است. در بسیاری از مطالعات هیدرولوژیکی، هیدروکلیماتولوژی، هواشناسی و بویژه کشاورزی از داده های بارندگی ایستگاه های هواشناسی (سینوپتیک، کلیماتولوژی، باران سنجی ) استفاده شده است . در این میان در مواردی که تراکم شبکه بارانسنجی پاسخگو نبوده و یا برای مناطقی که بعلت صعب العبور بودن فاقد ایستگاه و داده های معتبر بارندگی بوده اند، روش های درون یابی نقش مهمی را ایفا نموده اند . این روش ها همواره دارای خطا بوده و اغلب غیر قابل تعمیم بوده ، بویژه در مناطق خشک و نیمه خشک که نوسانات زمانی و مکانی بارندگی جزو ویژگ ی های غالب این مناطق می باشد . در این معرفی شده و سپس به منظور جایگزینی (PERSIANN) مطالعه ابتدا مدل پیش بینی بارندگی از داده های سنجش از دور و شبکه عصبی مصنوعی برای روشهای درون یابی در تخمین بارش روزانه در مناطق فاقد ایستگاه، خروجی های مدل با دو روش رایج درون یابی (کریجینگ و روش معکوس فواصل) مقایسه شده است . بدین منظور داده های 6 ایستگاه هواشناسی در استان خراسان رضوی برای سال های 2006 تا 2008 مورد استفاده قرار را با داده های واقعی بارندگی نسبت به دو روش درون یابی نشان می دهد ، PERSIANN گرفت. نتایج آنالیز آماری، همبستگی بیشتر خروجی های 0 بوده که این مقد ار برای داده های بازسازی شده به / بطوریکه ضریب همبستگی خروجی های مدل با داده های ایستگاه بجنورد در آزمون کندال 805 0 بوده است. / 0 و برای کریجینگ 565 / روش معکوس فواصل 488

کلمات کلیدی