یکی از روشهای پیش بینی تغییرات اقلیمی استفاده از داده های بدست آمده از خروجی مدلهای جهانی اقلیم gcm(global climate model) است. قدرت تفکیک مدلهای جهانی اقلیم به حدود 000/ 40 کیلومتر مربع می رسد. فاصله زیاد گره های شبکه از یکدیگر استفاده از خروجی این مدلها را محدود می سازد. این تحقیق با استفاده از داده های ncep و gcm انجام و از روش ریز مقیاس نمایی آماری statistical downscaling برای مدلسازی چهار پارامتر بارندگی روزانه، درجه حرارت میانگین، درجه حرارت حداکثر و درجه حرارت حداقل روزانه استفاده شده است. ریز مقیاس نمایی آماری به کمک مدل نرو فازی و asd (automated statistical downscaling) برای دوره 30 ساله ی (1971-2000) در ایستگاه سینوپتیک کرمان انجام شده است. از 15 سال اول داده ها(1971-1985) برای کالیبراسیون و محاسبه ضرائب مدل و از 15 سال دوم (1986-2000) برای ارزیابی نحوه عملکرد مدل استفاده شده است. یکی از مهمترین مراحل انجام ریز مقیاس نمایی آماری انتخاب متغیرهای غالب می باشد، برای انتخاب متغیرهای غالب از ترکیب روش الگوریتم ژنتیک و asd استفاده شده است. مقادیر کم واریانس توضیح داده شده ی مدل های بارندگی بیانگر پیچیده تر بودن پدیده ی بارندگی نسبت به دما می باشد. با استفاده از داده های نسل سوم مدل جهانی اقلیم (cgcm3a2) پارامترهای درجه حرارت و بارندگی برای دوره های سی ساله ی (2011-2040)، (2041-2070)، (2071-2100) پیش بینی و با دوره سی ساله ی(1971-2000) مقایسه شده است. در برآورد شاخصهای درجه حرارت، هر دو مدل نرو فازی و asd نتایج تقریباً یکسانی را از خود نشان دادند. نتایج مدل نرو فازی افزایش درجه حرارت حداکثر و میانگین را در تمام ماه های سال برای دوره های اقلیم آینده نسبت به دوره (1971-2000) نشان می دهد، در حالیکه درجه حرارت حداقل در بعضی موارد روند نزولی داشته است. برخلاف درجه حرارت، بارندگی روند یکسانی در دروه های مختلف ندارد. همچنین نتایج حاصله از عملکرد شاخص های بارش با استفاده از مدل نرو فازی نشان داد که این مدل نسبت به مدل asd که مدلی خطی است، ضعیف تر عمل می کند. نتایج نشان می دهد که عملکرد مدل ریز مقیاس نمایی آماری بستگی به انتخاب متغیرهای غالب دارد، هم چنین در فصول مختلف نتایج متفاوت می باشد. مقایسه نتایج دو مدل نرو فازی و asd نشان داد که هیچ یک از دو مدل برای تمامی فصول و ماه ها کارآمد نیستند.

جریان ترافیک و حل آن به عنوان یکی از معضلات شهری مطرح است. با توجه به اهمیت و تاثیر ترافیک در جوانب مختلف حیات انسان، در نظر گرفتن مکانیزم هایی کارا به منظور مدیریت آن، همواره مورد توجه متخصصان حوزه های مختلف بوده است. به طور کلی هدف مدیریت ترافیک، استفاده بهینه از شبکه های راه های ارتباطی موجود و افزایش ایمنی راه ها می باشد. گسترش روز افزون روش های اخذ داده مکانی و میزان داده هایی که از سنجنده های جدید به دست می آیند، منجر به فراهم شدن بستری برای توسعه روش های تحقیقاتی بدیع مرتبط با مدیریت داده مکانی و کشف دانش شده است. از طرفی، با توجه به پیچیدگی تحلیل های مربوط به ترافیک شهری، روش های سنتی مورد استفاده چه در مرحله جمع آوری داده و چه در مرحله تحلیل داده های مربوطه مانند روش های آماری، نمی توانند به تنهایی و با قابلیت اطمینان بالا در تصمیم گیری های مکانی موثر واقع گردند. در این میان، استفاده از روش های موجود در داده-کاوی مکانی، گزینه مناسبی برای تحلیل و استخراج اطلاعات مفید از داده های ترافیکی می باشد. دلیل این امر آن است که این تحلیل ها، اطلاعات مفیدی را از داده های مکانی موجود استخراج می نمایند که توسط سایر روش ها قابل دستیابی نبوده، از این رو موجب بهبود فرآیندهای تصمیم گیری می شوند. در این تحقیق، مسئله آنالیز ترافیک در شبکه راه های شهری به منظور کمک به مسئولین شهری در جهت بهبود جریان ترافیک مورد بررسی قرار گرفته است. بدین منظور از داده های نقطه ای عبور و مرور وسایل نقلیه و الگوریتم خوشه بندی چگالی-مبنای مکانی برای کاربری های حاوی خطا استفاده شده است. تمرکز اصلی تحقیق، بر جنبه مکانی رفتار ترافیک بوده که بینشی راجع به حرکت جریان ترافیکی فراهم می کند. هدف، به دست آوردن موقعیت جغرافیایی نقاط شروع و پایان وضعیت نسبی ترافیک در هر ناحیه از خیابان می باشد.