Journal of Watershed Management Research

fa تحلیل منطقه‌ای خشکسالی و پیش‌نمایی تغییرات اقلیمی در دوره‌های آتی تحت مدل CMIP6 (مطالعه موردی: استان مازندران) Local Analysis of Drought and Climate Change Projection in Future Periods under the CMIP6 Model (Case Study: Mazandaran Province) هواشناسی هواشناسی پژوهشي Research <div style="text-align: justify;">چکیده مبسوط مقدمه و هدف: تغییرات اقلیمی می‌توانند به‌طور قابل‌توجهی بر فعالیت‌های اجتماعی-اقتصادی و کیفیت زندگی به&lrm;ویژه در کشورهایی که در حال حاضر نیز با تنش‌های آبی مواجه هستند، تأثیر بگذارند. مدل‌های اقلیمی، نقش کلیدی در ارزیابی تأثیر تغییرات آب و هوایی و توسعه راهبردهای سازگاری و تاب‌آوری دارند. با توجه به اهمیت امنیت غذایی و به&lrm;دنبال آن امنیت آبی در بحث تاب‌آوری در برابر تغییرات اقلیمی و همچنین سهم قابل&lrm;توجه استان مازندران در تولید محصولات کشاورزی و تأمین غذای کشور، بررسی وضعیت خشکسالی این استان و روند تغییرات اقلیمی آن اهمیت بسیاری دارد. بنابراین در این مطالعه، شرایط خشک‌سالی و ترسالی دوره 20 ساله پایه استان مازندران، با استفاده از شاخص تک متغیره بارش استاندارد شده مورد ارزیابی قرار گرفت. سپس با به‌کارگیری پنج مدل گردش جهانی (GCM) موجود در فاز 6 پروژه برونداد اقلیمی (CMIP6)، تحت سه سناریو SSP2.6، SSP4.5 و SSP8.5، پیش‌نمایی‌های دما و بارش در مقیاس محلی در دوره‌های آینده انجام شد. مواد و روش‌ها: در منطقه مورد مطالعه، شش ایستگاه هواشناسی رامسر، نوشهر، سیاه‌بیشه، بابلسر و قراخیل، به&lrm;دلیل پوشش بیشترین سال آماری و توزیع مکانی مناسب در سطح منطقه انتخاب شدند. سری‌های زمانی بارش، دمای حداکثر و حداقل روزانه برای شش ایستگاه انتخابی در منطقه با دوره آماری پایه 20 ساله (دوره ژانویه 1999 االی دسامبر 2018) جمع‌آوری شدند. پس از اطمینان از کیفیت داده‌ها، روند تغییرات آن‌ها با استفاده از آزمون‌های من کندال و شیب سن مورد بررسی قرار گرفتند. مقادیر شاخص بارش استاندارد در بازه‌های مختلف محاسبه شد و مورد ارزیابی قرار گرفت. در نهایت، داده‌های در مقیاس بزرگ از پنج مدل گردش عمومی (ACCESS-CM2، CanESM2، CNRM-CM-6-1، MRI-ESM2-0 و NESM3)، توسط مولد آب و هوایی LARS-WG6 ریزمقیاس‌نمایی شدند. بدین&lrm;ترتیب، پیش‌یابی‌های تغییرات فصلی و سالانه برای Tmax، Tmin و بارش در دو دوره آینده (2060-2040) و(2100-2080) با استفاده از میانگین GCMهای منتخب انجام گرفت. یافته‌ها: نتایج بررسی آماری داده‌های تاریخی، روندهای افزایشی برای دمای حداقل و حداکثر و روند کاهشی برای بارش در دوره پایه را نشان می‌دهند، اما هیچ&lrm;یک از این روندها در سطح احتمالاتی 0/05 معنادار نبوده است. همچنین، تجزیه و تحلیل‌ها بیانگر وقوع حاد‌ترین خشک‌سالی‌ها در استان در سال‌های 2007 ، 2009 و اواخر 2011 و اوایل 2012 و نیز 2018 می‌باشد، به‌طوری‌که در تمامی ایستگاه‌ها مقدار SPI به کمتر از 1/0- رسید. مرطوب‌ترین سال‌های استان نیز سال‌های 2004 الی 2006 و نیز سال 2017 هستند. در تمامی ایستگاه‌های منطقه فراوانی نسبی دوره‌های مرطوب بیشتر از دوره‌های خشک می‌باشد. در بحث ریزمقیاس‌نمایی، نتایج تائید کننده‌ی قابلیت مدلLARS-WG6 در شبیه‌سازی دما با دقت بیشتری نسبت به بارش در سطح استان هستند که خطاهای شبیه‌سازی بارش در فصل‌های پرباران، بیشتر هستند. در این نتایج برای دمای حداکثر و حداقل ماهانه، کمترین مقادیر ضریب همبستگی، 0/941 و مقادیر ریشه میانگین مربعات خطا مابین 1/05 و 3/82 درجه سانتی&lrm;گراد می‌باشد. بیشترین تفاوت‌های مقادیر بارش تولید شده و مشاهداتی در ماه‌های پرباران بود که GCMها حجم بارندگی‌ها را بسیار دست پایین تخمین می‌زنند. در تجزیه و تحلیل تغییرات اقلیمی در آینده، هر پنج GCM نشان دادند که افزایش مداوم دما در منطقه مورد مطالعه پیش‌بینی می‌شود. با این&lrm;حال، تفاوت در میزان تغییرات پیش‌یابی شده در GCM‌ها و SSP‌ها مختلف دیده شد. این تغییرات دمای پیش‌بینی‌شده قابل‌توجه و قابل اعتماد هستند زیرا تمامی مدل‌ها در مورد جهت تغییر دما در کل استان توافق دارند. به‌طور کلی، افزایش میانگین Tmax و Tmin تحت SSP8.5 در مقایسه با SSP4.5 به دلیل انتشار گازهای گلخانه‌ای کاهش نیافته، قابل ملاحظه است. به‌طوری که تحت سناریوی SSP8.5 در سال‌های 2050 و 2090 بیشترین تغییرات متوسط در سطح استان برای دمای حداکثر، به‌ترتیب 2/64 و 4/72 درجه سانتی&lrm;گراد افزایش در فصل بهار و بیشترین تغییرات متوسط دمای حداقل، به‌ترتیب 2/97 و 4/83 درجه سانتی&lrm;گراد افزایش در فصل پاییز محاسبه گردید. تغییر بارش آینده پیچیدگی و عدم قطعیت بیشتری را نسبت به دما نشان داد. بالاترین میزان تغییرات افزایشی حجم بارش در سطح استان در سال 2090 در سناریوهای SSP4.5 و SSP8.5 در ایستگاه رامسر به‌میزان 40/5 و 51/9 درصد اعلام می‌گردد. همچنین، در سطح استان به‌طور متوسط تحت سناریوهای SSP4.5 و SSP8.5 در افق (2060-2040) به‌ترتیب 38/86 و 43/95 درصد و در افق (2100-2080) به‌ترتیب 45/11 و 65/94 درصد افزایش حجم بارندگی پیش‌یابی می‌شود. به این ترتیب، با استناد به نتایج مطالعه حاضر، در سطح استان، تغییرات به&lrm;سمت دوره مرطوب‌تر در طول دوره‌های آینده پیش می‌رود که بخش غربی استان با افزایش بارندگی بیشتری مواجه می‌گردد. نتیجه‌گیری: بررسی وضعیت خشک‌سالی در دوره پایه بیانگر وقوع دوره‌های با بارندگی نزدیک به نرمال در بازه‌های طولانی‌تر می‌باشد و ایستگاه‌های ساری و قراخیل نسبت به ایستگاه‌های غرب استان خشکی بیشتری را گزارش می‌دهند. همه مدل‌های پیش‌یابی GCM، نتایج یکسانی را در روندهای افزایش گرمایش قابل&lrm;توجهی در این استان ارائه دادند ولی برای بارش به&lrm;دلیل حساسیت موضوع و عدم قطعیت‌های دخیل بر مسأله، پیشنهاد می‌شود که مدل‌های دیگر در این رابطه مورد بررسی قرار گیرد. بنابراین، با توجه به تأثیر تغییرات پارامترهای دمایی و بارش بر منابع آبی و سیلاب‌های منطقه، ضروری است جهت سازگاری و تاب‌آوری در برابر تغییرات اقلیمی، راهکارهای مدیریتی مناسب برای آینده اتخاذ گردد.  </div> <div style="text-align: justify;">Extended Abstract Background: Climate changes can significantly affect socioeconomic activities and quality of life, especially in countries that are currently facing water tensions. Climate models play a key role in assessing the impact of climate change and developing adaptation and resilience strategies. Considering the importance of food security and then water security in resilience against climate change, as well as the significant contribution of Mazandaran province in the production of agricultural products and food supply of the country, it is very important to examine the drought situation of this province and its climate change process. In this study, therefore, the wet and dry durations in the 20-year base period of Mazandaran province were evaluated using the standardized standard precipitation index. Then, projections of temperature and precipitation at the local scale were made in future periods using the five global circulation models (GCM) available in phase 6 of the climate output project (CMIP6) under three scenarios SSP2.6, SSP4.5, and SSP8.5. Methods: In this research, six meteorological stations, viz. Ramsar, Noshahr, Siyabisheh, Babolsar, and Qarakhil, were selected due to the coverage of the most statistical years and suitable spatial distribution in the region. Time series of precipitation and daily maximum/minimum temperatures were collected for six selected stations in the region with a base statistical period of 20 years (January 1999 to December 2018). After ensuring the quality of the data, the trend of their changes was analyzed using Mann-Kendall and age slope tests. Standard precipitation index values were calculated and evaluated in different intervals. Finally, large-scale data from five general circulation models (ACCESS-CM2, CanESM2, CNRM-CM-6-1, MRI-ESM2-0, and NESM3) were downscaled by the LARS-WG6 climate generator. Thus, predictions of seasonal and annual changes for Tmax, Tmin, and precipitation in two future periods (2040-2060 and 2080-2100) were made using the average of selected GCMs. <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//8DAFBLAwQUAAYACAAAACEAKjz771oEAAC7DAAA HwAAAGNsaXBib2FyZC9kcmF3aW5ncy9kcmF3aW5nMS54bWzsV9tuGzcQfS/QfxjwObZWtuTYQtaB olRBANcxLPsDKC61y5hLbkmuLvmj/ka/rIfcVaw4bdJLHgK0ELC7nBkOZ85cOHrxcltrWkvnlTU5 Gx5njKQRtlCmzNn93fzonJEP3BRcWyNztpOevbz88YcXfFI63lRKEDQYP+E5q0JoJoOBF5WsuT+2 jTTgrayrecDSlYPC8Q0013pwkmVng5orwy4fVb3mgVPr1D9Qpa14kMWMmzX3UKnF5JDS26jFv9fM J2b9xjWL5sZFy8X1+saRKnIG5AyvAREb9IxeDMvBk13lo4LtytVR3q5WtEUELs5Ph9mY0S5nF8+H 2egk6/TJbSABgdH45Hx4DgEBidPz4dnpuD+wevcVFaL66ctKYGZnDj4OTPRNNNCsP/d5eLZ3+i7a 98puCaS9/1GewhZU+JXi7JsrxMmTsbOKm1JOnbObSvLCR4kOKCDaHZRA25/po67l5mdbAGHeBpv0 fSPwPvrNJ43z4Y20NcWPnDkpQjqJr6986AzciyRQ7FxpnRzW5hMCdEYKXtH0yArbRQIyIlLsImWJ N9xyFichfVCG4R0eK203ORNaNYwq6z48pUU5JDI4jDYowpz5X1ruJCP91gDJi+FoBHUhLUbj50gh coec5SGHGwFVOQuMus9ZwApb2sapssJJXeyMnQL2lepR6GyPXmgfFmGnZUIheRhjxXWJhvK+9dDr go4ao7BvxHQV+q+b4GnNE6+Dds8Faj1oCTkHfRr5kjNpju4X6EgfcnaWdRrlaoUgddGBMTwoQ2HX yBUXSJUZ12rpFKOGG+tByE6yeTbGM/5G2Wl8gquCqOa8VjpWFQii4s7LFJfkl+QHSl+hT5myz3N/ wLhzvFABrZRrmjq+VKJPangQfQ6XM9vsEqz026+wYETTsuLvudHWAv6C5jxUiqa6Rr9tj+mmXWrl K1nQckcL7sAqnRKtDq3DGQuh0K2lT1uveUe8ld62LlLvjUqtPeyOYyICdjyTIdIUN9zx2z8Cdpj9 JWTvVI0jruWGbm3NzScIn2RnQHYMfCPSp58hPMSt8o0RfvQoednlYcT8/2T802S8q5SnjXUPhLdW QhqPTGtNIVG/9CRlvlyJ1KILoSZSZVutitgX08KVy5l2fZ0jtebzvib8odj3X8V8UmllHmbA6aGf J9Anvz7z4GIHsq+taGtpQjf4OBn7lDW+Uo1Hf5zEAcK9LfZ34GO7cBKCa0kzW9eQp2kITi3buPno 2ppIlk4ohHh0nKHgG+sCYnjVBfNvhTBG6/sPQ+xg+2ZKG8yfFa4aXJieWo8xloIlYFY8I4FO+4wK 5TvAZOqRNX+QhPRW6w7WmPyeMKJiJDFH4hHNpnUN7gvwHIaBUEnCEIt9XD8jjmKxpozvyMA0gguU 7CqtLLq7iv1/X1dCxYA0DuOw0//JRhyvno8zD6K0aG5xY3c3fjcUQSIOmYMnY3vq5P3fjPjf4HB9 +TsAAAD//wMAUEsDBBQABgAIAAAAIQCcTl4h4gYAADocAAAaAAAAY2xpcGJvYXJkL3RoZW1lL3Ro ZW1lMS54bWzsWU9vG0UUvyPxHUZ7b+P/jaM6VezYDbRpo9gt6nG8Hu9OM7uzmhkn9Q21RyQkREEc qMSNAwIqtRKX8mkCRVCkfgXezOyud+I1SdsIKmgO8e7b37z/782b3ctX7kUMHRIhKY87XvVixUMk 9vmExkHHuzUaXFj3kFQ4nmDGY9Lx5kR6Vzbff+8y3vAZTcYci8koJBFBwCiWG7jjhUolG2tr0gcy lhd5QmJ4NuUiwgpuRbA2EfgIBERsrVaptNYiTGNvEzgqzajP4F+spCb4TAw1G4JiHIH0m9Mp9YnB Tg6qGiHnsscEOsSs4wHPCT8akXvKQwxLBQ86XsX8eWubl9fwRrqIqRVrC+sG5i9dly6YHNSMTBGM c6HVQaN9aTvnbwBMLeP6/X6vX835GQD2fbDU6lLk2RisV7sZzwLIXi7z7lWalYaLL/CvL+nc7na7 zXaqi2VqQPaysYRfr7QaWzUHb0AW31zCN7pbvV7LwRuQxbeW8INL7VbDxRtQyGh8sITWAR0MUu45 ZMrZTil8HeDrlRS+QEE25NmlRUx5rFblWoTvcjEAgAYyrGiM1DwhU+xDTvZwNBYUawF4g+DCE0vy 5RJJy0LSFzRRHe/DBMdeAfLy2fcvnz1Bx/efHt//6fjBg+P7P1pGzqodHAfFVS++/ezPRx+jP558 8+LhF+V4WcT/+sMnv/z8eTkQymdh3vMvH//29PHzrz79/buHJfAtgcdF+IhGRKIb5Ajt8wgMM15x NSdj8WorRiGmxRVbcSBxjLWUEv59FTroG3PM0ug4enSJ68HbAtpHGfDq7K6j8DAUM0VLJF8LIwe4 yznrclHqhWtaVsHNo1kclAsXsyJuH+PDMtk9HDvx7c8S6JtZWjqG90LiqLnHcKxwQGKikH7GDwgp se4OpY5fd6kvuORThe5Q1MW01CUjOnayabFoh0YQl3mZzRBvxze7t1GXszKrt8mhi4SqwKxE+RFh jhuv4pnCURnLEY5Y0eHXsQrLlBzOhV/E9aWCSAeEcdSfECnL1twUYG8h6NcwdKzSsO+yeeQihaIH ZTyvY86LyG1+0AtxlJRhhzQOi9gP5AGkKEZ7XJXBd7lbIfoe4oDjleG+TYkT7tO7wS0aOCotEkQ/ mYmSWF4l3Mnf4ZxNMTGtBpq606sjGv9d42YUOreVcH6NG1rl868flej9trbsLdi9ympm50SjXoU7 2Z57XEzo29+dt/Es3iNQEMtb1Lvm/K45e//55ryqns+/JS+6MDRoPYvYQduM3dHKqXtKGRuqOSPX pRm8Jew9kwEQ9TpzuiT5KSwJ4VJXMghwcIHAZg0SXH1EVTgMcQJDe9XTTAKZsg4kSriEw6Ihl/LW eBj8lT1qNvUhxHYOidUun1hyXZOzs0bOxmgVmANtJqiuGZxVWP1SyhRsex1hVa3UmaVVjWqmKTrS cpO1i82hHFyemwbE3Jsw1CAYhcDLLTjfa9Fw2MGMTLTfbYyysJgonGeIZIgnJI2Rtns5RlUTpCxX lgzRdthk0AfHU7xWkNbWbN9A2lmCVBTXWCEui96bRCnL4EWUgNvJcmRxsThZjI46XrtZa3rIx0nH m8I5GS6jBKIu9RyJWQBvmHwlbNqfWsymyhfRbGeGuUVQhVcf1u9LBjt9IBFSbWMZ2tQwj9IUYLGW ZPWvNcGt52VASTc6mxb1dUiGf00L8KMbWjKdEl8Vg12gaN/Z27SV8pkiYhhOjtCYzcQ+hvDrVAV7 JlTC6w7TEfQNvJvT3jaP3OacFl3xjZjBWTpmSYjTdqtLNKtkCzcNKdfB3BXUA9tKdTfGvboppuTP yZRiGv/PTNH7Cbx9qE90BHx40Ssw0pXS8bhQIYculITUHwgYHEzvgGyB97vwGJIK3kqbX0EO9a+t OcvDlDUcItU+DZCgsB+pUBCyB23JZN8pzKrp3mVZspSRyaiCujKxao/JIWEj3QNbem/3UAipbrpJ 2gYM7mT+ufdpBY0DPeQU683pZPnea2vgn558bDGDUW4fNgNN5v9cxXw8WOyqdr1Znu29RUP0g8WY 1ciqAoQVtoJ2WvavqcIrbrW2Yy1ZXGtmykEUly0GYj4QJfAOCel/sP9R4TP7BUNvqCO+D70VwccL zQzSBrL6gh08kG6QljiGwckSbTJpVta16eikvZZt1uc86eZyTzhba3aWeL+is/PhzBXn1OJ5Ojv1 sONrS1vpaojsyRIF0jQ7yJjAlH3J2sUJGgfVjgdfkyDQ9+AKvkd5QKtpWk3T4Ao+MsGwZL8Mdbz0 IqPAc0vJMfWMUs8wjYzSyCjNjALDWfoNJqO0oFPpzybw2U7/eCj7QgITXPpFJWuqzue+zb8AAAD/ /wMAUEsDBBQABgAIAAAAIQDPt/zhBAEAAPABAAAqAAAAY2xpcGJvYXJkL2RyYXdpbmdzL19yZWxz L2RyYXdpbmcxLnhtbC5yZWxzrJHLasMwEEX3hf6Dmb0lO5RSSmRv0kIW3ZT0A1R5/CDWyGhUE/99 J86iDQS66UYgCd0552pbn/yYzRh5CGSgVAVkSC40A3UGPg6v+RNknCw1dgyEBhZkqKv7u+07jjbJ I+6HiTNJITbQpzQ9a82uR29ZhQlJbtoQvU2yjZ2erDvaDvWmKB51/J0B1VVmtm8MxH2zgeywTDL5 7+zQtoPDXXBfHindGKGTcKEE2thhMqDU5eSylkpYQd/GKP8ToxehOA50/EE527FU5yJKrTO64L2U u3Y2ihUxsv5ccnL6QRW6jtga14fAGPP5DLcqvYVGmno5JYxkVxd99U/VNwAAAP//AwBQSwECLQAU AAYACAAAACEAu+VIlAUBAAAeAgAAEwAAAAAAAAAAAAAAAAAAAAAAW0NvbnRlbnRfVHlwZXNdLnht bFBLAQItABQABgAIAAAAIQCtMD/xwQAAADIBAAALAAAAAAAAAAAAAAAAADYBAABfcmVscy8ucmVs c1BLAQItABQABgAIAAAAIQAqPPvvWgQAALsMAAAfAAAAAAAAAAAAAAAAACACAABjbGlwYm9hcmQv ZHJhd2luZ3MvZHJhd2luZzEueG1sUEsBAi0AFAAGAAgAAAAhAJxOXiHiBgAAOhwAABoAAAAAAAAA AAAAAAAAtwYAAGNsaXBib2FyZC90aGVtZS90aGVtZTEueG1sUEsBAi0AFAAGAAgAAAAhAM+3/OEE AQAA8AEAACoAAAAAAAAAAAAAAAAA0Q0AAGNsaXBib2FyZC9kcmF3aW5ncy9fcmVscy9kcmF3aW5n MS54bWwucmVsc1BLBQYAAAAABQAFAGcBAAAdDwAAAAA= " stroked="f" style="position:absolute; left:0; text-align:left; margin-left:95px; margin-top:356px; width:356.55pt; height:30.05pt; z-index:251680768; v-text-anchor:top" type="#_x0000_t202"> <w:wrap anchorx="margin"> </w:wrap></v:shape>Results: As a result of the statistical analysis of the above data, minimum and maximum temperatures increased and precipitation decreased during the standard period, but no significant trend was found at the 0.05 level. The analysis also shows that the state's worst droughts occurred in 2007, 2009, late 2011, early 2012, and 2018, with SPI values below-1.0 at stations. The wettest years in the region are 2004-2006 and 2017. The frequency of wet periods is higher than dry periods for all seasons in the region. In the microscale aspect, the results confirmed the ability of the LARS-WG6 model to simulate temperature more accurately than local precipitation, with more precipitation errors in wet seasons. Among these results, the lowest value of the correlation coefficient (0.941) was obtained for maximum and minimum monthly temperatures, which means that the squared error value is between 1.05 and 3.82°C. The largest differences between modeled precipitation and observations occurred during the rainy season when GCMs underestimated precipitation. The analysis of future climate changes revealed that all five GCMs indicated a continued increase in temperature in the study area. However, differences in the magnitude of signal changes were observed in different GCMs and SSPs. These predicted temperature changes are significant and reliable because all models agree on the direction of temperature change across the province. Overall, the increase in average Tmax and Tmin is significant in SSP8.5 compared to SSP4.5 because of no reduction in greenhouse gas emissions. Thus, the largest mean changes in the SSP8.5 scenario for 2050 and 2090 at the provincial level for maximum temperature are increases of 2.64 and 4.72 °C during spring, and the largest mean changes in minimum temperature were calculated to rise to 2.97 and 4.83 °C during autumn. Future changes in precipitation proved to be more complex and unpredictable than temperature. The largest incremental changes in local precipitation in 2090 under the SSP4.5 (40.5%) and SSP8.5 (51.9%)scenarios were shown by the Ramsar station. In the study area, it is projected 38.86% and 43.95% on average in the feature period (2040-2060) and 45.11% and 65.94% in the feature period (2080-2100) under SSP4.5 and SSP8.5. Thus, the results of this study show that the shift toward wetter seasons at the provincial level in the future will cause more precipitation in the western part of the province. Conclusion: Examining the drought situation in the base period shows the occurrence of periods with near-normal rainfall in longer intervals, and Sari and Qarakhail stations report more drought than stations in the west of the province. All GCM forecasting models presented the same results in significant warming trends in this province. For precipitation, however, it is suggested to investigate other models in this regard due to the sensitivity of the issue and the uncertainties involved in the issue. Considering the effect of changes in temperature parameters and precipitation on water resources and floods in the region, it is necessary to adopt suitable management strategies for the future to be resilient against climate change.  </div> استان مازندران, بارندگی, دما, شاخص بارش استاندارد, CMIP6 Temperature, Rainfall, CMIP6, Standard Precipitation Index, Mazandaran Province 32 48 http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-1851-1&slc_lang=fa&sid=1 Kameleh Aghajanloo کامله آقاجانلو aghajanloo@maragheh.ac.ir 100319475328460014398 100319475328460014398 Yes Department of Civil Engineering, Technical and Engineering Faculty, University of Maragheh, Maragheh, Iran گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه مراغه، مراغه، ایران Hossein Fathi Almalou حسین فتحی المالو hosseinfathial@gmail.com 100319475328460014399 100319475328460014399 No Department of Civil Engineering, Technical and Engineering Faculty, University of Maragheh, Maragheh, Iran گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه مراغه، مراغه، ایران