بارندگی یکی از مهم ترین عناصر تعیین کننده هر نوع اقلیمی می باشد که همواره مورد توجه متخصصان رشته های مختلف قرار گرفته است. روش های سنتی که برای اندازه گیری بارش مورد استفاده قرار می گیرند معمولا مبتنی بر اندازه گیری ایستگاه های سینوپتیک، کلیماتولوژی و باران سنج ها بوده و دارای مشکلاتی از قبیل هزینه بر بودن، کمبود ایستگاه و عدم امکان استقرار دستگاه های ثبت کننده در مناطق صعب العبور می باشند. برآورد بارندگی با استفاده از ماهواره منابع بسیار مهمی برای دستیابی به پایش کامل تری از بارندگی و منابع آب، به ویژه در کشورهای در حال توسعه مانند ایران که ایستگاه های باران سنجی خیلی پراکنده اند، هستند. بنابراین، صحت سنجی و ارزیابی ماهواره ها و الگوریتم های ماهواره ای در سنجش بارندگی در مناطق مختلف امری ضروری است. در این مطالعه، قابلیت تولیدهای مدل persiann در حوضه دریاچه ارومیه مورد ارزیابی قرار گرفت. مدل persiann یک الگوریتم تخمین بارندگی با استفاده از اطلاعات سنجش از دور با بکارگیری شبکه عصبی مصنوعی می باشد (hsu و همکاران، 1997). این الگوریتم در دانشگاه کالیفرنیا در حال توسعه است. در این مطالعه با استفاده از داده های بیش از 200 ایستگاه هواشناسی ( سینوپتیک و باران سنجی ) از سال 2005 تا 2009 میلادی برای حوضه دریاچه ارومیه داده های persiann مورد ارزیابی قرار گرفت. با توجه به نتایج بدست آمده مشخص گردید که خطای مدل در این مدل بالا می باشد . تعداد پیش بینی های درست وقوع و عدم وقوع بارندگی کم می باشد و همچنین در اکثر مواقع مقدار بارندگی توسط مدل کمتر از مقدار اتفاق افتاده پیش بینی شده است. در ارزیابی نتایج در فصول مختلف به این نتیجه رسیده شد که الگوریتم persiann متاثر از فصل می باشد .