چکیده: اندازه گیری دقیق بارش برای مدل سازی جریان های سطحی، مکان یابی مناسب سدها، پیش بینی سیل و خشکسالی و مدیریت منابع آب و طرح های کشاورزی حائز اهمیت است. از چند دهه گذشته، با هدف افزایش دقت ثبت مقادیر بارش در سطح جهانی و فائق آمدن بر مشکلات ناشی از روش های سنتی اندازه گیری بارش، از علم سنجش از دور و فناوری های ماهواره ای جهت برآورد مقادیر بارش بهره گرفته شده است. در این پژوهش، از داده های استخراج شده از تحلیل و پردازش تصاویر سنجنده مودیس و داده های بارش مشاهداتی 6 ساعته برای دوره آماری 2015-2005 در ایستگاه های سینوپتیک و باران سنجی شاهرود، دامغان و سمنان استفاده شد. به منظور شبیه سازی مقادیر بارش، از روش داده محور شبکه عصبی مصنوعی (ANN) برای مدلسازی بهره برده شد. در این تحقیق، داده های حاصل از پردازش تصاویر سنجنده مودیس شامل مقادیر بازتاب (Reflectance) باندهای مرئی 1 ،3 و 4 ، بازتاب باندهای مادون قرمز 2، 5، 18، 19 و 26، گسیلمندی (Emissivity) باند های مادون قرمز حرارتی 31 و 32، درجه حرارت درخشندگی (BT) باندهای مادون قرمز حرارتی 31 و 32 و شاخص پوشش گیاهی تفاضل نرمال شده (NDVI) بصورت جداگانه و ترکیبی با یکدیگر به عنوان داده های ورودی و داده های بارش مشاهداتی به عنوان داده های خروجی به مدل خورانده شد. سپس داده های شبیه سازی شده با مقادیر بارش های مشاهداتی مقایسه شد. جهت مقایسه داده های شبیه سازی شده و مشاهداتی از سه معیار ضریب همبستگی (R)، نش ساتکلیف (NS) و ریشه میانگین مربعات خطا (RMSE) استفاده شد. نتایج بدست آمده نشان می دهند که بارش های شبیه سازی شده از طریق ترکیب داده های بازتابی مرئی باند 3 و داده های بازتابی مادون قرمز باندهای 5، 18 و 19 سنجنده مودیس شباهت بیشتری با بارش های مشاهداتی دارند، به گونه ای که برای داده های آموزش مقدار R برابر با 0.97، مقدار NS برابر با 0.94 و مقدار RMSE برابر با 1.03 و برای داده های تست، مقدار R برابر با 0.93، مقدار NS برابر 0.81 و مقدار RMSE برابر با 1.49 به ثبت رسیده اند و مدل دارای عملکرد قابل قبولی می‌باشد.