本研究旨在研究气候变化对最高可能温度、最低可能温度、平均温度和降水等天气参数的影响。在查谟克什米尔邦达尔湖流域进行了多元线性回归(MLR)、人工神经网络(ANN)和统计降尺度模型(SDSM)的检验。研究使用了SKUAST-Kashmir气象站1985-2012年的27年天气资料。模拟结果表明，不同模型的高决定系数R² 值在(0.87 ~ 0.97)之间变化的温度序列的观测数据与预测值具有良好的一致性。在降水情况下，不同模式的R²值从(0.112 ~ 219)变化。降水时间序列的确定系数较低是由于降水发生的不确定性很大，所选模型无法对其进行定义。SDSM在三种气象参数预报模式中表现出最佳的预报效果。因此，SDSM被用于气候情景的生成。通过对1985-2012年和2015-2030年逐日降水和气温序列的比较，月、可能最高气温、可能最低气温、平均气温和降水量总体呈0.46%、1.96%、0.95%和2.66%的增长趋势