زمینه و هدف: اندازه گیری ارتفاع تمامی درختان یک جنگل یا توده جنگلی تقریباً غیر عملی می باشد. به همین دلیل امروزه محققین مختلف ترجیح می دهند ارتفاع درختان را از رابطه ی بین قطر برابر سینه و ارتفاع درختان برآورد کنند. روش بررسی: در این مطالعه به منظور برازش مدل های مختلف آماری در طی مراحل مختلف تحولی جنگل، پس از انجام جنگل گردشی سه قطعه نمونه یک هکتاری واقع در مراحل تحولی مختلف (اولیه، بلوغ و پوسیدگی) در راشستان های مدیریت نشده جنگل خیرود دانش کده منابع طبیعی دانشگاه تهران انتخاب شدند. سپس قطر برابر سینه و ارتفاع 251 اصله درخت (در مراحل تحولی مختلف) به طور تصادفی اندازه گیری و از 80 درصد درختان به منظور مدل سازی و از 20 درصد باقی مانده به منظور اعتبار سنجی 22 مدل رگرسیونی استفاده شد. در این تحقیق، به منظور تعیین مناسب ترین مدل برای هر یک از مراحل تحولی، از معیارهای R2، E، MBE و NMPE استفاده شد. یافته ها: نتایج حاصل از این بررسی نشان دهنده ی مناسب بودن مدل های تابع نسبی و ویبول در مرحله اولیه، نمایی اصلاح شده در مرحله بلوغ و گومپرتز و ریچارد در مرحله پوسیدگی می باشد. بحث و نتیجه گیری: بر اساس نتایج حاصل از این تحقیق می توان بیان نمود که مدل های رگرسیونی مختلف دارای قابلیت یکسانی در برازش داده های قطر برابر سینه و ارتفاع توده های مختلف نمی باشند و نمی توان از یک مدل یکسان جهت برازش داده های قطر و ارتفاع توده های واقع در مراحل تحولی مختلف استفاده کرد. Manuscript profile

امروزه با افزایش نیازهای آبی، تعادلی بین عرضه و تقاضای آب در اکثر مناطق کشور وجود ندارد. از این‏رو، مدیریت صحیح آب و استفاده بهینه از منابع آب موجود، امری اجتناب­ناپذیر است. از این­رو، استفاده از روش­های بهینه­سازی در این زمینه می­تواند مفید واقع شود. روش­های بهینه­سازی تکاملی از جمله روش­های مورد نظر در این زمینه می­باشند که عملکرد مناسب آنها بسیار گزارش شده است. الگوریتم بهینه­سازی مبتنی بر جغرافیای زیستی (BBO) الگوریتم تکاملی جدیدی است، که عملکرد و کارایی آن در چندین مسئله بهینه­سازی­ به اثبات رسیده است. هدف از این پژوهش بررسی کارایی BBO برای اولین بار در مدیریت منابع آب است. ابتدا BBO در یافتن نقاط بهینه برای سه تابع معیار در بهینه­سازی، شامل تابع کره، روزنبراک و بوکین6 مورد استفاده قرار گرفت، سپس از BBO در بهره­برداری بهینه از مخزن کارون4 با هدف برقابی بهره­برداری گردید. به منظور ارزیابی کارایی BBO، از الگوریتم ژنتیک (GA) و برنامه­ریزی غیرخطی (NLP) نیز در این مسائل استفاده شد. نتایج مربوط به توابع معیار نشان دادند که BBO در یافتن نقاط بهینه هر سه تابع بهتر از GA عمل نموده، و با دقت بالایی به جواب بهینه نزدیک شده است. در بهره­ورری از مخزن کارون4 نیز نتایج حاکی از کارایی BBO در استخراج سیاست­های بهینه­ بهره­برداری بود، به ­نحوی که مقدار تابع هدف حاصل از BBO در بهترین عملکرد برابر با 223/1، و برای GA برابر با 535/1 به­دست آمده است. همچنین، جواب بهینه مطلق حاصل از NLP برای این مسئله 213/1 بوده است. Manuscript profile