چکیده: برف یکی از اشکال مهم بارش در چرخه هیدرولوژی مناطق کوهستانی است. ذخایر برفی در حوضه های کوهستانی از منابع آبی پر اهمیت و قابل اطمینان کشورند و شناخت دقیق و کمی آب معادل برف اهمیت زیادی دارد. آب حاصل از ذوب برف، می تواند رطوبت خاک و ذخیره آب زیرزمینی و منابع آب دریاچه ها و رودخانه ها را تامین کند. پیش بینی دقیق و زمان‌بندی رواناب برف برای مدیریت توزیع آب، لازم و ضروری است. اندازه گیری و سنجش برف در حوضه های کوهستانی و شناخت تغییرات آن به دلیل عدم دسترسی مناسب، ضرورت کاربرد روش های غیر مستقیم از جمله تحلیل داده های دورسنجی را نشان می دهد. فناوری سنجش از دور دارای کاربردهای فراوانی در مطالعات مختلف محیطی از جمله در زمینه برف و یخ است. پوشش مکانی زیاد تصاویر ماهواره ای، سهولت دسترسی به تصاویر، رزولوشن مکانی و زمانی دلخواه و پردازش سریع تصاویر با استفاده از کامپیوتر از مزایای علم سنجش از دور است. البته استفاده از داده های زمینی در کنار داده های ماهواره ای می تواند کارایی داده‌های ماهواره ای را در زمینه برف سنجی افزایش دهد. تحقیق حاضر با هدف تخمین عمق برف با استفاده از تصاویر ماهواره ای و به کمک شبکه عصبی مصنوعی در ایستگاه برف سنجی گچان در استان ایلام صورت گرفته است. بدین منظور 111 تصویر ماهواره ای از تولیدات روزانه سنجنده مودیس (MOD10A1) مربوط به سال های 2011، 2012، 2013 و 2014 از سایت مرکز بین المللی اطلاعات برف و یخ (www.nsidc.org) دریافت شد و پس از پردازش تصاویر، از پارامترهای تعریف شده در آنها به عنوان ورودی شبکه عصبی مصنوعی استفاده شد. شبکه عصبی مصنوعی مورد استفاده در این تحقیق، یک شبکه پرسپترون چندلایه (MLP) می باشد که از پارامترهای دریافت شده از تصاویر ماهواره ای به عنوان ورودی های شبکه عصبی مصنوعی و از داده های ثبت شده توسط ایستگاه برف سنجی به عنوان هدف شبکه عصبی مصنوعی استفاده شده است. با مقایسه شبکه های عصبی مصنوعی با معماری‏های مختلف ملاحظه شد که بهترین شبکه عصبی مصنوعی، شبکه ای با یک لایه پنهان و 14 نورون در آن است. ضریب همبستگی بین داده های خروجی و هدف در تعداد 14 نورون در لایه مخفی، برای داده های آموزش و تست بیشترین میزان را دارد که به ترتیب برابر با 0/98 و 0/99 می باشد. با توجه به عملکرد مناسب شبکه عصبی مصنوعی، از آن می‌توان برای پایش و پیش بینی عمق برف در محل ایستگاه‌های برف سنجی استفاده کرد. معمولا بدلیل صعب العبور بودن این ایستگاه‌ها، اندازه گیری عمق برف بصورت نامنظم و تنها به تعداد بسیار محدودی در هر سال انجام می‌شود، در حالی که با توسعه روش پیشنهادی در این پایان نامه و با توجه به در دسترس بودن داده های سنجنده مودیس بصورت روزانه می‌توان عمق برف را در محل ایستگاه‌ها با دقت بسیار مناسبی برآورد نمود.