روابط موجود در درون سیستم در قالب مدل های متعددی جمع بندی می شوند که این مدل ها ابزاری مهم جهت تبیین پدیده هایی هستند که در سیستم ها دیده می شوند. ازاین رو مدل سازی به عنوان ابزاری جهت درک ارتباطات اکوژئومورفولوژیکی پیچیده که در سیر تکامل ناهمواری و پوشش گیاهی حاکم می باشد می تواند در مدیریت تغییرات محیطی یا انسانی در سیستم های مناطق خشک و نیمه خشک مؤثر واقع شود. چشم اندازهای نبکایی ازجمله سیستم های اکوژئومورفیک پیچیده در مناطق بیابانی هستند که در اثر تجمع رسوبات بادی در اطراف گیاهان شکل می گیرند. هدف این پژوهش مدل سازی حجم رسوبات نبکا با روش های آماری و شبکه عصبی است. بدین منظور خصوصیات مورفومتری نبکاها و مورفولوژی گیاهی شامل، ارتفاع نبکا، قطر قاعده نبکا، حجم نبکا، قطر تاج پوشش و ارتفاع گیاه به روش طولی اندازه گیری گردید. سپس از بین روش های ساده رگرسیونی روش توانی به دلیل برخورداری از R² بالاتر انتخاب گردید. همچنین شبکه مورداستفاده جهت مدل سازی از نوع شبکه های پیش خور با الگوریتم آموزشی پس انتشار خطا می باشد. تابع آموزشی استفاده شده در شبکه Trainlm و تابع انتقال از نوع log sig می باشد. جهت آموزش شبکه از 75% داده ها و جهت آزمون شبکه از 35% داده ها استفاده شده است. نتایج نشان می دهد که مدل شبکه عصبی مصنوعی با ضریب تبیین 926/0 و میزان خطای 16/1 نسبت به مدل رگرسیونی با ضریب تبیین 868/0 و میزان خطای 3/3 از برتری بیشتری جهت برآورد حجم رسوبات نبکاهای مطالعاتی برخوردار است.
