با توجه به تأثیر دما در شرایط اقلیمی هر منطقه و اهمیت پیش بینی آن در برنامه ریزی های محیطی، استفاده از روش های آماری به منظور مطالعه تغییرات و پیش بینی دما، کاربرد وسیعی پیدا کرده است. روش های آماری ابزارهایی کارآ و مفید برای درک و ارزیابی رفتار اقلیم به شمارمی روند. از الگوهای آماری پرکاربرد در این زمینه، می توان به الگوهای خانواده آریما اشاره نمود. در این الگوی آماری مقادیر براساس رفتارهای گذشته مدل سازی شده و سپس پیش بینی می شوند . در پژوهش حاضر، با استفاده از مدل های خانواده آریما، ابتدا با بررسی توابع خودهمبستگی (ACF) و خودهمبستگی جزئی (PACF) در دوره آماری (2005-1977)، مدل های سری زمانی مختلف به داده های میانگین دمای ماهانه در ایستگاه های سینوپتیک ایران برازش داده شد. سپس با استفاده از معیار آکائیک و بیزی شوارز بهترین مدل از میان مدل های به کار گرفته شده برای هر ایستگاه انتخاب گردید .نتایج این مطالعه بیانگر قابلیت مدل های غیر فصلی آریما برای تعیین روند پارامتر دما در گستره ایران می باشد. به کمک الگوهای آماری بدست آمده برای هر ایستگاه می توان پارامتر دما را در مقیاس ماهانه در دوره های آتی پیش بینی نمود.
