برای تخمین مکانی مقدار بارش ماهانه با توجه به پیچیدگی پدیده و در دسترس نبودن اطلاعات فیریکی کافی و عدم اطلاع دقیق از روابط و معادلات ریاضی حاکم بر این موضوع، معمولاً ارائه مدل های جعبه سیاه مفید هستند، که مستقل از پارامترهای فیزیکی موثر بر پدیده و معادلات حاکم بین آنها می باشد. زمین آماری به عنوان روشی برای درون یابی می باشد که مجموعه ای از تکنیک های آماری برای تحلیل داده های مکانی در آن به کار می رود. در حالت کلی این پایان نامه به مطالعه پخش شدگی داده های مکانی و شبیه سازی برای مکان های بدون داده می پردازد. استفاده از این تکنیک برای پیش بینی مشخصات هیدرولوژیکی در سال های اخیر حاکی از مناسب بودن این تکنیک جهت مدلسازی در علم مهندسی آب می باشد. این تحقیق از سه گام اساسی تشکیل یافته است. گام اول شامل انتخاب کلاس بندی های لازم برای استخراج بهترین واریوگرام محاسباتی است که از روی داده های مشاهداتی و استخراج مدل های مطلوب واریوگرام به دست می آید و سعی در برقراری ارتباط بین واریوگرامها، در ماههای مشابهی که از نظر سال متفاوت می باشند انجام یافته است. گام دوم پس از مشخص شدن بهترین واریوگرام که عمدتاً بین مدلهای تئوریک گوسیان، کروی و نمایی انتخاب می شوند، با توجه به مدل انتخابی از واریوگرام، سپس جهت پردازش بروی نیمه واریوگرام تجربی و عملیات کریجینگ انتخاب شده اند. با توجه به اینکه در اکثر ماههای بررسی شده از مدل کروی تبعیت شده است. در گام سوم برای محاسبات انجام یافته، مرحله cross-validation در هر ماه بصورت مجزا انجام می گیرد. خروجی حاصل از این سه گام اساسی، یک توزیع مکانی برای کل منطقه با تمام ایستگاههای موجود در نظر گرفته می شود که به صورت یک نقشه گرافیکی ارائه شده است. به منظور دستیابی به این مدل، از داده های بارش ماهیانه در حد فاصل فروردین 1387 تا اسفند 1391 در 33 ایستگاه باران سنجی حوضه آجی چای استفاده شده است. نتایج حاصل نشان می دهد که محاسبات کریجینگ توانایی بالایی در پیش بینی مکانی مقدار بارش ماهانه دارد. مقایسه های انجام یافته پیرامون رابطه پارامترهای واریوگرام با یکدیگر رابطــه معنا داری را نشان می دهد، این رابطه وجود روند خاصی را نشان نمی دهد. همچنین با مقایسه نتایج حاصل از محاسبات کریجینگ، پیش بینی های انجام یافته در هرماه، نشان می دهد که بارش در حوضه مورد نظر مستقل از ماه های دیگر است، ولی بارش در حوضه مورد نظر در ماه مورد بررسی شده وابسته به سالهای قبل می باشد.