خشکسالی از پدیده های مهم و ادواری هواشناسی است که نتیجه برهمکنش عوامل مختلفی است که گردش عمومی جو را تحت تاثیر قرار می دهند، از مهمترین این عوامل میتوان به نوسانات انرژی تابشی خورشیدی رسیده به زمین در سال های مختلف و تغیرات الگوی فشاری در سطح اقیانوسها اشاره کرد که سطح وسیعی از کره زمین را شامل می شود. به این عوامل، پدیده های دورپیوند یا پدیده های بزرگ مقیاس نیز گفته می شود. این پدیده ها بر آب و هوای نقاط مختلف کره زمین در تاخیرهای زمانی مختلف اثر گذار بوده و از این جهت می توانند ابزار مناسبی برای پیش بینی خشکسالی باشند. استان گلستان از قطب های مهم کشاورزی است که بخش زیادی از مساحت آن را اقلیم های نیمه خشک و مدیترانه ای دربرگرفته است که شدیدا متاثر از خشکسالی می باشند. به منظور کاهش خسارات ناشی از خشکسالی، میباید آن را مدیریت کرد و لازمه مدیریت آنف پیش بینی خشکسالی می باشد. بر این اساس به طور موردی از داده های بلند مدت بارش ایستگاه هواشناسی هاشم آباد گرگان استفاده و بر اساس آنها شاخص بارش استاندارد شده (SPI) در پنجره زمانی ۱۲ ماهه محاسبه و استخراج گردید. از ۱۲ شاخص اقلیمی دورپیوند و همچنین تعداد لکه های خورشیدی استفاده شد تا پس از به دست آوردن بهترین تاخیر زمانی موثر از آنها، شدت خشکسالی به کمک مدل های رگرسیون چندمتغیره خطی، مدل رگرسیون درختی M۵ و شبکه عصبی مصنوعی پیش بینی شود. نتایج نشان داد متغیرهای دخالت داده شده در پیش بینی با تاخیر زمانی بیش از ۱۲ ماه قادرند شدت خشکسالی ۱۲ ماهه
را به خوبی پیش بینی کنند و از بین مدل های پیش بینی مورد استفاده، مدل درختی M۵ با ارائه روابط ساده رگرسیونی نتیجه بهتری را به همراه داشت و شدت خشکسالی را با ضریب همبستگی ۹۵ درصد و ریشه میانگین مربعات خطای ۰/۳۱  پیش بینی کرد.