تأثیر تغییر اقلیم بر منابع آب با استفاده از خروجی های مدلهای جهانی اقلیم و روشهای ریزمقیاس نمایی می تواند پیش بینی شود. عدم قطعیت در پیش بینی تغییر اقلیم، منجر به نتایج متفاوت در مدلسازی می شود. از این رو در نظر گرفتن آن به تصمیم گیرندگان کمک می کند که پیش بینی های مختلف هیدرولوژیکی را با اطمینان تفسیر کنند. در این مطالعه، از نتایج دو مدل ریزمقیاس نمائی آماری sdsm)، (asdو داده های مختلف دو مدل جهانی اقلیم (cgcm3 وhadcm3 ) جهت آشکارسازی عدم قطعیت و از توابع عضویت مثلثی برای فازی کردن نتایج استفاده شده است. در مدلهای ریزمقیاس نمائی آماری، دما و بارش به عنوان متغیرهای وابسته بر اساس همبستگی بالا با داده های مشاهداتی و داده های ncep مربوط به دوره ی 1961-1990، به عنوان متغیرهای مستقل، کوچک مقیاس شده اند. کالیبراسیون و شبیه سازی مدل به ترتیب در دوره 1960-1975 و 1976-1990 انجام می شود و از r2 و rmse برای ارزیابی مدلها استفاده شده است. دما و بارش برای دوره های 2011-2040، 2041-2070 و 2071-2100 تحت سناریوهای مختلف و مدلهای جهانی پیش بینی شده است. در ایستگاه تهران افزایش دما در دوره ی 2071-2100 نسبت به دوره ی پایه تحت سناریوهای مختلف بین 51/0 و 67/4 درجه برای دمای ماکزیمم و تغییرات بارش بین 77/2- و 1/5+ میلیمتر پیش بینی شده است. همچنین، در ایستگاه تبریز نیز افزایش دما در دوره ی 2071-2100 نسبت به دوره ی پایه بین 56/0 و 68/4 درجه تحت سناریوهای مختلف برای دمای ماکزیمم و تغییرات بارش بین 18/7- و 56/2+ میلیمتر نتیجه شده است. سپس با استفاده از منطق فازی مدلی برای پیش بینی عدم قطعیت پارامترهای دما و بارش توسعه یافته است. عملکرد توابع عضویت برای دمای حداکثر و حداقل مربوط به دو ایستگاه تهران و تبریز نشان می دهد در ماه های سرد سال و بعضاً پربارش عدم قطعیت کمتر درحالیکه نتایج توابع عضویت برای ماه های تابستان بخصوص جولای و آگوست عدم قطعیت بیشتری ایجاد کرده است. همچنین در بارش ایستگاه تهران در ماه های مارس، آوریل و آگوست و در بارش ایستگاه تبریز، ماه های ژانویه و می، دارای بیشترین عدم قطعیت در نتایج است. درنهایت می توان نتیجه گرفت پدیده-ی بارش به علت پیچیدگی توزیع زمانی و مکانی در مقایسه با دما عدم قطعیت بیشتری را به دنبال دارد.