هدف اصلی پژوهش حاضر، مدل‏سازی عملکرد پسته به‏وسیله ی مدل های شبکه‏ی عصبی مصنوعی و رگرسیون چند‏متغیره ی خطی در بخش هایی از اراضی پسته کاری شهرستان های رفسنجان و انار می باشد. برای این منظور، 142 نقطه ی مشاهداتی به صورت تصادفی مد نظر قرار گرفت. برداشت نمونه‏های خاک از سه عمق‏ صفر تا 40، 40 تا 80 و 80 تا 120 سانتی‏متری هر نقطه‏ی مشاهداتی انجام شد. هم چنین، از آب چاه تلمبه‏ای که درختان پسته ی موجود در هر نقطه‏ی مشاهداتی با آن آبیاری می‏شدند، نمونه ی آّب آب برداشت شد. به علاوه، نمونه‏برداری برگ از شاخه‏های بدون بار درختان انجام گرفت. اطلاعات مدیریتی مورد نیاز و مقدار عملکرد محصول نیز توسط طراحی و تکمیل یک پرسش نامه تأمین گردید. نتایج اعتبارسنجی مدل ها نشان داد که مقدار ضریب تبیین مدل شبکه‏ی عصبی مصنوعی (هم با استفاده از متغیرهای انتخاب شده توسط الگوریتم ژنتیک و هم با متغیرهای انتخاب شده توسط آزمون کرامر) نسبت به رگرسیون چند متغیره ی خطی از دقت بالاتری برخوردار بود.