امروزه بشر از آخرین فناوری های موجود علمی و عملی موجود برای حل مشکل کم آبی در مناطق خشک و نیمه خشک کمک می گیرد. یکی از این روش ها در ارتباط با افزایش بارش و تولید آب فن آوری بارورسازی ابرها می باشد. تخمین راندمان پروژه های باروری ابرها از اهمیت زیادی برخوردار است. در حقیقت حصول روش هایی برای تضمین میزان آب استحصالی از عملیات بارورسازی ابرها مهمترین هدف ارزیابی پروژه های بارورسازی ابرها می باشد. روش های یادگیری ماشین از قبیل مدل درختان تصمیم گیری که مبتنی بر اصول یادگیری براساس داده های موجود می باشند، می توانند در این راستا مفید واقع گردند. روش درخت تصمیم یک روش سلسله مراتبی یا چند مرحله ای است که در آن به صوررت بازگشتی مجموعه داده ها به روش دودویی به تقسیمات فرعی و کوچکتر تقسیم بندی می شود تا زمانی که تقسیمات فرعی نتواند بیشتر از آن تجزیه شوند. درختان تصمیم استقرایی مجموعه ای از داده های معلوم را می گیرد و یک درخت تصمیم استنتاج می کند. سپس درخت می تواند به صورت مجموعه قوانینی برای پیش بینی نتیجه ویژگی های معلوم استفاده شود. در این تحقیق جهت ارزیابی پروژه بارورسازی ابرها، در استان فارس در سال آبی 1388- 1389 از مدل درخت تصمیم رگرسیونی استفاده گردید. جهت پیش بینی میزان بارش قابل انتظار در منطقه هدف سال آبی مذکور مدل درختان تصمیم در 4حالت شبیه سازی شد. جهت ارزیابی دقت نتایج مدل سازی در هر حالت از معیارهای آماری، ضریب همبستگی، جذر میانگین مربع خطاها و انحراف استفاده گردید. نتایج نشان داد که مدل درختان تصمیم رگرسیونی با داده های خام و آموزش تصادفی مدل بهتر آموزش دیده و پیش بینی های دقیق تری را از حجم بارش مناطق هدف ارائه می دهند. سپس با استفاده از نتایج بهترین حالت مدل سازی بارش مورد انتظار منطقه هدف پیش بینی گردید. تفاوت بین میزان بارش واقعی رخ داده و میزان بارش قابل انتظار به عنوان میزان حجم آب استحصالی از عملیات باروری ابرها در استان فارس در سال آبی 1388- 1389 بیان گردید، که نتایج حاکی از افزایش 14% بارش در منطقه عملیاتی در طی دروه عملیاتی می باشد.