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.