دانشگاه بیرجند-گروه پژوهشی خشکسالی وتغییراقلیم مجله پژوهش های خشکسالی و تغییراقلیم 3092-6076 3 ویژه نامه 2025 12 22 Evaluation of Climate Models for Simulation of Temperature and Precipitation: Selection of the Best AR6 Model Using Multi-Criteria Decision-Making and Performance Metrics ارزیابی شبیه‌سازی مدل‌های اقلیمی با استفاده از روش تصمیم‌گیری چندمعیاره و معیارهای عملکرد 17 36 3592 10.22077/jdcr.2025.9112.1130 FA نگین نبات قدس دانشجوی کارشناسی ارشد گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران پریساسادات آشفته دانشیار گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران 0000-0003-2561-0510 Journal Article 2025 03 15 This study examines the performance of 19 climate models from the Sixth Assessment Report (CMIP6) in simulating temperature and precipitation variables in the Qaranqoo watershed over the period 1971–2000. The primary objective is to identify the most accurate model for predicting climate variables in this region. To evaluate model performance, statistical metrics including Nash-Sutcliffe Efficiency (NSE), Kling-Gupta Efficiency (KGE), Root Mean Square Error (RMSE), Normalized Root Mean Square Error (NRMSE), Mean Absolute Error (MAE), Percent Bias (PBIAS), and correlation coefficient (r) are utilized. Results indicate that the models perform significantly better in simulating temperature compared to precipitation. The MPI-ESM1-2-LR and CMCC-ESM2 models were identified as the best models for temperature and precipitation simulation, respectively. Furthermore, sensitivity analysis and weighting based on the Analytical Hierarchy Process (AHP) revealed that the INM-CM4-8 and NORESM2-MM models hold the highest weight for precipitation simulation, while the NESM3 and MPI-ESM1-2-LR models hold the highest weight for temperature simulation. Sensitivity analysis also confirmed the stability of the results under various conditions. The findings of this study can support water planning and natural resource management in the region. Ultimately, the research highlights that using more accurate models can contribute to reducing uncertainty in climate-related decision-making. این پژوهش به بررسی عملکرد 19 مدل اقلیمی از گزارش ششم (CMIP6) در شبیه‌سازی متغیرهای دما و بارش در حوضه آبریز قرنقو طی دوره 1971-2000 می‌پردازد. هدف اصلی، شناسایی دقیق‌ترین مدل برای پیش‌بینی متغیرهای اقلیمی در این منطقه است. برای ارزیابی عملکرد مدل‌ها، از معیارهای آماری شامل کارآیی نش-ساتکلیف (NSE)، ، کارآیی کلینگ-گپتا (KGE)، ریشه میانگین مربعات خطا (RMSE)، ریشه میانگین مربعات خطای نرمالشده (NRMSE)، میانگین خطای مطلق (MAE)، درصد اریبی (PBIAS) و ضریب همبستگی (r) استفاده می‌شوند. نتایج نشان می‌دهند که عملکرد مدل‌ها در شبیه‌سازی دما به‌طور قابل توجهی بهتر از بارش است. مدل‌های MPI-ESM1-2-LR و CMCC-ESM2 به‌ترتیب به‌عنوان بهترین مدل‌ها برای شبیه‌سازی دما و بارش شناسایی شدند. علاوه‌بر این، تحلیل حساسیت و وزن‌دهی مبتنی‌بر AHP نشان داد که مدل‌های INM-CM4-8و NORESM2-MM بیش‌ترین وزن را برای شبیه‌سازی بارش و مدل‌های NESM3و MPI-ESM1-2-LRبیش‌ترین وزن را برای شبیه‌سازی دما دارند. هم‌چنین، تحلیل حساسیت انجام‌شده، پایداری نتایج را در شرایط مختلف تأیید می‌کند. یافته‌های این مطالعه می‌توانند به برنامه‌ریزی‌های آبی و مدیریت منابع طبیعی در منطقه کمک کند. در نهایت، این تحقیق نشان می‌دهد که استفاده از مدل‌های دقیق‌تر می‌تواند به کاهش عدم‌قطعیت در تصمیم‌گیری‌های اقلیمی منجر شود. https://jdcr.birjand.ac.ir/article_3592_69f357fcc8e6d119f3d95f33cedb5915.pdf