دسترسی به داده‌های ﺑﺎرشی وسیع با دقت مناسب، می‌تواند نقش مؤثری در برنامه‌ریزی‌های آبیاری و مدیریت منابع آبی ایفا نماید. ﺗﺼﺎوﻳﺮ ﻣﺎﻫﻮاره‌ای با تولید داده‌های زیاد، وسیع، ارزان و به‌روز به‌عنوان راﻫﻜﺎری ﻋﻤﻠﻲ جهت ﺗﺨﻤـﻴﻦ ﺑـﺎرش ﻣﻄـﺮح است. بدین‌منظور، در این پژوهش با استفاده از سامانه گوگل‌ارث‌انجین و محصولات بارش حاصل از تصاویر ماهواره‌ای مدل PERSIANN و CHIRPS در بازه‌های زمانی روزانه، ماهانه و سالانه به ارزیابی و صحت‌سنجی مقدار بارش ایستگاه بندرعباس طی دوره آماری ۲۰۲۰- ۱۹۸۳ پرداخته شد. ﻧﺘﺎﻳﺞ ﻧﺸﺎن داد ﻛﻪ ﺑﺮآورد ﺑﺎرش ﺗﻮﺳﻂ ماهواره‌های PERSIANN و CHIRPS در ﻣﻘﻴﺎس ﻣﺎﻫﺎﻧﻪ و سالانه از دﻗﺖ بیشتر ﻧﺴﺒﺖ ﺑﻪ ﻣﻘﻴﺎس روزانه ﺑﺮﺧﻮردار ﺑﻮده و در ﻣﻘﻴﺎس‌های ﻣﺎﻫﺎﻧﻪ و ﺳﺎﻻﻧﻪ، ﺑﻴﺶﺗﺮﻳﻦ ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻰ و ﻛﻢﺗﺮﻳﻦ مقدار RMSE ﻣﺘﻌﻠﻖ ﺑﻪ الگوریتم PERSIANN است. مقدار ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻰ الگوریتم PERSIANN در ﻣﻘﻴﺎس‌های روزانه و ﻣﺎﻫﺎﻧﻪ و سالانه به‌ترتیب برابر با 0/32 ، 0/83 و 0/94 و ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻰ الگوریتم CHIRPS در ﻣﻘﻴﺎس‌های روزانه و ﻣﺎﻫﺎﻧﻪ و سالانه به‌ترتیب برابر با 0/24، 0/71 و 0/90 ﺑﻪدﺳﺖ آﻣﺪ. مقدار ضریب تبیین R2 الگوریتم‌های PERSIANN و Chrips در مقیاس ماهانه به‌ترتیب برابر با 0/89 و 0/70 و در مقیاس سالانه به‌ترتیب برابر با 0/88 و 0/80 به‌دست آمد. نتیجه‌گیری کلی این بود که دقت ﻫﺮ دو الگوریتم در تعیین اﻟﮕﻮی ﻣﻜﺎﻧﻰ ﺑﺎرﻧﺪﮔﻰ در ﻣﻘﻴﺎس ماهانه و ﺳﺎﻻﻧﻪ مناسب بوده و الگوریتم PERSIANN از دقت بالاتری در مقیاس زمانی ماهانه برخوردار است.
