقیاس منطقه‌ای و محلی ابداع شده‌است. حوزه آبخیز گدارچای به&lrm;واسطه وجود رودخانه گدار و آب&lrm;های زیرزمینی، از اهمیت ویژه&lrm;ای به&lrm;ویژه در بخش کشاورزی برخوردار است و مطالعات مختلفی بر روی آن انجام شده است. حوزه آبخیز گدارچای به&lrm;واسطه وجود رودخانه گدار و آب&lrm;های زیرزمینی، از اهمیت ویژه&lrm;ای به&lrm;ویژه در بخش کشاورزی برخوردار است و مطالعات مختلفی بر روی آن انجام شده است. ولی تاکنون مطالعه&lrm;ای در خصوص بررسی اثرات تغییر اقلیم تحت سناریوهای SSP گزارش ششم که اثر فعالیت&lrm;های اجتماعی- اقتصادی را درنظر می&lrm;گیرد، در این حوزه صورت نگرفته است. لذا هدف اصلی این پژوهش، بررسی تغییرات متغیرهای اقلیمی برای دوره‌های آتی در حوزه آبخیز گدار نقده در شرایط سناریوهای انتشار RCP در گزارش پنجم (CMIP5) و سناریوهای SSP گزارش ششم (CMIP6) که ترکیب مقادیر انتشار گازهای گلخانه&lrm;ای و فعالیت&lrm;های اجتماعی-اقتصادی است، می&lrm;باشد. نتایج این مطالعه می&lrm;تواند برای سیاست&lrm;گذاری و برنامه&lrm;ریزی منابع آب در آینده مؤثر باشد. مواد و روش‌ها: در این پژوهش جهت بررسی تغییرات متغیرهای اقلیمی در حوزه آبخیز گدار نقده واقع در شمال غرب کشور از مدل ریزمقیاس نمایی SDSM استفاده شده ‌است. ابتدا میزان کارایی این مدل برای متغیرهای اقلیمی مورد ارزیابی قرار گرفت، سپس متغیرهای مذکور تا سال 2100 پیش‌نگری شد. کالیبراسیون و واسنجی مدل SDSM با استفاده از داده‌های مشاهداتی ایستگاه سینوپتیک مهاباد و داده‌های NCEP انجام شد، همچنین برای ارزیابی مدل از معیارهای ضریب همبستگی، میانگین خطای مطلق و مجذور میانگین مربعات خطا استفاده شد و پس از اطمینان از کارایی مدل، خروجی‌های مدل CanESM2 و CanESM5 در دوره‌های زمانی 2050-2031 و 2081-2100  در حوزه آبخیز گدار نقده، تحت سناریوهای RCP 2.6, 4.5, 8.5 و SSP1-2.6, 2-4.5, 5-8.5 توسط مدل آماری SDSM ریزمقیاس انجام گرفت. یافته‌ها: ارزیابی و واسنجی مدل با استفاده از داده&lrm;های NCEP صورت گرفته و با استفاده از داده&lrm;های CanESM2 و CanESM5، میزان بارش، دمای حداکثر و حداقل برای ایستگاه مهاباد برای دو دوره 2031-2050 و 2081-2100 پیش‌بینی و با دوره پایه مقایسه گردید. ارزیابی دقت مدل SDSM بر اساس آماره&lrm;های میانگین خطای مطلق، با استفاده از خروجی مدل CanESM2، برای بارش، دمای حداکثر و دمای حداقل، به‌ترتیب، 1/645، 0/029 و 0/031 با استفاده از مدل CanESM5، برای بارش، دمای حداکثر و دمای حداقل، به‌ترتیب، 0/73، 1/10 و 1/89، ضریب همبستگی با استفاده از مدل CanESM2، برای بارش، دمای حداکثر و دمای حداقل، به‌ترتیب، 0/998، 0/999 و 0/999 و با استفاده از مدل CanESM5، برای بارش، دمای حداکثر و دمای حداقل، به‌ترتیب، 0/999، 0/993 و 0/971 بدست آمد. مجذور میانگین مربعات خطا نیز با استفاده از مدل CanESM2 به‌ترتیب 2/240، 0/043 و 0/045 و با استفاده از مدل CanESM5 به‌ترتیب 0/89، 1/49 و 2/07 به&lrm;دست آمده ‌است. بر اساس نتایج به&lrm;دست آمده، میانگین دمای حداکثر در دوره 2050-2031 و تحت سناریوی RCP، به&lrm;میزان 0/93 درجه سانتی&lrm;گراد افزایش یافته ولی در دوره 2081-2100 ثابت خواهد ماند. در حالی&lrm;که تحت سناریوی SSP، در دوره 2031-2050 به&lrm;میزان 1/24 درجه سانتی&lrm;گراد و برای دوره 2081-2100 حدود 0/35 درجه سانتی&lrm;گراد افزایش خواهد یافت. افزایش میانگین دمای حداقل تحت سناریوی RCP در دوره اول و دوم به&lrm;ترتیب 0/27 و 0/28 درجه سانتی&lrm;گراد و تحت سناریوی SSP در دوره اول و دوم به&lrm;ترتیب 0/46 و 0/43 درجه سانتی&lrm;گراد خواهد بود. افزایش میزان بارش نیز تحت سناریوی RCP، در دو دوره به&lrm;ترتیب 0/59 و 0/38 میلی&lrm;متر و تحت سناریوی SSP، در دو دوره به&lrm;ترتیب 2/15 و 1/64 میلی&lrm;متر خواهد بود. نتیجه‌گیری: با توجه به نتایج حاصل از ارزیابی دقت مدل SDSM در پیش&lrm;نگری بارش، دمای حداکثر و دمای حداقل بر اساس آماره&lrm;های R، MAE و RMSE، انطباق زیادی بین مقادیر پیش&lrm;نگری شده و دوره پایه وجود دارد. طبق نتایج به&lrm;دست آمده، افزایش میزان بارش و دمای حداقل برای دوره‌های آینده نزدیک و آینده دور و نیز افزایش دمای حداکثر در دوره آینده نزدیک و ثبات آن در آینده دور مشاهده شد. با توجه به اهمیت پدیده تغییر اقلیم و به&lrm;تبع آن، اثرات تغییر اقلیم در کشاورزی، محیط زیست و وضعیت منابع آبی و طبیعی لازم است کلیه مدیران، برنامه‌ریزان و مسئولین ذی‌ربط راهکارهای مناسب و لازم مانند تغییر الگوی کشت، استفاده از گونه&lrm;های کشاورزی مقاوم به خشکی، ایجاد سیستم&lrm;های پیش‌آگاهی و آموزش شیوه&lrm;های سازگاری با تغییر اقلیم برای کشاورزان و نیز استفاده از انرژی&lrm;های تجدیدپذیر را برای تعدیل و کاهش خسارات ناشی از تغییرات اقلیم اتخاذ نمایند.  </div> <div style="text-align: justify;">Extended Abstract Background: The primary issue facing the Earth in this century is the increase in global temperatures and changes in climate variables due to industrialization and rising greenhouse gas emissions. Therefore, it is crucial to investigate temperature trends and climatic changes on both global and regional scales. While several general circulation models have been developed to predict future climate states, different and new methods have been invented to use the output of these models on regional and local scales due to the lack of optimal use of the output of these models caused by the limitation in spatial resolution on the local scale. The Gedarchay watershed is significant for its Gedarchay river basin and groundwater resources—especially in agriculture—, hence it has been the focus of various studies. However, no research has yet studied the impacts of climate change under SSP scenarios of the 6th report, which incorporate socio-economic factors. Thus, this study aims to analyze future changes in climate variables for the Gedarchay Naghadeh watershed under the RCP emission scenarios of the fifth report (CMIP5) and the SSP scenarios of the sixth report (CMIP6), integrating greenhouse gas emissions and socioeconomic activities. The findings could significantly inform future water resource policymaking and planning. Methods: This research utilized the SDSM microscale exponential model to analyze climatic variable changes in the Gedarchay Naghadeh watershed in northwestern Iran. The model's effectiveness was first assessed for climate variables, followed by predictions extending to 2100. Calibration and recalibration were performed using observational data from the Mahabad Synoptic Station and NCEP data. The model's performance was evaluated using correlation coefficients, mean absolute error, and mean square error. After confirming the model's reliability, outputs from the CanESM2 and CanESM5 models were studied for the periods 2031-2050 and 2081-2100 under the RCP 2.6, 4.5, 8.5 and SSP1-2.6, 2-4.5, 5-8.5 scenarios by the microscale SDSM statistical model. Results: The model's evaluation and recalibration were done using NCEP, CanESM2, and CanESM5 data to forecast and compare precipitation, maximum, and minimum temperatures for the Mahabad station across two periods 2031-2050 and 2081-2100, against a baseline. The accuracy of the SDSM model was assessed using average absolute error statistics, and the errors for precipitation, maximum, and minimum temperatures were 1.645, 0.029, and 0.031, respectively, with CanESM2; their values were 0.73, 1.10, and 1.89. Correlation coefficients were also calculated, yielding 0.998, 0.999, and 0.999 for the CanESM2 model and 0.999, 0.993, and 0.971 for the CanESM5 model. The mean squared errors were 2.240, 0.043, and 0.045 for CanESM2, and 0.89, 1.49, and 2.07 for CanESM5. Results indicate that the average maximum temperature is projected to rise by 0.93 °C from 2031 to 2050 under the RCP scenario but it remains stable from 2081 to 2100. Increases of 1.24 °C in 2031-2050 and 0.35 °C in 2081-2100 were anticipated under the SSP scenario. The average minimum temperature increases for the RCP scenario were 0.27 and 0.28 °C for the respective periods, and 0.46 and 0.43 °C for the SSP scenario. Rainfall is projected to rise by 0.59 and 0.38 mm in the RCP scenario during the two periods, compared to increases of 2.15 and 1.64 mm, respectively, under the SSP scenario. <v:shape href="https://creativecommons.org/licenses/by-nc/4.0/?ref=chooser-v1" id="Picture_x0020_17" o:button="t" style="position:absolute; left:0; text-align:left; margin-top:89px; width:63.85pt; height:23.6pt; z-index:251678720" type="#_x0000_t75"> <v:fill o:detectmouseclick="t"> </v:fill></v:shape><v:shape filled="f" id="Text_x0020_Box_x0020_16" o:gfxdata="UEsDBBQABgAIAAAAIQC75UiUBQEAAB4CAAATAAAAW0NvbnRlbnRfVHlwZXNdLnhtbKSRvU7DMBSF dyTewfKKEqcMCKEmHfgZgaE8wMW+SSwc27JvS/v23KTJgkoXFsu+P+c7Ol5vDoMTe0zZBl/LVVlJ gV4HY31Xy4/tS3EvRSbwBlzwWMsjZrlprq/W22PELHjb51r2RPFBqax7HCCXIaLnThvSAMTP1KkI +gs6VLdVdad08ISeCho1ZLN+whZ2jsTzgcsnJwldluLxNDiyagkxOquB2Knae/OLUsyEkjenmdzb mG/YhlRnCWPnb8C898bRJGtQvEOiVxjYhtLOxs8AySiT4JuDystlVV4WPeM6tK3VaILeDZxIOSsu ti/jidNGNZ3/J08yC1dNv9v8AAAA//8DAFBLAwQUAAYACAAAACEArTA/8cEAAAAyAQAACwAAAF9y ZWxzLy5yZWxzhI/NCsIwEITvgu8Q9m7TehCRpr2I4FX0AdZk2wbbJGTj39ubi6AgeJtl2G9m6vYx jeJGka13CqqiBEFOe2Ndr+B03C3WIDihMzh6RwqexNA281l9oBFTfuLBBhaZ4ljBkFLYSMl6oAm5 8IFcdjofJ0z5jL0MqC/Yk1yW5UrGTwY0X0yxNwri3lQgjs+Qk/+zfddZTVuvrxO59CNCmoj3vCwj MfaUFOjRhrPHaN4Wv0VV5OYgm1p+LW1eAAAA//8DAFBLAwQUAAYACAAAACEAJ0jvAGIEAAB4DwAA HwAAAGNsaXBib2FyZC9kcmF3aW5ncy9kcmF3aW5nMS54bWzsV9tu2zgQfV9g/2Gg5zqWHdtJjCqF 6266BdI0iJMPoCna4oYitSTlS/5of2O/bA8puXbSot1L+rBAEkAyh6Ph8BzOha/fbEpFK2GdNDpL ekdpQkJzk0u9zJK724vOaULOM50zZbTIkq1wyZvzn396zcZLy6pCcoIF7cYsSwrvq3G363ghSuaO TCU05hbGlsxjaJfd3LI1LJeq20/TUbdkUifne1PvmGdUW/kvTCnD70U+ZXrFHEwqPj6UtD4q/t8t s7FevbfVrLq2wXN+tbq2JPMsAXKalYAo6bYTrRqG3SdfLfcGNgtbBn2zWNAGDJydpSf9YULbLDk7 GaT90bCxJzaeOBQGw/5p7xQKHBrHp73RcavAi0/fMcGLX75tBG427uDHgYuuCg7q1Zd77o12m74N /r01G4Jot/+gT34DKfYVeXbVJXhypM20YHopJtaadSFY7oJGAxQQbRaKoO3WdMHWfP3R5ECY1d5E e88E3ud9s3FlnX8vTEnhR5ZYwX1cia0unW8c3KlEUMyFVCpuWOlHAtgMEryC62HKb2YRyIBIvg2S Od7YljVYCccHYeg/4bFQZp0lXMkqocLYh6eyoIeDjJmE1gjCLHG/18yKhNQHDSTPeoMBzPk4GAxP +hjYw5n54QzTHKayxCfU/Jx6jPBJXVm5LLBSw502E8C+kC0Kje9hF8r5md8qEVGIOwxcMbVEQvmt dg1+Ss8qHrRdxa+5pxVTMJyepGna8n6oMVn4na53je5ODd/HWQDb4hrBtVhS4UhlidCduxmS1kOW jGA82BGLBXhsCIS/zEtNfluJBeM4TVOm5NzKhCqmjYMg7acX6RDP8D9Ij8MTs9Lz4oKVUoXAg4AX zDoRqYtbF+wHGOXuwOhb+ii9ZQeeAj54+Ojviaf9A0c7J6ct2IArAOPPp6baRprpzz+w3QFNHmQp O7+yOXOFJOFB5BFd13MlXSFymm9pxqykydJKXitfW6ZoxiWKhnA4QDldsUZ4I5ypbZDeaRkrjN8e hXgAtXjG9YXOr5llN18jr9f7W+w9EyY4JP8j+va4RSyboAuEvkTes4Xzj46820I6Wht7T3gryYV2 iK9a5wLJk54EyrdzHNUoAXoZc50zSuahKMUEapfzqbJtBh2Ojqe7KvtI7SU/Nom8zY9sXCip76cg 5b7tHFERv9/dooUDje8Mr0uhfdPiWhHKjdFIppVDGR6HVtF+yHc87BOxFVBcCZqasoQ+Tby3cl6H jztXRgexsFwi3Q6OUuTUyliPA3PZnJx/dF5eauK+eH+lJtIa15oChQ99mKPa4XZE3hAIyl8RR8F8 Rbl0DTsi1ryS3QtC4MpVw2EIa0e4+aDT1R2+p66qbYUeA3MWPaYvBOFuhO+YekUMacDoZXiHCTS5 6MvILOLIoEhLDfJ3GYPLwH5lccuy6qWwPlNf9GVhDQ3L54YdZ2FW3aCXbG4CTUcPjXBD6j65c8bK 3N6Rw8X2cHz+FwAAAP//AwBQSwMEFAAGAAgAAAAhAJEtaklYBgAADxoAABoAAABjbGlwYm9hcmQv dGhlbWUvdGhlbWUxLnhtbOxZS28bNxC+F+h/WOy9sd6KjciBrUfcxE6CSEmRI6WldhlzlwuSsqNb kZx6KVAgLXpogN56KIoGaIAGvfTHGHDQpj+iQ+5DpETFD7hAUMQCjN3Zb4bDmdlvSO6Nm09j6h1h LghLOn71WsX3cDJhAUnCjv9wNPjsuu8JiZIAUZbgjj/Hwr+5/eknN9DWhJJ0zBAPRhGOsQeGErGF On4kZbq1sSEmIEbiGktxAs+mjMdIwi0PNwKOjmGAmG7UKpXWRoxI4m+DRakM9Sn8S6RQggnlQ2UG ewmKYfR70ymZYI0NDqsKIeaiS7l3hGjHB5sBOx7hp9L3KBISHnT8iv7zN7ZvbKCtXInKNbqG3kD/ 5Xq5QnBY02PycFwO2mg0G62d0r4GULmK67f7rX6rtKcBaDKBmWa+mDabu5u7vWaONUDZpcN2r92r Vy28Yb++4vNOU/0svAZl9hsr+MGgC1G08BqU4Zsr+EajXes2LLwGZfjWCr5d2ek12hZegyJKksMV dKXZqneL2ZaQKaN7TvhmszFo13LjCxRUQ1ldaogpS+S6WovRE8YHAFBAiiRJPDlP8RRNoCa7iJIx J94+CSMovBQlTIC4UqsMKnX4r34NfaUjgrYwMrSVX+CJWBEpfzwx4SSVHf82WPUNyOmbNyfPXp88 +/3k+fOTZ7/mY2tTlt4eSkJT791P3/zz8kvv799+fPfi22zoZbww8W9/+ertH3++zzzMeBGK0+9e vX396vT7r//6+YXD+g5HYxM+IjEW3l187D1gMUzQ4T8e84tpjCJETI2dJBQoQWoUh/2+jCz03Tmi yIHbxXYcH3GgGhfw1uyJ5fAw4jNJHBbvRLEFPGCM7jLujMIdNZYR5tEsCd2D85mJe4DQkWvsLkqs LPdnKXAscZnsRthy8z5FiUQhTrD01DN2iLFjdo8JseJ6QCacCTaV3mPi7SLiDMmIjK1qWijtkRjy Mnc5CPm2YnPwyNtl1DXrHj6ykfBuIOpwfoSpFcZbaCZR7DI5QjE1A76PZORycjjnExPXFxIyHWLK vH6AhXDp3OMwXyPpd4Bm3Gk/oPPYRnJJDl029xFjJrLHDrsRilMXdkiSyMR+Lg6hRJF3n0kX/IDZ b4i6hzygZG26HxFspftsNngIDGu6tCgQ9WTGHbm8hZlVv8M5nSKsqQYagMXrMUnOJPklem/+d/QO JHr6w0vHjK6G0t2GrXxckMx3OHG+TXtLFL4Ot0zcXcYD8uHzdg/NkvsYXpXV5vWRtj/Stv+/p+11 7/PVk/WCn4G61bI1W67rxXu8du0+JZQO5ZzifaGX7wK6UjAAodLTe1Rc7uXSCC7VmwwDWLiQI63j cSa/IDIaRiiFNX7VV0ZCkZsOhZcyAUt/LXbaVng6iw9YkG1Zq1W1Pc3IQyC5kFeapRy2GzJDt9qL bVhpXnsb6u1y4YDSvYgTxmC2E3WHE+1CqIKkN+cQNIcTemZX4sWmw4vrynyRqhUvwLUyK7Bs8mCx 1fGbDVABJdhVIYoDlacs1UV2dTKvMtPrgmlVAKwhigpYZHpT+bp2emp2WamdI9OWE0a52U7oyOge JiIU4Lw6lfQ8blw015uLlFruqVDo8aC0Fm60r7/Pi8vmGvSWuYEmJlPQxDvu+K16E0pmgtKOP4Wt P1zGKdSOUMtdREM4NJtInr3wl2GWlAvZQyLKAq5JJ2ODmEjMPUrijq+mX6aBJppDtG/VGhDCB+vc JtDKh+YcJN1OMp5O8USaaTckKtLZLTB8xhXOp1r98mClyWaQ7mEUHHtjOuMPEJRYs11VAQyIgBOg ahbNgMCRZklki/pbakw57ZpnirqGMjmiaYTyjmKSeQbXVF66o+/KGBh3+ZwhoEZI8kY4DlWDNYNq ddOya2Q+rO26ZyupyBmkueiZFquorulmMWuEog0sxfJyTd7wqggxcJrZ4TPqXqbczYLrltYJZZeA gJfxc3TdczQEw7XFYJZryuNVGlacnUvt3lFM8AzXztMkDNZvFWaX4lb2COdwILxU5we95aoF0bRY V+pIuz5PHKDUG4fVjg+fCOBs4ilcwUcGH2Q1JaspGVzBlwNoF9lxf8fPLwoJPM8kJaZeSOoFplFI GoWkWUiahaRVSFq+p8/F4VuMOhL3veLYG3pYfkyery3sbzjb/wIAAP//AwBQSwMEFAAGAAgAAAAh AM+3/OEEAQAA8AEAACoAAABjbGlwYm9hcmQvZHJhd2luZ3MvX3JlbHMvZHJhd2luZzEueG1sLnJl bHOskctqwzAQRfeF/oOZvSU7lFJKZG/SQhbdlPQDVHn8INbIaFQT/30nzqINBLrpRiAJ3Tnnaluf /JjNGHkIZKBUBWRILjQDdQY+Dq/5E2ScLDV2DIQGFmSoq/u77TuONskj7oeJM0khNtCnND1rza5H b1mFCUlu2hC9TbKNnZ6sO9oO9aYoHnX8nQHVVWa2bwzEfbOB7LBMMvnv7NC2g8NdcF8eKd0YoZNw oQTa2GEyoNTl5LKWSlhB38Yo/xOjF6E4DnT8QTnbsVTnIkqtM7rgvZS7djaKFTGy/lxycvpBFbqO 2BrXh8AY8/kMtyq9hUaaejkljGRXF331T9U3AAAA//8DAFBLAQItABQABgAIAAAAIQC75UiUBQEA AB4CAAATAAAAAAAAAAAAAAAAAAAAAABbQ29udGVudF9UeXBlc10ueG1sUEsBAi0AFAAGAAgAAAAh AK0wP/HBAAAAMgEAAAsAAAAAAAAAAAAAAAAANgEAAF9yZWxzLy5yZWxzUEsBAi0AFAAGAAgAAAAh ACdI7wBiBAAAeA8AAB8AAAAAAAAAAAAAAAAAIAIAAGNsaXBib2FyZC9kcmF3aW5ncy9kcmF3aW5n MS54bWxQSwECLQAUAAYACAAAACEAkS1qSVgGAAAPGgAAGgAAAAAAAAAAAAAAAAC/BgAAY2xpcGJv YXJkL3RoZW1lL3RoZW1lMS54bWxQSwECLQAUAAYACAAAACEAz7f84QQBAADwAQAAKgAAAAAAAAAA AAAAAABPDQAAY2xpcGJvYXJkL2RyYXdpbmdzL19yZWxzL2RyYXdpbmcxLnhtbC5yZWxzUEsFBgAA AAAFAAUAZwEAAJsOAAAAAA== " stroked="f" style="position:absolute; left:0; text-align:left; margin-left:96px; margin-top:84px; width:356.55pt; height:30.05pt; z-index:251676672; v-text-anchor:top" type="#_x0000_t202"></v:shape> Conclusion: The evaluation of the SDSM model's accuracy in predicting precipitation, maximum temperature, and minimum temperature using R, MAE, and RMSE statistics indicates a strong alignment between predicted values and the base period. Results show an increase in precipitation and minimum temperature in both the near and distant futures, with a rise in maximum temperature in the near future and stability in the distant future. Given the significance of climate change and its impacts on agriculture, the environment, and water resources, it is essential for managers and planners to implement effective solutions. These include altering cultivation patterns, using drought-resistant crops, establishing early warning systems, training farmers in climate adaptation methods, and promoting renewable energy to mitigate climate change effects.  </div> تغییر اقلیم, سناریوهای RCP, سناریوهای SSP, گدار نقده, مدل‌ CMIP5, مدل CMIP6 Climate Change, CMIP5, CMIP6, Gedarchay Basin, RCP Scenarios, SSP Scenarios 1 16 http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-355-6&slc_lang=fa&sid=1 Sanaz Azimi-Habashi ساناز عظیمی حبشی sazimia@gmail.com 100319475328460014359 100319475328460014359 No Faculty of Natural Resources, Urmia University, Urmia, Iran دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران Mirhassan Miryaghoubzadeh میرحسن میریعقوب زاده m.miryaghoobzadeh@gmail.com 100319475328460014360 100319475328460014360 Yes Faculty of Natural Resources, Urmia University, Urmia, Iran دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران Mahdi Erfanian مهدی عرفانیان erfanian.ma@gmail.com 100319475328460014361 100319475328460014361 No Faculty of Natural Resources, Urmia University, Urmia, Iran دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران Khadijeh Javan خدیجه جوان kh.javan@urmia.ac.ir 100319475328460014362 100319475328460014362 No Faculty of Literature and Humanities, Urmia University, Urmia, Iran گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه ارومیه، ارومیه، ایران