En este artículo, se ha modelado la temperatura media mensual de la región de Karachi, Pakistán. El período de tiempo del conjunto de datos obtenido es desde enero de 1989 hasta diciembre de 2018. Se ha aplicado la técnica de modelado de Promedio Móvil Integrado Autorregresivo (ARIMA) junto con el enfoque de Box-Jenkins para pronosticar la temperatura media mensual del área de estudio. Se utiliza un total del 83.33% del conjunto de datos entrenado para la construcción del modelo, y el 16.67% restante del conjunto de datos se utiliza para la validación del modelo. El modelo mejor ajustado se identifica como ARIMA (2, 1, 4), generado sobre la base de los valores mínimos de los procedimientos del Criterio de Información de Akaike (AIC) y del Criterio de Información Bayesiano (BIC). Los parámetros de precisión considerados son el Error Cuadrático Medio (RMSE) y el Error Absoluto Medio (MAE). Ambos parámetros muestran que el modelo es 98.152% y 98.413% preciso, respectivamente. Además, se ha realizado la prueba de Heterocedasticidad Condicional Autorregresiva-Multiplicador de Lagrange (ARCH-LM) para verificar la presencia de heterocedasticidad en los residuos del modelo identificado. Esta prueba muestra que no hay heterocedasticidad presente en la serie de residuos. Mediante los gráficos de la Función de Autocorrelación (ACF) y la Función de Autocorrelación Parcial (PACF), se determinan y evalúan los órdenes más apropiados del modelo ARIMA. El modelo se ha empleado para investigar el impacto preciso de las variables de la serie temporal en la escala del escenario de calentamiento regional. En consecuencia, el modelo creado puede ayudar a determinar estrategias futuras relacionadas con las condiciones climáticas en la región de Karachi. A partir del resultado del pronóstico, se encuentra que la temperatura media parece mostrar una tendencia creciente. Tal tendencia creciente puede potencialmente alterar las condiciones climáticas y las actividades económicas de la zona costera de Pakistán.