ریزش جوی به صورت برف برای تغذیه ی منابع سطحی و زیرزمینی کشورها می تواند منبعی پایدار و ثابت محسوب شود به ویژه این که در فصول خشک نیز مورد استفاده می باشد. کشور ایران به علت موقعیت خاص جغرافیایی و ناهمواری های بسیار پراکنده و تأثیر دیگر عوامل از جمله جبهه-های آب و هوایی، از مناطق خشک جهان به شمار می رود. با توجه به کوهستانی بودن کشور در ارتفاعات بارندگی عموماً به صورت برف نازل می شود. در این راستا، مشکل اصلی، عدم دسترسی به مناطق برف گیرِ دوردست و صعب العبور، نداشتن شبکه های متراکم برف سنجی و مستمر نبودن اندازه گیری ها می باشد. از این رو برای رفع این نقصان، سنجش از دور می تواند به عنوان یک ابزار مهم و کارآمد مد نظر قرار گیرد. در این تحقیق با استفاده از دمای روشنائی واحد گمانه زن مایکروویو پیشرفته a (amsu-a) روی ماهواره های noaa، تکنیک شبکه های عصبی مصنوعی و همچنین رگرسیون چندگانه آب معادل برف در حوضه های آبریز استان تهران برای فصل زمستان (ماه های ژانویه، فوریه و مارس) طی یک دوره پنج ساله (2010-2006) محاسبه و صحت سنجی شده است. در مجموع اطلاعات دیده بانی شده 24 ایستگاه برف سنجی کشور برای 196 روز طی دوره مورد مطالعه جهت بازیابی و صحت-سنجی بکار رفته است. براساس نتایج به دست آمده بهترین برآوردها با مقادیر شاخص های خطا (8991/0=r، 84/0=bias، 54/9=mse و 09/3=rmse) مربوط به ماه فوریه و بدترین برآوردها (6083/0=r، 41/1=bias، 79/41=mse و 46/6=rmse) مربوط به ماه مارس است. نتایج نشان-دهنده برتری شبکه های عصبی مصنوعی نسبت به روش رگرسیون می باشد. این نتایج همچنین نشان می دهند که مشاهدات این گمانه زن پتانسیل بالایی را برای آشکارسازی پوشش برف دارد و استفاده از اطلاعات آن برای محاسبه آب معادل برف در مناطقی نظیر کشور ایران که با محدودیت ایستگاه های زمینی برف سنجی مواجه است پیشنهاد می شود.