چکیده: به دلیل تاثیر بسیاری از عوامل غیر قابل کنترل بر تولید محصولات کشاورزی نظیر عوامل جوی، آفات، بیماریهای گیاهی و ... ،کشاورزی یکی از مخاطره آمیزترین فعالیت های اقتصادی است. در سالهای اخیر خسارت های ناشی از بروز تنش های محیطی بر روی پسته مانند سرمای دیررس بهاره، بارندگی بی موقع هنگام تلقیح، عدم تامین نیاز سرمایی، خشکسالی، طوفان و ... عوامل تهدید کننده برای تولید پایدار محصول می باشند. به منظور جلوگیری از خسارت های ناشی از بروز تنش های محیطی، سعی در پیش بینی، کنترل و مهار آنها ضروری می باشد. با توجه به این که پیش بینی بروز تنش ها ی محیطی تابع عوامل موثر و متنوع زیادی مانند دما، رطوبت، میزان بارندگی، تابش، تبخیر، باد و ... با محدودیت های استفاده فراوان می باشد، استفاده از روشهای معمول، پیش بینی را دچار پیچیدگی های زیادی می نماید. در این تحقیق شبکه های عصبی مصنوعی به عنوان یک روش ساده و کارآمد، جهت پیش بینی میزان عملکرد محصول و تاثیر هر یک از عوامل تنش زا استفاده گردید. ورودی مدل، آمار هواشناسی سال های زراعی 1390-1381 در دو بازه زمانی، گرده افشانی و فصل رشد بود. میزان عملکرد پسته به عنوان خروجی شبکه استفاده شد. نتایج نشان داد شبکه ای با ساختار 1-10-28 که دارای یک لایه پنهان با تابع انتقال تانژانت سیگموئید و یک لایه خروجی با تابع انتقال خطی ساده، دارای کمترین میانگین مربعات خطا بود. شبیه سازی با استفاده از داده های جدید که شبکه با آن مواجه نشده بود انجام شد و میانگین خطا برای داده های جدید 63/9 محاسبه شد. به منظور بررسی میزان تاثیر هریک از متغیر های ورودی بر خروجی شبکه، مطالعه پارامتریک صورت پذیرفت. بررسی ها نشان داد در زمان گرده افشانی با افزایش میزان بارندگی، تعداد روزهای بارانی و روزهای با دمای بیشتر از 30 درجه سانتی گراد به دلیل اختلال در گرده افشانی و تنکی خوشه ها، عملکرد کاهش یافت. همچنین در فصل رشد با افزایش تعداد روزهای با دمای زیر 22 درجه سانتی گراد، حداکثر مطلق دما تا 43 درجه سانتی گراد، متوسط و حداکثر مطلق رطوبت نسبی تا 38 و 87 درصد، به دلیل اختلال در فتوسنتز و پرشدن دانه ها، عملکرد در واحد سطح کاهش یافت. کلمات کلیدی: عوامل جوی، عملکرد، تنش های محیطی، شبکه عصبی مصنوعی، پیش بینی