مدیریت منابع آب کشاورزی استان کرمان با تأکید بر سیاست‌های طرف عرضه

محورهای موضوعی : فصلنامه علمی -پژوهشی تحقیقات اقتصاد کشاورزی

حسین 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

تاریخ دریافت : 1398/08/16 تاریخ پذیرش : 1400/07/19 تاریخ انتشار : 1400/11/01

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.    

چکیده انگلیسی:

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).

منابع و مأخذ:

1. Amini Faskhoodi A, Hadinejad A. Optimizing the pattern of exploitation and allocation of agricultural water resources using nonlinear programming models. Second National Conference on the Effects of Drought and Its Management Strategies. 2009; May 20 and 31, Isfahan, Isfahan Agricultural and Natural Resources Research Center. (In Persian)


2. Boghraee H, Mahjoori Majd N. Develop a model based on local markets and the hierarchical structure of farmers to allocate and price water. Iranian Journal of Water Resources Research. 2019; 15 (1): 80-90. (In Persian)


3. Kerman Regional Water Company. Kerman Water Statistics, Statistics and Information Technology Office. 2018. (In Persian)


4. Riahi Zamin R, Torkamani J, Shajari Sh. investigating the side effects of groundwater overdraft on the supply of agricultural products: A case study of wheat in Marvdasht city. Journal of Agricultural Economics Research. 2019; 41: 276-263. (In Persian)


5. Zhou Q, Wu F, Zhang Q. Is irrigation water price an effective leverage for water management? An empirical study in the middle reaches of the Heihe River basin. Physics and Chemistry of the Earth, Parts A/B/C. 2015; 89-90: 25-32.


6. Shi M, Wang X, Yang H. Wang T. Pricing or quota? A Solution to Water Scarcity in Oasis Regions in China: ACase ofHeihe River Basin. Journal Sustainability. 2014; 6: 7601-7620.


7. Howitt R.E, Medellin-Azuara J, MacEwan D, Lund R. Calibrating disaggregate economic models of agricultural production and water management. Science of the Environmental Modeling and Software. 2012; 38: 244-258.


8. Franco-Crespo C.A, Sumpsi Vinas J.M. The impact of pricing policies on irrigation water for agro-food farms in Ecuador. Journal Sustainability. 2017; 6: 1-18.


9. Ghaderzade H. Karimi M. The effect of irrigation water quota policy on groundwater consumption in Qara Dehgolan plain. Journal of Agricultural Economics. 2018; 12(4): 73-98. (In Persian)


10. Hasanvand M, Jolaee R, Keramatzade A, Ashrafi F. Application of PMP model in order to analyze the effects of policy, price change and amount of agricultural water on the cultivation pattern of agricultural products (selected products) in Neka city. Journal of Agricultural Economics. 2018; 12(3): 73-95. (In Persian)


11. Asadi M, Najafi Alamdarlo H. Economic evaluation of the optimal cultivation pattern (cropping pattern) in order to reduce the use of groundwater resources in Dehgolan plain. Iranian Journal of Agricultural Economics and Development Research. 2019; 50(1): 43-29. (In Persian).


12. Agricultural Jihad Organization of Kerman Province. Department of Plant Improvement and Production, Agricultural Statistics of Kerman Province. 2018.


13. Justin D.D, Dominic P.P, Paul J.B. An agro-economic approach to framing perennial farm-scale water resources demand management for water rights markets. Agricultural Water Management. 2018; 3(1): 68-81.


14. Medellin-Azuara J, Harou j, Howitt R.E. Estimating economic value of agricultural water under changing conditions and the effects of spatial aggregation. Science of the Total Environment. 2010; 408: 5639-5648.


15. Parhizkari A, Taghizade Ranjbari H, Shokat Fadaee M, Mahmoodi A. Assessing the economic losses of the transfer between water basins on the cultivation pattern and the income status of farmers in the basin (Case study: water transfer from Alamutrood tributaries to Qazvin plain). Journal of Agricultural Economics and Development. 2015; 29(3): 319-333. (In Persian)


16. Graveline N. Economic calibrated models for water allocation in agricultural production: A review. Environmental Modelling and Software. 2016; 81(1): 12-25.


17. Petsakos A, Rozakis S. Calibration of agricultural risk programming models (PMP model
    approach). European Journal of Operational Research. 2015; 242(1): 536-545.


18. Cortignani R, Severini S. Modeling farm-level adoption of deficit irrigation using Positive Mathematical Programming, Agricultural Water Management. 2009; 96 (1): 1785-1791.