با توجه به تاثیر دمای هوا‌ بر جوانب مختلف زندگی بشر و لزوم مطالعه­ی‌‌ نحوه­ی تغییرات و پیش‌بینی آن، در این مطالعه با استفاده از تحلیل‌های آماری تغییرات‌‌ دمای میانگین، حداقل و حداکثر ماهانه، در طول دوره­ی آماری 24 ساله (از ماه ژانویه­ی سال 1987 تا ماه دسامبر سال 2010‌ به طول 288 ماه) در ایستگاه‌های استان اردبیل‌ بررسی، و در ادامه امکان پیش‌بینی دما با استفاده از سیستم استنتاج فازی‌- عصبی تطبیقی ارزیابی شد.‌ نتایج حاصل نشان داد که روند تغییرات دمای ماهانه در ایستگاه‌های استان اردبیل طی دوره­ی مورد مطالعه افزایشی بوده است. شدت افزایش ‌‌دمای حداقل بیشتر از دمای حداکثر و میانگین بود. بر اساس نتایج پیش‌بینی، رابطه­ی مشخصی بین ویژگی‌های آماری داده‌ها و خطاهای پیش‌بینی وجود داشت. ‌هرچه دامنه­ی تغییرات داده‌ها کمتر،‌ واریانس و انحراف معیار آنها بیشتر بوده و امکان پیش‌بینی مقادیر داده‌ها بیشتر است. در اکثر موارد در فصول سرد سال نوسان مقادیر دمای ماه‌ها در سال‌های مختلف بیشتر بوده است، مدل در پیش‌بینی این موارد دچار خطای بیشتری شده است. در اکثر موارد مدل دمای ماه‌های فصول گرم سال را که روند مشخص‌تری دارند بهتر پیش‌بینی کرده است. در کل بر اساس نتایج این تحقیق سیستم استنتاج فازی‌- عصبی تطبیقی در اکثر موارد کارایی قابل قبولی در پیش­بینی دمای میانگین، حداقل و حداکثر ماهانه در ایستگاه‌های استان اردبیل داشته است.

افزایش دمای کره زمین باعث بروز ناهنجاری­هایی در اقلیم کره زمین شده که این امر بر تمام زوایای زندگی و حیات بشر تاثیر گذار است. هدف از این مطالعه بررسی تغییرات دما و پیش بینی دمای حدی (حداکثر و حداقل دما) در استان گیلان و مازندارن است. جهت این بررسی از مدل آماری- دینامیکی SDSM و برای تحلیل تغییرات و روند دما از تکنیک آماری و گرافیکی من- کندال استفاده شده است. داده­های روزانه دمای ایستگاه رشت، رامسر و بابلسر طی دوره آماری 1961 تا 2010 از سازمان هواشناسی کشور و نیز داده­های مدل گردش عمومی HadCM3 از پایگاه های مربوطه اخذ شد. دوره مورد مطالعه به سه دوره تقسیم بندی گردید. نتایج حاکی از وجود روند مثبت معنی­داری در حداقل و حداکثر دمای ماهانه و سالانه هر سه ایستگاه در دوره اول و سوم است. همچنین در دوره دوم، روند معنی­داری در دماهای حدی رامسر و حداکثر دمای رشت دیده نمی­شود. آزمون گرافیکی  من­کندال بر روی دماهای حدی سالانه سه دوره دارد که نتایج نشان داد در سطح 95 درصد اطمینان وقوع تغییرات از نوع روند افزایشی و نیز تغییرات از نوع ناگهانی در هر سه ایستگاه رخ داده است. در دوره پیش بینی شده، بیش­ترین تغییر در حداقل دمای ماهانه و سالانه دیده می­شود. افزایش حد دما حدوده 1/0 تا 7/1 درجه سانتیگراد بود. نوسانات کوتاه مدت و رخداد روند مثبت معنی­دار هم در حداکثر و هم در حداقل دما گویای افزایش دما در سال­های آتی خواهد بود که حاکی از وقوع تغییرات اقلیمی رخ داده می­باشد. در نتیجه می توان گفت که دمای شبانه افزایش داشته و  تفاوت دمای فصل سرد و گرم کاهش می یابد.
 

هدف از این نوشتار، کاربست مدلی همدید جهت برآورد میانگین روزانه­ی دما و ارتباط آن با ارتفاع ژئوپتانسیل در تراز میانی جو(تراز 500 هکتوپاسکال) است. برای نیل به این هدف از دو پایگاه داده استفاده شده است. پایگاه نخست داده­های رویداد محیطی(سطحی) می­باشد که در این راستا از داده­های میانگین روزانه دما در ایستگاه­های منتخب مشهد، تربت حیدریه و سبزوار استفاده شده است. بیشینه و کمینه این ایستگاه­ها از بازه­ی زمانی11/10/1365 الی 11/10/1392 خورشیدی به تعداد 9862 روز از سازمان هواشناسی کشور اخذ گردید. پایگاه دوم شامل داده­های ارتفاع ژئوپتانسیل تراز 500 هکتوپاسکال است که داده­های آن از تارنمای NCEP/DOE  وابسته به سازمان ملی جو و اقیانوس­شناسی ایالات متحده در ساعت­های 00:00؛ 03:00؛ 06:00؛ 09:00؛ 12:00؛ 15:00؛ 18:00 و 21:00 زولو استخراج شده است. سپس همبستگی میانگین روزانه­ی دمای ایستگاه­های منتخب خراسان رضوی با داده­های جو بالا محاسبه گردید. همبستگی به دست آمده وارد محیط سرفر گردید و خطوط همچند همبستگی ایستگاه­های منتخب با نیمکره­ی شمالی ترسیم گردید. چهار منطقه در نیمکره­ی شمالی به دست آمد که با دمای ایستگاه­های مورد بررسی همبستگی بالایی نشان دادند. نتایج همبستگی­ها بیانگر این است که ایالات متحده­ی آمریکا با 25یاخته، شمال چین 25یاخته، آفریقا 45 یاخته و ژاپن با 65 یاخته بیشترین یاخته­ها را به خود اختصاص داده است. آنگاه، میانگین وزنی یاخته­های ارتفاع ژئوپتانسیل آنها گرفته شد و به وسیله رگرسیون چندگانه معادله­ی ایستگاه­ها بدست آمد. نتایج مدل­های پیش­یابی نشان می­دهد که به اِزای هر ژئوپتانسیل متر افزایشی که در این نمایه رخ دهد، میانگین روزانه­ی دمای ایستگاه­ سبزوار 4/1، تربت حیدریه 3/1 و مشهد 3/1 درجه­ی سلسیوس افزایش نشان خواهد داد.