به منظور آشکارسازی تغییرات اقلیمی از دیدگاه آماری آزمون های آماری پارامتری و ناپارامتری بکارگرفته می شوند. از جمله این روش ها می توان به آزمون های همگنی، تحلیل روند، روش های آریما و تحلیل طیفی در سری های زمانی عناصر اقلیمی از جمله دما اشاره کرد. عوامل طبیعی و انسانی در ایجاد ناهمگنی دخالت دارند که برای پی بردن به ناهمگن بودن اطلاعات و کشف علل آن از طرق آزمون های مختلف آماری قابل بررسی می باشد. نتایج این آزمون ها همواره یکسان نبوده و هر یک دارای ویژگیهای خاصی می باشند. در این پژوهش پس از کنترل کیفی داده ها و انجام آزمون های همگنی و آشکارسازی روند با استفاده از نرم افزار MATLAB، برازش و آینده نگری میانگین دمای سالانه و ماهانه ایستگاه های جلفا و سراب طی دوره آماری (1986-2018) با استفاده ازالگوهای خانواده ARIMA و SARIMA در نرم افزار MINITAB انجام شد. برای بررسی ایستایی مدل، توابع خودهمبستگی (ACF) و خودهمبستگی جزئی (PACF) به کار گرفته شد و با در نظر گرفتن معیارهای ارزیابی مدل، نهایتا الگوهای ARIMA(0,1,1) و SARIMA(0,0,1)(1,2,3)12 برای ایستگاه جلفا و الگوهای ARIMA(1,1,0) و SARIMA(0,0,2)(1,2,3)12 برای ایستگاه سراب به عنوان مدلی مناسب جهت آینده نگری میانگین دمای سالانه و ماهانه مشخص شد.