پدیده ی گرد و غبار یکی از زیان بارترین بلایای طبیعی است که مشکلات محیطی عدیده ای را در مناطق مختلف جهان به وجود می آورد. در ایران، منطقه ی زابل به شدت تحت تأثیر این پدیده قرار دارد. مطالعه ی حاضر، با هدف شناخت ویژگی های زمانی و بررسی امکان پیش بینی پدیده ی گرد و غبار در ایستگاه زابل، به عنوان گردوغباری ترین ایستگاه کشور صورت گرفته است. در این راستا ابتدا به تجزیه و تحلیل ویژگی های آماری داده های مربوط به فراوانی ماهانه، فصلی و سالانه ی روزهای توأم با گرد و غبار ایستگاه زابل با آمار 41 ساله پرداخته شد. از روش تجزیه ی روند سری های زمانی برای تبیین نوسانات زمانی عنصر مورد مطالعه استفاده شده و طبقه بندی ماهانه ی روزهای توأم با گرد و غبار با استفاده از روش آماری چند متغیّره ی تحلیل خوشه ای انجام گرفت. پیش بینی گرد و غبار با استفاده از روش سیستم استنتاج فازی- عصبی تطبیقی یا انفیس (ANFIS) با اختصاص70 درصد داده ها به آموزش و30 درصد آن ها به تعیین اعتبار مدل انجام شد. نتایج نشان داد در طول دوره ی آماری مورد مطالعه ی ماه جولای و آگوست گرد و غباری ترین ماه های سال می باشند. بر اساس تحلیل خوشه ای انجام شده، ماه های جولای و آگوست با بیشترین روزهای گرد و غباری در یک خوشه ی مجزا قرار گرفته اند. روند سری ماهانه، فصلی و سالانه ی گرد و غبار در این ایستگاه، افزایشی می باشد. نتایج پیش بینی گرد و غبار با مدل انفیس، نشان از قابلیت بالای آن در پیش بینی گرد و غبار در این ایستگاه می باشد. ساختار سیستم استنتاج فازی (FIS) تعیین شده با چهار تابع عضویت به شکل قوسی با روش آموزش هیبرید، با اطمینان حدود 93 درصد گرد و غبار ایستگاه زابل را پیش بینی می کند