امروزه مدلسازی و پیش بینی پارامترهای اقلیمی به دلیل تغییرات اقلیمی، گرمایش جهانی و خشکسالی­های اخیر، اجتناب ناپذیر شده است. با توجه به تأثیر دما در شرایط اقلیمی هر منطقه و اهمیت پیش بینی آن در برنامه ریزی­های محیطی، استفاده از روش­های آماری به منظور تغییرات و پیش بینی دما، کاربرد وسیعی پیدا کرده است. هدف از این پژوهش بررسی دقت مدل SARIMA در پیش بینی میانگین دمای سالانه ایستگاه­های سینوپتیک یزد و شیراز در مقیاس زمانی ماهانه می­باشد. در این تحقیق از آمار دمای سالانه ایستگاه­های مذکور طی سال­های 2017 - 1953 استفاده گردید. به منظور آشکار سازی روند از روش پارامتری آزمون ضریب همبستگی پیرسون و آزمون­های آماری ناپارامتری مان کندال و اسپیرمن استفاده شده است که دمای ایستگاه شیراز دارای روند معنادار بوده، در حالی که دمای ایستگاه یزد فاقد روند معنادار می­باشد. بر اساس نمودارهای خودهمبستگی و خودهمبستگی جزئی و بررسی الگوهای احتمالاتی به لحاظ ملاک کم­ترین مربعات خطا (MSE) و حداکثر درستنمایی (AIC) بهترین الگو برای شبیه سازی دمای سالانه و ماهانه در دوره­ی آماری 2032- 2018 به روش­های SARIMA و ARIMA با کمک نرم افزار Minitab تعیین گردید. با مقایسه نمودارهای خودهمبستگی و خودهمبستگی جزئی باقیمانده­ها و مقادیر پیش بینی شده دمای سالانه­ی هر دو مدل مشخص شد که برازش مدل (0,1,2)ϴ₀ARIMA برای هر دو ایستگاه، دربردارنده­ی نتایج بهتری می­باشد. در حالی که خودهمبستگی و خودهمبستگی جزئی باقیمانده­های مدل­های SARIMA(1,1,2)(0,1,1) برای ایستگاه شیراز و SARIMA(0,1,2)(0,1,1) برای ایستگاه یزد خارج از مرز معناداری بوده، که نشان از عدم خوب بودن برازش مدل SARIMA می­باشد.