با گسترش فناوری­های سنجش از دور در سال­های اخیر و توسعه منابع اطلاعاتی ارزشمند مانند: رطوبت خاک، بارش، رواناب سطحی، تبخیر و تعرق، پوشش گیاهی و . . . فرآیند مدلسازی هیدرولوژیکی با سرعت و دقت بهتری قابل انجام می­باشد. این منابع اطلاعاتی عمدتاً مبتنی بر روش­های سنجش از دوری بوده و یا بر اساس تکنیک­های داده­ گواری (Data Assimilation) بدست می­آیند و از این­رو دارای دقت­های متفاوتی هستند. داده های فوق دارای ساختار شبکه­ بندی شده بوده و لذا برای استفاده در مدل­های هیدرولوژیکی توزیعی بسیار مناسب می­باشند. یکی از مهم­ترین خروجی­های حاصل از اجرای مدل­های هیدرولوژیکی، مولفه تبخیر و تعرق­باشد که از اهمیت بسیار زیادی در بیلان آب یک حوضه برخوردار می­باشد.

 

 در حال حاضر روشهای مختلفی برای برآورد تبخیر و تعرق وجود دارد که از مهمترین آنها میتوان به داده های بدست آمده از لایسیمتر، داده های بدست آمده از کاربرد معادلات تجربی و نیمه تجربی مانند FAO56، بلانی-کریدل، پنمن-مانتیث، هارگریوز-سامانی اشاره نمود. از آنجائی که هر کدام از روشهای مذکور به ویژه معادلات تجربی و نیمه تجربی نیازمند حجم زیادی از داده های حرارتی، گیاهی و تشعشعی می باشند، استفاده از آنها در بسیاری از حوضه ها امکان پذیر نمیباشد. با توجه به گسترش تکنولوژی های ماهواره ای و مدلسازی رایانه ای در سالهای اخیر، مدلهای بازتحلیل شده (Reanalysis Models) زیادی توسعه محققین مختلف توسعه داده شده است که با در نظر گرفتن داده های مشاهداتی و شبیه سازی و با استفاده از مفهوم داده گواری (Data Assimilation) اقدام به برآورد مولفه های اقلیمی و هیدرولوژیکی از جمله رطوبت خاک، تبخیر و تعرق و رواناب سطحی مینمایند. داده های بدست آمده از این مدلها دارای تنوع زمانی و مکانی مختلفی بوده و سطح وسیعی از کره زمین را شامل میشوند.