مدیریت منابع آب کشاورزی استان کرمان با تأکید بر سیاستهای طرف عرضه
محورهای موضوعی : فصلنامه علمی -پژوهشی تحقیقات اقتصاد کشاورزیحسین تقی زاده رنجبری 1 , محسن شوکت فدایی 2 , ابوالفضل محمودی 3 , فاطمه علیجانی 4 , غلامرضا یاوری 5
1 - دانشجوی دکترای، اقتصاد کشاورزی، دانشگاه پیام نور، تهران، ایران
2 - دانشیار، اقتصاد کشاورزی، دانشگاه پیام نور، تهران، ایران
3 - دانشیار، اقتصاد کشاورزی، دانشگاه پیام نور، تهران، ایران
4 - استادیار، اقتصاد کشاورزی، دانشگاه پیام نور، تهران، ایران
5 - دانشیار، اقتصاد کشاورزی، دانشگاه پیام نور، تهران، ایران
کلید واژه: کشاورزی, مدیریت منابع آب, برنامه ریزی اقتصادی, سیاست گذاری, عرضه آب آبیاری,
چکیده مقاله :
چکیده مقدمه و هدف: در این تحقیق، ابتدا یک الگوی برنامهریزی اقتصادی مناسب برای مدیریت منابع آب کشاورزی در استان کرمان ارائه گردید و در ادامه آثار بالقوه اعمال برنامههای سیاستی طرف عرضه منابع آب بر زیربخش کشاورزی ارزیابی شد. مواد و روشها: در بخش اجرا، از کالیبراسیون سه مرحلهای مدل اقتصادی جامع مبتنی بر روش برنامهریزی ریاضی اثباتی (PMP) و رویکرد ماکزیمم بینظمی (ME) بهره گرفته شد. اطلاعات موردنیاز مربوط به سال 97-1396 هستند که بهصورت اسنادی و با رویکرد مطالعات منطقهای (مناطق A، B و C در طرح جامع الگوی کشت استانی) از طریق سازمانهای بخش کشاورزی و مدیریت منابع آب استان کرمان گردآوری شدند. یافتهها: یافتهها حاکی از آن است که با اجرایی شدن برنامههای سیاستی طرف عرضه، الگوهای زراعی در مناطق مختلف استان کرمان به سمت توسعه سطح زیرکشت محصولات غلهای و کمآب پیش میروند و محصولاتی مانند پیاز، پنبه و سبزیجات بیشترین کاهش سطح زیرکشت را به خود اختصاص میدهند. در چنین شرایطی زارعین کرمانی حدود یکسوم از ارزش واقعی نهاده آب کشاورزی را در قالب هزینههای استحصال و انتقال آب پرداخت میکنند و زارعین مناطق جنوبی استان کرمان پایینترین سطح کشش قیمتی تقاضای آب (175/0) را به خود اختصاص میدهند. محصولات ذرت دانهای و سیبزمینی به ترتیب با حفظ و تداوم کشت در مناطق A (کشاورزی در شرایط خشک) و C (کشاورزی در شرایط گرمسیری) الگوهای بهینهای را جهت تأمین نیاز موجود در این مناطق و مناطق همجوار ایجاد میکنند. همچنین، نتایج نشان داد که الگوهای بهینه کشت تدوینشده در شرایط اعمال سیاست کاهش عرضه منابع آب، بیشترین تغییرات بازده ناخالص کشاورزان کرمانی را در منطقه B (کاهش 29/1- تا 31/4- درصدی) و کمترین این تغییرات را در منطقه A (کاهش 67/0- تا 08/2-) ایجاد میکنند. بحث و نتیجهگیری: از اینرو، الگوهای تداعی شده در مناطق شمالی استان کرمان (A) در شرایط سیاستگذاری طرف عرضه منابع آب بهینهتر از الگوهای دیگر مناطق (B و C) هستند.
Introduction: In this study first, a suitable economic planning model for agricultural water resources management in Kerman province was presented. Then the potential impacts of water supply policy plans on its agricultural sub-sector were evaluated.
Materials and Methods: In the implementation section, a three-stage calibration of a comprehensive economic model based on the positively mathematical programming (PMP) method and the maximum entropy (ME) approach were used. The required data and information are for years 2017-2018 that documentary and regional studies approach (regions A, B and C in master plan of provincial cropping pattern) through the organization of agriculture and water resources management in Kerman province were collected.
Findings: The results show that with implementation of supply-side policies, cropping patterns are developing towards acreage of low water and cereal products in different areas of Kerman province and products such as onions, cotton and vegetables have the largest reduction in cropping pattern. Under these conditions, farmers pay about one-third of the real value of agricultural water inputs in the form of water extraction and transportation costs and farmers southern Kerman province have the lowest level price elasticity of water demand (0.175). Corn and potatoes respectively, by maintaining and sustaining acreage in A (Agriculture in dry conditions) and C (agriculture in tropical conditions) regions provide optimal patterns to supply needs in these region and adjacent region.
Conclusion: Therefore, under conditions of water supply reduction policy the suggested patterns in the northern regions of Kerman province (A) are better optimal than other regions patterns (B and C).
approach). European Journal of Operational Research. 2015; 242(1): 536-545.
_||_