با گسترش سنجش از دور فراطیفی امکان بهره گیری از گروه جدیدی از شاخص های طیفی و مدل‌های آماری، برای تخمین پارامترهای بیو فیزیکی و بیوشیمیایی گیاهان به وجود آمده است. یکی از پارامتر های بیوشیمیایی گیاه، محتوای آبی گیاه (VWC) است که پارامتری مهم در بخش کشاورزی است و می‌تواند در جهت آبیاری صحیح و ارزیابی شرایط خشکسالی مورد استفاده قرار بگیرد. در این تحقیق با استفاده از شبکه های عصبی مصنوعی و داده های فرا طیفی که با استفاده از دستگاه اسپکترومتر GER 3700‌بدست آمده اند به تخمین محتوای آبی گیاهان پرداخته شد. چهار گونه گیاهی متفاوت برای نمونه برداری طیفی و اندازه گیری محتوای آبی گیاه انتخاب شدند. در مجموع با ایجاد تغییر در تراکم تاج پوشش گیاهان 95 نمونه شامل بازتاب های طیفی و همچنین اندازه گیری های محتوای آبی گیاهان برای آموزش شبکه مهیا شد. سپس یک شبکه پس انتشار خطا (پرسپترون چند لایه) با سه گروه از ورودی ها که شامل تمامی باند های باریک موجود، ده مولفه اصلی اول و همچنین چهار شاخص باریک باند گیاهی بودند برای تخمینVWC ‌مورد استفاده قرار گرفت. برای ارزیابی کارایی شبکه در تخمینVWC از روش Cross-validation استفاده شد. با استفاده از رگرسیون خطی ساده بین خروجی شبکه و داده‌های اندازه گیری شده VWCگیاه و بر حسب معیارهای Rcv2و RMSEcv بهترین مدل انتخاب شد. نتایج تحقیق نشان دادند که شبکه های عصبی دارای قابلیت بالا در تخمین VWC با استفاده از داده ای فراطیفی می باشند (Rcv=0.88, RMSEcv=0.31).