در بسیاری از مناطق کوهستانی بخش قابل توجهی از بارش به صورت برف می باشد که منبع مهم جریان رودخانه ای محسوب می گردد. بارش برف و انباشت آن در حوزه های آبخیز منبع با ارزشی است که بررسی کمیت و کیفیت آن از اهمیت زیاد برخوردار است. برآورد دقیق رواناب حاصل از برف، نیاز به توزیع مکانی ذخایر برفی دارد. اما دستیابی به توزیع مکانی عمق برف می بایست از راه اطلاعات مشاهده ای و در مقیاس فشرده صورت گیرد که با توجه به محدودیت های عملی در جمع آوری اطلاعات، دشوار و گاهی غیرممکن می باشد. لذا با توجه به مشکلات ذکر شده و ناکافی بودن ایستگاه های برف سنجی در مناطق مرتفع، استفاده از روش های غیرمستقیم ضروری به نظر می رسد. در این پژوهش محدوده ای به وسعت 16 هکتار در ارتفاعات سخوید تفت انتخاب و با استفاده از نمونه بردار مونت - رز داده های عمق برف در 206 نقطه اندازه گیری شد. سپس با استفاده از 30 پارامتر ژئومرفومتری، به ارزیابی کارآیی چهار روش شبکه عصبی مصنوعی و الگوریتم m5 مدل درختی، رگرسیون خطی چند متغیره و رگرسیون کریجینگ در برآورد توزیع مکانی عمق برف پرداخته شد. نتایج حاصل از این تحقیق نشان داد که روش الگوریتم m5 مدل درختی با ضریب نش سات کلیف 0/8مجذور میانگین مربعات خطای با میزان 8/5 سانتیمتر مناسب ترین روش مورد استفاده می باشد. همچنین نتایج آنالیز حساسیت نشان داد که از بین پارامترهای ژئومرفومتری به کار رفته در الگوریتم m5 مدل درختی، سطح اساس شبکه زهکشی(به میزان 100 درصد)، قدرت آبراهه (به میزان 75 درصد)، شاخص رطوبتی (68 درصد)، ارتفاع از سطح دریا، سایه اندازی، ارتفاع بالای شبکه زهکشی، شکل دامنه، اثر باد، شیب، انحنا به ترتیب جزء موثرترین عوامل می باشند.