مراتع به دلایل متعدد از جمله تولید علوفه، دامداری، ارزش تفرجگاهی و حفاظت آب و خاک مهم می­باشند. از طرفی، برای حفاظت و مدیریت بهینه از این منابع­طبیعی، مطالعات در مورد آن‌ها ضروری است. از آنجا که مطالعات میدانی هزینه بر و زمان بر می­باشد، استفاده از مدل­ها در کنار مطالعات صحرایی، برای برآورد ویژگی­های پوشش گیاهی متداول شده است. در تحقیق حاضر، شبکه عصبی مصنوعی و مدلسازی آماری، جهت شبیه­سازی درصد تاج پوشش مرتعی و سیستم اطلاعات جغرافیایی (GIS) به­عنوان پیش­پردازنده و پس­پردازنده در شبیه­سازی در سطح مراتع بلده واقع در جنوب شهرستان نور (استان مازندران) استفاده گردیدند. جهت شبیه­سازی درصد تاج پوشش مرتعی از روش رگرسیون چند متغیره و شبکه پرسپترون چند لایه (MLP) استفاده شد. فرآیند مدلسازی با نمونه­برداری و برآورد تاج پوشش در 127 مکان مرتع مطالعاتی (متغیر وابسته) و کمی نمودن عوامل اقلیمی، توپوگرافی، ادافیک و انسانی (متغیرهای مستقل) مؤثر در میزان پوشش مرتعی، انجام گردید. مدلسازی آماری در محیط نرم­افزار SPSS با روش رگرسیون چند متغیره انجام شد. به­منظور شبیه­سازی در شبکه عصبی، ارائه شبکه بهینه، تست یا اعتباریابی شبکه و تائید کارایی آن انجام پذیرفت. همچنین در محیط GIS، سطح مراتع مطالعاتی به پیکسل­های صد در صد متری به فرمت رستری تفکیک شد و از تلفیق لایه­های ورودی مدل، لایه زمین مرجع عوامل مؤثر در میزان تاج پوشش مرتعی تهیه گردید. مقادیر کمی برای هر پیکسل به­همراه مختصات به محیط شبکه عصبی وارد گشت و شبیه­سازی درصد تاج پوشش برای مکان­های فاقد آمار با شبکه بهینه اعتباریابی شده، انحام پذیرفت. نتایج تحقیق نشان داد که از دو روش به­کار رفته، شبکه عصبی با دست­یابی مقادیر ضریب تبیین (Rsqr) 72/0 و ارائه خطای کمتر در مرحله آزمون یا تست (روش رگرسیون چند متغیره ضریب تبیین 6/0)، دقت و کارایی بیشتری دارا می­باشد. همچنین، ارزیابی کارایی شبکه عصبی در محیط GIS به­واسطه آنالیز هم­پوشانی مقادیر واقعی و نقشه درصد تاج پوشش حاصله، دلالت بر دقت و کارایی تلفیق شبکه عصبی و  GISدر مطالعات داشته است. در نهایت، نتایج شبکه عصبی به محیط GIS وارد و نقشه درصد تاج پوشش مرتعی براساس نتایج شبیه­سازی شبکه عصبی تهیه گشت.