تخمین دقیق تبخیر و تعرق یک از عوامل بسیار مهم در کشاورزی و مدیریت منابع آب می باشد. پارامترهایی که در ایستگاه های هواشناسی اندازه گیری می شوند نسبت به زمان و مکان متغیر می باشند. تصاویر ماهواره ای به دلیل پیوستگی مکانی داده ها، کاربرد بهتری برای مطالعات ناحیه ای نسبت به داده های ایستگاه های هواشناسی دارند. در سالیان اخیر مدل های هوشمند و داده کاوی به عنوان روشی جدید برای مدلسازی روابط پیچیده مورد استفاده قرار می گیرند. در همین راستا برای این مطالعه تبخیر و تعرق مرجع با استفاده از تصاویر ماهواره نوا در دشت تبریز به کمک مدل شبکه عصبی و مدل درختی M5 مورد بررسی قرار گرفت. در این روش برای هر تصویر محدوده های زراعی نزدیک به ایستگاه هواشناسی تبریز با پوشش گیاهی مناسب در هر پیکسل انتخاب و دمای سطحی، تابش فرا زمینی به عنوان متغیر های مستقل و تبخیر و تعرق پنمن مونتیث به عنوان متغیر وابسته برای ورودی مدل شبکه عصبی و مدل درختی M5 جهت برآورد تبخیر و تعرق مرجع انتخاب شد. در این مطالعه تعداد 100 تصویر ماهواره نوا، طی دوره آماری 1998 تا 2002 در طول فصل زراعی انتخاب شد. برای ارزیابی مدل ها شاخص های مجذور میانگین مربعات خطا (RMSE) و میانگین انحراف مطلق (MAE) محاسبه گردید. نتایج نشان داد که ET0 با استفاده از مدل تدوین شده و داده های اختصاص داده شده برای آزمون، با جذر میانگین مربع خطا RMSE=1/29 برای شبکه عصبی و RMSE=1/34 برلی مدل درختی برآورد شده است.
