مطالعه تغییرات محلی عوارض آبی از اهمیت زیادی در مدیریت بحران منابع آبی و پیش­بینی تغییرات اقلیمی برخوردار است. به منظور بررسی این تغییرات و تشکیل سری زمانی احتیاج به داده­های متوالی در طی مدت زمانی طولانی است که در این مقاله از داده­های ماهواره­ای اخذ شده توسط سنجنده­های رادار و اپتیک به این منظور استفاده شده است. در این تحقیق به بررسی روش­های کلاسیک مانند ARIMA و GARCH، و روش­های جدید مانند زنجیره مارکوف مونت کارلو در زمینه مدل­سازی سری زمانی داده­های ارتفاعی و مساحت دریاچه ارومیه و ارزیابی صحت آن­ها پرداخته شده است. تناوبی بودن نمونه­گیری مارکوف مورد بررسی قرار گرفت و عملکرد روش ترکیبی بر روی داده­های ارتفاع و مساحت دریاچه ارومیه ارزیابی شد. سپس، پارامترهای مرتبط با تغییرات فصلی نیز به این مدل افزوده شدند. در انتها، به مقایسه نتایج حاصل از اعمال روش جدید با روش‌های کلاسیک بر اساس معرفی پارامترهای ارزیابی دقت خطای مجذور میانگین ریشه (RMSE) و ضریب مجذور r (r²)، در مرحله اعتبارسنجی پرداخته شد. از بررسی نتایج مشخص شد که تحلیل سری زمانی به روش تولید زنجیره تصادفی مارکوف با استفاده از الگوریتم مونت‌کارلو، منجر به تولید نتایج بهتر در تخمین سری زمانی دریاچه ارومیه نسبت به روش­های کلاسیک شده است. به این ترتیب، تغییرات سری زمانی ارتفاع و مساحت دریاچه ارومیه به ترتیب با دقت­های تقریبی 14 سانتیمتر و 66/1 کیلومتر مربع مدل شدند و مقادیر آن­ها تا سال 2020 میلادی پیش­بینی شدند. نتایج به دست آمده از پیش­بینی مقادیر فوق نشان دهنده ایجاد ثبات نسبی در روند خشک شدن این دریاچه هستند. این ثبات نسبی همچنین بر روی داده­های مربوط به شش سال اخیر (از سال 2011 تا 2016) نیز قابل مشاهده است که می­تواند ناشی از اجرای سیاست­های احیای این دریاچه باشد که با ادامه آن­ها می­توان تا حد ممکن از خشک شدن دریاچه جلوگیری کرد.