Este estudio se centra en los impactos del cambio climático en los procesos hidrológicos en cuencas y propone un enfoque integrado que combina un generador de clima con un modelo de red generativa adversarial condicional multi-sitio (McGAN). El generador de clima incorpora predicciones de modelos de circulación general (GCM) en conjunto para generar series sintéticas de clima promedio regional, mientras que McGAN transforma estos promedios regionales en datos multi-sitio espacialmente consistentes. Al abordar el problema de consistencia espacial en la generación de series sintéticas de clima multi-sitio, este enfoque enfrenta un desafío clave en la evaluación del impacto del cambio climático a escala de sitio. Aplicado a la cuenca del río Jinghe en el centro-oeste de China, el enfoque generó datos sintéticos diarios de temperatura y precipitación para cuatro estaciones bajo diferentes trayectorias socioeconómicas compartidas (SSP1-26, SSP2-45, SSP3-70, SSP5-85) hasta 2100. Estos datos se utilizaron luego con una red de memoria a largo y corto plazo (LSTM), entrenada con datos históricos, para simular el flujo diario del río desde 2021 hasta 2100. Los resultados muestran que (1) el enfoque aborda eficazmente el problema de correlación espacial en la generación de datos climáticos multi-sitio; (2) es probable que el cambio climático futuro aumente el flujo del río, particularmente bajo escenarios de altas emisiones; y (3) aunque la frecuencia de eventos extremos puede aumentar, políticas climáticas proactivas pueden mitigar los riesgos de inundaciones y sequías. Este enfoque ofrece una nueva herramienta para la evaluación del impacto hidrológico-climático en estudios sobre el cambio climático.