ปัจจุบันแบบจำลองสภาพภูมิอากาศโลก (Global Climate Model, GCM) ได้รับการยอมรับอย่างแพร่หลายว่าเป็นเครื่องมือที่สำคัญในการศึกษาถึงคุณลักษณะและคาดการณ์แนวโน้มของตัวแปรภูมิอากาศพื้นฐานในระดับโลก แบบจำลองนี้จะให้ผลลัพธ์ของตัวแปรภูมิอากาศทั่วโลกสำหรับประเมินผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศกับทุกประเทศบนโลก แต่อย่างไรก็ตามผลลัพธ์ที่ได้จากแบบจำลอง GCM ยังมีขนาดมาตราส่วนที่ไม่ละเอียดเพียงพอต่อการศึกษาผลกระทบในระดับพื้นที่ลุ่มน้ำ ด้วยเหตุดังกล่าวนี้ เทคนิคการลดมาตราส่วน (Downscaling Technique) ได้ถูกนำมาใช้เพื่อลดมาตราส่วนผลการคาดการณ์แนวโน้มการเปลี่ยนแปลงสภาพภูมิอากาศของแบบจำลอง GCM ที่หยาบให้มีรายละเอียดเหมาะสมสำหรับการศึกษาผลกระทบทางด้านอุทก-อุตุนิยมวิทยาในระดับพื้นที่ลุ่มน้ำการศึกษาผลการวิเคราะห์แนวโน้มของค่าปริมาณฝนจากข้อมูลรายวันของสถานีตรวจวัดอากาศของกรมอุตุนิยมวิทยา จำนวน 10 สถานี ที่กระจายครอบคลุมในพื้นที่ศึกษาภาคตะวันออกเฉียงเหนือของประเทศไทย ด้วยวิธี Mann-Kendall พบว่า ปริมาณฝนเฉลี่ยรายปีในช่วงปีพื้นฐาน ค.ศ.1961-2014 (คาบเวลา 54 ปี) ทั้งหมดมีค่าแนวโน้มเพิ่มขึ้น และผลการวิเคราะห์ผลลัพธ์ของแบบจำลอง GCMs จากฐานข้อมูล Coupled Model Intercomparison Project Phase 6 (CMIP6) จำนวน 5 แบบจำลอง ได้แก่ ACCESS-ESM1.5 ประเทศออสเตรเลีย, CanESM5 ประเทศแคนาดา, EC-Earth3 ประเทศสวีเดน (สหภาพยุโรป), MIROC6 และ MRI-ESM2.0 ประเทศญี่ปุ่น พบว่า ทุกแบบจำลอง GCMs ที่เลือกใช้สามารถสังเคราะห์ข้อมูลฝนสะสมรายปีเฉลี่ยได้เทียบเท่ากับข้อมูลช่วงปีพื้นฐาน ผลการคาดการณ์ค่าปริมาณน้ำฝนในอนาคตที่ได้รับการปรับแก้ค่าอคติ (Bias Correction) ภายใต้ภาพจำลองการแผ่รังสีความร้อนทั้ง SSP 245 และ SSP 585 จำนวน 5 แบบจำลอง บ่งชี้ว่าค่าปริมาณน้ำฝนในช่วงอนาคต ปี ค.ศ. 2021–2080 ส่วนใหญ่มีการเปลี่ยนแปลงทางปริมาณเชิงพื้นที่ มีค่าแนวโน้มเพิ่มขึ้นในรูปแบบค่าปริมาณน้ำฝนเฉลี่ยในช่วงฤดูฝนมีปริมาณเพิ่มขึ้น แต่ในฤดูร้อนมีค่าปริมาณน้ำฝนเฉลี่ยลดลง โดยการกระจายของปริมาณน้ำฝนและจำนวนวันฝนตกจะแตกต่างกันขึ้นกับผลลัพธ์ของแต่ละแบบจำลอง GCM ผลจากการเลือกใช้เกณฑ์ค่าปริมาณฝนสะสมรายปีสำหรับใช้ในการคำนวณค่าดัชนีน้ำฝนมาตรฐาน (Standardized Precipitation Index, SPI) เพื่อการพยากรณ์ภัยแล้งที่อาจเกิดขึ้นในอนาคตอันใกล้บริเวณพื้นที่ศึกษา โดยผลลัพธ์จากแบบจำลอง MIROC6 ซึ่งมีความสัมพันธ์ที่ดีที่สุดกับชุดค่าข้อมูลปริมาณน้ำฝนสังเกตการณ์ของสถานีอุตุนิยมวิทยาทั้ง 10 สถานี พบว่า ภายใต้ภาพจำลอง SSP 245 มีปี ค.ศ.ที่มีแนวโน้มเสี่ยงเกิดสภาวะภัยแล้ง ได้แก่ 2021, 2024, 2026, 2030, 2031, 2033, 2036, 2038, 2039 และภายใต้ภาพจำลอง SSP 585 คือ 2021, 2022, 2025, 2027, 2030, 2031, 2033, 2035, 2037, 2039, 2040 ซึ่งแต่ละปีจะมีระดับความรุนแรงสภาวะภัยแล้งแตกต่างกัน พื้นที่เฝ้าระวังภัยแล้งเป็นพิเศษ ได้แก่ จังหวัดขอนแก่น ชัยภูมิ และนครราชสีมา<br><br>Currently, the Global Climate Model (GCM) is widely accepted as the key tool for studying the quality and forecasting the trend of fundamental global climate variables, which is useful for evaluating the impacts of climate change for all countries. However, the results obtained from the GCM are only on an approximate scale, which is insufficient for studying the impacts at the level of the watershed areas or weather stations. As a result, a downscaling technique would need to be used to reduce the scale of the GCMs predictions of climate change findings in order to provide additional details for the study of hydrometeorological repercussions at the watershed level.The analysis results on the tendency of rainfall were acquired from the daily records of 10 weather stations of the Thai Meteorological Department located in the Northeast region of Thailand using the Mann-Kendall method, which indicated that the tendency of the average annual rainfall during the years 1961–2014 (a period of 54 years) had increased. Furthermore, the results using the GCM based on the Coupled Model Intercomparison Project Phase 6 (CMIP6) for five models comprising the ACCESS-ESM1.5 (Australia), CanESM5 (Canada), EC-Earth3 (Sweden-EU), MIROC6, and MRI-ESM2.0 (Japan) showed that all GCM models were able to synthesize the average annual accumulated rainfall at the same amount as the data during the base years. For forecasting the results of future rainfall that had the bias correction under the thermal radiation simulation, the SSP 245 and SSP 585 simulations of the five models illustrated that future rainfall for the period of 2021–2080 will be mostly quantitatively spatial. There is an increasing trend in the average rainfall during the rainy season, with an increase in volume. But in summer, the average rainfall decreases. The distribution pattern of the rainfall and the number of rainy days would be different depending on the results of each GCM model.From the results of using yearly rainfall to calculate the Standardized Precipitation Index (SPI) to forecast tentative drought in the near future in the study area, the results from the MIROC6 model, which had the best relationship with the observed rainfall of the 10 weather stations under the SSP 245 simulation, illustrated that the years with a high tendency for drought were 2021, 2024, 2026, 2030, 2031, 2033, 2036, 2038, and 2039, while the results from the SSP 585 simulation indicated that 2021, 2022, 2025, 2027, 2030, 2031, 2033, 2035, 2037, 2039, and 2040 had different levels of severity for each year. Special drought surveillance areas include Khon Kaen, Chaiyaphum, and Nakhon Ratchasima.