مواد معلق، عمده ترین عامل آلودگی هم در مقیاس وزنی و هم حجمی در آب های شیرین سطحی هستند و می توانند نقش کلیدی در فرآیندهای زیست محیطی داشته باشند. این پارامتر می تواند به سرعت تغییر کند و غیر یکنواخت باشد. این بدان معنی است که روش های سنتی پایش رسوبات معلق که به نیروی کار میدانی، ابزار و آنالیز نمونه های آب نیاز دارند، نمی توانند مدل درستی که نماینده کل پیکره آبی باشد تولید کنند. این تحقیق، امکان سنجی استفاده از تصاویر سنجش از دوری برای توسعه مدل پایش رسوبات معلق در دهانه رودخانه بهمنشیر را که دقیق، قابل تکرار و مقرون به صرفه باشد، بررسی می کند. همچنین در این پژوهش، مدلی برای تعیین سهم مواد معلقی که در منطقه حضور دارند، توسعه داده می شود. به دلیل ویژگی های منحصر به فرد سنجنده aster در پایش آب با قدرت تفکیک طیفی و مکانی بالا، از داده های دیجیتالی این سنجنده جهت تخمین درصد رسوبات و همچنین بدست آوردن رابطه منطقی جهت تخمین غلظت رسوبات معلق استفاده شد. داده های میدانی به صورت همزمان با گذر ماهواره از منطقه مورد مطالعه درماه مه سال 2003، طی چندین سفر با قایق و از ایستگاه های مختلف برداشت شد. برای کاهش خطای جوی و واسنجی رادیومتریکی و همچنین کاهش خطاهای هندسی تصویر، تصاویر کاملا اصلاح گردید. برای بدست آوردن درصد مواد معلق از روش کد نویسی در نرم افزار matlab با روش حداقل مجذور مربعات استفاده شده است. جهت مدلسازی بین بازتابندگی رسوبات معلق و غلظت های اندازه گیری شده از شبکه عصبی مصنوعی در مقابل آنالیز های رگرسیون های خطی استفاده شد. مقادیر r2 و rmse از آنالیز های رگرسیونی به ترتیب 0/877 و 310 میلی گرم بر لیتر و برای شبکه عصبی برای حالت تست به ترتیب 0/987 و 13/381 میلی گرم بر لیتر می باشند. نتایج حاکی از آن است که شبکه عصبی به مراتب بهتر از آنالیزهای رگرسیونی عمل کرده است. این تحقیق نشان می دهد که تولیدات سنجش از دور، قادرند تا به عنوان ابزاری مهم به مدیران منابع آب در ارزیابی شرایط در دهانه های بزرگی همچون بهمنشیر به صورت اجمالی، و مکرر کمک کند.